Annonce en lien avec l’Action/le Réseau : Doctorants
Laboratoire/Entreprise : Aflokkat UMR SPE
Durée : 3 ans
Contact : bisgambiglia@univ-corse.fr
Date limite de publication : 2020-04-30
Contexte :
CIFRE
A partir de méthodes d’intelligence artificielle, les travaux que nous souhaitons développer doivent répondre à la problématique suivante : Comment les sciences informatiques peuvent être utilisées pour améliorer les processus d’apprentissage en prenant en compte les spécificités de chaque individu ? L’objectif est d’optimiser les apprentissages en fonction du profil de l’apprenant : analyse des connaissances, des préférences, des aptitudes, … afin de proposer plusieurs niveaux d’adaptabilité avec parcours pédagogique individualisé, séquencement des contenus selon les résultats obtenus et évaluations formatives.
Sujet :
Les travaux de la thèse devraient pouvoir répondre aux problématiques suivantes :
Comment les sciences informatiques peuvent être utilisées pour améliorer les processus d’apprentissage en prenant en compte les spécificités de chaque individu ? Comment peuvent-elles favoriser un engagement plus actif des apprenants et le réinvestissement des acquis en situation de travail ?
L’objectif est d’optimiser les apprentissages en fonction du profil de l’apprenant : analyse des connaissances, des préférences, des aptitudes, etc. afin de proposer plusieurs niveaux d’adaptabilité avec parcours pédagogique individualisé, séquencement des contenus selon les résultats obtenus et évaluations formatives.
Au vu de la littérature scientifique (11-27), et notamment la thèse de Sabine Graf intitulée : « Adaptivity in Learning Management Systems Focussing on Learning Styles » (11), plusieurs aspects de ce sujet ont été traités. Néanmoins, ils présentent parfois des limitations et il est envisageable d’approfondir certains d’entre eux. Il reste notamment à déterminer quels outils ou techniques informatiques conviendraient le mieux à la réalisation d’un Learning Management System (LMS) permettant de proposer des contenus adaptés en fonction des profils d’apprentissage des utilisateurs tout en favorisant un ancrage mémoriel adapté. Ce système doit être efficace, robuste, de qualité et adapté au public (formation initiale / formation continue).
Pour ce faire, il faudra dans un premier temps dresser un état de l’art afin de recenser les techniques existantes (machine learning, deep learning, analyse statistique pure, réseaux antagonistes génératifs (GAN), apprentissage par renforcement (RL), etc.). Dans un deuxième temps, il s’agira de comparer les résultats obtenus avec ces différentes techniques. Dans un troisième temps, il faudra proposer de nouvelles techniques ou des techniques hybrides permettant de tirer profit des techniques existantes tout en améliorant les résultats obtenus. Enfin, il conviendra de s’assurer que le gain est effectif en comparant les résultats de l’existant avec ce qui sera proposé.
Profil du candidat :
Grande curiosité, ouverture vers la pédagogie et les neurosciences
Formation et compétences requises :
Master Informatique ou école d’ingénieur informatique ou master adapté à la problématique
Bon niveau en programmation, notion en IA, Big-Data, statistiques
Adresse d’emploi :
Corse (Ajaccio Corte)
Document attaché : SPE_SISU_Bisgambiglia_PA1_20_21.pdf