Types de données et usages des données

Objectif

Repenser et imaginer l’approche en adoptant une lecture judicieuse et critique des données, et en tenant compte des dynamiques identitaires, contextuelles et du système scolaire. Diversifier les sources en combinant les données quantitatives, qualitatives, relationnelles et expérientielles pour refléter la complexité du vécu des personnes. Donner une importance aux voix en reconnaissant les récits et les témoignages comme étant essentiels à la compréhension des réalités scolaires, particulièrement les réalités que vivent les personnes en quête d’équité.

Repenser les types de données à utiliser

Pour bâtir un système éducatif véritablement équitable, il est nécessaire de repenser les types de données qui sont jugés valides, utiles et révélateurs. Trop souvent, l’évaluation repose principalement sur des données dites « satellites », comme les résultats de l’Office de la qualité et de la responsabilité en éducation (OQRE), les taux de réussite, les sondages de satisfaction ou les taux d’assiduité, qui offrent une vision partielle et déconnectée du vécu quotidien des élèves et des réalités du système scolaire. 

À l’inverse, une approche guidée par les principes liés à l’équité, à la diversité, à l’inclusion et à l’accessibilité (EDIA) invite à accorder une place centrale aux données de terrain (street data), c’est-à-dire aux voix, aux récits, aux observations, aux interactions et aux expériences qu’ont vécues les élèves, les familles et les membres du personnel (Safir et Dugan, 2021). Ces données, bien qu’intangibles ou subjectives à première vue, sont profondément révélatrices de la portée réelle des pratiques scolaires sur les personnes les plus marginalisées. Elles contribuent à donner de l’importance à la voix de l’élève, à révéler des dynamiques d’injustice souvent ignorées par les indicateurs classiques et à prendre des décisions axées sur des actions plus humaines et plus transformatrices.

Comparaison de données traditionnelles et de données de terrain

Cartes à retourner, sélectionnez chaque carte pour voir le verso.

  • Résultats de l’OQRE en lecture, en écriture ou en mathématiques

  • Taux de suspension ou d’expulsion

  • Taux de diplomation (études secondaires)

  • Données du recensement sociodémographique

  • Sondages portant sur le climat scolaire

  • Taux de participation à des activités parascolaires ou à des programmes spécialisés

Développer une littératie critique des données et adaptée à la culture

Développer une littératie des données adaptée à la culture, c’est aller bien au-delà de la simple lecture ou de la manipulation de nombres. C’est développer la capacité à analyser, à interpréter et à utiliser les données en tenant compte de l’aspect social, historique, culturel et politique de celles-ci, et en reconnaissant les rapports de pouvoir et les dynamiques du système scolaire qui les façonnent. 

Comme le soulignent Safir et Dugan (2021) dans Street Data: A Next-Generation Model for Equity, Pedagogy, and School Transformation et Mandinach (2025) dans Culturally Responsive Data Literacy, les approches classiques en éducation ont trop souvent réduit les données à des indicateurs standardisés (notes, résultats de tests, sondages) sans en interroger le contexte, les sources ou les implications liées à l’équité, ce qui entraîne un risque de reproduire les biais cognitifs au lieu de les corriger. 

Que signifie développer une littératie des données adaptée à la culture? 

Remettre en question les normes d’interprétation dominantes (par exemple, se demander les raisons pour lesquelles certaines identités sont systématiquement associées à l’échec ou à la discipline, se poser des questions au sujet des barèmes fixés liés au succès, telles que : « Qui établit les barèmes de succès? »).

Se positionner en tant que personne observatrice active et consciente de ses biais cognitifs. L’interprétation des données n’est jamais neutre. Elle est influencée par les valeurs, les expériences et les identités de la personne qui les analysent.

Associer les données aux réalités vécues. Une donnée chiffrée (par exemple, 40 % des élèves de descendance afro-caribéenne se feront suspendre plus d’une fois au secondaire) prend tout son sens lorsqu’elle est accompagnée de récits, d’observations et de contextes historiques, comme le montre le rapport Rêves repoussés : faire face au racisme et à la discrimination envers les Noirs dans le système d’éducation publique en Ontario de la Commission ontarienne des droits de la personne (2025).

