Identifying the post-pandemic determinants of low performing students in Latin America through Interpretable Machine Learning methods

En se basant sur les données PISA 2022 de dix pays d'Amérique latine et en utilisant des méthodes d'apprentissage automatique interprétables, cette étude identifie que les déterminants clés des élèves en difficulté sont le statut socio-économique défavorisé, l'absence d'équipements numériques, la répétition scolaire, le travail rémunéré et le manque de ressources scolaires, offrant ainsi des pistes pour cibler les élèves les plus laissés pour compte.

L'essentiel

Voici une explication simple et imagée de cette recherche, comme si nous en parlions autour d'un café.

🌍 Le Contexte : Une École en Perte de Vitesse

Imaginez l'Amérique latine comme une immense école où, malheureusement, beaucoup d'élèves ont du mal à suivre le rythme. Avant la pandémie, c'était déjà difficile : les inégalités étaient fortes, comme si certains élèves couraient sur un tapis roulant et d'autres sur du sable mouvant.

Puis est arrivé le COVID-19. C'est comme si on avait coupé le courant de l'école pendant des mois. Les portes étaient fermées, et quand elles se sont rouvertes, beaucoup d'élèves avaient pris du retard. Certains ont même complètement décroché.

Le but de l'étude : Les chercheurs veulent savoir pourquoi certains élèves sont restés bloqués au fond de la classe (ce qu'on appelle les "non-accédants" ou "faibles performants") et quels sont les ingrédients précis qui les empêchent de remonter la pente.

🔍 L'Outil Magique : Le Détective à Intelligence Artificielle

Pour trouver la réponse, les chercheurs n'ont pas utilisé une simple liste de questions. Ils ont fait appel à une Intelligence Artificielle (IA) très intelligente, un peu comme un détective privé ultra-perfectionné.

1. Le Grand Triage (Le Modèle "Stacking") :
   Imaginez que vous avez cinq experts différents (un mathématicien, un sociologue, un psychologue, etc.). Au lieu de demander l'avis d'un seul, vous les assemblez tous dans une équipe. C'est ce qu'on appelle un "modèle empilé". Ensemble, ils regardent les données de 10 pays d'Amérique latine (comme l'Argentine, le Brésil, le Mexique, etc.) et de milliers d'élèves. Ils essaient de prédire qui va échouer.

2. La Loupe Magique (SHAP) :
   Souvent, l'IA est une "boîte noire" : on lui donne des données, elle sort un résultat, mais on ne sait pas comment elle a décidé. Ici, les chercheurs ont utilisé une loupe magique appelée SHAP.

   • L'analogie : Imaginez que l'IA a dit "Cet élève va échouer". La loupe SHAP permet de déconstruire cette phrase et de dire : "Attends, c'est à 40% à cause du fait qu'il n'a pas d'ordinateur, à 30% parce qu'il travaille le soir, et à 20% parce que son école est dans un quartier difficile."
   • Cela permet de voir exactement quels facteurs pèsent le plus lourd dans la balance.

📉 Ce que le Détective a Découvert : Le Profil du "Décrocheur"

En regardant à travers cette loupe, les chercheurs ont pu dessiner le portrait-robot de l'élève qui a le plus de chances d'être au fond de la classe (niveau 0, c'est-à-dire sans compétences de base).

Voici le profil type, comme une recette de "mauvaise performance" :

• La Langue : Il parle une langue minoritaire à la maison (comme une langue indigène), ce qui crée un fossé avec l'école.
• Le Travail : Il travaille pour de l'argent la moitié de la semaine. Au lieu de faire ses devoirs, il gagne sa vie.
• La Technologie : Il n'a aucun appareil numérique à la maison. C'est comme essayer de cuisiner sans four.
• L'Argent : Sa famille est très pauvre.
• L'École : Son école est dans un état de détresse : climat scolaire mauvais (peu de sécurité, peu d'entraide), peu d'ordinateurs connectés, et seulement un tiers des professeurs sont vraiment certifiés.
• Le Passé : Il a déjà redoublé une classe.

À l'inverse, l'élève qui réussit (niveau 1 ou 2) ressemble à l'opposé : il a des livres, des tablettes, des parents qui soutiennent ses études, et il ne travaille pas.

🌎 Une Carte au Trésor par Pays

Ce qui est fascinant, c'est que cette "recette" est presque la même dans les 10 pays étudiés. Que ce soit au Chili, au Pérou ou en Colombie, les trois ennemis principaux sont toujours :

1. Le redoublement (rester bloqué en même niveau).
2. La pauvreté du foyer (pas d'argent pour les livres ou le wifi).
3. Le manque d'outils numériques (pas d'ordinateur).

