Si nous pouvons envisager des analyses croisées intra-dimensions (par exemple dans le processus : les liens entre les usages et la qualité des productions), quatre questions dans le modèle qui structure le cours portent sur les analyses inter-dimensions :
- Question 4 : Quels liens entre les variables du processus et la qualité des produits de l’apprentissage ?
- Question 5 : Comment les acteurs perçoivent-ils les produits d’apprentissage ? Avec quelle cohérence ?
- Question 6 : Comment les acteurs perçoivent-ils leur processus d’apprentissage ? Avec quelle cohérence ?
- Question 7 : Les perceptions, les produits, les processus sont-ils modulés par les caractéristiques initiales ?
Pour apporter des éléments de réponse à ces différentes questions, le principe de base consiste à croiser les observations issues d’au moins deux dimensions différentes (perceptions, caractéristiques, produit et processus).
D'un point de vue épistémologique, ce croisement peut être associé à une logique de triangulation qui consiste à confronter des sources d'informations et qui implique la référence à des informations multiples. Elle permet d'améliorer la validité interne de l'étude. Elle évite par ailleurs au chercheur de s'enfermer dans une représentation unique du phénomène et d'aboutir à une meilleure compréhension de la dynamique d’apprentissage. Dans cette perspective, le chercheur peut mobiliser différentes approches analytiques. Il peut ainsi corréler, comparer, prédire, classer, catégoriser et résumer. Cette liste n'est toutefois pas exhaustive. La littérature dans le champ des "Learning Analytics" propose de nombreuses approches complémentaires. Celles-ci peuvent s'appuyer sur les statistiques qui nous servent à prouver que le résultat n'est pas dû au hasard (logique probabiliste).
Ce croisement peut à la fois s'articuler autour des démarches qualitatives ou quantitatives (Machine Learning).