Navigation

Enseignement individualisé en ligne grâce à l’apprentissage automatique

 

Notre projet se fonde sur l’utilisation de l’apprentissage automatique, soit la capacité des ordinateurs à apprendre à partir de données, pour élaborer la prochaine génération de systèmes d’enseignement en ligne. Notre objectif est d’adapter automatiquement de tels systèmes aux acquis, aux compétences et au style d’apprentissage des étudiants afin d’améliorer la transmission des connaissances qui leur sont dispensées.

Portrait / description du projet (projet de recherche en cours)

Ce projet entend repenser la conception de la prochaine génération des systèmes d’apprentissage en ligne afin de permettre à la technologie de traiter de grands jeux de données, tels que les CLOT. Le projet validera aussi la qualité de nos résultats d’apprentissage en utilisant la théorie statistique. Sur la base de ce nouvel apprentissage automatique, nous allons nous concentrer sur la mise en place d’un système d’apprentissage en ligne individualisé afin d’améliorer les expériences d’apprentissage des étudiants en explorant automatiquement leur style d’apprentissage et leurs compétences. Nous étudierons en outre les problèmes décisionnels liés à la conception de tels systèmes individualisés et développerons un cadre d’optimisation approprié (bayésien) pour leur automatisation.

Contexte

Internet a sensiblement réduit le coût de l’accès à l’information, préparant la voie aux cours en ligne ouverts à tous (CLOT, ou MOOCs pour massive open online courses). Les bénéfices sociaux des CLOT sont clairs : ils dispensent aux étudiants un accès transfrontalier et libre aux cours des meilleures universités du monde. Les CLOT engendrent en outre d’énormes volumes de données qui peuvent aider à comprendre le comportement des étudiants afin de leur proposer des offres mieux adaptées à leurs besoins.

Objectif

Les technologies traditionnelles d’apprentissage automatique utilisées pour analyser les données des CLOT, telles que les réseaux neuronaux, sont dépassées. Notre projet va en conséquence développer de nouvelles techniques afin d’apprendre efficacement à partir de jeux de données des CLOT.

Importance / Application

Les systèmes d’apprentissage en ligne n’étant pas basés sur des manuels statiques, ils parviennent à s’adapter aux changements du monde en constante évolution d'aujourd'hui. En développant des moyens automatiques pour individualiser ces systèmes de manière à répondre aux besoins des étudiants, nous allons garantir la pérennisation du transfert de connaissances dans le domaine de la formation.

Titre original

Theory and methods for accurate and scalable learning machines

Responsables du projet

  • Professeur Volkan Cevher, Laboratoire de systèmes d'information et d'inférence, EPFL

 

 

Plus d’informations sur ce contenu

 Contact

Professeur Volkan Cevher Laboratoire de systèmes d'information et d'inférence
EPFL - STI - IEL – LIONS
Bâtiment ELE 233
Station 11 1015 Lausanne volkan.cevher@epfl.ch

A ce sujet