{"id":125,"date":"2023-11-30T16:30:34","date_gmt":"2023-11-30T16:30:34","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/chapter\/ai-speak-how-adaptive-systems-learn-the-learner-part-1\/"},"modified":"2024-01-31T11:51:08","modified_gmt":"2024-01-31T11:51:08","slug":"ai-speak-how-adaptive-systems-learn-the-learner-part-1","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/chapter\/ai-speak-how-adaptive-systems-learn-the-learner-part-1\/","title":{"raw":"Parlons IA : Comment les syst\u00e8mes adaptatifs apprennent l'apprenant - Partie 1","rendered":"Parlons IA : Comment les syst\u00e8mes adaptatifs apprennent l&rsquo;apprenant &#8211; Partie 1"},"content":{"raw":"<p class=\"no-indent\"><img class=\"alignleft wp-image-122\" src=\"http:\/\/aiopentext.itd.cnr.it\/wp-content\/uploads\/sites\/15\/2023\/11\/FR-24.1.png\" alt=\"\" width=\"375\" height=\"472\">Lorsque l'on regarde un syst\u00e8me d'apprentissage adaptatif, il est tr\u00e8s difficile de dire o\u00f9 il s'adapte<sup>1<\/sup>. La technologie utilis\u00e9e et ce \u00e0 quoi elle sert changent \u00e9galement d'un syst\u00e8me \u00e0 l'autre.<\/p>\n<p class=\"indent\">Cependant, tous les syst\u00e8mes d'apprentissage adaptatifs savent \u00e0 qui ils enseignent (connaissances sur l'apprenant), ce qu'ils enseignent (connaissances sur le domaine) et comment enseigner (connaissances sur la p\u00e9dagogie)<sup>2<\/sup>.<\/p>\n<p class=\"indent\">Un ALS id\u00e9al s'adapte de plusieurs fa\u00e7ons. Dans la boucle externe, la s\u00e9quence des activit\u00e9s d'apprentissage est adapt\u00e9e - similaire \u00e0 Youtube qui adapte la liste des vid\u00e9os recommand\u00e9es. La boucle externe pourrait \u00e9galement personnaliser les approches d'apprentissage et les niveaux de difficult\u00e9.<\/p>\n<p class=\"indent\">Dans la boucle interne, au sein de chaque activit\u00e9, l'ALS surveille la performance \u00e9tape par \u00e9tape. Elle adapte le retour d'information et les indices pour corriger les id\u00e9es fausses, le cas \u00e9ch\u00e9ant. Elle peut \u00e9galement indiquer un contenu suppl\u00e9mentaire si l'\u00e9l\u00e8ve a du mal \u00e0 se souvenir d'un concept appris pr\u00e9c\u00e9demment. Certains experts affirment qu'il est pr\u00e9f\u00e9rable de laisser la boucle interne \u00e0 l'instructeur : non seulement il est co\u00fbteux et long de programmer toutes les r\u00e8gles pour le sujet et la t\u00e2che sp\u00e9cifiques, mais les connaissances et l'exp\u00e9rience de l'enseignant l'emporteront toujours sur celles de la machine<sup>3<\/sup>.<\/p>\n\n<h3>Comment les syst\u00e8mes adaptatifs apprennent l'apprenant<\/h3>\n<p class=\"no-indent\">Comme tous les probl\u00e8mes de recommandation (voir <a href=\"ai-speak--how-youtube-learns-you\" target=\"_blank\" rel=\"noopener\" data-cke-saved-href=\"ai-speak--how-youtube-learns-you\">Comment Youtube vous apprend Partie 1<\/a>), ALS divise la t\u00e2che en une ou plusieurs questions de substitution auxquelles la machine peut r\u00e9pondre. Encore une fois, le choix de ce qu'il faut demander - et donc, de ce qu'il faut pr\u00e9dire - a un impact important sur la recommandation affich\u00e9e.<\/p>\n<p class=\"indent\">Le mat\u00e9riel de marketing \u00e9voque souvent des objectifs multiples : am\u00e9lioration des notes, employabilit\u00e9, engagement... Compte tenu de la nature propri\u00e9taire des syst\u00e8mes, on ne sait g\u00e9n\u00e9ralement pas quelles questions sont cod\u00e9es dans les syst\u00e8mes, quels objectifs sont optimis\u00e9s et comment les objectifs \u00e0 court terme sont diff\u00e9renci\u00e9s des objectifs \u00e0 long terme (par exemple, la ma\u00eetrise d'un contenu donn\u00e9 pour passer au niveau scolaire suivant)<sup>4<\/sup>.