La présente étude s'inscrit dans le contexte de l'encadrement des grands groupes d'étudiants engagés dans des activités collaboratives à distance. Si un relatif consensus existe dans la littérature autour des effets positifs sur l'apprentissage que peuvent procurer les interventions d'un tuteur humain, celles-ci sont coûteuses en termes de disponibilité humaine et de rétributions économiques. Une des alternatives possibles au tutorat humain peut être envisagée au travers d'une assignation de rôles de régulation et d'une visualisation du processus collaboratif mis en oeuvre. De nombreuses études ont déjà investigué ces deux modalités d'auto-régulation de manière indépendante. Cependant, aucune d'entre elles n'a jusqu'à présent évalué leur usage articulé. Dans le cadre de cette dissertation doctorale, nous rapportons des éléments de réponses à la question des effets sur l'apprentissage de cette utilisation conjuguée en nous appuyant sur deux expériences réalisées consécutivement dans un même contexte de formation et autour d'un scénario pédagogique identique. Cette recherche se situe dans le champ émergent en Sciences de l'Éducation des 'Learning Analytics' et revêt un caractère opérationnel. Sur la base de l'exploitation des traces issues de l'activité des étudiants dans l'environnement d'apprentissage à distance et de leur progression effective, notre objectif principal est d'identifier dans l'action pédagogique les facteurs manipulés et induits qui sont susceptibles de modifier son résultat. Cette logique d'identification nous amène à mettre ce qui fonctionne (ou pas) dans un contexte d'apprentissage collaboratif en ligne.

Via Gaëtan Temperman