L’Adaptive Learning (3/3) – Partie 1

Pour clôturer cette thématique, Tactiléo a donc interrogé Charles Delbé, notre expert dans le domaine des sciences cognitives, des neurosciences et de l’intelligence artificielle. 5 questions (dont voici les 2 premières) afin de nous éclairer sur tous ces concepts et plus précisément celui de l’adaptive learning. Un interlocuteur d’autant plus précieux que Tactiléo développera cette technologie dès cette année.

L’adaptive learning – L’interview

Bonjour Charles, et merci de répondre à nos questions. La première est bien sûr pédagogique.

1/ Il y a-t-il selon vous une différence entre l’adaptive learning et la pédagogie dite différenciée ? Ou est-ce la même chose mais plus …highTec ? Comme fut la « Formation à distance » au « Digital Learning » par exemple…

Dans le domaine des environnements pédagogiques intelligents, la différence entre les concepts d’apprentissage adaptatif, personnalisé et différencié est un cas typique de confusions qui sont source de problèmes lors de l’interprétation des résultats empiriques et de la diffusion des connaissances. Ces ambiguïtés sémantiques résultent de la relative nouveauté du langage de la pédagogie numérique.

Les notions de pédagogie différenciée et d’apprentissage adaptatif recouvrent des conceptions similaires de la pédagogie, mais avec des moyens différents. Toutes deux font partie de la catégorie de l’apprentissage personnalisé, qui inclut tout ce qu’un enseignant ou un logiciel fait pour s’adapter à l’apprenant.

Du point de vue pédagogique, différencier signifie que l’enseignant analyse et adapte ses méthodes et l’environnement d’apprentissage de manière à prendre en considération les besoins et caractéristiques spécifiques d’un ou de plusieurs élèves face à un objectif d’apprentissage donné. Mettre en place une pédagogie réellement différenciée en classe est une tâche très difficile. Un temps de préparation et de suivi très important est nécessaire ; le temps et les efforts requis de la part des apprenants pour maîtriser des concepts particuliers peuvent varier considérablement. Par ailleurs, la taille des classes augmente inexorablement, ce qui accroit l’hétérogénéité de niveau.

Les systèmes adaptatifs des environnements pédagogiques intelligents, qui adaptent la présentation des ressources didactiques et des évaluations selon les besoins et caractéristiques propres à l’élève, se réfèrent spécifiquement à des outils numériques qui permettent un enseignement personnalisé à grande échelle et en temps-réel. En individualisant les parcours d’apprentissage selon les caractéristiques et objectifs d’un apprenant, ces systèmes font ainsi partie des outils parmi les plus puissants pour mettre en œuvre une véritable pédagogie différenciée.

 

2/ Le domaine de l’apprentissage humain est très complexe. Nos articles ont par exemple soulevé l’importance des émotions dans ce processus. Si on peut apprendre à une machine à reconnaitre un objet, peut-on lui apprendre à ressentir une émotion et donc réagir en conséquence ?

Des travaux récents dans les domaines de l’intelligence artificielle, des neurosciences, des sciences de l’éducation et de la psychologie ont montré que les émotions jouent un rôle important dans l’apprentissage et que, plus généralement, les capacités cognitives de l’apprenant dépendent de ses émotions [1]. Dans le domaine des systèmes pédagogiques intelligents, la détection et l’analyse des émotions ainsi que la modélisation des caractéristiques affectives de l’apprenant sont des champs d’étude récents et en plein essor.

La détection et l’analyse des émotions d’après le comportement des apprenants et leurs interactions avec le système d’apprentissage sont cruciaux pour adapter le scénario pédagogique mis en œuvre. Un modèle de l’apprenant réaliste influence l’efficacité de ces analyses et, par conséquent, l’ensemble du processus d’apprentissage.

Nous pensons que le développement futur des environnements pédagogiques intelligents réside dans une approche pluridisciplinaire visant à détecter et s’adapter aux états émotionnels de l’apprenant. Il est en effet primordial, dans les recherches en intelligence artificielle sur la simulation du comportement humain, de tenir compte des émotions qui sous-tendent en fait l’acquisition de nouvelles connaissances [2].

Au sein de notre laboratoire, nous allons lancer une série d’études comportementales portant sur les interactions homme-machine dans un contexte pédagogique, impliquant des outils tels que l’oculomètre, l’analyse des expressions faciales par webcam, l’EEG, les rythmes biologiques… Les travaux porteront par exemple sur la détection du stress et du désintérêt, émotions qui influenceront le système pédagogique en diminuant/augmentant en temps réel la difficulté du contenu et/ou des évaluations.

—————

[1] C. Frasson et P. Chalfoun, « Managing Learner’s Affective States in Intelligent Tutoring Systems », in Advances in Intelligent Tutoring Systems, R. Nkambou, J. Bourdeau, et R. Mizoguchi, Éd. Springer Berlin Heidelberg, 2010, p. 339358.

[2] P. Chynal, A. Kozierkiewicz-Hetmańska, et M. Pietranik, « Personalisation of Learning Process in Intelligent Tutoring Systems Using Behavioural Measures », in Multimedia and Network Information Systems: Proceedings of the 10th International Conference MISSI 2016, A. Zgrzywa, K. Choroś, et A. Siemiński, Éd. Cham: Springer International Publishing, 2017, p. 407–417.

Réseaux Sociaux

© 2023 Tactileo par Maskott - tous droits réservés