Projets MOCAH
Équipe : MOCAH
PostGenAI - PAC 3.3
Le projet présenté poursuit deux objectifs principaux :
Développer des modèles d’apprentissage adaptatifs réutilisables et flexibles, capables de s’adapter à différents profils d’apprenants et systèmes, en s’appuyant sur une approche post-IA générative.
Accompagner l’intégration de l’IA générative en éducation à travers la formation, le partage de méthodes et des recommandations, afin d’évaluer son rôle dans la transformation et l’industrialisation de la formation.
L’IA générative permet également de remplacer certaines tâches peu créatives, libérant du temps pour les enseignants et favorisant leur créativité.
La recherche repose sur une démarche participative pour concevoir les systèmes adaptatifs, et sur l’observation des processus industriels pour analyser l’impact de l’IA générative. Enfin, plusieurs initiatives existent déjà dans ce domaine, notamment au laboratoire LIP6, qui a contribué au partage de données et de modèles éducatifs.
Project Leader : Vanda Luengo
01/01/2025
IA pour la personnalisation de rétroactions dans l'apprentissage de la pensée informatique par le jeu
Les environnements d'apprentissage par le jeu peuvent favoriser l'apprentissage de la pensée informatique et de la programmation dans l'enseignement primaire et secondaire, en permettant aux apprenants de concevoir et exécuter des algorithmes au moyen de blocs de programmation pour avancer dans le jeu. Cependant, ces environnements peuvent poser des difficultés aux étudiants en raison de leur caractère peu contraint demandant de l'autonomie et de l'autorégulation. Des études ont montré que cette difficulté peut être en partie réduite par l'entremise de rétroactions pouvant aider l'apprenant à avancer dans la création de leurs algorithmes. Dans ce projet, nous souhaitons créer et évaluer dans ces environnements des rétroactions qui sont guidées par une IA, qui aurait pour tâche de prédire le niveau d'aide qu'un apprenant a besoin, via leur solution courante, leur comportement dans l'environnement et leur attention visuelle. Cette recherche se fera en deux étapes. D'abord, nous utiliserons des traces multimodales de l'apprenant pour prédire en temps réel le besoin d'aide des apprenants lors de la conception d'algorithmes. Ces prédictions feront office de politique d'aide personnalisée pour déclencher l'émission d'une rétroaction. Deuxièmement, nous examinerons comment formuler et délivrer ces rétroactions, en considérant notamment les agents pédagogiques qui peuvent interagir de façon plus naturelle avec l'apprenant. Nous utiliserons deux jeux sérieux dédiés à l'apprentissage de la pensée informatique et de la programmation pour ce faire, Pyrates et Spy. L'objectif de ce projet est de concevoir un modèle guidée par l'IA pour la personnalisation de rétroactions sur des connaissances liées à la pensée informatique, ainsi que des résultats sur la meilleures manières de fournir ces rétroactions. À long terme, nous visons à faciliter l'adoption à l'école de ces jeux personnalisés.
Project Leader : Sebastien Lalle
01/10/2024
Simulateur haptique pour l'apprentissage de la spasticité
La spasticité est un trouble moteur caractérisé par une hyperactivité musculaire provoqué par l’alétration de la conduction nerveuse. Le diagnostic de cette pathologie repose sur l’évaluation du degré de résistance du membre suite à un mouvement passif réalisé par le praticien et sert à déterminer le traitement à suivre. Cependant cette évaluation reste subjective et requiert de l’expérience de la pratique. Seul un entraînement sur patient réel permet de gagner de l’expérience. C’est dans ce contexte que le projet HASPA a pour but de développer un simulateur permettant de reproduire différents degrés de spasticité pour permettre aux jeunes praticiens de s’exercer avant de pratiquer leurs gestes sur patient.
Project Leader : Vanda Luengo
Partenaires : Le consortium réunit dans ce projet pluridisciplinaire est composé de 6 laboratoires publics (AMPERE, CEA-List, CRNL, LBMC, LIP6 SYMME) et va chercher à réaliser un simulateur haptique proposant une formation adéquate et pertinente pour les futurs praticiens.
01/10/2022
Adaptiv’Math - Adaptiv’Math
obtenu dans le cadre du Partenariat d'Innovation Intelligence Artificielle (P2IA) du ministère de l'éducation nationale et porté par la startup EvidenceB, implique des entreprises (Nathan, Daesign, Schoolab, Isograd, BlueFrog), deux laboratoires (LIP6 et Inria Bordeaux), l'APMEP (association des professeurs de mathématiques) ainsi que des chercheurs en psychologie cognitive (E. Sander) et en neurosciences (A. Knopf). Il vise à réaliser un assistant pédagogique pour les mathématiques du Cycle 2 (CP, CE1, CE2) s'appuyant sur des algorithmes d'IA et sur un ensemble d'exercices définis à partir d'avancées en sciences cognitives.
Nous travaillons sur une brique IA visant à proposer des regroupements d'élèves (textit{clustering}) appris sur l'ensemble des classes sur la base de critères de maîtrise de compétences en mathématiques. Ce textit{clustering} est ensuite appliqué classe par classe à intervalles réguliers pour proposer à l'enseignant un suivi de l'évolution de ses groupes d'élèves, afin de faciliter la mise en place de stratégies de pédagogie différenciée.
Project Leader : François Bouchet
01/10/2019
MAGAM - Multi-Aspect Generic Adaptation Model
MAGAM est un modèle générique basé sur un calcul matriciel permettant d'adapter des activités d'apprentissage selon plusieurs aspects (pédagogique, didactique, ludique, motivationnel, etc.).
Project Leader : Vanda LUENGO et Baptiste MONTERRAT
01/03/2016
LEA4PA - LEarning Analytics for Adaptation and Personnalisation
Le projetLEarning Analytics for Personalization and Adaptation a pour objectif de proposer, à destination des décideurs (ensei-gnants, apprenants, ..), des algorithmes et des visualisations permettant des analyses du com-portement de l’étudiant pour l’adaptation et la remédiation. Il s’applique à plusieurs niveaux d’enseignement. Pour le niveau collège, la recherche est menée dans le cadre d’une collaboration soutenue par la direction du numérique pour l’éducation (MEN). Dans ce contexte, nous proposons des analyses (descriptives et diagnostiques) des compétences des apprenants en algèbre, ainsi que des visualisations, l’objectif étant d’assister l’enseignant dans l’adaptation des activités[4].Pour l’enseignement supérieur, la recherche est menée en s’appuyant sur la plateforme LA-PAD développée par CAPSULE (centre d’innovation pédagogique de Sorbonne Université).Dans ce contexte, nous nous intéressons à comprendre les parcours des apprenants à partir de techniques d’analyse séquentielle et de règles d’association.
Project Leader : Vanda LUENGO et Amel YESSAD
01/01/2016