Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : IRISA
Durée : 3 ans
Contact : constance.thierry@irisa.fr
Date limite de publication : 2023-08-31

Contexte :
De plus en plus d’apprenant, se tournent vers un nouveau système de cours à distance appelé MOOCs (Massive Open Online Course). Cette distance avec le participant, présente l’avantage pour ce dernier d’apprendre en tout lieu et à tout moment sans contraintes géographique et temporelle forte. L’inconvénient pour le maître d’apprentissage qui conçoit ces cours est que l’apprentissage distanciel complexifie l’estimation
de l’assimilation de l’information. Parmi les méthodes existantes pour évaluer l’acquisition de connaissances chez l’apprenant, l’utilisation de questions fermées comme des questionnaires à choix multiple (QCM) est la plus fréquente. Ils peuvent être classifiés en deux catégories : les QCM à réponses uniques (QCM-RU) et les QCM à réponses multiples (QCM-RM). Pour les QCM-RU, l’étudiant ne peut choisir qu’une unique réponse parmi l’ensemble proposé. Un problème inhérent aux QCM-RU est leur rigidité qui limite la capacité des répondants à s’exprimer. Ces questionnaires
ne donnent pas la possibilité aux étudiants de rendre compte de leur ignorance, leur imprécision et leur incertitude. Par conséquent, si les répondants hésitent entre deux (ou plusieurs) réponses, ils en choisiront une au hasard. Le problème dans le domaine de l’éducation est qu’une réponse aléatoire ne reflète pas exactement le niveau réel des connaissances de l’apprenant.

Sujet :
Il est essentiel de parvenir à définir une approche de contrôle des connaissances qui permette un retour qui rende mieux compte de l’apprentissage réel de l’individu inscrit aux cours en ligne. Pour ce faire, nous proposons dans cette thèse un système où l’apprenant répond à un questionnaire d’évaluation avec une possibilité d’être imprécis en cas d’hésitation tout en donnant sa certitude. L’objectif est de parvenir à estimer la connaissance du contributeur grâce à ses réponses imparfaites, mais aussi d’interagir avec lui afin de dynamiser cet apprentissage en lui donnant par exemple un retour sur sa réponse. Il faudrait ainsi estimer l’apprentissage de façon dynamique afin de déterminer le moment où l’apprenant a acquis les connaissances promises par le cours. Il s’agit également d’identifier son degré d’acquisition des connaissances pour l’optimisation du retour qui lui sera fait.

Profil du candidat :
Intéressé par la modélisation de contribution humaine, l’analyse et l’exploitation de données.
Des connaissances de la théorie des fonctions de croyance seraient un plus.

Formation et compétences requises :
École d’ingénieur ou master en informatique

Adresse d’emploi :
IUT de Lannion

Document attaché : 202304271257_These_druid.pdf