Introduction
Dans le cadre de cette veille sur les usages de l’intelligence artificielle appliqués à l’observatoire de la vie étudiante, une analyse bibliométrique a été réalisée à partir des données d’OpenAlex, afin d’identifier les institutions les plus fréquemment associées aux publications du corpus étudié.
Le graphique présente les 10 institutions les plus représentées dans les travaux recensés autour de thématiques telles que l’analyse des données étudiantes, les parcours, la réussite, le décrochage ou encore l’expérience étudiante.
Cette représentation ne vise pas à établir un classement de performance entre établissements, mais à faire ressortir les institutions qui apparaissent le plus régulièrement dans le corpus. Elle constitue ainsi un premier outil de repérage pour identifier des universités ou organismes susceptibles de faire l’objet d’un benchmark plus approfondi par l’Observatoire de la vie étudiante de Paris 8.
J’ai utilisé la requette suivante sur OpenAlex:
(« institutional research »OR « student survey »OR « student experience »OR « student data analysis »OR « student outcomes »OR « student success »OR « student dropout »OR « student retention »OR « graduate outcomes »OR « student wellbeing »OR « student well-being »OR « student satisfaction »OR « student engagement »OR « student mental health »OR « student living conditions »OR « student support »OR « student services »OR « higher education analytics »OR « student analytics »OR « learning analytics »)
AND
(« artificial intelligence »OR « machine learning »OR « generative AI »OR « natural language processing »OR « predictive analytics »OR « sentiment analysis »
OR « text mining »
OR « large language model »
OR « large language models »
)
AND
(survey OR feedback OR « open-ended responses » OR prediction OR segmentation OR classification OR « decision support » OR reporting OR analysis OR analytics )
AND
( « higher education » OR university OR universities OR college )
Ce Diagramme présente la répartition des 10 institutions les plus représentées dans le corpus OpenAlex sur le sujet de l’IA dans l’OVE sur la période 2002-2026
Principaux enseignements du diagramme
Le diagramme met en évidence une forte internationalisation des travaux portant sur les usages de l’intelligence artificielle appliqués aux problématiques de vie étudiante, de parcours et d’analyse des données étudiantes. Aucune institution ne domine très nettement le Top 10 : la University of London représente 14,1 % des occurrences de ce groupe, devant le Tecnológico de Monterrey (13,9 %) et Universiti Teknologi MARA (12 %).
Cette répartition relativement équilibrée montre que les réflexions sur l’IA appliquée au suivi des étudiants ne sont pas concentrées dans un seul pays ou un seul modèle universitaire. Le Top 10 rassemble notamment des établissements situés au Royaume-Uni, au Mexique, en Malaisie, en Australie, en Afrique du Sud, en Arabie saoudite, à Hong Kong, au Canada et en Indonésie.
Ce que cela apporte à l’OVE de Paris 8
Pour l’OVE, ce résultat constitue surtout une base pour identifier des établissements à étudier plus précisément. Les institutions les plus représentées peuvent être analysées afin de déterminer quels usages de l’IA elles expérimentent ou documentent autour des étudiants : analyse d’enquêtes, traitement de verbatims, identification des facteurs de décrochage, réussite étudiante, analyse de la satisfaction, prédiction, segmentation de populations étudiantes ou encore aide à la décision.
Le caractère très international du corpus peut également permettre à l’OVE de comparer différentes pratiques et méthodologies. Il peut être particulièrement intéressant d’observer si certains établissements utilisent davantage l’IA pour le pilotage institutionnel, alors que d’autres l’appliquent à l’analyse de l’expérience étudiante, au bien-être, à la réussite ou à l’accompagnement des étudiants.
Un autre résultat intéressant est l’absence d’établissement français dans ce Top 10. À partir de ce seul graphique, on ne peut pas conclure que les universités françaises travaillent peu sur ces questions : cela peut aussi être lié à la requête en anglais, au référencement dans OpenAlex ou aux pratiques de publication. En revanche, cela montre que le benchmark de l’OVE devra probablement être international pour identifier suffisamment de cas d’usage documentés.
Point de vigilance
Les pourcentages du camembert correspondent uniquement à la répartition au sein des 10 institutions les plus représentées, et non à leur poids dans l’ensemble du corpus. Il vaut donc mieux présenter ce graphique comme un outil d’identification des principaux établissements contributeurs, et non comme une mesure de leur poids absolu dans toute la littérature scientifique.
Poster un Commentaire