{"id":131,"date":"2023-11-30T16:30:38","date_gmt":"2023-11-30T16:30:38","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/chapter\/the-flip-side-of-als-some-paradigms-to-take-note-of\/"},"modified":"2024-01-31T11:51:10","modified_gmt":"2024-01-31T11:51:10","slug":"the-flip-side-of-als-some-paradigms-to-take-note-of","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/chapter\/the-flip-side-of-als-some-paradigms-to-take-note-of\/","title":{"raw":"L'envers des syst\u00e8mes d'apprentissage adaptatif : quelques paradigmes \u00e0 prendre en compte","rendered":"L&rsquo;envers des syst\u00e8mes d&rsquo;apprentissage adaptatif : quelques paradigmes \u00e0 prendre en compte"},"content":{"raw":"Malgr\u00e9 le potentiel promis par les syst\u00e8mes d'apprentissage adaptatifs, de nombreuses questions restent sans r\u00e9ponse. Il n'y a pas encore assez de recherches ou de documentation sur les pratiques en classe qui permettent d'aborder ces questions :\n<ul>\n \t<li>Les syst\u00e8mes de recommandation sont utilis\u00e9s pour sugg\u00e9rer des films aux utilisateurs de Netflix. Les syst\u00e8mes de recommandation sont utilis\u00e9s pour sugg\u00e9rer des films aux utilisateurs de Netflix. Ils aident les consommateurs \u00e0 faire le bon choix, par exemple de haut-parleurs audio sur Amazon. Mais peuvent-ils r\u00e9ellement am\u00e9liorer les r\u00e9sultats d'apprentissage de chaque \u00e9l\u00e8ve dans la classe<sup>1<\/sup> ?<\/li>\n \t<li>Le fait de se concentrer en permanence sur les performances et l'individualisation affecte-t-il le bien-\u00eatre psychologique de l'\u00e9l\u00e8ve<sup>2<\/sup> ?<\/li>\n \t<li>L'individualisation exige beaucoup de discipline et d'autor\u00e9gulation de la part de l'\u00e9l\u00e8ve. Il doit commencer \u00e0 travailler seul et continuer jusqu'\u00e0 ce qu'il ait termin\u00e9 toutes les activit\u00e9s qui lui sont assign\u00e9es. Tous les \u00e9l\u00e8ves sont-ils capables de le faire sans aide<sup>2<\/sup> ?<\/li>\n \t<li>Comment \u00e9quilibrer l'individualisation et les opportunit\u00e9s d'apprentissage social<sup>3<\/sup> ?<\/li>\n \t<li>Comment passer de l'utilisation d'un syst\u00e8me d'apprentissage adaptatif comme support pour un seul sujet \u00e0 l'utilisation syst\u00e9matique de ces syst\u00e8mes, \u00e0 travers les sujets et les mati\u00e8res<sup>2<\/sup> ? Qu'en est-il de la modification du programme scolaire qui sera n\u00e9cessaire pour une telle int\u00e9gration de l'adaptabilit\u00e9<sup>3<\/sup> ?<\/li>\n \t<li>Qu'en est-il de l'infrastructure requise ? Que faut-il faire en ce qui concerne les donn\u00e9es et la vie priv\u00e9e, les pr\u00e9jug\u00e9s et les st\u00e9r\u00e9otypes renforc\u00e9s<sup>3<\/sup> ?<\/li>\n<\/ul>\nLors de l'\u00e9laboration d'un syst\u00e8me d'apprentissage adaptatif, certains principes sont utilis\u00e9s soit directement, soit implicitement. Ces principes ne sont pas toujours sans cons\u00e9quences.\n<h3>Un paradigme des syst\u00e8mes d'apprentissage adaptatif : L'ancien c'est de l'or<\/h3>\n<p class=\"no-indent\">Que font les syst\u00e8mes d'apprentissage automatique lorsqu'ils pr\u00e9disent ou recommandent quelque chose ? Ils utilisent les exp\u00e9riences pass\u00e9es, les pr\u00e9f\u00e9rences et les performances de l'\u00e9tudiant pour choisir ce qu'ils vont lui recommander : Ils se basent sur le pass\u00e9 pour pr\u00e9dire l'avenir. Par cons\u00e9quent, ces syst\u00e8mes sont toujours biais\u00e9s par rapport au pass\u00e9<sup>4<\/sup>. L'apprentissage automatique fonctionne mieux dans un monde statique et stable o\u00f9 le pass\u00e9 ressemble \u00e0 l'avenir<sup>5<\/sup>. Les syst\u00e8me d'apprentissage adaptatif bas\u00e9s sur des mod\u00e8les d'apprentissage automatique font plus ou moins la m\u00eame chose, mais en y ajoutant des consid\u00e9rations p\u00e9dagogiques.