Nous recherchons un(e) candidat(e) pour une bourse thèse de doctorat "Modélisation de l’expérience optimale d’apprentissage via les Learning Analytics"

Cette thèse sera réalisée avec le soutien financier de l’État français dans le cadre du Programme  «Investissements d’avenir» (I-SITE ULNE / ANR-16-IDEX-0004 ULNE) géré par l’Agence Nationale de la Recherche française (ANR).
Salaire brut annuel 21 222, 60€ (net 17 244€)

Objectifs de la thèse
L'objectif de la thèse est de modéliser (El Mawas et al., 2018) et prédire l’expérience optimale d’apprentissage (Heutte, 2017), notamment l’autotélisme-flow (Csikszentmihalyi, 1990, 2014) des apprenants en se basant sur les traces numériques d’apprentissage. La question de recherche générale consiste donc à identifier les indicateurs pertinents parmi les Learning Analytics, en vue d’élaborer un modèle prédictif de l’expérience autotélique des apprenants. 
Les perspectives pragmatiques de ce projet de recherche fondamentale permettront in fine d'améliorer la conception et développement itératif de tableaux de bord fondés sur les Learning Analytics en vue de soutenir l'engagement, la persistance et la réussite des étudiants dans l'enseignement supérieur.

Le candidat s'attachera en particulier à apporter des solutions aux questions suivantes :
- Concevoir et développer des outils et des connecteurs pertinents pour collecter les traces numériques d’apprentissage et définir les indicateurs correspondants ?
- Concevoir et valider un modèle de l’apprenant enrichi dynamiquement via ses traces numériques d’apprentissage ?
- Définir et mettre en œuvre des protocoles en vue d’établir une correspondance entre le modèle de l’apprenant, les modèles prédictifs existants de l’expérience optimale d’apprentissage et des indicateurs issus des traces numériques d’apprentissage ? 

Modalités de recrutement
Sur dossier et entretien.

Votre candidature doit être transmise par voie électronique à jean.heutte@univ-lille.fr et nour.el-mawas@univ-lille.fr.
Les candidats sélectionnés pour entretien seront auditionnés fin Août 2019, en vue d'un contrat doctoral de trois ans avec prise d'effet courant octobre 2019.

Pour plus d'informations, merci de consulter ce lien.