L’intervention auprès de la population étudiante à risque : la gouvernementalité algorithmique comme grille d’analyse de la production de connaissances soutenant la réussite des études collégiales


Communication

Contributeurs:

État de publication: publié

Type de présentation: Conférence

Nom de la rencontre: Colloque RUNED22 : Perspectives critiques sur le numérique en éducation et formation

Lieu: Montréal, Canada

URL: https://runed22.sciencesconf.org/data/pages/Recueil_resumes_VF3.pdf

Résumé: La conception instrumentale, où la technique est vue comme neutre, est la plus répandue (Feenberg, 2014). Malgré cette neutralité présupposée par le sens commun, des chercheuses et chercheurs observent que la technique résulte de relations de pouvoir qui influencent sa conception et sa mise en œuvre en éducation (ex.: Plante, 2014). Sous cette perspective critique, l’algorithme prédictif préconisé par le Plan d’action pour la réussite en enseignement supérieur 2021-2026 n’est pas seulement un outil d’intervention pour la population étudiante collégiale à risque, tel qu’indiqué dans ce document ministériel. Il s’agit d’une forme de régulation reposant sur l’automatisation de la production de connaissances pour la réussite (Ouellet, 2021) qui découle de l’imbrication des données numériques dans " la réforme néolibérale de l’éducation " (Selwyn, 2019, p. 15). Comme notre préoccupation concerne les enjeux de pouvoir, de hiérarchisation et de contrôle soulevés par la préconisation, dans les politiques publiques, de techniques de traitement et d’analyse des données numériques (Collin et Brotcorne, 2019), nous inscrivons notre proposition dans le sous-axe 1.1 " enjeux politiques du numérique en éducation et formation ". Une question nous guide : de quelle façon l’algorithme prédictif préconisé par le Plan d’action pour la réussite en enseignement supérieur 2021-2026 pourrait-il participer à une forme de gouvernementalité de la population étudiante collégiale? L’originalité de cette communication vient du prolongement des travaux de Foucault (2004a, 2004b) avec des écrits scientifiques révisés par les pairs sur la gouvernementalité algorithmique (ex.: Ouellet, 2021; Rouvroy et Berns, 2013). Ces écrits permettent de constituer une grille d’analyse de l’opérationnalisation par les algorithmes des principes néolibéraux de performance, de comparaison et d’efficacité. Cette forme de régulation remplace les régimes d’énonciation et de justification (les régimes de vérité chez Foucault) par un régime prédictif où les vérités sont les données numériques (Rouvroy et Berns, 2013). Pourtant, nous allons montrer que ces données sont surtout les effets des rapports de force, des pratiques discriminatoires ou des stigmatisations sociales (van Dijk, 2020).