Offre en lien avec l’Action/le Réseau : – — –/– — –
Laboratoire/Entreprise : LS2N
Durée : 12
Contact : philippe.leray@univ-nantes.fr
Date limite de publication : 2021-08-30
Contexte :
Projet ANR xCALE
Avec l’avènement des MOOC et le succès des plates-formes d’exercices, les environnements en ligne à grande échelle se généralisent. L’apprentissage autorégulé (AAR) est connu pour son potentiel de développement de l’autonomie et de maintien de la motivation des apprenants. Le développement de stratégies d’apprentissage autorégulées est également connu pour avoir un impact positif sur les résultats scolaires. L’objectif principal du projet xCALE est d’étudier comment soutenir avec succès l’apprentissage autorégulé à grande échelle, grâce à des modèles d’apprenants ouverts, en se basant sur des modèles graphiques probabilistes de type réseaux bayésien conçus pour estimer les niveaux de compétences acquises et les niveaux métacognitifs des étudiants pour leur proposer des interventions appropriées. Les méthodes développées seront testées au fur et à mesure avec des données issues de MOOC de l’IMT Atlantique et de France IOI, tous deux partenaires du projet xCALE, avec le CREAD pour les aspects liés à la Didactique.
Sujet :
Le ou la candidat(e) retenu(e) devra participer activement à la proposition et à l’implémentation de modèles graphiques probabilistes de type réseaux bayésiens pour modéliser et prédire différentes caractéristiques de l’apprenant, lieés tout d’abord à ses compétences, puis à ses objectifs pédagogiques dans le cadre de l’apprentissage autorégulé.
Il ou elle participera aussi à la vie du projet :
– organisation des ateliers
– participation aux réunions scientifiques
– interactions avec le doctorant recruté à Brest sur ce projet, et avec Capacités, prestataire support pour l’implémentation des modèles.
– participation à la rédaction des livrables du projet
Profil du candidat :
Doctorat en Informatique, avec des compétences en Modèles Graphiques Probabilistes et/ou en Learning Analytics
Formation et compétences requises :
Doctorat en Informatique, avec des compétences en Modèles Graphiques Probabilistes et/ou en Learning Analytics
Adresse d’emploi :
LS2N site de Polytech, Nantes.
Document attaché : 202102161426_profilPostDoc.txt