Sébastien Lallé - Assistance à la construction et à la comparaison de techniques de diagnostic des connaissances dans les Environnements Informatiques pour l’Apprentissage Humain

13:30
Mercredi
11
Déc
2013
Organisé par : 
Sébastien Lallé
Intervenant : 
Sébastien Lallé
Équipes : 

-Thèse réalisée au sein de l’équipe METAH en partenariat avec l’équipe SILEX du Laboratoire LIRIS de Lyon sous la direction de Vanda Luengo et Nathalie Guin.

Jury

  • Michel Desmarais (rapporteur), École polytechnique de Montréal
  • Jean-Marc Labat (rapporteur), université Pierre et Marie Curie
  • Marie-Christine Rousset, université Joseph Fourier
  • Sebastian Ventura, université de Cordoue
  • Nicolas Delestre, INSA de Rouen

 

Réalisation technique : Djamel Hadji | Tous droits réservés

Cette thèse aborde la thématique de la comparaison et de la construction de diagnostics des connaissances dans les Environnements Informatiques pour l’Apprentissage Humain (EIAH). Ces diagnostics sont utilisés pour déterminer si les apprenants maîtrisent ou non les connaissances ou conceptions du domaine d’apprentissage (par exemple math au collège) à partir des traces collectées par l’EIAH. Bien que souvent utilisés dans les EIAH, ces diagnostics sont fortement liés au domaine et ne sont que peu formalisés, si bien qu’il n’existe pas de méthode de comparaison pour les positionner entre eux et les valider. Pour la même raison, utiliser un diagnostic dans deux domaines différents implique souvent de le redévelopper en partie ou en totalité, sans réelle réutilisation. Pourtant, pouvoir comparer et réutiliser des diagnostics apporterait aux concepteurs d’EIAH plus de rigueur pour le choix, l’évaluation et le développement de ces diagnostics.

Nous proposons une méthode d’assistance à la construction et à la comparaison de diagnostics des connaissances, réifiée dans une première plateforme, en se basant sur une formalisation du diagnostic des connaissances en EIAH que nous avons défini et sur l’utilisation de traces d’apprenant. L’assistance à la construction se fait via un algorithme d’apprentissage semi-automatique, guidé par le concepteur du diagnostic grâce à une ontologie décrivant les traces et les connaissances du domaine d’apprentissage. L’assistance à la comparaison se fait par application d’un ensemble de critères de comparaison (statistiques ou spécifiques aux EIAH) sur les résultats des différents diagnostics construits. La principale contribution au domaine est la généricité de notre méthode, applicable à un ensemble de diagnostics différents pour tout domaine d’apprentissage.

Nous évaluons notre travail à travers trois expérimentations. La première porte sur l’application de la méthode à trois domaines différents (géométrie, lecture, chirurgie) en utilisant des jeux de traces en validation croisée pour construire et appliquer les critères de comparaison sur cinq diagnostics différents. La seconde expérimentation porte sur la spécification et l’implémentation d’un nouveau critère de comparaison spécifique aux EIAH : la comparaison des diagnostics en fonction de leur impact sur une prise de décision de l’EIAH, le choix d’un type d’aide à donner à l’apprenant. La troisième expérimentation traite de la spécification et de l’ajout d’un nouveau diagnostic dans notre plateforme, en collaborant avec une didacticienne.