Qui de mieux qu’un de nos apprenants pour vous parler de notre pédagogie? Nous avons rencontré Malek IDRI, du parcours Data Engineer pour l’interroger sur la méthode pédagogique de DataScientest.
J’ai été agréablement surpris du format de formation proposé par DataScientest. Ayant été étudiant quelques années auparavant dans une école d’informatique avec des méthodes pédagogiques plus conventionnelles, j’avais une certaine appréhension à reprendre mes études.
En effet, les méthodes d’apprentissage « classique » (séparation des matières, cours magistraux, transmission du savoir unidirectionnel, courses aux notes, mise en concurrence, évaluations à point, infantilisation) sont autant de méthodes pouvant affaiblir considérablement les motivations et l’envie d’acquérir de nouvelles compétences. Je suis sortie de l’école pensant que j’étais assez moyen, alors qu’en entreprise je savais souvent faire la différence en prenant des initiatives, en trouvant des solutions originales, en créant une cohésion de groupe propice au partage…
Ce qu’il y a de bien dans la méthode pédagogique utilisée chez DataScientest, c’est qu’elle est empreinte à la fois de la méthode expérimentale, et de la pédagogie par projet, la formation est principalement dispensée en e-learning.
La méthode expérimentale permet à l’apprenant de chercher au-delà des cadres et d’expérimenter, elle est particulièrement appropriée dans le domaine de l’Informatique. Pour un même énoncé, il y aura une infinité de solutions et de chemins d’apprentissage, tel que chaque apprenant est libre de forger ses propres expériences et compétences.
En somme, durant des sprints d’une semaine, l’apprenant n’acquiert pas seulement la compétence à l’utilisation d’une technologie, mais tout son parcours de recherche lui est propre, il acquiert au passage, lors de ses recherches sur des forums, des concertations avec ses groupes de travail, d’autres connaissances singulières.
Le fait qu’il ait lui-même à trouver sa propre solution, non forcément dans un cours, mais via n’importe lequel des moyens à sa disposition, le met dans une position mentale active faisant appel à une intelligence dirigée vers la curiosité, la créativité, l’innovation, la prise d’initiative, la coopération. À l’inverse des pédagogies plus classiques où l’étudiant se met plus dans une position passive faisant plus appel à une intelligence académique liée à la performance de la mémoire, à la concurrence et aux conformités quant aux attentes d’un formateur ou d’un programme qui, souvent, n’est plus forcément en phase avec les attentes du marché.
La pédagogie par projet permet, quant à elle, de lier toutes ces expériences obtenues lors des différents sprints au sein d’un projet global et d’ainsi, avoir un meilleur empan d’acquisition de compétences. Par exemple, pour le Data Engineer, la première phase du projet sera la création d’une API avec du Machine Learning, la deuxième phase sera la gestion complète d’une base de données et la troisième phase sera le déploiement de l’ensemble sur un cluster de machine.
En liant entre elles toutes compétences acquises durant les sprints au travers d’un projet global, l’apprenant revoit les différentes briques acquises pour les mettre au service d’un réel projet professionnel, ainsi les connaissances ne sont pas décousues, c’est une approche holistique où les liaisons et l’articulation entre les compétences sont aussi importantes que les compétences elles-mêmes. L’apprenant finit par créer un projet global sans s’en rendre compte et ce projet sous forme de scripts ou autres documents qu’il aura lui-même rédigé à sa convenance lui permettra par la suite de garder durablement ses connaissances.
Illustration ci-dessous :
La pédagogie par projet incite aussi à un fort travail de collaboration entre apprenant et chef de cohorte. Le E-learning a certes quelques inconvénients, par exemple, il demande un minimum d’autodiscipline, mais ce n’est rien en comparaison des avantages qu’il procure si l’apprenant sait en tirer partie : meilleure gestion de son temps, apprentissage dans les conditions optimales pour l’apprenant.
La validation des sprints est, elle aussi, plus proche du contexte professionnel, contrairement aux pédagogies classiques ou l’étudiant passe un examen au milieu d’autres cours, où il n’est pas forcément dans les meilleures dispositions et que la validation se fasse à condition d’avoir une note au-dessus de la moyenne. Chez DataScientest, l’étudiant passe l’examen au moment où il se sent le plus apte à le faire, par exemple ; lorsqu’il vient de finir le cours, ou lorsqu’il se sent plein d’énergie ou confiant, à n’importe quel moment de la journée. Il a le droit à trois essais, et dans le cas des examens type questionnaire, l’étudiant doit avoir au moins 90% de bonnes réponses. En entreprise, les clients ne s’attendent pas à avoir un produit qui marche à 10/20 ou 12/20, mais plutôt à 90, voire 95%.
Sans oublier que DataScientest applique quelques méthodes du domaine informatique comme l’amélioration continue des contenus de ses cours. En effet, les apprenants sont eux même mis à contribution pour améliorer les cours, faire des retours sur des problèmes rencontrés, faire des suggestions d’amélioration à leur chef de cohorte…
Ce triptyque qui allie efficacement la méthode expérimentale, pédagogie par projet et e-learning est « bien plus professionnalisant et plus adapté à la société actuelle. »
Nous remercions chaleureusement Malek pour son témoignage et lui souhaitons le meilleur pour la suite de ses projets professionnels ! Si vous souhaitez le contacter, vous pouvez le joindre sur Linkedin en cliquant sur ce lien.
Pour découvrir le contenu du parcours Data Engineer qu’il a suivi, rendez-vous sur la page dédiée.
