Système intelligent de décision de feedbacks au sein de plateformes d’entraînement à la programmation : une approche apprentissage par renforcement pour approximer une politique de décision de feedbacks adaptatifs

L’objectif du projet est de travailler sur la décision des feedbacks épistémiques adaptés au profil cognitif d’un élève, à l’état de sa résolution, aux caractéristiques de l’exercice en cours et à d’autres attributs de l’environnement qui sont à définir. Il s’agit de déterminer, pour un élève, la séquence des feedbacks qui lui permet une progression optimale dans son parcours d’apprentissage.

Publications 2024-2025

• 2025
  • B. Kirouchenassamy, A. Yessad, S. Jolivet, M. Branthôme, S. Lallé, V. Luengo : “Learning Feedback Policy from Historical Data: An Offline Approach within Pyrates”, International Conference on Artificial Intelligence in Education, vol. 15877, Lecture Notes in Computer Science, Palerme, Italy, pp. 165-178, (Springer Nature Switzerland), (ISBN: 978-3-031-98414-3) (2025)
  • S. Jolivet, B. Kirouchenassamy, A. Yessad, V. Luengo : “Modélisation et décision de rétroactions épistémiques dans l’environnement AlgoPython”, Environnements Informatiques pour l'Apprentissage Humain, Lille, France (2025)
  • E. Chouaki, B. Kirouchenassamy, S. Jolivet, A. Yessad : “Typologie d’erreurs en programmation et détection automatique dans un code Python”, Articles acceptés, Villeneuve d'Ascq, France, pp. 7-19, (APIMU) (2025)
• 2024
  • B. Kirouchenassamy, A. Yessad, S. Jolivet, V. Luengo : “Toward diagnosis of semantic errors in Python programming platforms for beginners”, Workshop RKDE - ECML PKDD Conference, Vilnius, Lithuania (2024)
  • B. Kirouchenassamy : “Adaptation du Feedback dans les plateformes d’apprentissage de la programmation : quelle politique de décision ?”, Actes des dixièmes rencontres jeunes chercheuses et chercheurs en EIAH, Laval, France, pp. 124-134 (2024)