Une nouvelle méthode pour analyser les trajectoires étudiantes

  • Formation
  • Recherche
Publié le 3 septembre 2026 – Mis à jour le 3 septembre 2026
Date(s)

du 3 septembre 2026 au 30 juin 2028

Lieu(x)

Université Côte d'Azur, Campus Valrose

trajectoires
trajectoires

Le projet L@UCA propose une nouvelle méthode pour mieux analyser les trajectoires universitaires lorsque certaines informations sont absentes de manière structurée, par exemple après une sortie de formation ou avant une entrée tardive dans le cursus.

Méthode

Les méthodes classiques de clustering écartent généralement les données manquantes lors de la comparaison entre étudiants. Or, dans ces données, une absence peut être porteuse de sens : elle peut indiquer une interruption d’études, une sortie de formation ou une arrivée en cours de parcours. 
 
La méthode développée, la Weighted Gower Distance, intègre ces absences informatives dans le calcul de proximité entre trajectoires. Elle combine : 
  • la prise en compte de données mixtes : numériques, catégorielles et ordinales ; 
  • un modèle bayésien permettant d’estimer les niveaux académiques plausibles lorsque l’information ordinale n’est pas observée ; 
  • une pondération par l’incertitude, afin de ne pas accorder le même poids à une donnée observée et à une estimation incertaine. 


Résultats

Appliquée à des trajectoires d’étudiants de licence du portail Sciences de la Vie, cette méthode obtient de meilleurs résultats que la distance de Gower standard selon plusieurs indicateurs de qualité du clustering, pour tous les nombres de clusters testés. Elle permet notamment de mieux identifier les parcours atypiques. 

Ce travail a été accepté dans une conférence internationale et sera prochainement publié dans la collection Lecture Notes in Computer Science. 

Ces travaux s’inscrivent dans le cadre de la thèse de doctorat de Zeyneb M’Hamedi, Identification et visualisation de trajectoires étudiantes, menée au laboratoire I3S sous la direction d’Isabelle Mirbel et de Christel Dartigues-Pallez. Cette thèse porte sur la caractérisation, la catégorisation et la visualisation des parcours académiques, afin de mieux comprendre la diversité des trajectoires étudiantes.