Titre de la thèse : Analyse des trajectoires d’apprenants par IA pour l’assistance à l’enseignement de la programmation

Financement : Contrat doctoral de l'Ecole Doctorale du Pacifique (~1750  € brut/mois) avec possibilité de contrat complémentaire en enseignement (+ 300 € brut/mois pour 64h eq. TD par an)

Localisation : Nouméa - Université de la Nouvelle-Calédonie

Début de la thèse : septembre-octobre 2021

Résumé : L’utilisation de plates-formes d’apprentissage est de plus en plus fréquent, notamment pour l’apprentissage de la programmation. Ces plates-formes permettent d’automatiser la validation des programmes et de récupérer beaucoup d’information sur les trajectoires suivies par les étudiants pour traiter un exercice. Cette source riche d’information est encore peu exploitée par les enseignants en raison de la masse de données à traiter et de leur complexité. Il est donc nécessaire de créer de nouvelles méthodes d’analyse pour les assister dans ce suivi. L’objectif de cette thèse est plus particulièrement de développer de nouveaux algorithmes de recherche de sous-groupes dans des séries temporelles de programmes. Pour cela, on s’appuiera sur les dernières avancées en réseaux de neurones et en extraction de motifs temporels. L’un des défis à ce niveau reste de faire le pont entre ces deux types d’approches développées pour des données et des problèmes très différents.
Pour plus de détails, merci de consulter le document en pièce jointe.

Mots-Clés : Intelligence Artificielle, Fouille de Données d’Éducation, Analyse de Trajectoires, Analyse de sous groupes, Apprentissage de Représentations, Réseaux Neuronaux (Récurrents, Profonds).

Encadrants :
- Frédéric FLOUVAT (Maître de Conférences, Habilité à Diriger des Recherches, en Informatique), Université de la Nouvelle-Calédonie
- Guillaume CLEUZIOU (Professeur des Universités en informatique), Université d’Orléans.

Candidatures : Les candidatures (CV, notes et lettre de motivation) doivent être adressées avant le 4 juillet 2021 à Frédéric Flouvat (frederic.flouvat@unc.nc) et Guillaume Cleuziou (guillaume.cleuziou@univ-orleans.fr).

Références :
- Alon, U., M. Zilberstein, O. Levy, and E. Yahav (2019). code2vec : Learning distributed representations of code. Proceedings of the ACM on Programming Languages 3(POPL), 1–29.
- Atzmueller, M. (2015). Subgroup discovery. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 5(1), 35-49.
- Cleuziou, G. and F. Flouvat (2021). Learning student program embeddings using abstract execution traces, (to appear) in International Conference on Educational Data Mining (EDM'2021).