<\/p>\n<p class=\"indent\">Lorsque l'apprentissage automatique est utilis\u00e9, quels que soient les objectifs choisis, la pr\u00e9diction elle-m\u00eame est bas\u00e9e sur d'autres apprenants ayant des niveaux de comp\u00e9tences et des pr\u00e9f\u00e9rences similaires. C'est-\u00e0-dire des apprenants dont les mod\u00e8les sont similaires.<\/p>\n\n<h3>Le mod\u00e8le de l'apprenant<\/h3>\n<p class=\"no-indent\">Pour cr\u00e9er un mod\u00e8le d'\u00e9tudiant, les d\u00e9veloppeurs se demandent quelles caract\u00e9ristiques de l'\u00e9tudiant sont pertinentes pour le processus d'apprentissage. Contrairement aux enseignants qui peuvent observer directement leurs \u00e9l\u00e8ves et adapter leur approche, les machines sont limit\u00e9es aux donn\u00e9es qu'elles peuvent collecter et traiter.<\/p>\n<p class=\"indent\">Des caract\u00e9ristiques typiques prises en compte dans un mod\u00e8le d'\u00e9tudiant :<\/p>\n\n<ul>\n \t<li><strong>Que sait l'\u00e9l\u00e8ve - son niveau de connaissances, ses comp\u00e9tences et ses id\u00e9es fausses<\/strong><sup>5,2,6<\/sup> ? Celles-ci sont g\u00e9n\u00e9ralement d\u00e9duites par le biais d'\u00e9valuations, par exemple, la r\u00e9ponse qu'un \u00e9l\u00e8ve soumet pour un probl\u00e8me de math\u00e9matiques.<sup>1<\/sup> Ces connaissances ant\u00e9rieures sont ensuite compar\u00e9es \u00e0 ce qu'il devra savoir \u00e0 la fin de la p\u00e9riode d'apprentissage.<\/li>\n \t<li><strong>Comment l'\u00e9l\u00e8ve pr\u00e9f\u00e8re apprendre ? Le processus d'apprentissage et les pr\u00e9f\u00e9rences<\/strong><sup>5,6<\/sup>. Par exemple, le nombre de fois qu'un \u00e9tudiant tente de r\u00e9pondre \u00e0 une question avant de parvenir \u00e0 la bonne r\u00e9ponse, les types de ressources consult\u00e9es, les notes qu'il a donn\u00e9es \u00e0 une activit\u00e9<sup>1<\/sup> ou le mat\u00e9riel qui l'a le plus engag\u00e9 - images, audio ou texte<sup>2<\/sup>. Les ALS peuvent \u00e9galement enregistrer <strong>quand et comment les comp\u00e9tences ont \u00e9t\u00e9 acquises et quelles p\u00e9dagogies ont le mieux fonctionn\u00e9 <\/strong><sup>6<\/sup>.<\/li>\n \t<li><strong>L'\u00e9l\u00e8ve se sent-il motiv\u00e9 ? Les sentiments et les \u00e9motions<\/strong> peuvent \u00eatre enregistr\u00e9s directement par l'\u00e9l\u00e8ve ou extraits indirectement de la parole, des expressions faciales, du suivi des yeux, du langage corporel, des signaux physiologiques ou de combinaisons de ces \u00e9l\u00e9ments. Ces informations peuvent ensuite \u00eatre utilis\u00e9es pour sortir l'\u00e9tudiant d'\u00e9tats n\u00e9gatifs tels que l'ennui ou la frustration qui inhibent l'apprentissage, et le faire passer \u00e0 des \u00e9tats positifs tels que l'engagement ou le plaisir.<sup>7<\/sup><\/li>\n \t<li>Qu'en est-il des <strong>aspects cognitifs tels que la m\u00e9moire, l'attention, la capacit\u00e9 \u00e0 r\u00e9soudre des probl\u00e8mes, la capacit\u00e9 \u00e0 prendre des d\u00e9cisions, l'analyse de situations et la pens\u00e9e critique<\/strong><sup>5 <\/sup>?<\/li>\n \t<li>Comment communiquent-ils <strong> et collaborent-ils<\/strong><sup>5 <\/sup>? Par exemple, publient-ils des commentaires sur les flux d\u2019autres \u00e9l\u00e8ves et comment discutent-ils avec d\u2019autres pour r\u00e9soudre des probl\u00e8mes<sup>1 <\/sup>?<\/li>\n \t<li>Qu'en est-il des comp\u00e9tences m\u00e9tacognitives comme <strong>l'autor\u00e9gulation, l'auto-explication, l'auto-\u00e9valuation et l'autogestion<\/strong><sup>5<\/sup>, <strong>la sollicitation d'aide<\/strong>, <strong>la conscience et la capacit\u00e9 de contr\u00f4ler leur propre pens\u00e9e ?