524 - L’IA pour l’éducation (IAED) : vers des environnements d’apprentissage intelligents et adaptatifs

Dans ce partage d’expérience, nous démontrons comment nous avons utilisé des outils d'intelligence artificielle pour créer des contenus immersifs et interactifs destinés à l'apprentissage des langues (espagnol). Nous montrerons également l'utilisation complémentaire d'autres outils tels que Moodle, H5P, ainsi que des outils numériques comme Canva et PowerPoint. L'objectif est d'inspirer les personnes participantes en leur fournissant des exemples concrets et pratiques d'utilisation de ces technologies, même si elles ne disposent pas encore de tous les outils nécessaires pour les mettre en œuvre elles-mêmes. Un guide est proposé pour les prochains utilisateurs.

Les dérèglements climatiques font apparaître une nécessité d’adaptation pour les sociétés et les individus. Face à l’ampleur de la tâche et des enjeux, des technologies éducatives intelligentes pourraient contribuer à enseigner et diffuser de bonnes pratiques et connaissances facilitant ces adaptations nécessaires. Cet article présente une approche innovante d’application éducative dans laquelle les activités pédagogiques sont directement adaptées en fonction des conditions atmosphériques et climatiques.

Cette communication porte sur la conception d'un jeu sérieux qui vise à développer les compétences socio-émotionnelles chez les enfants atteints du Trouble du Spectre de l'Autisme (TSA). Les TSA se manifestent par des difficultés dans la communication sociale, des comportements répétitifs et une hypersensibilité sensorielle, ce qui complique l'apprentissage des interactions sociales. Face aux limites des méthodes éducatives traditionnelles, les jeux sérieux offrent une approche interactive et immersive adaptée à ces besoins spécifiques. Notre recherche s'appuie sur une analyse approfondie des besoins des enfants TSA en commençant d’abord par l'étude des jeux existants comme EmoFace et JeStimule et l'identification de leurs limites, notamment en termes de personnalisation et d'interaction sociale. Nous avons conçu un prototype qui intègre des mini-jeux avec des avatars aux expressions faciales simplifiées, des retours immédiats et des mécanismes d'apprentissage progressifs. L'étude, basée sur une revue de la littérature et des entretiens avec des experts en psychiatrie et en conception de jeux, a permis d'élaborer les mini-jeux prenants en compte plusieurs aspects. En conclusion, cette recherche met en avant le potentiel des jeux sérieux dans l'accompagnement des enfants TSA et contribue aux développements d'outils technologiques favorisant leur inclusion et autonomie.

Cette communication rend compte d’un travail de doctorat en cours qui vise à caractériser les transformations à l’œuvre avec l’introduction de l’intelligence artificielle générative (IAG) dans les enseignements d’une école d’ingénieur française à l’aide du concept de médiation (Peraya, 2008). Elle se penche en particulier sur la méthodologie de recherche employée au sein d’un cours d’informatique qui vise à recueillir les données de l’activité des élèves. Se rapprochant d’une recherche-action par sa visée à la fois pragmatique et heuristique, l’étude pilote vise à mieux définir les nouvelles médiations en jeu dans les dispositifs pédagogiques impactés par l’IAG et à terme à créer des outils permettant aux enseignants de les intégrer au mieux dans leur enseignements.

Il est difficile voire impossible de tracer les connaissances des apprenants dans un nouveau domaine ou un nouveau système dont on ne possède pas encore les données. Un recourt aux connaissances a priori ou aux connaissances provenant des experts de ce domaine peut aider à la conception de modèle préliminaire permettant de représenter et estimer les connaissances des apprenants. Par exemple, la conception de réseaux bayésiens à partir d’experts est une solution permettant d’avoir accès à un modèle capable de prédire les connaissances des apprenants selon leur performance. Cependant, l’accès aux experts et la verbalisation de ces connaissances parfois tacites peut être difficile ce qui rend la conception de ce type de modèle fastidieux. Dans cette recherche, nous montrons comment construire un réseau bayésien uniquement à partir d'un grand modèle de langage (ChatGPT) sachant les éléments de connaissances du domaine identifiées. Les premières expérimentations montrent qu’un réseau bayésien conçu par un tel robot d’intelligence artificielle générative (IAG) est tout aussi performant que celui conçu uniquement par les experts du domaine.

L'apprentissage de la programmation souffre souvent d’un manque d’outils permettant d’évaluer efficacement la compréhension réelle des étudiants. De nombreux apprenants adoptent une approche par essai-erreur ou sollicitent une aide externe, compromettant ainsi leur autonomie intellectuelle. Cette étude propose une méthode basée sur les arbres syntaxiques abstraits (AST) et la génération augmentée par récupération (RAG) pour identifier les fonctions qui s’écartent des exemples de cours et générer des questions ouvertes visant à évaluer la compréhension des étudiants. En injectant intentionnellement des concepts avancés non enseignés, tels que les pointeurs de fonction ou les fonctions variadiques, nous avons testé notre approche et constaté qu’elle identifie efficacement ces écarts tout en produisant des questions pertinentes. Ces résultats ouvrent la voie à un système d’évaluation automatique intégrable aux environnements d’apprentissage intelligent.

L’essor des MOOC a démocratisé l’accès à l’apprentissage en ligne, mais il soulève d’importants défis liés à la diversité des profils d'apprenants. Il est alors essentiel d’adopter des approches pédagogiques capables de s’adapter aux besoins spécifiques et aux progrès de chaque apprenant. Deux axes majeurs d’innovation dans ce domaine concernent l’adaptation des parcours d’apprentissage à travers des systèmes de recommandation intelligents et l’amélioration des évaluations grâce aux tests adaptatifs informatisés (CAT).
Cette communication propose une approche combinant ces deux dimensions. Le système de recommandation repose sur l’algorithme Alternating Least Squares (ALS), une technique de filtrage collaboratif exploitant les interactions passées des apprenants pour prédire les préférences des nouveaux utilisateurs vis-à-vis des modules qu’ils n’ont pas encore explorés et leur suggérer les plus pertinents. L’évaluation adaptative quant à elle s’appuie sur le cadre Neural Computerized Adaptive Testing (NCAT), qui utilise l’apprentissage par renforcement pour ajuster dynamiquement la sélection des questions en fonction des performances des apprenants.
Nous présentons un prototype de cette approche dont les résultats préliminaires, bien que perfectibles, montrent des signes prometteurs. Cette étude permet également d’examiner les défis techniques et méthodologiques rencontrés lors de la mise en œuvre de ces systèmes, ainsi que les perspectives d’amélioration et d’intégration.

L’enseignement supérieur vit une transformation majeure grâce à la digitalisation, offrant des opportunités à un public diversifié. Cependant, les plateformes d’apprentissage en ligne font face à un taux d’abandon élevé, avec seulement 30 % des apprenants complétant leur parcours. Cette recherche explore comment l’intelligence artificielle (IA) peut optimiser les parcours d’apprentissage en ligne pour améliorer la rétention étudiante. En s’appuyant sur des approches de personnalisation adaptative, de prédiction des comportements et d’amélioration des contenus, l’IA promet de réduire les abandons tout en élevant la qualité de l’expérience apprenante. Les résultats préliminaires montrent que des méthodes telles que HMABITS ou ALSAI offrent une personnalisation avancée, tandis que des modèles prédictifs comme le clustering k-means identifient les étudiants à risque pour des interventions ciblées. En analysant également des applications IA réussies dans d’autres secteurs (marketing, divertissement), cette étude propose des solutions transposables pour résoudre les défis liés à la rétention dans l’enseignement en ligne.