IA

Les algorithmes de personnalisation

12 févr. 2024
-
11h12

Plusieurs algorithmes sont utilisés pour aider l'élève à progresser. Parmi eux on compte notamment, les tests adaptatifs, les algorithmes de révision ou encore le ZPDES (Zone of Proximal Development and Empirical Success) : 

Cet algorithme est en charge de choisir les exercices à proposer à chaque élève pour les faire progresser le plus efficacement possible dans un module. Il opère au niveau intra-module : c’est l’enseignant qui choisit le module (Syntaxe, Fractions ou encore Orthographe), et l'algorithme prend ensuite le relais et choisit, de manière itérative, les exercices à proposer à l'élève.

 

Favoriser les activités qui produisent empiriquement le plus de progrès d’apprentissage peut agir comme un puissant levier de motivation. Celle-ci est renforcée par l’usage de la ZPD, qui désigne les activités légèrement au-delà des capacités actuelles de l’apprenant comme étant les plus motivantes.

 

Par rapport à d’autres algorithmes de personnalisation de parcours pédagogique, ZPDES présente deux avantages majeurs :

  • Il amplifie la motivation des apprenants
     
  • Il propose un ordre plus séquentiel des activités proposées, ce qui permet notamment à l’élève de mieux identifier son cheminement

Ainsi, on peut évaluer empiriquement comment le taux de réussite d’une activité évolue pour déterminer quelle nouvelle activité choisir. Avec cet algorithme, ce n’est pas le niveau de compétence de l’élève qui est estimé, mais directement le taux de réussite de l’activité pour estimer l’opportunité de la présenter à l’élève. 

 

L’algorithme ZPDES peut alors proposer des activités de difficultés croissantes bien adaptées à l’apprenant sans avoir besoin de connaître au préalable comment ces activités influent explicitement sur les niveaux de compétence.

 

Exemple de l’évolution de la zone proximale de développement sur la base des résultats empiriques de l’étudiant


Source : 

Clement, B., Roy, D., Oudeyer, P.-Y., & Lopes, M. (2015). Multi-Armed Bandits for Intelligent Tutoring Systems. Journal of Educational Data Mining, 7(2), 20–48. https://doi.org/10.5281/zenodo.3554667

Articles similaires


ZPDES IA

Articles similaires