<\/strong> Par exemple, comment ils s\u00e9lectionnent leurs objectifs d'apprentissage, utilisent leurs connaissances ant\u00e9rieures ou choisissent intentionnellement des strat\u00e9gies de r\u00e9solution de probl\u00e8mes.<sup>5<\/sup><\/li>\n<\/ul>\n<p class=\"no-indent\">Alors que ces donn\u00e9es changent, doivent \u00eatre enregistr\u00e9es et mises \u00e0 jour, les mod\u00e8les contiennent \u00e9galement des <strong>caract\u00e9ristiques statiques telles que l'\u00e2ge, le sexe, la langue maternelle et le courriel<\/strong><sup>2<\/sup>.<\/p>\n<p class=\"indent\">La plupart des ALS cr\u00e9ent des mod\u00e8les d'apprenants en se basant sur les interactions avec les \u00e9tudiants. Certaines glanent \u00e9galement des informations sur d'autres sites, notamment sur les r\u00e9seaux sociaux. Une fois qu'un mod\u00e8le est disponible pour chaque apprenant, la machine calcule quels \u00e9tudiants sont similaires les uns aux autres et estime la probabilit\u00e9 qu'un \u00e9tudiant donn\u00e9 b\u00e9n\u00e9ficie d'une activit\u00e9, d'un exemple ou d'une question<sup>3<\/sup>.<\/p>\n\n<h3>Le mod\u00e8le de domaine<\/h3>\n<p class=\"no-indent\"><img class=\"alignleft wp-image-123\" src=\"http:\/\/aiopentext.itd.cnr.it\/wp-content\/uploads\/sites\/15\/2024\/01\/FR-24.2.png\" alt=\"\" width=\"375\" height=\"472\">Nous pouvons \u00e9tablir un parall\u00e8le approximatif entre les objets d'apprentissage dans une ALS et les vid\u00e9os sur Youtube. Un sujet peut \u00eatre d\u00e9compos\u00e9 en concepts et comp\u00e9tences, appel\u00e9s <strong>unit\u00e9s de connaissances<\/strong> (UC) : ce sont les connaissances que l'apprenant doit conna\u00eetre<sup>3<\/sup>. Chaque UC poss\u00e8de un ensemble d'objets d'apprentissage gr\u00e2ce auxquels le contenu peut \u00eatre appris et un ensemble d'activit\u00e9s pour \u00e9valuer l'apprentissage. Certains auteurs d\u00e9composent davantage les objets d'apprentissage en activit\u00e9s d'apprentissage, nous ne le faisons pas ici.<\/p>\n<p class=\"indent\">Les objets d'apprentissage\u00a0 ; peuvent \u00eatre un texte \u00e0 lire, une vid\u00e9o, un ensemble de probl\u00e8mes, des activit\u00e9s interactives (du simple remplissage des blancs aux activit\u00e9s d'apprentissage bas\u00e9es sur un sc\u00e9nario), une animation interactive, etc.<sup>1<\/sup>Les objets d'apprentissage donnent ce que l'apprenant doit savoir et les activit\u00e9s d'\u00e9valuation indiquent si les connaissances ont \u00e9t\u00e9 acquises<sup>3<\/sup>. Le mod\u00e8le de domaine contient toutes les caract\u00e9ristiques des objets d'apprentissage, y compris les UC et les \u00e9valuations associ\u00e9es.<\/p>\n<p class=\"indent\">Ce qu'un apprenant apprend ensuite d\u00e9pendra \u00e9galement des interrelations entre les UC et celles-ci doivent donc \u00e9galement entrer dans le mod\u00e8le : les objets d'apprentissage A et B pourraient tous deux \u00eatre des pr\u00e9requis pour l'objet d'apprentissage D. Ainsi, A et B doivent \u00eatre ma\u00eetris\u00e9s avant D. Il existe un ordre parmi certaines UC qui nous indique comment on apprend<sup>3<\/sup>. \u00c0 l'inverse, si l'\u00e9tudiant r\u00e9sout correctement un probl\u00e8me correspondant \u00e0 D, il y a fort \u00e0 parier qu'il a \u00e9galement ma\u00eetris\u00e9 A et B.<\/p>\n<p class=\"indent\">Les experts en la mati\u00e8re peuvent fournir certaines de ces relations. Le reste des inf\u00e9rences peut \u00eatre appris par la machine qui peut pr\u00e9dire la probabilit\u00e9 qu'une UC a \u00e9t\u00e9 ma\u00eetris\u00e9 : \u00e0 quel point un syst\u00e8me est s\u00fbr que l'apprenant a ma\u00eetris\u00e9 A et B, \u00e9tant donn\u00e9 qu'il a r\u00e9pondu aux questions sous D. Il peut ensuite utiliser cette information, ainsi que d'autres caract\u00e9ristiques des mod\u00e8les d'apprenants et de domaines pour recommander des parcours d'apprentissage et des objets d'apprentissage.