<\/p>\nPar cons\u00e9quent, ces syst\u00e8mes ne sont pas en mesure de tenir compte des fluctuations de la normalit\u00e9, telles que la pand\u00e9mie de COVID, les probl\u00e8mes de sant\u00e9 et autres. Ils sont encore moins capables de tenir compte de l'\u00e2ge, de la croissance, de la ma\u00eetrise de nouvelles comp\u00e9tences et de l'\u00e9volution personnelle des jeunes.\n\nLe comportement des \u00e9l\u00e8ves est-il m\u00eame pr\u00e9visible ? Combien de fois pouvons-nous r\u00e9p\u00e9ter une formule qui a bien fonctionn\u00e9 dans le pass\u00e9 avant qu'elle ne devienne ennuyeuse et r\u00e9p\u00e9titive et n'entrave le progr\u00e8s<sup>6<\/sup> ? M\u00eame si une telle pr\u00e9diction \u00e9tait possible, est-il prudent de n'exposer les \u00e9l\u00e8ves qu'\u00e0 des choses qu'ils aiment et avec lesquelles ils sont \u00e0 l'aise ? D'un autre c\u00f4t\u00e9, quelle quantit\u00e9 de nouveaut\u00e9 est accablante et contre-productive<sup>6<\/sup> ?\n\nEn r\u00e9sum\u00e9, il est difficile de d\u00e9terminer le degr\u00e9 de similitude entre les activit\u00e9s recommand\u00e9es, le nombre de nouveaux types d'activit\u00e9s \u00e0 introduire au cours d'une session et le moment o\u00f9 il serait productif de pousser un \u00e9l\u00e8ve \u00e0 relever des d\u00e9fis et \u00e0 explorer de nouveaux centres d'int\u00e9r\u00eat. Et les r\u00e9ponses ne se trouvent pas uniquement dans le pass\u00e9 des \u00e9l\u00e8ves.\n<h3>Un paradigme de l'apprentissage adaptatif : l'explicite refl\u00e8te l'implicite<\/h3>\n<p class=\"no-indent\">M\u00eame lorsque le pass\u00e9 peut \u00eatre utilis\u00e9 de mani\u00e8re fiable pour pr\u00e9dire l'avenir, le pass\u00e9 lui-m\u00eame peut \u00eatre difficile \u00e0 saisir avec pr\u00e9cision. Comment Youtube peut-il savoir qu'un utilisateur a aim\u00e9 une vid\u00e9o ? C'est plus facile lorsqu'il a cliqu\u00e9 sur le bouton \"J'aime\" ou s'est abonn\u00e9 \u00e0 la cha\u00eene m\u00e8re apr\u00e8s l'avoir regard\u00e9e. Mais ce type de comportement explicite est souvent rare. Les syst\u00e8mes de recommandation doivent r\u00e9guli\u00e8rement recourir \u00e0 des signaux implicites qui peuvent ou non refl\u00e9ter totalement la v\u00e9rit\u00e9<sup>4<\/sup>. Par exemple, Youtube utilise le temps qu'un utilisateur a pass\u00e9 \u00e0 regarder la vid\u00e9o comme un signal implicite qu'il a aim\u00e9 la vid\u00e9o et qu'il aimerait regarder des contenus similaires. Cependant, le fait qu'une vid\u00e9o ait \u00e9t\u00e9 visionn\u00e9e sur l'ordinateur d'une personne jusqu'\u00e0 la fin ne signifie pas que cette personne l'a aim\u00e9e, ni m\u00eame qu'elle l'a regard\u00e9e<sup>7<\/sup>.<\/p>\nQu'en est-il de la mani\u00e8re dont le retour d'information est enregistr\u00e9 dans un syst\u00e8me d'apprentissage adaptatif ? Pour d\u00e9terminer, par exemple, si un \u00e9l\u00e8ve a \u00e9t\u00e9 attentif pendant une activit\u00e9, le syst\u00e8me peut enregistrer le nombre de ressources num\u00e9riques sur lesquelles il a cliqu\u00e9, ainsi que le moment et la dur\u00e9e de l'acc\u00e8s \u00e0 ces ressources. Mais ces donn\u00e9es ne peuvent pas refl\u00e9ter avec pr\u00e9cision le niveau d'attention de l'\u00e9l\u00e8ve<sup>1<\/sup>.