Cependant, il y a des détails locaux. Par exemple, au Mexique, le fait de manquer l'école pendant des mois est un facteur clé. Au Pérou, le fait d'être d'origine indigène pèse très lourd.

💡 La Leçon pour l'Avenir : Comment Réparer le Dégât ?

L'étude ne sert pas juste à pointer du doigt, mais à proposer des solutions ciblées, comme un médecin qui prescrit le bon médicament pour le bon patient.

• Pour les élèves au fond (Niveau 0) : Il faut une aide d'urgence. Donner de l'argent aux familles pour qu'ils n'aient pas besoin de faire travailler leurs enfants. Créer des écoles bilingues pour les communautés indigènes. Envoyer des professeurs qualifiés dans les écoles les plus pauvres.
• Pour ceux qui sont un peu mieux (Niveau 1) : Il faut investir dans les "outils". Plus d'ordinateurs, plus de livres, et aider les parents à soutenir les devoirs à la maison.

🎯 En Résumé

Cette étude utilise une IA de pointe pour dire aux gouvernements : "Ne tirez pas au hasard ! Si vous voulez sauver les élèves les plus en danger, vous devez cibler spécifiquement ceux qui n'ont pas d'ordinateur, qui travaillent pour survivre et qui parlent une langue minoritaire."

C'est comme si on avait enfin la carte exacte des zones de danger dans l'école latino-américaine, pour pouvoir envoyer les secours exactement là où ils sont nécessaires.

Résumé technique

Voici un résumé technique détaillé de l'article « Identifying the Post-Pandemic Determinants of Low Performing Students in Latin America Through Interpretable Machine Learning Methods », rédigé en français.

1. Problématique et Contexte

L'article aborde la crise de l'apprentissage en Amérique latine (AL), exacerbée par la pandémie de COVID-19. La région fait face à des inégalités structurelles profondes et à des pertes d'apprentissage massives dues à la fermeture prolongée des écoles (moyenne de 269 jours entre 2020 et 2021).

• Enjeu principal : Identifier les déterminants de la « pauvreté d'apprentissage » (learning poverty), définie ici comme l'incapacité des élèves à atteindre les compétences de base (niveau 2 du PISA).
• Groupe cible : L'étude se concentre spécifiquement sur les élèves en difficulté, divisés en deux sous-groupes critiques souvent négligés dans la littérature agrégée :
  • Niveau 0 (Bottom performers) : Aucun apprentissage fondamental acquis (niveau 0 ou 1b/1c).
  • Niveau 1 (Low performers) : Compétences de base non atteintes (niveau 1a).
• Objectif : Comprendre comment les déterminants varient entre ces groupes pour permettre des interventions ciblées, en utilisant des données post-pandémie (PISA 2022) pour 10 pays d'AL.

2. Méthodologie

L'étude adopte une approche méthodologique avancée combinant l'apprentissage automatique (Machine Learning - ML) et l'apprentissage automatique interprétable (Interpretable Machine Learning - IML).

• Données : Données PISA 2022 de 10 pays d'Amérique latine (Argentine, Brésil, Chili, Colombie, République dominicaine, Mexique, Panama, Pérou, Paraguay, Uruguay).
  • Variables dépendantes : Deux classifications binaires : (1) Niveau 0 vs Niveau 1 et (2) Niveau 1 vs Niveau 2.
  • Variables indépendantes : Covariables élèves/famille (statut socio-économique, répétition, travail, etc.) et covariables scolaires (climat, infrastructure TIC, qualité des enseignants).
• Modélisation (Stacking) :
  • Utilisation de cinq modèles de classification binaire : Régression logistique (Logit), Logit avec pénalité Lasso (Lasso), Forêt aléatoire (Random Forest), Gradient Boosting (GB) et Réseaux de neurones (NN).
  • Stacking (Empilement) : Les meilleurs modèles sont combinés via une généralisation empilée (stacked generalization) pour créer un modèle d'ensemble final, optimisant la précision et la robustesse par rapport aux modèles individuels.
  • Validation croisée stratifiée (K-fold, k=5) et split train/test (80/20).
• Interprétabilité (SHAP) :
  • Application de la méthode SHAP (Shapley Additive Explanations) pour décomposer les prédictions du modèle d'ensemble.
  • Analyse Globale : Calcul des valeurs SHAP moyennes absolues pour identifier les facteurs les plus influents à l'échelle régionale.
  • Analyse Locale : Profilage des élèves aux extrêmes de la distribution des valeurs SHAP (ceux avec la probabilité la plus élevée d'être au niveau 0 ou 1) pour comprendre les trajectoires individuelles.
  • Analyse par Pays : Estimation des déterminants spécifiques à chaque nation.

