Ce mémoire présente une sélection de travaux de recherche que j’ai menés au cours des douze dernières années en tant que maître de conférences au sein de l’équipe MOCAH (Modèles et Outils informatiques Centrés sur l’Apprentissage Humain) du LIP6 (Sorbonne Université). Ces recherches portent sur la modélisation des problèmes de diagnostic et de prise de décision dans le domaine des environnements informatiques pour l’apprentissage humain (EIAH), avec un intérêt particulier pour le feedback adaptatif, la scénarisation adaptative et la modélisation de l’apprenant. Les modèles développés ont été testés dans des contextes variés, tels que des jeux sérieux, des tuteurs intelligents ou encore des plateformes d’apprentissage de la programmation. Mes contributions s’inscrivent plus largement dans le champ de l’informatique centrée sur l’humain (Human-Centered Computing), qui vise à concevoir des modèles et des systèmes capables de prendre des décisions, ou d’assister les humains dans leurs prises de décision.
Le premier chapitre de ce mémoire présente les modèles informatiques que j’ai mobilisés et adaptés tout au long de mes travaux de recherche. Il montre comment ces modèles et algorithmes issus de l’informatique peuvent être appliqués — et nécessitent systématiquement des adaptations — pour répondre à différentes problématiques propres au domaine de l'apprentissage humain.
Les deux chapitres suivants détaillent mes principales contributions, structurées autour de deux axes complémentaires : d’une part, la prise de décision et l’aide à la décision pour la sélection de feedbacks ou d’activités adaptés à l’apprenant ; d’autre part, la modélisation et le suivi de l’apprenant, afin de diagnostiquer son niveau de connaissance ou de prédire ses performances. Ces travaux s’inscrivent dans le cadre d’environnements d’apprentissage complexes, notamment ceux caractérisés par de vastes espaces d’états et d’actions, tels que les environnements d’apprentissage ouverts (open-ended environments). Dans ces contextes dits ouverts, mon objectif est de favoriser l’interaction et l’enrichissement réciproque entre les approches de décision automatique et les connaissances issues de l’expertise humaine.
En conclusion, je reviens sur les travaux présentés dans les chapitres précédents afin de mettre en lumière mon projet scientifique. Mes recherches visent à approfondir la compréhension des processus d’apprentissage humain et des mécanismes d’adaptation des EIAH, en combinant modélisation de l’apprenant, expertise humaine et approches d’intelligence artificielle. L’enjeu principal de mes travaux est de replacer l’humain au cœur des processus décisionnels, en concevant des systèmes non seulement performants selon des critères classiques (tels que la précision), mais également acceptables, éthiques, interprétables et explicables.