\n\nPar exemple, si l'\u00e9l\u00e8ve sait clairement ce qu'il doit faire pour une activit\u00e9, il peut consulter quelques ressources et se concentrer rapidement sur les points essentiels. Quelqu'un qui n'est pas aussi clair peut ouvrir et passer du temps sur toutes les ressources list\u00e9es sans apprendre grand-chose<sup>1<\/sup>. Il est possible que le premier \u00e9l\u00e8ve soit injustement signal\u00e9 pour son manque de motivation et qu'on lui demande de faire un travail suppl\u00e9mentaire.\n\nIl faut \u00e9galement garder \u00e0 l'esprit que les mod\u00e8les d'apprentissage automatique ne peuvent que constater que deux choses - un \u00e9l\u00e8ve qui clique sur une ressource et un \u00e9l\u00e8ve qui obtient une note \u00e9lev\u00e9e dans l'exercice associ\u00e9 - se sont produites. Ils ne peuvent pas d\u00e9duire que l'\u00e9l\u00e8ve a obtenu une bonne note parce qu'il a consult\u00e9 la ressource - ils peuvent d\u00e9duire une corr\u00e9lation mais pas une causalit\u00e9<sup>5<\/sup>.\n\nDans certains syst\u00e8mes d'apprentissage adaptatif, on s'attend injustement \u00e0 ce que l'enseignant se plonge dans ces erreurs et les corrige. Dans d'autres syst\u00e8mes, l'enseignant n'a m\u00eame pas la possibilit\u00e9 de le faire.\n<h3>Le paradigme des syst\u00e8mes d'apprentissage adaptatif : tout peut \u00eatre remplac\u00e9 par cette seule question<\/h3>\n<p class=\"no-indent\">Les syst\u00e8mes de recommandation ne peuvent pas g\u00e9rer des objectifs multiples. L'objectif d'un syst\u00e8me d'apprentissage adaptatif est souvent pr\u00e9sent\u00e9 sous la forme d'une seule question : la question de substitution. Quelle note l'utilisateur a-t-il donn\u00e9 \u00e0 un film, combien de temps a-t-il regard\u00e9 une vid\u00e9o, quel est le score de l'\u00e9tudiant dans un quiz, dans quelle mesure a-t-il satisfait aux crit\u00e8res utilis\u00e9s par la machine pour mesurer l'attention... Les syst\u00e8mes sont ensuite entra\u00een\u00e9s \u00e0 atteindre cet objectif et test\u00e9s en fonction de sa r\u00e9alisation. Leur performance est constamment ajust\u00e9e pour maximiser leur score par rapport \u00e0 cet objectif.<\/p>\nSi l'objectif est d'obtenir un bon score \u00e0 l'examen, certains contenus sont recommand\u00e9s d'une certaine mani\u00e8re. La performance \u00e0 l'examen est alors le probl\u00e8me de substitution qui est r\u00e9solu. Si l'objectif est simplement de les inciter \u00e0 cliquer sur de nombreuses ressources, les recommandations seront adapt\u00e9es pour les pousser \u00e0 le faire. Rendre les ressources attrayantes est donc le probl\u00e8me - la question \u00e0 laquelle on r\u00e9pond.\n\nLe choix de la question a une importance consid\u00e9rable sur le fonctionnement d'un syst\u00e8me d'apprentissage adaptatif<sup>4<\/sup>. De plus, le choix du probl\u00e8me de substitution pour les recommandations rel\u00e8ve plus de l'art que de la science<sup>4<\/sup>.\n<h3>Tout ce qui est technique n'est pas de la haute technologie<\/h3>\n<p class=\"no-indent\">Comme nous l'avons vu jusqu'\u00e0 pr\u00e9sent, de nombreuses d\u00e9cisions entrent dans la fabrication des syst\u00e8me d'apprentissage adaptatif: quelles donn\u00e9es sont mesur\u00e9es, comment ces donn\u00e9es sont utilis\u00e9es pour \u00e9valuer le retour d'information et d'autres informations, quels objectifs sont optimis\u00e9s, quels algorithmes sont utilis\u00e9s pour optimiser ces objectifs... Le plus souvent, ce sont des programmeurs, des scientifiques des donn\u00e9es, des experts en finance et en marketing qui sont impliqu\u00e9s dans la prise de ces d\u00e9cisions. La participation des enseignants et des experts p\u00e9dagogiques au processus de d\u00e9veloppement est rare et intervient souvent apr\u00e8s le processus de conception<sup>2<\/sup>. Les produits ne sont pas test\u00e9s sur le terrain avant d'\u00eatre adopt\u00e9s dans les \u00e9coles et leur efficacit\u00e9 proclam\u00e9e repose souvent sur des t\u00e9moignages et des anecdotes, plut\u00f4t que sur des recherches scientifiques<sup>2<\/sup>.