Environnements d’apprentissage soutenants en 1ère année à l’EPFL

À l’EPFL, une forte proportion d’étudiant·es qui s’inscrivent dans un programme d’études quittent l’institution sans terminer leur première année. Cela affecte de manière disproportionnée les personnes ayant une formation mathématique plus faible ainsi que les femmes ; ces deux populations semblent être davantage à risque car les cours d’introduction jouent un rôle significatif en les mettant sous pression et en les décourageant de poursuivre leurs études.

Pour faire face à cette situation, l’EPFL a mis en place une série de réaménagements de cours et d’examens ciblant les cours introductifs, notamment avec l’adoption de classes inversées et d’examens comportant moins de questions (Hardebolle et al., 2022). À partir de 2021, des mesures de soutien supplémentaires et des pratiques pédagogiques adaptées ont été introduites dans le but d’améliorer la rétention ainsi que les résultats dans les cours de mathématiques de première année.

Cette page détaille la mise en œuvre d’examens à temps prolongé et des mesures de soutien supplémentaires déployées entre 2021 et 2023 dans un cours d’introduction à l’Analyse mathématique. Plus précisément, elle examine les résultats d’une étude qui a traité de la façon dont le soutien aux étudiant·es améliore leurs résultats dans leurs premiers cours de mathématiques universitaires et comment ceux-ci affectent leur progression dans les cours suivants.

Efforts précédents

Les étudiants de premier cycle de notre université suivent deux cours d’Analyse mathématique durant leur première année : un au semestre d’automne et un au semestre de printemps. Pour améliorer la réussite des étudiant·es dans ces cours exigeants, plusieurs initiatives de soutien ont été progressivement mises en œuvre tout au long de trois années académiques.

Évolution des mesures de soutien

Année académique 2020/21

La première intervention a introduit des séances de tutorat facultatives « en libre accès » le samedi pour fournir un soutien d’apprentissage supplémentaire aux étudiant·es qui avaient besoin d’aide supplémentaire.

Année académique 2021/22

S’appuyant sur les fondations de l’année précédente, trois nouvelles mesures de soutien ont été ajoutées :

1. Un cours préparatoire en ligne facultatif conçu pour renforcer les connaissances mathématiques fondamentales des étudiant·es
2. Des vidéos de cours enregistrées mises à disposition pour l’étude et la révision indépendantes
3. Une durée d’examen prolongée pour les étudiant·es d’Analyse mathématique II, qui ont reçu 30 minutes supplémentaires tout en maintenant le même nombre et niveau de difficulté des questions

Les tutorats en libre accès du samedi ont continué parallèlement à ces nouvelles initiatives.

Année académique 2022/23

Le package complet de soutien a été maintenu avec un ajustement d’horaire et une extension :

1. Les tutorats en libre accès ont été déplacés du samedi aux soirées de semaine pour une meilleure accessibilité
2. L’avantage du temps d’examen prolongé (30 minutes supplémentaires avec contenu inchangé) a été étendu pour inclure les étudiant·es d’Analyse mathématique I et II
3. Le cours préparatoire en ligne et les cours enregistrés sont restés disponibles

Ces améliorations progressives démontrent une approche systématique combinant à la fois des ressources facultatives ciblées pour les apprenant·es motivés et des aménagements universels qui bénéficient à l’ensemble de la population étudiante.

L’étude

À l’initiative du Centre propédeutique (CePro) en partenariat avec le Centre d’appui à l’enseignement (CAPE), le Centre des sciences de l’apprentissage (LEARN) a été impliqué dans une étude visant à investiguer les effets des examens à temps prolongé, ainsi que d’autres mesures de soutien, sur les performances académiques pour différentes catégories du corps étudiant considérées à risque de faible progression d’études et de faibles résultats académiques, comme avoir une formation mathématique plus faible et être une femme.

