Direction de recherche : Jean-Marc LABAT

Co-encadrement : WUILLEMIN Pierre-Henri

Apports à la Modélisation de l'Elève pour l'Apprentissage Individualisé

Les Environnements Informatiques pour l’Apprentissage Humain (EIAH) ont été utilisés pour améliorer l'apprentissage humain. Ces environnements visent à accroître la performance des élèves en fournissant un enseignement individualisé. Il a été reconnu que l'apprentissage individualisé est plus efficace que l'apprentissage classique. L’utilisation de modèles d'étudiants pour capturer les connaissances des élèves sous-tend l'apprentissage individualisé. Au cours des dernières décennies, différents modèles d'étudiants concurrents ont été proposés. Toutefois, une partie des informations de diagnostic issues du comportement des élèves est généralement ignorée par ces modèles. En outre, pour individualiser les parcours d'apprentissage des élèves, les modèles d’étudiants devraient capturer les structures préalables de compétences. Toutefois, l'acquisition de structures de compétences nécessite beaucoup d'efforts d'ingénierie de la connaissance. Nous améliorons les modèles d'étudiants pour l'apprentissage individualisé selon deux aspects. D'une part, afin d'améliorer la capacité de diagnostic d'un modèle de l'élève, nous introduisons une fonction de diagnostic, les motifs d’erreur d’étudiants. Pour traiter le bruit dans les données de performance des élèves, nous étendons un modèle probabiliste robuste en y intégrant les réponses erronées. Les résultats de nos expériences montrent que la fonction de diagnostic permet d'améliorer la précision de la prédiction des modèles d'étudiant. D'autre part, nous cherchons à découvrir des structures de compétences préalables à partir des données de performance de l'élève. C’est une tâche difficile, car les connaissances des élèves constituent une variable latente. Nous proposons une méthode en deux phases pour découvrir la structure des compétences à partir d'observations bruitées. Notre procédé est validé en l’appliquant à des données simulées et des données réelles. En outre, nous vérifions que les structures préalables de compétences permettent d’améliorer la précision d'un modèle d’étudiant.

Publications 2014-2015

• 2015
  • Y. Chen : “Apports à la Modélisation de l’Elève pour l’Apprentissage Individualisé”, soutenance de thèse, soutenance 29/09/2015, direction de recherche Labat, Jean-Marc, co-encadrement : Wuillemin, Pierre-Henri (2015)
  • Y. Chen, P.‑H. Wuillemin, J.‑M. Labat : “Discovering Prerequisite Structure of Skills through Probabilistic Association Rules Mining”, Proceedings of the 8^th International Conference on Educational Data Mining, Madrid, Spain, pp. 117-124 (2015)
• 2014
  • Y. Chen, P.‑H. Wuillemin, J.‑M. Labat : “Bayesian Student Modeling Improved by Diagnostic Items”, Proceedings of 12^th International Conference on Intelligent Tutoring Systems, vol. 8474, Lecture Notes in Computer Science, Honolulu, United States, pp. 144-149, (Springer) (2014)