<\/p>\nPar cons\u00e9quent, les besoins et la familiarit\u00e9 d'une \u00e9cole n'ont que peu d'impact sur ce que les entreprises construisent. Enfin, le co\u00fbt, la disponibilit\u00e9 et l'infrastructure ont une influence majeure sur ce que les \u00e9coles peuvent acheter. Il est important de garder cela \u00e0 l'esprit lorsque l'on d\u00e9cide d'utiliser ou non un produit particulier : il est peut-\u00eatre pr\u00e9f\u00e9rable de ne pas les consid\u00e9rer tous comme des syst\u00e8mes d'apprentissage adaptatifs ou IA, mais comme des syst\u00e8mes individuels ayant des objectifs, des conceptions et des capacit\u00e9s tr\u00e8s diff\u00e9rents.\n\nLes syst\u00e8me d'apprentissage adaptatif dans leur ensemble peuvent \u00eatre utilis\u00e9s pour personnaliser le retour d'information, l'\u00e9chafaudage et la pratique. Ils peuvent d\u00e9tecter des lacunes dans l'apprentissage et y rem\u00e9dier dans les limites de la programmation et de la conception. Ils ne peuvent pas d\u00e9tecter les \"moments propices \u00e0 l'enseignement\" ou le moment opportun pour tirer parti de l'ambiance de la classe afin d'introduire une nouvelle id\u00e9e ou un nouvel exemple. Ces capacit\u00e9s qui rendent l'apprentissage <em>magique<\/em> et qui permettent \u00e0 la le\u00e7on de perdurer dans l'esprit de l'\u00e9l\u00e8ve sont uniquement du ressort de l'enseignant.\n\n&nbsp;\n\n<hr>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>1<\/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\" style=\"text-align: left\"><sup>2 <\/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\" style=\"text-align: left\"><sup>3 <\/sup>Holmes, W., Anastopoulou S., Schaumburg, H &amp; Mavrikis, M.<em>,Technology-enhanced personalised learning: untangling the evidence,<\/em>\u00a0Stuttgart: Robert Bosch Stiftung, 2018.<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>4 <\/sup>Covington, P., Adams, J., Sargin, E., <em>Deep neural networks for Youtube Recommendations<\/em>, Proceedings of the 10th ACM Conference on Recommender Systems, ACM, New York, 2016.<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>5 <\/sup>Barocas, S.,\u00a0 Hardt, M., Narayanan, A., <em><a href=\"https:\/\/fairmlbook.org\/\" target=\"_blank\" rel=\"noopener\" data-cke-saved-href=\"https:\/\/fairmlbook.org\/\">Fairness and machine learning Limitations and Opportunities<\/a>, <\/em>2022.<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>6 <\/sup>Konstan, J., Terveen, L., <em>Human-centered recommender systems: Origins, advances, challenges, and opportunities<\/em>, AI Magazine, 42(3), 31-42, 2021.<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>7 <\/sup>Davidson, J., Liebald, B., Liu, J., Nandy, P., Vleet, T., <em>The Youtube Video Recommendation System<\/em>, Proceedings of the 4th ACM Conference on Recommender Systems, Barcelona, 2010.<\/p>","rendered":"<p>Malgr\u00e9 le potentiel promis par les syst\u00e8mes d&rsquo;apprentissage adaptatifs, de nombreuses questions restent sans r\u00e9ponse. Il n&rsquo;y a pas encore assez de recherches ou de documentation sur les pratiques en classe qui permettent d&rsquo;aborder ces questions :<\/p>\n<ul>\n<li>Les syst\u00e8mes de recommandation sont utilis\u00e9s pour sugg\u00e9rer des films aux utilisateurs de Netflix. Les syst\u00e8mes de recommandation sont utilis\u00e9s pour sugg\u00e9rer des films aux utilisateurs de Netflix. Ils aident les consommateurs \u00e0 faire le bon choix, par exemple de haut-parleurs audio sur Amazon. Mais peuvent-ils r\u00e9ellement am\u00e9liorer les r\u00e9sultats d&rsquo;apprentissage de chaque \u00e9l\u00e8ve dans la classe<sup>1<\/sup> ?