<\/p>\n<img class=\" wp-image-124 aligncenter\" src=\"http:\/\/aiopentext.itd.cnr.it\/wp-content\/uploads\/sites\/15\/2024\/01\/FR-24.3.png\" alt=\"\" width=\"567\" height=\"402\">\n<p class=\"no-indent\">Les autres caract\u00e9ristiques des objets d'apprentissage pourraient inclure le niveau de difficult\u00e9 de l'activit\u00e9, sa popularit\u00e9 et ses \u00e9valuations. L'objectif ici, comme dans le cas de la recommandation Youtube, est d'extraire le plus d'informations possible des donn\u00e9es disponibles.<\/p>\n\n\n<hr>\n<p class=\"hanging-indent\"><sup>1<\/sup> EdSurge, <em>Decoding Adaptive<\/em>, Pearson, London, 2016.<\/p>\n<p class=\"hanging-indent\"><sup>2 <\/sup>Alkhatlan, A., Kalita, J.K., <em>Intelligent Tutoring Systems: A Comprehensive Historical Survey with Recent Developments<\/em>, International Journal of Computer Applications 181(43):1-20, March 2019.<\/p>\n<p class=\"hanging-indent\"><sup>3 <\/sup>Essa, A.,<em><a href=\"https:\/\/doi.org\/10.1186\/s40561-016-0038-y\" target=\"_blank\" rel=\"noopener\" data-cke-saved-href=\"https:\/\/doi.org\/10.1186\/s40561-016-0038-y\"> A possible future for next generation adaptive learning systems<\/a><\/em>, Smart Learning Environments, 3, 16, 2016.<\/p>\n<p class=\"hanging-indent\"><sup>4 <\/sup>Bulger M., <em>Personalised Learning: The Conversations We\u2019re Not Having<\/em>, Data &amp; Society Working Paper, 2016.<\/p>\n<p class=\"hanging-indent\"><sup>5 <\/sup>Chrysafiadi, K., Virvou, M., <em>Student modeling approaches: A literature review for the last decade<\/em>, Expert Systems with Applications, Elsevier, 2013.<\/p>\n<p class=\"hanging-indent\"><sup>6 <\/sup>Groff, J., <em>Personalized Learning: The state of the field and future directions<\/em>, Center for curriculum redesign, 2017.<\/p>\n<p class=\"hanging-indent\"><sup>7 <\/sup>du Boulay, B., Poulovasillis, A., Holmes, W., Mavrikis, M., <em>Artificial Intelligence And Big Data Technologies To Close The Achievement Gap<\/em>, In: Luckin, Rose ed. Enhancing Learning and Teaching with Technology. London: UCL Institute of Education Press, pp. 256\u201328, 2018.<\/p>","rendered":"<p class=\"no-indent\"><img loading=\"lazy\" decoding=\"async\" class=\"alignleft wp-image-122\" src=\"http:\/\/aiopentext.itd.cnr.it\/wp-content\/uploads\/sites\/15\/2023\/11\/FR-24.1.png\" alt=\"\" width=\"375\" height=\"472\" \/>Lorsque l&rsquo;on regarde un syst\u00e8me d&rsquo;apprentissage adaptatif, il est tr\u00e8s difficile de dire o\u00f9 il s&rsquo;adapte<sup>1<\/sup>. La technologie utilis\u00e9e et ce \u00e0 quoi elle sert changent \u00e9galement d&rsquo;un syst\u00e8me \u00e0 l&rsquo;autre.<\/p>\n<p class=\"indent\">Cependant, tous les syst\u00e8mes d&rsquo;apprentissage adaptatifs savent \u00e0 qui ils enseignent (connaissances sur l&rsquo;apprenant), ce qu&rsquo;ils enseignent (connaissances sur le domaine) et comment enseigner (connaissances sur la p\u00e9dagogie)<sup>2<\/sup>.<\/p>\n<p class=\"indent\">Un ALS id\u00e9al s&rsquo;adapte de plusieurs fa\u00e7ons. Dans la boucle externe, la s\u00e9quence des activit\u00e9s d&rsquo;apprentissage est adapt\u00e9e &#8211; similaire \u00e0 Youtube qui adapte la liste des vid\u00e9os recommand\u00e9es. La boucle externe pourrait \u00e9galement personnaliser les approches d&rsquo;apprentissage et les niveaux de difficult\u00e9.