La littératie des données adaptée à la culture implique également : 

  • de valoriser les savoirs communautaires et relationnels, souvent négligés par les cadres d’évaluation dominants; 
  • d’inclure les voix en quête d’équité et ayant des droits inhérents (par exemple, familles, élèves et membres du personnel qui sont des personnes racisées ou 2ELGBTQIA+, communautés autochtones) dans l’interprétation des données;
  • de comprendre les implications éthiques de l’utilisation des données en se posant notamment les questions suivantes : Qui profite des conclusions? Qui pourrait vivre de la stigmatisation ou de l’invisibilisation?

Une telle littératie demande de créer des espaces sécuritaires de dialogue au sujet des données où le personnel scolaire peut se poser des questions concernant les interprétations de celles-ci, revoir les angles morts et développer une culture organisationnelle d’apprentissage, de remise en question et de transformation continue.

Développer une éthique des données

Dans une approche équitable, inclusive et sensible à la culture, la collecte et l’utilisation des données doivent reposer sur des principes éthiques clairs, basés sur le respect, la transparence, la coresponsabilité et la dignité des personnes concernées. L’éthique des données ne concerne pas uniquement la conformité aux lois, mais aussi l’intention, les portées et les relations qu’impliquent les processus de collecte, d’interprétation et d’utilisation des données.

Le ministère de l’Éducation de l’Ontario (2025), sur sa page Web Collecte et utilisation des renseignements sur l’éducation, rappelle que toute collecte de renseignements sur l’éducation doit être fondée sur une justification claire, un usage respectueux et une gestion rigoureuse de la confidentialité. Les personnes cadres supérieures ainsi que les responsables de l’analyse des données ont la responsabilité de s’assurer que ces principes sont compris, appliqués et intégrés à toutes les étapes du processus décisionnel. 

Les principes fondamentaux ci-dessous liés à l’éthique des données doivent être pris en compte. 

Consentement éclairé et explicite

Informer clairement les personnes participantes des types de données recueillies, de leur usage et des droits qu’elles conservent sur leurs données. Ce consentement ne doit jamais être implicite ni présumé.

Confidentialité et protection de l’identité

Rendre les données anonymes lorsque c’est possible et restreindre l’accès aux informations sensibles. Veiller à ne pas exposer des individus ou des groupes à des préjudices involontaires.

Responsabilité relationnelle

Traiter les données en se rappelant qu’elles représentent des personnes et qu’elles ne sont pas de simples statistiques. Cela signifie faire preuve de respect, de prudence et d’humilité, notamment lorsqu’il s’agit des voix d’élèves ou de communautés en quête d’équité.

Équité dans l’usage des données

Ne pas utiliser les données pour justifier des décisions qui manquent de transparence ou accentuer les inégalités. Se poser systématiquement la question : Qui bénéficie de cette analyse? Qui cela pourrait-il affecter?

Transparence

Communiquer ouvertement les objectifs de la collecte de données, les méthodes employées et les conclusions tirées. Permettre aux personnes concernées d’avoir accès aux résultats et de discuter des interprétations.

Justice et réparation

Lorsque des données révèlent des injustices systémiques ou des pratiques discriminatoires, il est impératif de s’engager dans des actions de corrections concrètes. Les données ne sont pas neutres, elles doivent devenir un moyen de transformation et non un outil de surveillance.

Développer une éthique des données, c’est reconnaître que les données racontent des histoires humaines et que chaque information porte en elle une responsabilité collective. Cela demande une vigilance constante, une attitude de respect et une attention importante portée aux relations ainsi qu’aux répercussions de chaque décision prise au moyen des données collectées.

Recueillir et analyser les données traditionnelles et non traditionnelles

Pour mesurer la portée réelle des initiatives en matière d’équité, de diversité, d’inclusion et d’accessibilité (EDIA), il est indispensable de croiser les données traditionnelles (quantitatives) avec les données non traditionnelles (qualitatives et relationnelles) – données de terrain. Cette combinaison aide à montrer les dynamiques du système scolaire souvent invisibles lorsque l’analyse se limite aux chiffres bruts. Safir et Dugan (2021) précisent que les données de terrain « humanisent les statistiques » en donnant la parole aux personnes les plus concernées, tandis que Mandinach (2025) insiste sur la nécessité d’une littératie des données adaptée à la culture pour interpréter ces informations sans reproduire les biais cognitifs.

