Projets MOCAH

Équipe : MOCAH

• 
  Adaptiv’Math - Adaptiv’Math

  obtenu dans le cadre du Partenariat d'Innovation Intelligence Artificielle (P2IA) du ministère de l'éducation nationale et porté par la startup EvidenceB, implique des entreprises (Nathan, Daesign, Schoolab, Isograd, BlueFrog), deux laboratoires (LIP6 et Inria Bordeaux), l'APMEP (association des professeurs de mathématiques) ainsi que des chercheurs en psychologie cognitive (E. Sander) et en neurosciences (A. Knopf). Il vise à réaliser un assistant pédagogique pour les mathématiques du Cycle 2 (CP, CE1, CE2) s'appuyant sur des algorithmes d'IA et sur un ensemble d'exercices définis à partir d'avancées en sciences cognitives. Nous travaillons sur une brique IA visant à proposer des regroupements d'élèves (textit{clustering}) appris sur l'ensemble des classes sur la base de critères de maîtrise de compétences en mathématiques. Ce textit{clustering} est ensuite appliqué classe par classe à intervalles réguliers pour proposer à l'enseignant un suivi de l'évolution de ses groupes d'élèves, afin de faciliter la mise en place de stratégies de pédagogie différenciée.

  Responsable : François Bouchet
  01/10/2019
  Plus d'informations ici …
  
• MindMath - MindMath

  MindMath (financé par la BPI et la région IdF) est un projet de plateforme gamifiée et adaptative pour l’apprentissage des mathématiques au collège. Ce projet implique plusieurs partenaires industriels (Cabrilog, Tralalere, Domoscio et Bayard) et académiques (LDAR - Université Paris Diderot et LIP6 - Sorbonne Université). Nous développons des algorithmes pour décider, en fonction des activités des élèves au sein de tâches de résolution de problèmes en mathématiques, du feedback le plus adapté pour les aider à progresser dans leurs apprentissages. La décision s’appuie à la fois sur une ontologie construite avec des experts en didactique des mathématiques et sur des approches d’apprentissage automatique. La recherche des feedbacks optimaux se fait par apprentissage par renforcement, avec un système de récompense basé sur la réussite des élèves dans les activités. Ces propositions sont expérimentées dans différents contextes scolaires et parascolaires.

  Responsable : Amel Yessad
  01/01/2019
  
• IECARE - IECARE

  IECARE est un projet de recherche financé par l'ANR. Il vise à produire des connaissances fondamentales et opératoires sur l’informatique, son enseignement et son apprentissage, à l’école obligatoire. Ce projet pluridisciplinaire associe des chercheurs en Informatique et en sciences humaines et sociales (Sciences de l’éducation, didactiques, psychologie des apprentissages, sociologie). La recherche suit trois thèmes structurant : analyser les représentations et les pratiques des enseignants et des élèves ; modéliser, concevoir et modifier des scénarios pédagogiques et des ressources pour soutenir les pratiques d’enseignement et d’apprentissage ; étudier les cadres d’accompagnement mis en place par et pour les enseignants et les formateurs en informatique.

  Responsable : Mathieu Muratet
  01/01/2019
  
• MAGAM - Multi-Aspect Generic Adaptation Model

  MAGAM est un modèle générique basé sur un calcul matriciel permettant d'adapter des activités d'apprentissage selon plusieurs aspects (pédagogique, didactique, ludique, motivationnel, etc.).

  Responsable : Vanda LUENGO et Baptiste MONTERRAT
  01/03/2016
  Plus d'informations ici …
  
• LEA4PA - LEarning Analytics for Adaptation and Personnalisation

  Le projetLEarning Analytics for Personalization and Adaptation a pour objectif de proposer, à destination des décideurs (ensei-gnants, apprenants, ..), des algorithmes et des visualisations permettant des analyses du com-portement de l’étudiant pour l’adaptation et la remédiation. Il s’applique à plusieurs niveaux d’enseignement. Pour le niveau collège, la recherche est menée dans le cadre d’une collaboration soutenue par la direction du numérique pour l’éducation (MEN). Dans ce contexte, nous proposons des analyses (descriptives et diagnostiques) des compétences des apprenants en algèbre, ainsi que des visualisations, l’objectif étant d’assister l’enseignant dans l’adaptation des activités[4].Pour l’enseignement supérieur, la recherche est menée en s’appuyant sur la plateforme LA-PAD développée par CAPSULE (centre d’innovation pédagogique de Sorbonne Université).Dans ce contexte, nous nous intéressons à comprendre les parcours des apprenants à partir de techniques d’analyse séquentielle et de règles d’association.

  Responsable : Vanda LUENGO et Amel YESSAD
  01/01/2016
  
• Hubble - HUman oBservatory Based on anaLysis of e-LEarning traces

  L’objectif du projet ANR HUBBLE est de créer un observatoire national pour la construction et le partage de processus d’analyse de données massives, issues des traces laissées dans des environnement de type e-learning. Hubble permettra d’analyser et d’expliquer des phénomènes d’enseignement et d’apprentissage avec ces environnements.

  Responsable : Vanda LUENGO et François BOUCHEY
  01/01/2015
  Plus d'informations ici …
  
• RecoMOOC - Recommandation de pairs dans les MOOC

  RecoMOOC vise à réduire l'attrition et améliorer l'expérience d'apprentissage dans les MOOC en fournissant aux étudiants des moyens d'interagir et de travailler avec d'autres, identifiés de manière automatique à l'aide d'un système de recommandation de pairs analysant les facteurs individuels et la progression de chaque apprenant.

  Responsable : François BOUCHET
  01/01/2014