EDUC’ACTION propose d’apporter des éléments de réponse au conseil de l’Europe sur l’IA et l’éducation en explorant les synergies entre les SHS et la science des données pour : (1) mener une réflexion éthique contextualisée sur les implications (positives/négatives) de l’IA dans l’éducation, (2) comprendre les contextes et besoins des acteurs de l’éducation (apprenants, enseignants et administratifs), (3) définir un terrain d’échangepour faire émerger des questions de recherche en IA pour l’éducation (AIED), et co-construire des protocoles d’expérimentation reproductibles avec les acteurs de l’éducation pour répondre à ces questions, et (4) repenser sous la perspective FAIR les applications AIED pour offrir des outils éthiques servant les différents acteurs de l’éducation.

Le déploiement de l’apprentissage dans la vie réelle est limité par la nature sensible de la donnée, qui demande de fortes garanties de protection. Comme conséquence, l’apprentissage est souvent impossible dans tous les cas où la donnée ne peut pas être partagée pour des raisons de sécurité (e.g. santé). Pour répondre à cette problématique, nous constatons depuis quelques années l’émergence des approches dites ‘federated learning’. Le principe de ces approches est de faire collaborer sur des tâches d’apprentissages plusieurs clients détenant leurs données sans les sortir de leurs silos. Cet atelier propose de réunir la communauté scientifique active sur ces sujets et des industriels pour mettre en évidence des uses cases et prioriser en commun les difficultés qu’il faut creuser davantage.

La masse de données musicales disponibles de nos jours représentent une richesse considérable d’un point de vue culturel et créatif, ainsi qu’en terme de capacité de valorisation éducative et industrielle.

Le but de cet atelier est d’amorcer une réflexion collective sur des paradigmes de représentation et de traitement des données musicales visant à rendre compte de la structure de leur organisation à différentes échelles. On privilégiera les approches se rattachant à la théorie de l’information, pouvant s’appliquer aux données musicales. On espère ainsi pouvoir faire mieux converger les visions informatiques, musicologiques, cognitives et applicatives dans la façon d’appréhender ces données.