Recueillir les données en ayant une intention : une démarche basée sur la relation et l’inclusivité

Le tableau présenté ci-dessous illustre des éléments clés à considérer pour recueillir les données liées à l’équité, à la diversité, à l’inclusion et à l’accessibilité (EDIA). Il met en évidence les éléments essentiels du processus, accompagnés de consignes pratiques et d’exemples concrets adaptés au contexte scolaire. L’objectif est d’aller au-delà des méthodes conventionnelles de collecte de données en intégrant les voix des élèves, des familles et du personnel, tout en tenant compte des identités intersectionnelles. Cette approche renforce la pertinence, l’ancrage culturel et la puissance transformatrice des données recueillies, en s’appuyant sur la coconstruction, la sécurité relationnelle et la diversité des vécus.

Éléments clés Consignes clés Exemples concrets
Diversifier les sources Aller au-delà de la dimension scolaire (OQRE, notes) et chercher à obtenir une image plus globale, nuancée et humaine de l’expérience de l’individu et des groupes, en prenant en compte les dimensions cognitives, socioémotionnelles et comportementales de leur parcours (par exemple, intégrer les récits, les entrevues, les journaux de bord, les observations, les artéfacts culturels). Des élèves venant de s’établir témoignent au sujet de leur sentiment d’inclusion.
Des journaux de réflexions du personnel enseignant portent sur les microagressions observées.
Croiser les identités Collecter des données portant sur les variables sociodémographiques et les identités intersectionnelles (par exemple, genre, race, orientation, handicap, statut linguistique) et s’en servir pour compléter les données traditionnelles afin de révéler les discriminations systémiques souvent invisibles. Un formulaire d’auto-identification à remplir volontairement dans un espace sécuritaire est combiné à des discussions dans des cercles de parole après la mise en œuvre d’une initiative.
Assurer un processus éthique et sécuritaire Expliquer clairement aux personnes l’usage qui sera fait des données.
Obtenir de leur part un consentement éclairé.
Garantir l’anonymat et la confidentialité.		 Une lettre d’information multilingue est diffusée, des codes anonymes sont utilisés et le stockage des données est sécurisé.
Impliquer les parties prenantes Coconcevoir et codéfinir les instruments de collecte des données, les questions, les méthodes et les espaces de dialogue avec les élèves, les familles, le personnel scolaire et les partenaires communautaires. Un groupe consultatif intergénérationnel valide les questions de sondage.
Prendre en compte l’identité intersectionnelle de la personne qui recueille les données Les identités sociales, les biais cognitifs et la position dans les rapports de pouvoir peuvent influencer la qualité des réponses, la dynamique relationnelle et le degré de confiance. Une attitude d’humilité, de transparence et de réflexivité est essentielle. Un homme cisgenre blanc prend le temps de bâtir une relation de confiance avec les familles racisées nouvellement arrivées avant de réaliser un sondage portant sur celles-ci.

Analyser les données : de la juxtaposition au croisement des données

L’analyse des données en matière d’équité, de diversité, d’inclusion et d’accessibilité (EDIA) ne peut se limiter à une lecture superficielle ou fragmentée de celles-ci. Elle demande d’avoir une attitude critique et de porter attention aux structures de pouvoir, aux vécus différenciés et aux dynamiques du système scolaire. Plutôt que de simplement juxtaposer des nombres, il s’agit de croiser les données de manière intersectionnelle et d’en faire une analyse globale, en mettant en relation les indicateurs quantitatifs et les voix des personnes concernées, afin de révéler les discriminations systémiques souvent invisibles et de mieux orienter l’action. 

Segmentation intersectionnelle

Analyser les données sur le plan intersectionnel, c’est reconnaître que les identités sociales (par exemple, genre, race, orientation sexuelle, handicap, statut linguistique) ne s’additionnent pas simplement, mais interagissent de manière complexe pour produire des expériences uniques de privilège ou de marginalisation.  

Cette étape consiste à faire les actions suivantes : 

Diapositive 1 sur 6

Ventiler les indicateurs clés (par exemple, réussite scolaire, sentiment d’appartenance, bien-être, discipline, climat scolaire, engagement) selon des identités croisées.

Triangulation

La triangulation consiste à croiser plusieurs types de données pour obtenir une compréhension plus globale, nuancée et contextualisée d’une situation. Dans une approche axée sur l’équité, la diversité, l’inclusion et l’accessibilité (EDIA), cela signifie d’associer les données traditionnelles (quantitatives, agrégées) aux données non traditionnelles (qualitatives, narratives, expérientielles). Des taux de réussite ou de diplomation élevés, par exemple, peuvent masquer des sentiments d’exclusion, de désengagement ou de stress chez certains groupes d’élèves. Seuls les récits, les voix, les observations et les expériences vécues peuvent faire émerger ces dimensions invisibles. 

