Programme de Doctorat
Département d’informatique et de génie logiciel
Faculté des sciences et de génie

Présentation du projet de thèse de Alphonse Ebale Nnemete

Le jeudi 8 juin 2023 à 14 h

Local 3904, Pavillon Adrien-Pouliot

« Scalabilité architecturale du tutorat dans les systèmes tutoriels intelligents»

 

Membres du comité d’encadrement

 

Laurence Capus, Ph.D. (Directrice de recherche)

Département d’informatique et de génie logiciel

Université Laval

Luc Lamontagne, Ph.D. (Examinateur)

Département d’informatique et de génie logiciel

Université Laval

Tounwendyam Frédéric Ouedraogo, Ph.D. (Examinateur)

Département d’informatique et de génie logiciel

Université Norbert Zongo, Burkina Faso

 

Résumé

Les systèmes tutoriels intelligents sont l’une des applications de l’intelligence artificielle en éducation. Ils visent à simuler l’activité « ou plutôt, les activités » des tuteurs humains, et à s’adapter au contexte particulier de chaque apprenant pour l’accompagner vers l’acquisition des habiletés requises pour la résolution des problèmes relatifs à un domaine de compétences donné. La modélisation du tutorat dans les systèmes adaptatifs d’apprentissage se fait grâce à la modélisation de l’expertise du domaine (savoirs et savoir-faire d’un champ particulier de compétences), et à l’automatisation des traitements sur le modèle résultant par une expertise pédagogique adaptée aux contraintes liées à une situation pédagogique et à un type d’environnement donnés.

De la complexité fonctionnelle de ces plateformes a émergé deux approches conceptuelles priorisant, chacune, un seul des deux principaux paramètres à la base de la modélisation du tutorat informatique : la densité des contenus d’apprentissage, et la précision du suivi des acquis et des processus d’apprentissage. L’opérationnalisation de chacune de ces approches soulève des problèmes architecturaux conséquents, et leur divergence principielle induit une certaine complémentarité que nous mettons exergue dans nos travaux. Nous proposant aussi une démarche de modélisation mixte permettant de rendre compatible les paradigmes de traçage des connaissances et de séquençage des contenus.

Le passage à l’échelle d’un système d’intelligence artificielle est un processus critique qui passe par la mise en collaboration de différents formalismes de représentation des connaissances et de mécanismes d’inférence. Ainsi, notre démarche, qui vise à concilier les logiques conceptuelles de séquençage de contenus et de traçage des connaissances, s’appuie sur la compatibilité, et la flexibilité existant entre le mécanisme de raisonnement à base de règles et le formalisme de représentation orienté objets (ou orienté schémas) dont les mécanismes natifs de propagation d’instances assurent le changement d’états et l’automatisation des traitements métiers.

Sur la base des propriétés d’un modèle validé par un prototype, nous discuterons des perspectives d’une telle démarche dans l’écologie éducative actuelle.

 

Note: La présentation sera donnée en français.

 

Bienvenue à tous !