3. Contributions Clés

1. Granularité des groupes d'élèves : Contrairement aux études agrégées, cet article dissèque la distribution des apprentissages en distinguant les élèves « sans compétence » (Niveau 0) des élèves « faibles » (Niveau 1), révélant des déterminants distincts pour chaque groupe.
2. Contexte post-pandémique : C'est l'une des premières études à utiliser les données PISA 2022 pour l'AL, intégrant les effets spécifiques de la pandémie (fermetures d'écoles, apprentissage à distance).
3. Échelle régionale et nationale : L'analyse couvre 10 pays, offrant à la fois une vue d'ensemble régionale et des profils spécifiques par pays, comblant le vide des études souvent limitées à un seul pays ou à des systèmes éducatifs riches.
4. Approche IML appliquée au Sud Global : Extension de l'utilisation des méthodes SHAP et des modèles d'ensemble (Stacking) aux systèmes éducatifs du Sud global, démontrant leur supériorité pour capturer des relations non linéaires complexes.

4. Résultats Principaux

A. Déterminants Globaux (Région)

Les facteurs les plus influents varient selon le niveau de performance :

• Pour les élèves de Niveau 0 (les plus en difficulté) : La répétition scolaire (primaire), la langue minoritaire parlée à la maison, l'absence d'appareils numériques, le statut socio-économique (SES) très bas et le travail rémunéré sont les principaux moteurs. Au niveau scolaire, le climat scolaire déficitaire et la faible infrastructure TIC sont critiques.
• Pour les élèves de Niveau 1 (vers le Niveau 2) : Le travail rémunéré, l'intensité des devoirs et le niveau d'éducation de la mère deviennent plus déterminants. La richesse du ménage et le soutien éducatif familial prennent une importance accrue.

B. Profils d'Élèves aux Extrêmes (Analyse Locale)

• Profil « Niveau 0 » (Probabilité maximale d'échec) : Un élève qui répète, parle une langue minoritaire, n'a aucun appareil numérique, vient d'une famille très pauvre, travaille la moitié de la semaine, et fréquente une école défavorisée avec un mauvais climat, une faible connectivité et seulement un tiers d'enseignants certifiés.
• Profil « Niveau 1 » (Probabilité de transition vers le succès) : Un élève qui ne travaille pas, ne répète pas, possède des livres et des appareils numériques, vient d'une famille plus aisée, et fréquente une école privée ou autonome avec une forte proportion d'enseignants qualifiés et une connectivité élevée (>90%).

C. Hétérogénéité par Pays

Bien que des patterns globaux existent (la répétition, la richesse et les TIC sont dans le top 10 pour au moins 8 pays sur 10), des spécificités nationales émergent :

• Mexique : Le travail rémunéré à temps plein et les absences prolongées sont des facteurs majeurs.
• Pérou/Paraguay : L'origine autochtone et l'infrastructure TIC quasi inexistante sont prédominantes.
• Chili : Le saut d'école et le niveau d'éducation maternelle inférieur au secondaire sont des indicateurs clés.

D. Impact de la Pandémie

L'analyse des sous-échantillons d'écoles fermées montre que la durée de fermeture des écoles (SDC) et le taux d'engagement réel dans l'apprentissage à distance sont des prédicteurs plus forts de la pauvreté d'apprentissage que les barrières techniques (connectivité, matériel) seules.

5. Signification et Implications

• Politiques Ciblées : L'étude suggère que les interventions doivent être différenciées. Pour les élèves de Niveau 0, il faut des transferts monétaires, un soutien à la scolarité bilingue et une réduction de la répétition. Pour les élèves de Niveau 1, l'accent doit être mis sur l'investissement dans les intrants éducatifs (livres, TIC) et le soutien familial.
• Investissement dans les Écoles : La qualité de l'enseignement (certification, formation continue) et l'infrastructure TIC sont des leviers essentiels pour faire passer les élèves du niveau 1 au niveau 2.
• Outil de Politique Publique : La méthode SHAP locale offre un outil puissant pour les « systèmes d'alerte précoce » (Early Warning Systems), permettant d'identifier non seulement qui est à risque, mais pourquoi (profil spécifique), facilitant ainsi des interventions personnalisées.

En conclusion, cet article démontre que la pauvreté d'apprentissage en Amérique latine est le résultat d'une intersection complexe de facteurs individuels, familiaux et scolaires, aggravée par la pandémie, et que les approches de ML interprétables sont indispensables pour concevoir des politiques éducatives efficaces et équitables.