Retour sur les JIPN 2022 : Les systèmes de recommandation multi-vues pour l’apprentissage humain


22/07/2022
Chapô

La journée de restitution JIPN du 28 juin dernier a été l’occasion d’assister à une conférence Matt SOMMATI, de la Edttech INOKUFU, sur l’utilisation de l’intelligence artificielle pour personnaliser les apprentissages. Retour sur cette intervention aussi technique qu’instructive.

réseau d'hexagones symbolisant des connexions
Paragraphes
Aujourd’hui les ressources éducatives en ligne représentent plus de 250 millions de ressources disponibles, dont environ 130.000 MOOC. Cette abondance conduit bien souvent à des expériences d’apprentissage peu structurées, avec des difficultés à sélectionner et trier les informations. La nécessité d’analyser et d’indexer cette masse est dès lors incontournable pour améliorer les apprentissages.
Grâce aux avancées technologiques en matière de traitement du langage naturel et de l’apprentissage automatique des machines, il est désormais possible d’utiliser l’intelligence artificielle et ses algorithmes pour personnaliser à grande échelle l’apprentissage de chacun.
Tout d’abord, les traitements automatiques permettent d'exprimer la trace d'un apprenant, c’est-à-dire de suivre ses expériences d’apprentissage : la norme xAPI, spécification technique en plein essor, permet d’enregistrer, traiter, stocker et même d’échanger les données des expériences d’apprentissages. Ces données sont enregistrées dans des « Learning Record Stores » ou LRS, des bases de données dédiées aux traces des apprenants.
Ensuite, l’intelligence artificielle permet de mettre en place un système de recommandation de ressources. Il existe 3 systèmes de recommandations : Ceux basés sur le contenu déjà cherché / vu qui suggèrent des contenus proches Le filtrage collaboratif qui compare les utilisateurs et suggère en fonction des ressources vues/recherchées par des utilisateurs aux profils proches de celui visé Les systèmes de recommandation dits « multi-vues » ou hybrides qui combinent les 2 précédentes approches.
A titre d’exemple, la Edtech INOKUFU a créé plusieurs outils pour personnaliser les ressources d’apprentissage : Une extension du navigateur CHROME qui propose des learning objects (ressources) indexés (triés) et personnalisables = moteur de recherche spécifique apprentissage Un plug-in (= une option) sur moodle (= plate-forme de contenus pédagogiques très utilisée) qui propose des suggestions de ressources en fonction des traces d’apprentissage des apprenants Un tableau de bord (dashboard) spécifique pour garder et trier les ressources. La société travaille actuellement beaucoup avec des organismes de formation privés et des établissements d’enseignement supérieur.
Enfin, dernière question sur le sujet : quid de la protection des traces d’apprentissage qui peuvent être assimilées à des données personnelles ? La solution actuelle réside dans le fait de conserver les données sous un pseudonyme pour préserver l’identité de l’apprenant.

Pour poster un commentaire, veuillez vous identifier.

Connexion