Intelligence artificielle pour l'éducation
Attendus en fin de formation :
Faire des fiches de lecture et réussir à un examen écrit attestant la maîtrise de ces notions.
Descriptifs/contenus :
Approches numériques en EdTech : Educational Data mining et Learning analytics.
Ingénierie des connaissances et IA symbolique et modélisation des apprenants et des feedbacks.
Les cours sont 50% en présence, 25% à distance synchrone, 25% à distance asynchrone.
Compétences :
- Distinguer les principaux modèles et méthodes de l’IA en éducation : modèles utilisés dans les systèmes numériques intelligents (apprenant, pédagogique, connaissances à enseigner), modélisations numériques, symboliques et hybrides pour la modélisation de l’apprenant ;
- Choisir le modèle ou profil de l’apprenant pour un système numérique d'apprentissage ;
- Identifier les modélisations de feedbacks dans les systèmes intelligents ;
- Construire un graphe conceptuel et formaliser certains de ses composants dans une ontologie pour la modélisation des connaissances à enseigner ;
- Identifier les principaux composants permettant l’évaluation automatique des apprenants ;
- Appliquer un framework d’évaluation des apprenants pour mettre en place une évaluation automatique ;
- Appliquer une méthode de scénarisation adaptative.
- Identifier les méthodes pour analyser des traces d'outils EdTech et utiliser certains outils dédiés : identifier les différents types d’analyse (descriptif, diagnostic, prédictif) ; décrire les différentes étapes d’une analyse de données (collecte, analyse, visualisation).
- Choisir et utiliser les principaux outils de Learning analytics et de la fouille de données éducationnelles.