Les questions des élèves sont utiles pour leur apprentissage et l'adaptation pédagogique des enseignants. Cependant, le volume de questions posées en ligne par les étudiants peut empêcher les enseignants de traiter chaque question (e.g. MOOC ou large cohorte universitaire).
Nous abordons cette problématique principalement dans le cadre d’une formation hybride dans lequel chaque semaine les étudiants posent des questions en ligne, selon une approche de classe inversée, pour aider les enseignants à préparer leur séances de questions-réponses en présentiel. Notre objectif est d’outiller l’enseignant pour qu’il détermine les types de questions posées par les différents groupes d’apprenants. Pour mener ce travail, nous avons développé un schéma de codage de questions guidé par l’intention des élèves et la réaction pédagogique de l’enseignant. Plusieurs outils de classification automatique ont été conçus, évalués et combinés pour catégoriser les questions. Nous avons montré comment un modèle dérivé de clustering des données et entraîné sur des sessions antérieures peut être utilisé pour prédire le profil des élèves en ligne et établir des liens avec leurs questions. Ces résultats nous ont permis de proposer trois organisations de questions aux enseignants (basées sur les catégories de questions et profils des apprenants) qui ouvrent des perspectives de traitement différent lors des séances de questions-réponses. Nous avons testé et montré la possibilité d’adapter notre schéma de codage et les outils associés au contexte très différent d’un MOOC, ce qui suggère une certaine généricité de notre approche.