Fichiers anonymisés d’étudiants : sources, pratiques, usages Séminaire Société Française de Statistique 19/01/12

Plan de l’exposé  Les sources et les utilisations au MESR  Les procédés d’anonymisation et les utilisations ailleurs 2

SISE : Système d’Information sur le Suivi des Etudiants - Depuis Recensement annuel des INSCRIPTIONS et RESULTATS aux diplômes des étudiants inscrits dans L’Université Publique puis progressivement : Les IUFM ( ) Les instituts catholiques ( ) Les écoles d’ingénieur non universitaires ( ) Les écoles de Management ( ) Les ENS et grands établissements ( ) Les écoles vétérinaires ( ) Les écoles paramédicales et sociales (source DREES) 3

SISE : Système d’Information sur le Suivi des Etudiants -> Données individuelles issues des logiciels de gestion de la scolarité -> Source administrative exhaustive -> Contient un enregistrement par inscription prise (1 étudiant inscrit pour plusieurs diplômes apparaît plusieurs fois) 4

SISE : Système d’Information sur le Suivi des Etudiants  Nature des données  Scolarité actuelle Diplôme préparé, établissement fréquenté, commune de l’établissement  Données socio-démographiques PCS des parents, sexe, date de naissance, nationnalité, INE, code commune de résidence, code commune de résidence des parents  Scolarité antérieure  (académie du baccalauréat, année d’obtention, série, année de première inscription dans le système universitaire français) 5

Autres sources : AGLAE et OCEAN  Automatisation de la Gestion du Logement et de l’Aide à l’Etudiant  Gère l’ensemble des demandes de bourses et de logements sociaux du CNOUS  Mois de Mars  Boursiers de l’échelon « zero » compris  Organisation des Concours et Examens Académiques et Nationaux  Gestion Brevet, Baccalauréat, BTS, … 6

Sources : Point commun Identifiant National Etudiant 2 formes Depuis 1995, numéro BEA qui est le numéro d’inscription au baccalauréat Numéro attribué par l’université »Etudiants relevant d’autres ministères (Agriculture) »Bacheliers ayant passé leur baccalauréat dans un lycée français à l’étranger »Dans certains cas : ré-immatriculation < 1 % Suivi de l’étudiant, taux de réussite 7

Exemples de diffusion et utilisation Alimenter le débat public Indicateurs pour le pilotage - Exemples d’Etudes et Publications annuelles: Etat de l’Enseignement Supérieur et de la recherche -Taux de réussite en DUT en 2 ou 3 ans - Taux de réussite en licence pro (longitudinal) : cohorte - Taux de réussite en licence générale suivant discipline d’obtention - Devenir des inscrits en M1 Repères et références statistiques - Notes d’informations: - Focus sur un secteur : NI mai 2009 sur devenir étudiants 1 er cycle de médecine Etude sur mise en place de la PACES en cours

Exemples de diffusion et utilisation

 SISE Unifié  Projet initié en 2010  Problème : Doublons (reconstituer les inscriptions principales)  Fichier sur l’ensemble du champ : base unique  Particulièrement utile par ex. dans l’optique d’étude sur les différenciations entre réorientations et sorties

Objectifs pour les universités - Situer leur population étudiants par rapport aux autres établissements  Cd-Roms données nationales agrégées et de données de l’université (depuis 2002) -Etudes des parcours et des migrations inter-universités Loi LRU 11 août Relation par exemple avec taux d’échec en premier cycle et sorties sans qualification : -Nécessité de pouvoir différencier les « vraies » sorties des « fausses » sorties -Nécessité de pouvoir comparer public et offre 11

12 Anonymisation de données : dans la pratique  Suivi longitudinal : diffusion de l’INE aux universités  CNIL : INE Identification Ex : Curriculum Vitae électronique Utilisation malveillante Parfois conséquences graves Possibilités de diffusion : arrêté du 23 avril 2003, modifié après avis de la CNIL le 24 juillet 2007

Anonymisation de données : dans la pratique 13

Anonymisation de données : dans la pratique  Hachage Convention avec le CHU de Dijon Logiciel Anonymat  Algorithme SHA (Standard Hash Algorithm), validé par le service central de la sécurité des ministères d’information (organisme ministériel)  Transforme INE de manière IRREVERSIBLE  x x x x x x x x x x x 14 Numéro Etab (base 36) Année d’immatriculation Numéro d’ordre de l’étudiant Clé Transformé en 40 caractères sans signification interne Risque de collision (2 numéro INE distincts donnant même INE « haché » quasi nul 11 caractères

Anonymisation de données : dans la pratique  Mesures de sécurité complémentaires :  Ordinateur « coupé du monde »  Clé de hachage gardée dans un coffre fort et non sur le disque dur  Pas d’INE dans le fichier de sortie  2 tris distincts : sur INE dans fichier d’entrée, sur INE haché dans fichier de sortie  Nationalités regroupés  Processus actif depuis 10 ans 15

Anonymisation de données : dans la pratique  Education Nationale FAERE  Fichiers Anonymisés d’Elèves pour la Recherche et les Etudes  Processus mis en place à Direction de l’Evaluation et de la Prospective du MEN depuis 2 ans  Fichiers mis à disposition d’utilisateurs autorisés  technique plus complexe :  Inspirée de l’Office Fédéral de Statistiques Suisses  Hachage puis cryptage fichier source par Unité productrice  Décryptage puis cryptage à la DEPP  Pérennité du processus

Exemples de diffusion et utilisation  Observatoire de la Vie Etudiante  Fichier national crypté pour étude des trajectoires  Universités  « Pannelisation » des données  Historique à des niveaux fins : par secteurs disciplinaires, cursus  Appariements  SISE et AGLAE ou OCEAN  Convention de recherche mai 2010 avec ENS sur SISE-AGLAE : impact des bourses sur réussite  Réseau des Universités de l’Ouest Atlantique  Juillet 2010 – Juillet 2011 : 10 universités, étude flux de mobilité L3 vers M1

Séminaire Société Française de Statistique 19/01/12 MERCI DE VOTRE ATTENTION

Exemples de diffusion et utilisation  Construction d’une cohorte  Appariement entre fichiers SISE de plusieurs années consécutives  Soit sur plusieurs fichiers SISE Inscrits  Exemple : taux de passage entre deux années consécutives de formation (L1 en L2)  Soit entre fichiers SISE Inscrits et SISE Résultats  Exemple : les taux de réussite  Exemple de construction taux de réussite en licence en 3 ans  Exemple : taux de réussite licence en 3

Exemples de diffusion et utilisation 1.Exemple : taux de réussite en licence 2008 : A partir de SISE inscrits 2005, sélection des entrants en 2005 en L1 ou en DEUG 1 ère année,  bacheliers et non bacheliers  inscriptions principales,  non inscrits en parallèle en CPGE 2.Appariement du fichier des inscrits en L1 et de SISE- résultats session Appariement du fichier initial avec les fichiers SISE-inscrits 2006/ SISE- résultats session Appariement avec les fichiers SISE-inscrits 2007/ SISE-résultats session % ne se réinscrivent pas à l ’université après la première année 48 % seulement restent dans le même établissement trois années consécutives Cumul des redoublements, réorientation et changement d’établissements

Exemples de diffusion et utilisation Doublons SISE Unifié

Anonymisation de données : dans la pratique