L’enseignement supérieur fait face, au cours des dernières décennies, à une augmentation des effectifs rendant difficile le suivi individualisé des étudiant·es. Ce défi est particulièrement prégnant lors des séances de travaux pratiques (TP), où l’enseignant·e doit accompagner un grand nombre d’étudiant·es simultanément. Dans le contexte des TP de programmation, les outils de gestion de version, incontournables dans l’industrie, ont naturellement intégré les cursus pour former les étudiant·es aux pratiques professionnelles. Cependant, les enseignant·es ne disposent pas des outils nécessaires pour exploiter les traces d’apprentissage brutes issues de ces outils, difficilement visualisables et interprétables pour la prise de décision dans leur forme actuelle et pour de grands groupes d’étudiant·es.

Cette thèse, conduite selon une méthodologie de recherche orientée par la conception (Design-Based Research), explore la problématique suivante : (QR1) Dans quelle mesure un tableau de bord pour enseignant·es, construit à partir des traces générées par un outil de gestion de version et enrichies par des données contextuelles, permet-il de proposer des visualisations actionnables soutenant la prise de décision enseignante en temps réel ? Une première contribution, Git4School, est un tableau de bord proposant des visualisations actionnables de l’activité des étudiant·es en TP à partir de leurs dépôts Git. Une étude qualitative basée sur les retours d’expérience d’enseignant·es l’ayant utilisé dans 5 cours différents (du DUT au Master), a validé sa pertinence aux yeux des enseignant·es pour l’orchestration des séances et l’identification de profils d’étudiant·es. Cependant, une étude quantitative fondée sur le Process Mining a révélé les limites des traces générées manuellement par les étudiant·es : elles ne permettent pas de mettre en lumière les comportements d’apprentissage au cours de la résolution des exercices. Ce constat a mené à notre seconde problématique, divisée en deux questions de recherche : (QR2.1) Comment améliorer l’exactitude, la complétude, la cohérence et l’actualité des traces générées, sur la base des événements de modifications de fichiers, de sorte à pouvoir identifier des comportements d’apprentissage complexes ? (QR2.2) Comment garantir que la génération de traces améliorée ne perturbe ni les activités de l’étudiant·e ni celles de l’enseignant·e ?

Une deuxième contribution, LAWG, propose un système interactif de génération de traces semi-automatiques encapsulant l’environnement de travail des étudiant·es tout en préservant l’intégrité de leur travail. Son évaluation à différents niveaux, une expérimentation en contexte écologique suivie d’analyses statistiques, couplée à une analyse quantitative par Process Mining, a permis de détecter le respect ou non de protocoles de développement attendus, tels que le TDD (Test-Driven Development). Au regard du modèle de conscience de la situation, ces avancées correspondent à un approfondissement significatif du niveau 2 (compréhension) : les traces fines rendent observables les processus d’apprentissage et les stratégies des étudiant·es, levant partiellement le plafond de compréhension identifié lors de la première itération.

En conclusion, nos travaux présentent plusieurs contributions. D’une part, la conception et le développement de deux logiciels fonctionnels et open-source, déployables en l’état, dont les expérimentations ont démontré leur intérêt pour l’aide à la prise de décision enseignante dans le contexte de TP de programmation utilisant Git comme logiciel de gestion de version. D’autre part, des recommandations pour la conception d’outils de génération automatique de traces fines s’appuyant sur un logiciel de gestion de version. Enfin, nos perspectives de recherche visent à coupler ces contributions pour offrir un environnement plus complet de supervision, à compléter ces analyses par la collecte intégrée de données subjectives sur l’expérience vécue par les étudiant·es quant à la réalisation de la tâche d’apprentissage, et à envisager la généralisation de ces outils à d’autres contextes d’enseignement.