Numéro |
J3eA
Volume 22, 2023
|
|
---|---|---|
Numéro d'article | 0001 | |
Nombre de pages | 32 | |
DOI | https://doi.org/10.1051/j3ea/20230001 | |
Publié en ligne | 4 janvier 2023 |
Aide à la détection de l’échange d’information entre étudiants dans les contrôles à distance
Université de Bretagne Occidentale Lab-STICC, CNRS, UMR 6285, F-29200 Brest
La situation sanitaire subie depuis mars 2020 a conduit à une utilisation massive des contrôles à distance, sous la forme des tests en ligne, de type QCM ou apparentés (questions à réponses numériques, graphiques, calculées, ...). Ces contrôles étant réalisés sans surveillance, il est tentant pour certains étudiants d’échanger des informations en cours de test. Cet échange d’information, lorsqu’il a lieu, laisse une empreinte sous la forme d’anomalies statistiques dans les réponses aux questions ainsi que dans l’horodatage. L’objectif de notre travail était de proposer et de tester des méthodes visant à détecter automatiquement ces anomalies, en vue d’attirer l’attention de l’enseignant sur les cas suspects. Dans notre domaine (EEA/STIC) le nombre limité d’étudiants (quelques dizaines) et de questions rend d’emblée inadaptés des modèles paramétriques complexes, tels que l’on peut en trouver dans la littérature, ces derniers étant conçus pour des tests à très grande échelle (avec des milliers de candidats) fournissant suffisamment de données pour ajuster le modèle. Nous décrivons la méthode développée, qui est bien adaptée à notre domaine (faible nombre d’étudiants et de questions), et nous l’illustrons à travers les résultats réels obtenus sur trois contrôles en ligne.
Mots clés : Contrôles à distance / Détection de la fraude / Analyse statistique / Docimologie
© The authors, published by EDP Sciences 2023
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (https://creativecommons.org/licenses/by/4.0), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
Les statistiques affichées correspondent au cumul d'une part des vues des résumés de l'article et d'autre part des vues et téléchargements de l'article plein-texte (PDF, Full-HTML, ePub... selon les formats disponibles) sur la platefome Vision4Press.
Les statistiques sont disponibles avec un délai de 48 à 96 heures et sont mises à jour quotidiennement en semaine.
Le chargement des statistiques peut être long.