Projekte MOCAH

Forschungsgruppe : MOCAH

  • 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.

    Verantwortliche(r) : François Bouchet
    01.10.2019
    Mehr Informationen hier
  • SmashMedicine - SmashMedicine

    projet EIT Health Campus SmashMedicine porté par Oxford, sur l'analyse de base de données médicales pour l'aide à la génération de bons distracteurs pour des QCM d'entraînement pour les étudiants de médecine.

    Verantwortliche(r) : François Bouchet
    01.09.2019
  • MindMath - MindMath

    MindMath (financé par la BPI et la région IdF) est un projet de plateforme gamifiée et adaptative pour l’apprentissage des mathématiques au collège. Ce projet implique plusieurs partenaires industriels (Cabrilog, Tralalere, Domoscio et Bayard) et académiques (LDAR - Université Paris Diderot et LIP6 - Sorbonne Université). Nous développons des algorithmes pour décider, en fonction des activités des élèves au sein de tâches de résolution de problèmes en mathématiques, du feedback le plus adapté pour les aider à progresser dans leurs apprentissages. La décision s’appuie à la fois sur une ontologie construite avec des experts en didactique des mathématiques et sur des approches d’apprentissage automatique. La recherche des feedbacks optimaux se fait par apprentissage par renforcement, avec un système de récompense basé sur la réussite des élèves dans les activités. Ces propositions sont expérimentées dans différents contextes scolaires et parascolaires.

    Verantwortliche(r) : Amel Yessad
    01.01.2019
  • IECARE - IECARE

    IECARE est un projet de recherche financé par l'ANR. Il vise à produire des connaissances fondamentales et opératoires sur l’informatique, son enseignement et son apprentissage, à l’école obligatoire. Ce projet pluridisciplinaire associe des chercheurs en Informatique et en sciences humaines et sociales (Sciences de l’éducation, didactiques, psychologie des apprentissages, sociologie). La recherche suit trois thèmes structurant : analyser les représentations et les pratiques des enseignants et des élèves ; modéliser, concevoir et modifier des scénarios pédagogiques et des ressources pour soutenir les pratiques d’enseignement et d’apprentissage ; étudier les cadres d’accompagnement mis en place par et pour les enseignants et les formateurs en informatique.

    Verantwortliche(r) : Mathieu Muratet
    01.01.2019
  • 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.).

    Verantwortliche(r) : Vanda LUENGO et Baptiste MONTERRAT
    01.03.2016
    Mehr Informationen hier
  • LEA4PA - LEarning Analytics for Adaptation and Personnalisation

    Le projetLEarning Analytics for Perso-nalization and Adaptationa pour objectif deproposer, à destination des décideurs (ensei-gnants, apprenants, ..), des algorithmes et desvisualisations permettant des analyses du com-portement de l’étudiant pour l’adaptation etla remédiation. Il s’applique à plusieurs niveauxd’enseignement.Pour le niveau collège, la recherche est me-née dans le cadre d’une collaboration soute-nue par la direction du numérique pour l’éduca-tion (MEN). Dans ce contexte, nous proposonsdes analyses (descriptives et diagnostiques) descompétences des apprenants en algèbre, ainsique des visualisations, l’objectif étant d’assisterl’enseignant dans l’adaptation des activités[4].Pour l’enseignement supérieur, la rechercheest menée en s’appuyant sur la plateforme LA-PAD développée par CAPSULE (centre d’inno-vation pédagogique de Sorbonne Université).Dans ce contexte, nous nous intéressons àcomprendre les parcours des apprenants à par-tir de techniques d’analyse séquentielle et derègles d’association.

    Verantwortliche(r) : Vanda LUENGO et Amel YESSAD
    01.01.2016
  • RecoMOOC - Recommending people to people in MOOCs

    RecoMOOC vise à réduire l'attrition et améliorer l'expérience d'apprentissage dans les MOOC en fournissant aux étudiants des moyens d'interagir et de travailler avec d'autres, identifiés de manière automatique à l'aide d'un système de recommandation de pairs analysant les facteurs individuels et la progression de chaque apprenant.

    Verantwortliche(r) : François BOUCHET
    01.01.2014
Archive