LIP6 CNRS Sorbonne Université Tremplin Carnot Interfaces
Direct Link LIP6 » Jobs

 Thesis : Analyse multi-critères de l’équité d’algorithmes de fouille de données éducatives

SCAI PhD thesis
De plus en plus d’algorithmes d’IA utilisés en éducation dépendent de la disponibilité de données existantes pour être entraînés et calibrés, et sont utilisés pour prendre des décisions pouvant affecter la réussite ou l’orientation d’élèves ou d’étudiants. L’équité de traitement est au coeur aussi bien des politiques éducatives à large échelle (e.g. bourses pour compenser certains facteurs sociaux) [4], que des choix pédagogiques au sein d’une unité d’enseignement (e.g. évaluation anonyme, harmonisation des notes). L’objectif principal de cette thèse est de proposer une méthode d’analyse multi-critères de l’équité pour différents types d’algorithmes communément employés dans la communauté EDM en fonction de différents jeux de données. En effet, les travaux récents se focalisent tous sur l’évaluation d’un critère unique (le genre, l’ethnicité [en milieu anglo-saxon], l’établissement d’origine...) mais la diversité des critères étudiés montrent bien l’aspect multidimensionnel requis pour prendre des décisions qui soient équitables de manière globale.

Mots clefs : équité, éducation, multi-critère, combinaison d’algorithmes, fouille de données

Ce projet de recherche doctoral fait l’objet d’une demande de financement auprès de « Sorbonne Center for Artificial Intelligence (SCAI) », 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.

More details here

Contact :Vanda Luengo

 Mentions légales
Site map |