<\/p>\n<p class=\"indent\">Dans la boucle interne, au sein de chaque activit\u00e9, l&rsquo;ALS surveille la performance \u00e9tape par \u00e9tape. Elle adapte le retour d&rsquo;information et les indices pour corriger les id\u00e9es fausses, le cas \u00e9ch\u00e9ant. Elle peut \u00e9galement indiquer un contenu suppl\u00e9mentaire si l&rsquo;\u00e9l\u00e8ve a du mal \u00e0 se souvenir d&rsquo;un concept appris pr\u00e9c\u00e9demment. Certains experts affirment qu&rsquo;il est pr\u00e9f\u00e9rable de laisser la boucle interne \u00e0 l&rsquo;instructeur : non seulement il est co\u00fbteux et long de programmer toutes les r\u00e8gles pour le sujet et la t\u00e2che sp\u00e9cifiques, mais les connaissances et l&rsquo;exp\u00e9rience de l&rsquo;enseignant l&#8217;emporteront toujours sur celles de la machine<sup>3<\/sup>.<\/p>\n<h3>Comment les syst\u00e8mes adaptatifs apprennent l&rsquo;apprenant<\/h3>\n<p class=\"no-indent\">Comme tous les probl\u00e8mes de recommandation (voir <a href=\"ai-speak--how-youtube-learns-you\" target=\"_blank\" rel=\"noopener\" data-cke-saved-href=\"ai-speak--how-youtube-learns-you\">Comment Youtube vous apprend Partie 1<\/a>), ALS divise la t\u00e2che en une ou plusieurs questions de substitution auxquelles la machine peut r\u00e9pondre. Encore une fois, le choix de ce qu&rsquo;il faut demander &#8211; et donc, de ce qu&rsquo;il faut pr\u00e9dire &#8211; a un impact important sur la recommandation affich\u00e9e.<\/p>\n<p class=\"indent\">Le mat\u00e9riel de marketing \u00e9voque souvent des objectifs multiples : am\u00e9lioration des notes, employabilit\u00e9, engagement&#8230; Compte tenu de la nature propri\u00e9taire des syst\u00e8mes, on ne sait g\u00e9n\u00e9ralement pas quelles questions sont cod\u00e9es dans les syst\u00e8mes, quels objectifs sont optimis\u00e9s et comment les objectifs \u00e0 court terme sont diff\u00e9renci\u00e9s des objectifs \u00e0 long terme (par exemple, la ma\u00eetrise d&rsquo;un contenu donn\u00e9 pour passer au niveau scolaire suivant)<sup>4<\/sup>.<\/p>\n<p class=\"indent\">Lorsque l&rsquo;apprentissage automatique est utilis\u00e9, quels que soient les objectifs choisis, la pr\u00e9diction elle-m\u00eame est bas\u00e9e sur d&rsquo;autres apprenants ayant des niveaux de comp\u00e9tences et des pr\u00e9f\u00e9rences similaires. C&rsquo;est-\u00e0-dire des apprenants dont les mod\u00e8les sont similaires.<\/p>\n<h3>Le mod\u00e8le de l&rsquo;apprenant<\/h3>\n<p class=\"no-indent\">Pour cr\u00e9er un mod\u00e8le d&rsquo;\u00e9tudiant, les d\u00e9veloppeurs se demandent quelles caract\u00e9ristiques de l&rsquo;\u00e9tudiant sont pertinentes pour le processus d&rsquo;apprentissage. Contrairement aux enseignants qui peuvent observer directement leurs \u00e9l\u00e8ves et adapter leur approche, les machines sont limit\u00e9es aux donn\u00e9es qu&rsquo;elles peuvent collecter et traiter.<\/p>\n<p class=\"indent\">Des caract\u00e9ristiques typiques prises en compte dans un mod\u00e8le d&rsquo;\u00e9tudiant :<\/p>\n<ul>\n<li><strong>Que sait l&rsquo;\u00e9l\u00e8ve &#8211; son niveau de connaissances, ses comp\u00e9tences et ses id\u00e9es fausses<\/strong><sup>5,2,6<\/sup> ? Celles-ci sont g\u00e9n\u00e9ralement d\u00e9duites par le biais d&rsquo;\u00e9valuations, par exemple, la r\u00e9ponse qu&rsquo;un \u00e9l\u00e8ve soumet pour un probl\u00e8me de math\u00e9matiques.<sup>1<\/sup> Ces connaissances ant\u00e9rieures sont ensuite compar\u00e9es \u00e0 ce qu&rsquo;il devra savoir \u00e0 la fin de la p\u00e9riode d&rsquo;apprentissage.