<\/li>\n<li>Le fait de se concentrer en permanence sur les performances et l&rsquo;individualisation affecte-t-il le bien-\u00eatre psychologique de l&rsquo;\u00e9l\u00e8ve<sup>2<\/sup> ?<\/li>\n<li>L&rsquo;individualisation exige beaucoup de discipline et d&rsquo;autor\u00e9gulation de la part de l&rsquo;\u00e9l\u00e8ve. Il doit commencer \u00e0 travailler seul et continuer jusqu&rsquo;\u00e0 ce qu&rsquo;il ait termin\u00e9 toutes les activit\u00e9s qui lui sont assign\u00e9es. Tous les \u00e9l\u00e8ves sont-ils capables de le faire sans aide<sup>2<\/sup> ?<\/li>\n<li>Comment \u00e9quilibrer l&rsquo;individualisation et les opportunit\u00e9s d&rsquo;apprentissage social<sup>3<\/sup> ?<\/li>\n<li>Comment passer de l&rsquo;utilisation d&rsquo;un syst\u00e8me d&rsquo;apprentissage adaptatif comme support pour un seul sujet \u00e0 l&rsquo;utilisation syst\u00e9matique de ces syst\u00e8mes, \u00e0 travers les sujets et les mati\u00e8res<sup>2<\/sup> ? Qu&rsquo;en est-il de la modification du programme scolaire qui sera n\u00e9cessaire pour une telle int\u00e9gration de l&rsquo;adaptabilit\u00e9<sup>3<\/sup> ?<\/li>\n<li>Qu&rsquo;en est-il de l&rsquo;infrastructure requise ? Que faut-il faire en ce qui concerne les donn\u00e9es et la vie priv\u00e9e, les pr\u00e9jug\u00e9s et les st\u00e9r\u00e9otypes renforc\u00e9s<sup>3<\/sup> ?<\/li>\n<\/ul>\n<p>Lors de l&rsquo;\u00e9laboration d&rsquo;un syst\u00e8me d&rsquo;apprentissage adaptatif, certains principes sont utilis\u00e9s soit directement, soit implicitement. Ces principes ne sont pas toujours sans cons\u00e9quences.<\/p>\n<h3>Un paradigme des syst\u00e8mes d&rsquo;apprentissage adaptatif : L&rsquo;ancien c&rsquo;est de l&rsquo;or<\/h3>\n<p class=\"no-indent\">Que font les syst\u00e8mes d&rsquo;apprentissage automatique lorsqu&rsquo;ils pr\u00e9disent ou recommandent quelque chose ? Ils utilisent les exp\u00e9riences pass\u00e9es, les pr\u00e9f\u00e9rences et les performances de l&rsquo;\u00e9tudiant pour choisir ce qu&rsquo;ils vont lui recommander : Ils se basent sur le pass\u00e9 pour pr\u00e9dire l&rsquo;avenir. Par cons\u00e9quent, ces syst\u00e8mes sont toujours biais\u00e9s par rapport au pass\u00e9<sup>4<\/sup>. L&rsquo;apprentissage automatique fonctionne mieux dans un monde statique et stable o\u00f9 le pass\u00e9 ressemble \u00e0 l&rsquo;avenir<sup>5<\/sup>. Les syst\u00e8me d&rsquo;apprentissage adaptatif bas\u00e9s sur des mod\u00e8les d&rsquo;apprentissage automatique font plus ou moins la m\u00eame chose, mais en y ajoutant des consid\u00e9rations p\u00e9dagogiques.<\/p>\n<p>Par cons\u00e9quent, ces syst\u00e8mes ne sont pas en mesure de tenir compte des fluctuations de la normalit\u00e9, telles que la pand\u00e9mie de COVID, les probl\u00e8mes de sant\u00e9 et autres. Ils sont encore moins capables de tenir compte de l&rsquo;\u00e2ge, de la croissance, de la ma\u00eetrise de nouvelles comp\u00e9tences et de l&rsquo;\u00e9volution personnelle des jeunes.<\/p>\n<p>Le comportement des \u00e9l\u00e8ves est-il m\u00eame pr\u00e9visible ? Combien de fois pouvons-nous r\u00e9p\u00e9ter une formule qui a bien fonctionn\u00e9 dans le pass\u00e9 avant qu&rsquo;elle ne devienne ennuyeuse et r\u00e9p\u00e9titive et n&rsquo;entrave le progr\u00e8s<sup>6<\/sup> ? M\u00eame si une telle pr\u00e9diction \u00e9tait possible, est-il prudent de n&rsquo;exposer les \u00e9l\u00e8ves qu&rsquo;\u00e0 des choses qu&rsquo;ils aiment et avec lesquelles ils sont \u00e0 l&rsquo;aise ? D&rsquo;un autre c\u00f4t\u00e9, quelle quantit\u00e9 de nouveaut\u00e9 est accablante et contre-productive<sup>6<\/sup> ?