Explicabilité des learning analytics pour réduire les inégalités éducatives
Cette thèse vise à étudier l'impact de 2 types d'intervention personnalisée intégrant un modèle d'explications.
D'une part, un système de guidage devra proposer un modèle capable de fournir des explications sur l'activité tracée de l'apprenant, mais aussi des prompts (Wong et al., 2019) avec explications pour guider l'apprenant dans sa progression en tenant compte des différences interindividuelles sur le plan cognitif (connaissances, habiletés). D'autre part, des visualisations restituant les résultats des analyses seront personnalisées selon le rôle de l'utilisateur (e.g. apprenant, enseignant). Les explications interactives associées devront également être plus ou moins détaillées selon un profil de l'utilisateur à concevoir et se focalisant sur les compétences requises pour faciliter l'interprétation des données d'apprentissage et ainsi améliorer la prise de “bonnes” décisions.
The aim of this thesis is to study the impact of two types of personalised intervention integrating an explanatory model. First, a guidance system will have to propose a model capable of providing explanations about the learner's traced activities, but also prompts (Wong et al., 2019) including explanations to guide the learner in their progress while taking into account inter-individual differences at the cognitive level (knowledge, skills). Second, visualisations reflecting the results of the analysis vill be personalised according to the user's role (e.g learner, teacher). In order to improve the decision making process, the matching interactive explanations will also have to be more or less detailed according to a user profile to be designed and focusing on the skills required to facilitate interpretation of the learning data.
Julien BROISIN - IRIT
Franck AMADIEU - CLLE
Dernière mise à jour : 18 juillet, 2023 - 15:13