<\/li>\n<li><strong>Comment l&rsquo;\u00e9l\u00e8ve pr\u00e9f\u00e8re apprendre ? Le processus d&rsquo;apprentissage et les pr\u00e9f\u00e9rences<\/strong><sup>5,6<\/sup>. Par exemple, le nombre de fois qu&rsquo;un \u00e9tudiant tente de r\u00e9pondre \u00e0 une question avant de parvenir \u00e0 la bonne r\u00e9ponse, les types de ressources consult\u00e9es, les notes qu&rsquo;il a donn\u00e9es \u00e0 une activit\u00e9<sup>1<\/sup> ou le mat\u00e9riel qui l&rsquo;a le plus engag\u00e9 &#8211; images, audio ou texte<sup>2<\/sup>. Les ALS peuvent \u00e9galement enregistrer <strong>quand et comment les comp\u00e9tences ont \u00e9t\u00e9 acquises et quelles p\u00e9dagogies ont le mieux fonctionn\u00e9 <\/strong><sup>6<\/sup>.<\/li>\n<li><strong>L&rsquo;\u00e9l\u00e8ve se sent-il motiv\u00e9 ? Les sentiments et les \u00e9motions<\/strong> peuvent \u00eatre enregistr\u00e9s directement par l&rsquo;\u00e9l\u00e8ve ou extraits indirectement de la parole, des expressions faciales, du suivi des yeux, du langage corporel, des signaux physiologiques ou de combinaisons de ces \u00e9l\u00e9ments. Ces informations peuvent ensuite \u00eatre utilis\u00e9es pour sortir l&rsquo;\u00e9tudiant d&rsquo;\u00e9tats n\u00e9gatifs tels que l&rsquo;ennui ou la frustration qui inhibent l&rsquo;apprentissage, et le faire passer \u00e0 des \u00e9tats positifs tels que l&rsquo;engagement ou le plaisir.<sup>7<\/sup><\/li>\n<li>Qu&rsquo;en est-il des <strong>aspects cognitifs tels que la m\u00e9moire, l&rsquo;attention, la capacit\u00e9 \u00e0 r\u00e9soudre des probl\u00e8mes, la capacit\u00e9 \u00e0 prendre des d\u00e9cisions, l&rsquo;analyse de situations et la pens\u00e9e critique<\/strong><sup>5 <\/sup>?<\/li>\n<li>Comment communiquent-ils <strong> et collaborent-ils<\/strong><sup>5 <\/sup>? Par exemple, publient-ils des commentaires sur les flux d\u2019autres \u00e9l\u00e8ves et comment discutent-ils avec d\u2019autres pour r\u00e9soudre des probl\u00e8mes<sup>1 <\/sup>?<\/li>\n<li>Qu&rsquo;en est-il des comp\u00e9tences m\u00e9tacognitives comme <strong>l&rsquo;autor\u00e9gulation, l&rsquo;auto-explication, l&rsquo;auto-\u00e9valuation et l&rsquo;autogestion<\/strong><sup>5<\/sup>, <strong>la sollicitation d&rsquo;aide<\/strong>, <strong>la conscience et la capacit\u00e9 de contr\u00f4ler leur propre pens\u00e9e ?<\/strong> Par exemple, comment ils s\u00e9lectionnent leurs objectifs d&rsquo;apprentissage, utilisent leurs connaissances ant\u00e9rieures ou choisissent intentionnellement des strat\u00e9gies de r\u00e9solution de probl\u00e8mes.<sup>5<\/sup><\/li>\n<\/ul>\n<p class=\"no-indent\">Alors que ces donn\u00e9es changent, doivent \u00eatre enregistr\u00e9es et mises \u00e0 jour, les mod\u00e8les contiennent \u00e9galement des <strong>caract\u00e9ristiques statiques telles que l&rsquo;\u00e2ge, le sexe, la langue maternelle et le courriel<\/strong><sup>2<\/sup>.<\/p>\n<p class=\"indent\">La plupart des ALS cr\u00e9ent des mod\u00e8les d&rsquo;apprenants en se basant sur les interactions avec les \u00e9tudiants. Certaines glanent \u00e9galement des informations sur d&rsquo;autres sites, notamment sur les r\u00e9seaux sociaux. Une fois qu&rsquo;un mod\u00e8le est disponible pour chaque apprenant, la machine calcule quels \u00e9tudiants sont similaires les uns aux autres et estime la probabilit\u00e9 qu&rsquo;un \u00e9tudiant donn\u00e9 b\u00e9n\u00e9ficie d&rsquo;une activit\u00e9, d&rsquo;un exemple ou d&rsquo;une question<sup>3<\/sup>.