Approche de recherche

Cette étude s’est appuyée sur des méthodes quantitatives et plus précisément, la recherche a entrepris une analyse de données secondaires afin de traiter les données déjà disponibles dans IS-Academia (le système de gestion de l’apprentissage de l’institution) pour plusieurs cours d’introduction, tels qu’Analyse 1 et Analyse 2. La population d’étude comprenait plus de 90% des étudiant·es entrant·es provenant de lycées soit en Suisse soit en France. Les étudiant·es des lycées français ou suisses provenaient d’une variété de formations, incluant :

• Les étudiant·es qui avaient étudié dans un lycée suisse et qui s’étaient spécialisé·es en Physique et applications des mathématiques dans leurs études pour leur diplôme de fin d’études secondaires (nous les désignons comme étudiants MathMajeur_CH en abrégé)
• Les étudiant·es qui avaient étudié dans un lycée suisse et qui s’étaient spécialisé·es dans autre chose que la Physique et les applications des mathématiques dans leurs études pour leur diplôme de fin d’études secondaires (étudiants MathMineur_CH en abrégé)
• Les étudiant·es qui avaient étudié dans un lycée français, qui tous·tes s’étaient spécialisé·es en Physique et applications des mathématiques dans leurs études pour leur diplôme de fin d’études secondaires (MathMajeur_FR en abrégé)

Résultats

Les performances globales se sont améliorées

Les notes d’examen des étudiant·es ont augmenté de manière constante sur les trois années à mesure que plus de soutien était progressivement ajouté. Il ne s’agissait pas seulement de rendre les tests plus faciles—la même matière était couverte avec le même niveau de difficulté, mais les étudiant·es avaient plus de temps et de ressources pour démontrer leurs connaissances.

L’écart entre les genres s’est réduit

Les étudiantes ont montré des améliorations particulièrement fortes, surtout en 2023. Bien qu’un écart de performance entre étudiants masculins et féminins ait persisté, il s’est considérablement réduit suite à la mise en œuvre des mesures de soutien.

La formation éducative a eu moins d’importance au fil du temps

Les étudiant·es avec des formations mathématiques plus faibles (celles et ceux qui avaient opté pour les mathématiques comme matière mineure au lycée) ont initialement obtenu de bien moins bons résultats que leurs pairs. Cependant, en 2023, cet écart s’était considérablement réduit, particulièrement parmi les étudiant·es suisses.

Les étudiant·es se sont réellement amélioré·es dans l’apprentissage des mathématiques

Peut-être le plus important, les étudiant·es n’ont pas seulement obtenu de meilleurs résultats aux examens individuels—ils et elles ont montré des « gains d’apprentissage », ce qui signifie qu’ils et elles se sont amélioré·es de leur premier cours de mathématiques au second. En 2021, les étudiant·es obtenaient typiquement de moins bons résultats au second cours plus avancé. En 2023, la plupart des étudiant·es obtenaient en fait de meilleurs résultats sur la matière avancée qu’ils et elles n’en avaient eu sur les bases.

Conclusion

Les critiques pourraient s’inquiéter que rendre les cours plus soutenants conduirait à faire progresser des étudiant·es mal préparé·es vers une matière plus difficile. Les données montrent le contraire : les étudiant·es qui ont bénéficié des mesures de soutien ont continué à réussir dans les cours subséquents.

Impact

Ces résultats suggèrent que de nombreux étudiant·es ont des difficultés en mathématiques non pas parce qu’ils manquent de capacité, mais parce qu’ils manquent de temps et de soutien adéquats. Des interventions simples—comme prolonger le temps d’examen, fournir des tutorats supplémentaires, et offrir du matériel préparatoire—peuvent aider les étudiant·es à démontrer leurs véritables capacités et construire leur confiance pour un travail plus avancé.

Les résultats sont particulièrement encourageants pour traiter l’équité éducative, montrant que les mesures de soutien peuvent aider à combler les écarts de performance sans compromettre les standards académiques.

Les rencontres lunch&LEARN sur ce sujet:

• lunch&LEARN: Inclusive teaching in Linear Algebra (visionner sur YouTube)
• lunch&LEARN: Preparing to learn linear algebra (visionner sur YouTube)

Publications

Niculescu, A. C, Hardebolle, C., Verma, H., Tormey, R., & Deparis, S. (under review). Supportive Learning Environments for Passing Introductory Mathematical Analysis Courses. International Journal of Research in Undergraduate Mathematics Education