Laboratoires de recherche :
Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS, Lyon),
Institut de Recherche en Informatique de Toulouse (IRIT, Toulouse)

Equipes d’accueil : TWEAK au LIRIS, SIERA à l'IRIT

Encadrement : Marie Lefevre et Nathalie Guin (LIRIS), Julien Broisin (SIERA)

Mots-clés : Environnements Informatiques pour l’Apprentissage Humain (EIAH), e-éducation, personnalisation de l’apprentissage, systèmes d’apprentissage automatique, analyse des traces d’interaction.

Description du contexte

Cette thèse s’inscrit dans le cadre du projet ANR COMPER, dont l’objectif est de concevoir des modèles et des outils permettant de mettre en œuvre une approche par compétences pour accompagner l’apprentissage de manière personnalisée.
Rassemblant des chercheurs en informatique, en Sciences Humaines et Sociales  et des praticiens, ce projet vise à proposer un modèle de représentation de référentiels de compétences qui permettra de lier aux compétences les activités pédagogiques proposées aux apprenants, afin d’élaborer pour chacun d’eux un profil de compétences. Ces profils seront exploités pour personnaliser les activités et les parcours d’apprentissage, ainsi que pour aider l’apprenant à réguler son apprentissage, en incluant des leviers motivationnels.
Le projet s’appuie sur 3 terrains d’expérimentations de niveaux différents (école et collège, lycée, université) mettant en jeu des compétences de granularité variée dans des disciplines différentes, afin d’évaluer la généricité des modèles et outils proposés.
 

Description du sujet de thèse

L’objectif de cette thèse est de personnaliser le scénario pédagogique de chaque apprenant en fonction de son profil de compétences et des activités qu’il réalise au sein de l’environnement d’apprentissage. Cette personnalisation concernera les exercices qui lui sont proposés, mais aussi les éléments d’interaction destinés à renforcer son autonomie.

Le premier verrou scientifique de cette thèse consiste à proposer un moyen d’obtenir une personnalisation automatique par le système mais selon les directives de l’équipe pédagogique et en intégrant les objectifs de l’apprenant. Nous nous appuierons sur le modèle PERSUA2 [Lefevre et al., 2012], qui permet à une équipe pédagogique d’exprimer une stratégie de personnalisation décrivant quelle activité proposer à l’apprenant en fonction du contenu de son profil. Une stratégie pédagogique de personnalisation est un ensemble de règles qui définissent des contraintes sur les activités à proposer à l’apprenant en fonction de sa progression dans l’acquisition de compétences, exprimées par des contraintes sur le profil. Les contraintes portant sur les activités peuvent par exemple être des contraintes de génération exploitées par les générateurs d’exercices de ASKER [Cablé et al., 2013]. Notre objectif est de nous appuyer sur les relations exprimées dans le référentiel de compétences (par exemple les relations de prérequis) pour établir des règles indépendantes du domaine, de manière à alléger le travail des équipes pédagogiques. Un autre objectif est d’intégrer les préférences de l’apprenant et en particulier ses objectifs d’apprentissage. Enfin, nous souhaitons faire en sorte que l’ensemble du processus de personnalisation puisse s’auto-améliorer grâce à l’analyse de son fonctionnement et à la mesure de son efficacité.

Ainsi, l’objectif final est de concevoir un système capable d’analyser son propre fonctionnement pour optimiser son efficacité. Pour cela, le système devra analyser les décisions qu’il a prises, afin d’identifier quelles stratégies de personnalisation favorisent effectivement l’acquisition de compétences, puis suggérer à l’équipe pédagogique des améliorations concernant les stratégies de personnalisation des exercices, des activités de régulation et d’auto-régulation. Le système participera ainsi de manière active à la construction des stratégies de personnalisation, en lien avec les équipes pédagogiques.                

Programme des travaux :

Dans un premier temps, il faudra interagir avec les équipes pédagogiques des 3 terrains pour savoir quels sont les éléments qui sont personnalisables dans les activités proposées aux apprenants : les exercices ASKER, mais aussi des éléments de la plateforme Educlever et les visualisations destinées à renforcer l’autonomie des apprenants.

Ensuite, il faudra s’appuyer sur les résultats des travaux des autres lots du projet COMPER pour choisir les éléments du profil (de compétences) de l’apprenant et de ses traces d’interaction avec l’environnement qui conduiront à la personnalisation de son parcours. Il faudra alors définir un méta-modèle de stratégie pédagogique, puis, en lien avec les équipes pédagogiques, proposer des stratégies de personnalisation indépendantes du domaine, fondées sur les relations entre compétences, comme les relations de pré-requis ou de complexification. Ces stratégies seront pour chaque domaine complétées par l’équipe pédagogique, grâce à des règles de personnalisation spécifiques au domaine. Alors, il faudra définir le processus automatique de personnalisation capable d’exploiter à la fois ces stratégies pédagogiques et les préférences et objectifs exprimés par l’apprenant.

Une série  d’expérimentations menées dans les différents terrains du projet permettront d’obtenir des retours d’expérience et ainsi d’évaluer l’efficacité du processus de personnalisation en termes d’acquisition de compétences par les apprenants. En outre, le système de personnalisation reposera sur l’analyse de son propre fonctionnement pour identifier les stratégies à optimiser et suggérer de nouvelles stratégies aux équipes pédagogiques.

Contexte technologique : PHP via le framework Symfony, AngularJS, Bootstrap.

Contexte méthodologique : approche incrémentale.

Contexte juridique : cession aux laboratoires d’accueil des droits patrimoniaux de l’étudiant en thèse sur l’ensemble de ses productions dans le cadre de la thèse.

Contexte de travail : la thèse sera effectuée sur une durée de 3 ans, à partir du 1er septembre (ou 1er octobre)  2019, au LIRIS à Lyon, ou à l’IRIT à Toulouse. Sa rémunération sera celle imposée par la réglementation sur les thèses dans les laboratoires publics de recherche (1768€ brut par mois). Cette rémunération pourra être complétée par un contrat prévoyant des activités d’enseignement.

Dépôt de candidature :

Envoyer simultanément la candidature à marie.lefevre@liris.cnrs.fr ET julien.broisin@irit.fr

Références

Marie LEFEVRE, Nathalie GUIN, Stéphanie JEAN-DAUBIAS. Personnaliser des activités pédagogiques de manière unifiée : une solution à la diversité des dispositifs. Revue STICEF, vol. 19, ISSN 1764-7223, 2012.

Baptiste CABLE, Nathalie GUIN, Marie LEFEVRE. An authoring tool for semi-automatic generation of self-assessment exercises. Conférence AIED 2013, Memphis, USA, pp. 679-682, 10-12 juillet 2013.