<\/p>\n<h3>Le mod\u00e8le de domaine<\/h3>\n<p class=\"no-indent\"><img loading=\"lazy\" decoding=\"async\" class=\"alignleft wp-image-123\" src=\"http:\/\/aiopentext.itd.cnr.it\/wp-content\/uploads\/sites\/15\/2024\/01\/FR-24.2.png\" alt=\"\" width=\"375\" height=\"472\" \/>Nous pouvons \u00e9tablir un parall\u00e8le approximatif entre les objets d&rsquo;apprentissage dans une ALS et les vid\u00e9os sur Youtube. Un sujet peut \u00eatre d\u00e9compos\u00e9 en concepts et comp\u00e9tences, appel\u00e9s <strong>unit\u00e9s de connaissances<\/strong> (UC) : ce sont les connaissances que l&rsquo;apprenant doit conna\u00eetre<sup>3<\/sup>. Chaque UC poss\u00e8de un ensemble d&rsquo;objets d&rsquo;apprentissage gr\u00e2ce auxquels le contenu peut \u00eatre appris et un ensemble d&rsquo;activit\u00e9s pour \u00e9valuer l&rsquo;apprentissage. Certains auteurs d\u00e9composent davantage les objets d&rsquo;apprentissage en activit\u00e9s d&rsquo;apprentissage, nous ne le faisons pas ici.<\/p>\n<p class=\"indent\">Les objets d&rsquo;apprentissage\u00a0 ; peuvent \u00eatre un texte \u00e0 lire, une vid\u00e9o, un ensemble de probl\u00e8mes, des activit\u00e9s interactives (du simple remplissage des blancs aux activit\u00e9s d&rsquo;apprentissage bas\u00e9es sur un sc\u00e9nario), une animation interactive, etc.<sup>1<\/sup>Les objets d&rsquo;apprentissage donnent ce que l&rsquo;apprenant doit savoir et les activit\u00e9s d&rsquo;\u00e9valuation indiquent si les connaissances ont \u00e9t\u00e9 acquises<sup>3<\/sup>. Le mod\u00e8le de domaine contient toutes les caract\u00e9ristiques des objets d&rsquo;apprentissage, y compris les UC et les \u00e9valuations associ\u00e9es.<\/p>\n<p class=\"indent\">Ce qu&rsquo;un apprenant apprend ensuite d\u00e9pendra \u00e9galement des interrelations entre les UC et celles-ci doivent donc \u00e9galement entrer dans le mod\u00e8le : les objets d&rsquo;apprentissage A et B pourraient tous deux \u00eatre des pr\u00e9requis pour l&rsquo;objet d&rsquo;apprentissage D. Ainsi, A et B doivent \u00eatre ma\u00eetris\u00e9s avant D. Il existe un ordre parmi certaines UC qui nous indique comment on apprend<sup>3<\/sup>. \u00c0 l&rsquo;inverse, si l&rsquo;\u00e9tudiant r\u00e9sout correctement un probl\u00e8me correspondant \u00e0 D, il y a fort \u00e0 parier qu&rsquo;il a \u00e9galement ma\u00eetris\u00e9 A et B.<\/p>\n<p class=\"indent\">Les experts en la mati\u00e8re peuvent fournir certaines de ces relations. Le reste des inf\u00e9rences peut \u00eatre appris par la machine qui peut pr\u00e9dire la probabilit\u00e9 qu&rsquo;une UC a \u00e9t\u00e9 ma\u00eetris\u00e9 : \u00e0 quel point un syst\u00e8me est s\u00fbr que l&rsquo;apprenant a ma\u00eetris\u00e9 A et B, \u00e9tant donn\u00e9 qu&rsquo;il a r\u00e9pondu aux questions sous D. Il peut ensuite utiliser cette information, ainsi que d&rsquo;autres caract\u00e9ristiques des mod\u00e8les d&rsquo;apprenants et de domaines pour recommander des parcours d&rsquo;apprentissage et des objets d&rsquo;apprentissage.<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-124 aligncenter\" src=\"http:\/\/aiopentext.itd.cnr.it\/wp-content\/uploads\/sites\/15\/2024\/01\/FR-24.3.png\" alt=\"\" width=\"567\" height=\"402\" srcset=\"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-content\/uploads\/sites\/15\/2024\/01\/FR-24.3.png 1748w, https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-content\/uploads\/sites\/15\/2024\/01\/FR-24.3-300x213.png 300w, https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-content\/uploads\/sites\/15\/2024\/01\/FR-24.3-1024x726.png 1024w, https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-content\/uploads\/sites\/15\/2024\/01\/FR-24.3-768x545.png 768w, https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-content\/uploads\/sites\/15\/2024\/01\/FR-24.3-1536x1090.png 1536w, https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-content\/uploads\/sites\/15\/2024\/01\/FR-24.3-65x46.png 