<\/p>\n<p>En r\u00e9sum\u00e9, il est difficile de d\u00e9terminer le degr\u00e9 de similitude entre les activit\u00e9s recommand\u00e9es, le nombre de nouveaux types d&rsquo;activit\u00e9s \u00e0 introduire au cours d&rsquo;une session et le moment o\u00f9 il serait productif de pousser un \u00e9l\u00e8ve \u00e0 relever des d\u00e9fis et \u00e0 explorer de nouveaux centres d&rsquo;int\u00e9r\u00eat. Et les r\u00e9ponses ne se trouvent pas uniquement dans le pass\u00e9 des \u00e9l\u00e8ves.<\/p>\n<h3>Un paradigme de l&rsquo;apprentissage adaptatif : l&rsquo;explicite refl\u00e8te l&rsquo;implicite<\/h3>\n<p class=\"no-indent\">M\u00eame lorsque le pass\u00e9 peut \u00eatre utilis\u00e9 de mani\u00e8re fiable pour pr\u00e9dire l&rsquo;avenir, le pass\u00e9 lui-m\u00eame peut \u00eatre difficile \u00e0 saisir avec pr\u00e9cision. Comment Youtube peut-il savoir qu&rsquo;un utilisateur a aim\u00e9 une vid\u00e9o ? C&rsquo;est plus facile lorsqu&rsquo;il a cliqu\u00e9 sur le bouton \u00ab\u00a0J&rsquo;aime\u00a0\u00bb ou s&rsquo;est abonn\u00e9 \u00e0 la cha\u00eene m\u00e8re apr\u00e8s l&rsquo;avoir regard\u00e9e. Mais ce type de comportement explicite est souvent rare. Les syst\u00e8mes de recommandation doivent r\u00e9guli\u00e8rement recourir \u00e0 des signaux implicites qui peuvent ou non refl\u00e9ter totalement la v\u00e9rit\u00e9<sup>4<\/sup>. Par exemple, Youtube utilise le temps qu&rsquo;un utilisateur a pass\u00e9 \u00e0 regarder la vid\u00e9o comme un signal implicite qu&rsquo;il a aim\u00e9 la vid\u00e9o et qu&rsquo;il aimerait regarder des contenus similaires. Cependant, le fait qu&rsquo;une vid\u00e9o ait \u00e9t\u00e9 visionn\u00e9e sur l&rsquo;ordinateur d&rsquo;une personne jusqu&rsquo;\u00e0 la fin ne signifie pas que cette personne l&rsquo;a aim\u00e9e, ni m\u00eame qu&rsquo;elle l&rsquo;a regard\u00e9e<sup>7<\/sup>.<\/p>\n<p>Qu&rsquo;en est-il de la mani\u00e8re dont le retour d&rsquo;information est enregistr\u00e9 dans un syst\u00e8me d&rsquo;apprentissage adaptatif ? Pour d\u00e9terminer, par exemple, si un \u00e9l\u00e8ve a \u00e9t\u00e9 attentif pendant une activit\u00e9, le syst\u00e8me peut enregistrer le nombre de ressources num\u00e9riques sur lesquelles il a cliqu\u00e9, ainsi que le moment et la dur\u00e9e de l&rsquo;acc\u00e8s \u00e0 ces ressources. Mais ces donn\u00e9es ne peuvent pas refl\u00e9ter avec pr\u00e9cision le niveau d&rsquo;attention de l&rsquo;\u00e9l\u00e8ve<sup>1<\/sup>.<\/p>\n<p>Par exemple, si l&rsquo;\u00e9l\u00e8ve sait clairement ce qu&rsquo;il doit faire pour une activit\u00e9, il peut consulter quelques ressources et se concentrer rapidement sur les points essentiels. Quelqu&rsquo;un qui n&rsquo;est pas aussi clair peut ouvrir et passer du temps sur toutes les ressources list\u00e9es sans apprendre grand-chose<sup>1<\/sup>. Il est possible que le premier \u00e9l\u00e8ve soit injustement signal\u00e9 pour son manque de motivation et qu&rsquo;on lui demande de faire un travail suppl\u00e9mentaire.<\/p>\n<p>Il faut \u00e9galement garder \u00e0 l&rsquo;esprit que les mod\u00e8les d&rsquo;apprentissage automatique ne peuvent que constater que deux choses &#8211; un \u00e9l\u00e8ve qui clique sur une ressource et un \u00e9l\u00e8ve qui obtient une note \u00e9lev\u00e9e dans l&rsquo;exercice associ\u00e9 &#8211; se sont produites. Ils ne peuvent pas d\u00e9duire que l&rsquo;\u00e9l\u00e8ve a obtenu une bonne note parce qu&rsquo;il a consult\u00e9 la ressource &#8211; ils peuvent d\u00e9duire une corr\u00e9lation mais pas une causalit\u00e9<sup>5<\/sup>.