Thesis : Système intelligent de décision de feedbacks au sein de plateformes d’apprentissage humain : une approche apprentissage par renforcement
PhD school thesis
Ce projet de recherche doctoral traite de la problématique de la décision du feedback le plus adapté aux caractéristiques de l’élève, de l’état de sa résolution, de l’exercice et d’autres attributs de l’environnement qui sont à définir. Il s’agit, de déterminer quel feedback est adapté pour un élève afin de lui permettre une progression optimale dans son parcours d’apprentissage. Ce problème de décision des feedbacks adaptatifs peut être modélisé comme un problème de décision dans l’incertain puisque les données sur l’état de l’environnement (l’élève, la résolution de l’élève, les caractéristiques de l’exercice etc.) sont imprécises, bruitées et incertaines. La décision est également incertaine due à l’absence de consensus entre les experts en didactique sur le feedback le plus adapté dans une situation de résolution de problèmes donnée.
Le travail de thèse s’appuiera sur les travaux menés dans le cadre du projet MindMath (FUI, 2017- 2021) et qui ont permis d’explorer différentes pistes de recherche. Nous travaillerons sur la décision des feedbacks adaptatifs en adaptant des algorithmes d’apprentissage par renforcement. Plusieurs travaux (He-Yueya and al., 2021, Efremov et al., 2020, Bassen and al. 2020, Chi and al. 2011, Doroudi et al. 2019) ont montré l’intérêt de l'apprentissage par renforcement pour l'élaboration de politiques pédagogiques, car les modèles d’apprentissage par renforcement peuvent apprendre des relations complexes et souvent latentes entre les tâches pédagogiques, les actions des élèves et leurs acquis en termes de connaissances.
Le travail de thèse s’appuiera sur les travaux menés dans le cadre du projet MindMath (FUI, 2017- 2021) et qui ont permis d’explorer différentes pistes de recherche. Nous travaillerons sur la décision des feedbacks adaptatifs en adaptant des algorithmes d’apprentissage par renforcement. Plusieurs travaux (He-Yueya and al., 2021, Efremov et al., 2020, Bassen and al. 2020, Chi and al. 2011, Doroudi et al. 2019) ont montré l’intérêt de l'apprentissage par renforcement pour l'élaboration de politiques pédagogiques, car les modèles d’apprentissage par renforcement peuvent apprendre des relations complexes et souvent latentes entre les tâches pédagogiques, les actions des élèves et leurs acquis en termes de connaissances.
Ce projet de recherche doctoral fait l’objet d’une demande de financement auprès de « Ecole Doctorale d‘Informatique, Télécommunication et d‘Electronique (EDITE) », le candidat retenu par son porteur devra donc participer au concours correspondant (prévoir un dossier et une audition) en vue d’obtenir le financement effectif.
Contact :Vanda Luengo, Amel Yessad