65w, https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-content\/uploads\/sites\/15\/2024\/01\/FR-24.3-225x160.png 225w, https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-content\/uploads\/sites\/15\/2024\/01\/FR-24.3-350x248.png 350w\" sizes=\"(max-width: 567px) 100vw, 567px\" \/><\/p>\n<p class=\"no-indent\">Les autres caract\u00e9ristiques des objets d&rsquo;apprentissage pourraient inclure le niveau de difficult\u00e9 de l&rsquo;activit\u00e9, sa popularit\u00e9 et ses \u00e9valuations. L&rsquo;objectif ici, comme dans le cas de la recommandation Youtube, est d&rsquo;extraire le plus d&rsquo;informations possible des donn\u00e9es disponibles.<\/p>\n<hr \/>\n<p class=\"hanging-indent\"><sup>1<\/sup> EdSurge, <em>Decoding Adaptive<\/em>, Pearson, London, 2016.<\/p>\n<p class=\"hanging-indent\"><sup>2 <\/sup>Alkhatlan, A., Kalita, J.K., <em>Intelligent Tutoring Systems: A Comprehensive Historical Survey with Recent Developments<\/em>, International Journal of Computer Applications 181(43):1-20, March 2019.<\/p>\n<p class=\"hanging-indent\"><sup>3 <\/sup>Essa, A.,<em><a href=\"https:\/\/doi.org\/10.1186\/s40561-016-0038-y\" target=\"_blank\" rel=\"noopener\" data-cke-saved-href=\"https:\/\/doi.org\/10.1186\/s40561-016-0038-y\"> A possible future for next generation adaptive learning systems<\/a><\/em>, Smart Learning Environments, 3, 16, 2016.<\/p>\n<p class=\"hanging-indent\"><sup>4 <\/sup>Bulger M., <em>Personalised Learning: The Conversations We\u2019re Not Having<\/em>, Data &amp; Society Working Paper, 2016.<\/p>\n<p class=\"hanging-indent\"><sup>5 <\/sup>Chrysafiadi, K., Virvou, M., <em>Student modeling approaches: A literature review for the last decade<\/em>, Expert Systems with Applications, Elsevier, 2013.<\/p>\n<p class=\"hanging-indent\"><sup>6 <\/sup>Groff, J., <em>Personalized Learning: The state of the field and future directions<\/em>, Center for curriculum redesign, 2017.<\/p>\n<p class=\"hanging-indent\"><sup>7 <\/sup>du Boulay, B., Poulovasillis, A., Holmes, W., Mavrikis, M., <em>Artificial Intelligence And Big Data Technologies To Close The Achievement Gap<\/em>, In: Luckin, Rose ed. Enhancing Learning and Teaching with Technology. London: UCL Institute of Education Press, pp. 256\u201328, 2018.<\/p>\n","protected":false},"author":1,"menu_order":5,"template":"","meta":{"pb_show_title":"","pb_short_title":"","pb_subtitle":"","pb_authors":[],"pb_section_license":""},"chapter-type":[],"contributor":[],"license":[],"part":103,"_links":{"self":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapters\/125"}],"collection":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapters"}],"about":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/types\/chapter"}],"author":[{"embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/users\/1"}],"version-history":[{"count":1,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapters\/125\/revisions"}],"predecessor-version":[{"id":126,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapters\/125\/revisions\/126"}],"part":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/parts\/103"}],"metadata":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapters\/125\/metadata\/"}],"wp:attachment":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/media?parent=125"}],"wp:term":[{"taxonomy":"chapter-type","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapter-type?post=125"},{"taxonomy":"contributor","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/contributor?post=125"},{"taxonomy":"license","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/license?post=125"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}