<\/p>\n<p>Dans certains syst\u00e8mes d&rsquo;apprentissage adaptatif, on s&rsquo;attend injustement \u00e0 ce que l&rsquo;enseignant se plonge dans ces erreurs et les corrige. Dans d&rsquo;autres syst\u00e8mes, l&rsquo;enseignant n&rsquo;a m\u00eame pas la possibilit\u00e9 de le faire.<\/p>\n<h3>Le paradigme des syst\u00e8mes d&rsquo;apprentissage adaptatif : tout peut \u00eatre remplac\u00e9 par cette seule question<\/h3>\n<p class=\"no-indent\">Les syst\u00e8mes de recommandation ne peuvent pas g\u00e9rer des objectifs multiples. L&rsquo;objectif d&rsquo;un syst\u00e8me d&rsquo;apprentissage adaptatif est souvent pr\u00e9sent\u00e9 sous la forme d&rsquo;une seule question : la question de substitution. Quelle note l&rsquo;utilisateur a-t-il donn\u00e9 \u00e0 un film, combien de temps a-t-il regard\u00e9 une vid\u00e9o, quel est le score de l&rsquo;\u00e9tudiant dans un quiz, dans quelle mesure a-t-il satisfait aux crit\u00e8res utilis\u00e9s par la machine pour mesurer l&rsquo;attention&#8230; Les syst\u00e8mes sont ensuite entra\u00een\u00e9s \u00e0 atteindre cet objectif et test\u00e9s en fonction de sa r\u00e9alisation. Leur performance est constamment ajust\u00e9e pour maximiser leur score par rapport \u00e0 cet objectif.<\/p>\n<p>Si l&rsquo;objectif est d&rsquo;obtenir un bon score \u00e0 l&rsquo;examen, certains contenus sont recommand\u00e9s d&rsquo;une certaine mani\u00e8re. La performance \u00e0 l&rsquo;examen est alors le probl\u00e8me de substitution qui est r\u00e9solu. Si l&rsquo;objectif est simplement de les inciter \u00e0 cliquer sur de nombreuses ressources, les recommandations seront adapt\u00e9es pour les pousser \u00e0 le faire. Rendre les ressources attrayantes est donc le probl\u00e8me &#8211; la question \u00e0 laquelle on r\u00e9pond.<\/p>\n<p>Le choix de la question a une importance consid\u00e9rable sur le fonctionnement d&rsquo;un syst\u00e8me d&rsquo;apprentissage adaptatif<sup>4<\/sup>. De plus, le choix du probl\u00e8me de substitution pour les recommandations rel\u00e8ve plus de l&rsquo;art que de la science<sup>4<\/sup>.<\/p>\n<h3>Tout ce qui est technique n&rsquo;est pas de la haute technologie<\/h3>\n<p class=\"no-indent\">Comme nous l&rsquo;avons vu jusqu&rsquo;\u00e0 pr\u00e9sent, de nombreuses d\u00e9cisions entrent dans la fabrication des syst\u00e8me d&rsquo;apprentissage adaptatif: quelles donn\u00e9es sont mesur\u00e9es, comment ces donn\u00e9es sont utilis\u00e9es pour \u00e9valuer le retour d&rsquo;information et d&rsquo;autres informations, quels objectifs sont optimis\u00e9s, quels algorithmes sont utilis\u00e9s pour optimiser ces objectifs&#8230; Le plus souvent, ce sont des programmeurs, des scientifiques des donn\u00e9es, des experts en finance et en marketing qui sont impliqu\u00e9s dans la prise de ces d\u00e9cisions. La participation des enseignants et des experts p\u00e9dagogiques au processus de d\u00e9veloppement est rare et intervient souvent apr\u00e8s le processus de conception<sup>2<\/sup>. Les produits ne sont pas test\u00e9s sur le terrain avant d&rsquo;\u00eatre adopt\u00e9s dans les \u00e9coles et leur efficacit\u00e9 proclam\u00e9e repose souvent sur des t\u00e9moignages et des anecdotes, plut\u00f4t que sur des recherches scientifiques<sup>2<\/sup>.