Offre de post-doctorat - Ludification adaptative des environnements numériques d’apprentissage
Laboratoire LIRIS, équipe SICAL, CNRS, INSA Lyon

Date de début: Décembre 2024
Durée : 11 mois
Date limite de candidature : 24 octobre 2024
Description détaillée du poste en PJ (French - English) et en ligne : https://emploi.cnrs.fr/Offres/CDD/UMR5205-ELILAV-008/Default.aspx
Salaire : à partir de 3021€ brut, modulable selon expérience

Contexte. Un poste de post-doctorant(e) est ouvert au sein de l'équipe SICAL du laboratoire LIRIS (CNRS - INSA Lyon) sur la prédiction de l’engagement des apprenants avec un environnement numérique d’apprentissage ludifié, dans le cadre du projet e-FRAN LudiMoodle+ : « Ludification adaptative pour la réussite des élèves ». Ce projet (2022-2025), porté par l’Université de Lyon, s’inscrit dans la continuité du projet e-FRAN LudiMoodle (2017-2021) qui a produit une connaissance scientifique avancée et reconnue internationalement sur l’impact de la ludification adaptative sur la motivation des élèves, démontrant le besoin d’adapter les éléments de jeu au profil des élèves.

Objectifs scientifiques. Ce projet vise à approfondir les connaissances de l’impact de la ludification, plus particulièrement de la ludification adaptative, sur les performances, la motivation et l’engagement des élèves. Une expérimentation a été menée auprès de 2000 élèves de l’académie de Lyon de janvier à avril 2024. Un gros volume de données a été collecté et pourra être exploité pour perfectionner le modèle d’adaptation des éléments de jeu au profil des élèves développé par le laboratoire LIRIS, ainsi que les modèles prédictifs de l’engagement des apprenants.

Objectifs du post-doctorat :
· Prendre en main le jeu de données collectées via l’expérimentation menée en 2024.
· Perfectionner l’algorithme d’adaptation des éléments de jeu au profil des élèves via l’exploitation de ces données.
· Proposer des modèles prédictifs de l’engagement des apprenants dans le contexte de l’étude.

Profil :
· Connaissances en profil utilisateur, algorithme d’adaptation et modèles prédictifs
· Bonnes connaissances en statistiques
· Intérêt pour le jeu vidéo et/ou la gamification
· Bon niveau d'anglais.
· Intérêt pour les disciplines liées à l'interaction homme-machine (IHM) ou aux environnements numériques pour l’apprentissage humain (EIAH).

Formation académique : Doctorat en informatique

Candidature sur le portail du CNRS : https://emploi.cnrs.fr/Offres/CDD/UMR5205-ELILAV-008/Default.aspx
Documents : · Rapports des rapporteurs de thèse - Rapport de soutenance - Notes de Master 1 et 2 / école d’ingénieur - Une lettre de motivation - Au moins 2 lettres de recommandation

Contacts : Élise Lavoué : elise.lavoue@liris.cnrs.fr ; Audrey Serna : audrey.serna@liris.cnrs.fr