Exemples d’analyse critique appuyée sur la segmentation et la triangulation

Diapositive 1 sur 4

Taux de réussite au test de littératie (10ᵉ année)

Segmentation intersectionnelle Le taux de réussite est ventilé selon les identités croisées : langue d’origine, statut d’immigration, race.  

Observation Les élèves qui sont des personnes racisées et plurilingues affichent des taux de réussite significativement plus faibles.  

Triangulation Croisement des données avec des données qualitatives : des cercles de discussion et des journaux d’élèves montrent un manque de représentativité culturelle dans les textes, des difficultés d’interprétation des consignes implicites et un sentiment de déconnexion.

Interprétation Les écarts ne sont pas dus à une capacité moindre, mais à des obstacles linguistiques, culturels et affectifs invisibles dans les données chiffrées.

Conclusion Le croisement des données révèle le besoin d’adapter les pratiques pédagogiques (textes pertinents sur le plan culturel, stratégies plurilingues) plutôt que de rejeter la faute sur les élèves.

Autoévaluation selon les principes liés à l’EDIA

Pour qu’un système scolaire devienne réellement équitable et inclusif, il ne suffit pas de recueillir des données et de les analyser, il doit s’autoévaluer – avant, pendant et après le processus – en fonction des principes liés à l’EDIA. La plateforme Profils du continuum (Le Centre franco) et le Cadre de leadership de l’Ontario (CLO) (l’Institut de leadership en éducation) offrent un repère clair.

Niveau du système scolaire à analyser Objectif de l’autoévaluation Questions clés Outils ou références
Conseil scolaire Cerner le climat organisationnel et le degré d’engagement liés à l’équité, à la diversité, à l’inclusion et à l’accessibilité (EDIA) pour concevoir un plan d’action. Où en sommes-nous sur le continuum des profils, de la passivité au partenariat?
Comment l’équité se manifeste-t-elle dans nos politiques, nos financements et nos processus d’embauche?		 Profils du continuum
L’équité au sein du conseil scolaire
École Établir un diagnostic du climat et de l’engagement d’une école pour élaborer un plan d’action local. Quels écarts (discipline, réussite, sentiment d’appartenance) persistent?
Quels groupes sont surreprésentés ou sous-représentés dans les décisions?		 Profils du continuum
Tableau des capacités clés du leadership du Cadre de leadership de l’Ontario (culture d’école)
Leadership individuel Situer son propre positionnement (passivité, conformité, conscience critique, action antiraciste) et prendre en compte les cinq capacités clés du leadership (Cadre de leadership de l’Ontario). Comment mes biais cognitifs influencent-ils mes décisions?
Comment puis-je passer de la conformité à l’action courageuse?		 Profils individuels du continuum
Cadre de leadership de l’Ontario (cinq capacités clés du leadership et ressources personnelles)

Pour aller plus loin : 

  • Avant la collecte des données  Utiliser le continuum des profils pour déterminer les angles morts et planifier une démarche qui donne une place aux voix des personnes à risque de discrimination. 
  • Pendant l’analyse des données  Revisiter les capacités clés du leadership présentées du Cadre de leadership de l’Ontario (par exemple, leadership éthique, relations inclusives) pour remettre en question les interprétations des données. Explorer le tableau, à la page 478, de l’article Subverting Whiteness and Amplifying Anti-Racisms: Mid-Level District Leadership for Racial Justice (Shah, Aoudeh, Cuglievan-Mindreau et Flessa, 2022) pour obtenir une vision axée sur l’équité, la diversité, l’inclusion et l’accessibilité (EDIA) du Cadre de leadership de l’Ontario. 
  • Après l’analyse des données  Réévaluer son profil et celui de l’organisation, puis fixer de nouveaux jalons de croissance axés sur l’équité, la diversité, l’inclusion et l’accessibilité (EDIA).

L’autoévaluation devient donc le moteur d’un cycle d’amélioration continue. Elle garantit que la collecte et l’interprétation des données ne reproduisent pas les biais cognitifs, mais ouvrent la voie à des actions transformatrices, alignées sur une vision d’équité pour chaque élève et chaque membre de la communauté scolaire.