<\/p>\n<p>Par cons\u00e9quent, les besoins et la familiarit\u00e9 d&rsquo;une \u00e9cole n&rsquo;ont que peu d&rsquo;impact sur ce que les entreprises construisent. Enfin, le co\u00fbt, la disponibilit\u00e9 et l&rsquo;infrastructure ont une influence majeure sur ce que les \u00e9coles peuvent acheter. Il est important de garder cela \u00e0 l&rsquo;esprit lorsque l&rsquo;on d\u00e9cide d&rsquo;utiliser ou non un produit particulier : il est peut-\u00eatre pr\u00e9f\u00e9rable de ne pas les consid\u00e9rer tous comme des syst\u00e8mes d&rsquo;apprentissage adaptatifs ou IA, mais comme des syst\u00e8mes individuels ayant des objectifs, des conceptions et des capacit\u00e9s tr\u00e8s diff\u00e9rents.<\/p>\n<p>Les syst\u00e8me d&rsquo;apprentissage adaptatif dans leur ensemble peuvent \u00eatre utilis\u00e9s pour personnaliser le retour d&rsquo;information, l&rsquo;\u00e9chafaudage et la pratique. Ils peuvent d\u00e9tecter des lacunes dans l&rsquo;apprentissage et y rem\u00e9dier dans les limites de la programmation et de la conception. Ils ne peuvent pas d\u00e9tecter les \u00ab\u00a0moments propices \u00e0 l&rsquo;enseignement\u00a0\u00bb ou le moment opportun pour tirer parti de l&rsquo;ambiance de la classe afin d&rsquo;introduire une nouvelle id\u00e9e ou un nouvel exemple. Ces capacit\u00e9s qui rendent l&rsquo;apprentissage <em>magique<\/em> et qui permettent \u00e0 la le\u00e7on de perdurer dans l&rsquo;esprit de l&rsquo;\u00e9l\u00e8ve sont uniquement du ressort de l&rsquo;enseignant.<\/p>\n<p>&nbsp;<\/p>\n<hr \/>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>1<\/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\" style=\"text-align: left\"><sup>2 <\/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\" style=\"text-align: left\"><sup>3 <\/sup>Holmes, W., Anastopoulou S., Schaumburg, H &amp; Mavrikis, M.<em>,Technology-enhanced personalised learning: untangling the evidence,<\/em>\u00a0Stuttgart: Robert Bosch Stiftung, 2018.<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>4 <\/sup>Covington, P., Adams, J., Sargin, E., <em>Deep neural networks for Youtube Recommendations<\/em>, Proceedings of the 10th ACM Conference on Recommender Systems, ACM, New York, 2016.<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>5 <\/sup>Barocas, S.,\u00a0 Hardt, M., Narayanan, A., <em><a href=\"https:\/\/fairmlbook.org\/\" target=\"_blank\" rel=\"noopener\" data-cke-saved-href=\"https:\/\/fairmlbook.org\/\">Fairness and machine learning Limitations and Opportunities<\/a>, <\/em>2022.<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>6 <\/sup>Konstan, J., Terveen, L., <em>Human-centered recommender systems: Origins, advances, challenges, and opportunities<\/em>, AI Magazine, 42(3), 31-42, 2021.<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>7 <\/sup>Davidson, J., Liebald, B., Liu, J., Nandy, P., Vleet, T., <em>The Youtube Video Recommendation System<\/em>, Proceedings of the 4th ACM Conference on Recommender Systems, Barcelona, 2010.<\/p>\n","protected":false},"author":1,"menu_order":7,"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\/131"}],"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\/131\/revisions"}],"predecessor-version":[{"id":132,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapters\/131\/revisions\/132"}],"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\/131\/metadata\/"}],"wp:attachment":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/media?parent=131"}],"wp:term":[{"taxonomy":"chapter-type","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapter-type?post=131"},{"taxonomy":"contributor","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/contributor?post=131"},{"taxonomy":"license","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/license?post=131"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}