Analytique de l’apprentissage
Learning analytics
7e édition du Séminaire du CERF
HEIG VD à Yverdon, le vendredi 30 novembre 2018 de 09h30 à 12h15
Salle S107, au 1er étage du « Centre St-Roch », juste au-dessus de l’entrée principale.
Adresse : HEIG-VD, Site Avenue des Sports 20, CH-1401 Yverdon-les-Bains
La collecte automatique et l’analyse de données numériques dans le but de comprendre et d’optimiser l’apprentissage ainsi que les dispositifs mis en place est aujourd'hui une méthodologie en plein essor. Ces approches s’inscrivent dans des paradigmes méthodologiques qui relèvent de l'analytique de l'apprentissage (learning analytics) ou de la fouille de données éducatives (educational data mining). Par ailleurs, le développement de méthodes statistiques et plus particulièrement de celles qui relèvent de l'intelligence artificielle ouvre de nouvelles perspectives à la science des données pour l'éducation et la formation. Ces nouvelles perspectives offertes au/à la chercheur/euse concernent par exemple la modélisation comportementale et épistémique de l’apprenant·e à des fins de diagnostic et de compréhension du processus d’apprentissage.
Cette nouvelle édition du séminaire du CERF vise à travailler ces méthodologies émergentes et plus particulièrement à aborder la question de l’analytique de l’apprentissage. Il s’agira d’échanger sur la manière dont les données peuvent être collectées et exploitées pour modéliser l’apprenant·e et favoriser sa prise en compte dans les environnements numériques dédiés à l’éducation et à la formation. Il s’agira également d’identifier les difficultés méthodologiques et questions épistémologiques auxquelles sont confrontés les chercheurs/euses qui emploient de telles approches.
Pour cette 7ème édition, le séminaire du CERF se délocalisera à la HEIG VD à Yverdon, partenaire du LIP/CERF pour plusieurs projets de recherche.
Programme
| 09:30 | Accueil |
| 09:40 |
Learning analytics : principes, méthodes et enjeux Les learning analytics constituent un champ de recherche hautement pluridisciplinaire apparu au début des années 2010 dont l'objectif principal est d'extraire de données éducatives des informations pour mieux guider les étudiants dans leur apprentissage et les enseignants dans leur pédagogie. Dans cette présentation, nous introduirons le domaine et ce qui le distingue notamment de champs connexes comme la fouille de données éducatives et les academics analytics. Nous présenterons ensuite les principales méthodes employées par la communauté, et discuterons des perspectives ouvertes par ces recherches. François Bouchet, Lip6, Université de Paris 6
|
| 10:15 |
Echanges |
| 10:25 |
Pause |
| 10:40 |
L'IA a ses raisons que la raison ne connaît pas L'intervention propose d'exposer les questions déontologiques de l'utilisation des techniques d'intelligence artificielle dans l'analytique de l'apprentissage. En s'appuyant sur le processus de traitement des grandes masses de données, de l'acquisition à l'évaluation et à l'interprétation, il s'agira de soulever, à chaque étape, certains écueils éthiques et méthodologiques posés l'apprentissage machine. Laurent Bolli, HEIG VD
|
| 11:10 |
Echanges |
| 11:20 |
Analyse des traces d’interaction du jeu Classcraft : une analyse du comportement du joueur Le projet Classroom Management Ludicized est un projet financé par la Leading house for the latin american region (Univ. Saint Gall). Le projet consiste dans l’expérimentation, en Suisse et au Brésil, de Classcraft, un jeu dédié à la gestion de classe. Le jeu vise à promouvoir des comportements positifs des élèves dans la classe : collaboration avec les pairs, engagement dans les activités d’apprentissage et appropriation des règles de vie de la classe. Guillaume Bonvin, Eric Sanchez, Unifr, Suisse |
| 11:45 | Echanges et conclusion du séminaire |
| 12:15 |
Apéritif dînatoire |
François Bouchet, Ph.D., is an assistant professor at Sorbonne Université and a researcher at the Laboratoire d'Informatique de Paris 6 (LIP6). He received his M.Sc. (2006) and Ph.D. (2010) in Computer Science from Université Paris-Sud 11, with a thesis centered on the use of conversational agents for assistance. During his postdoc (2010-2013) at McGill University, he has been the main architect of the Intelligent Tutoring System MetaTutor, and focused on applying data mining techniques (e.g., HMM, clustering, sequence mining) across multiple data channels (e.g., logfiles, facial expressions, eyetracking) to identify learners' profiles, in order to conceive a new generation of more adaptive intelligent tutoring systems. His latest research interests revolve around combining numerical and symbolical approaches for learning analytics, to analyze multimodal traces produced by e-learning systems and MOOCs, in order to help students learn more efficiently through peer recommendation or by fostering the use metacognitive strategies. 
Laurent Bolli a un master en design industriel (ECAL 1997). Il a fondé Bread&Butter, agence spécialisée dans le domaines de la communication digitale, qu'il a dirigée pendant 17 ans. En 2015, il fonde