118
niveau, à ses aspirations et à ses projets. Pour cela, il est essentiel que les ressources pédagogiques
soient référencées et décrites précisément. Des outils de recommandation, fondés sur des techniques
d'apprentissage automatique, sont déjà utilisés sur les plateformes de commerce électronique ou de
vidéo à la demande. Ils demandent à être développés et adaptés aux plateformes d'enseignement en
ligne pour permettre aux apprenants de mieux s'orienter dans cette nouvelle offre de formation.
Une meilleure efficacité dans la gestion des questions. Quand une formation en ligne s'adresse
simultanément à plusieurs dizaines de milliers d'apprenants, le nombre de questions posées par ces
apprenants peut se compter en milliers. Il faut alors trouver des moyens pour y répondre. Les systèmes
d'apprentissage automatique peuvent aider les enseignants à répondre, voire répondre à leur place, en
exploitant des réponses passées à des questions similaires. Ainsi, plus les enseignants répondent, plus
le système apprend à répondre à leur place et plus il les aide. Celui-ci peut alors se concentrer sur les
questions les plus complexes sur lesquelles son expertise est utile. Il est aussi possible de mettre en
place un système d'inter-tutorat, pour un enseignement mutuel entre les apprenants les plus avancés et
les moins avancés sur un même cursus. Quand la réponse aux questions est fournie, non
automatiquement, mais par les autres apprenants, les systèmes d'apprentissage automatique
permettent de regrouper les questions par thème, de classer les réponses, des détecter les situations
nécessitant des interventions complémentaires, etc.
L'analyse des traces laissées par les apprenants. En construisant des profils, en choisissant des
parcours, en répondant à des évaluations, en posant des questions, etc., les apprenants laissent des
traces sur les plateformes. Ces traces constituent des observations essentielles pour comprendre la
manière dont les humains apprennent, mais aussi la manière dont chaque apprenant singulier apprend.
Modéliser chaque apprenant en analysant ses traces, permet par exemple de détecter les apprenants en
risque de décrochage. Cela permet aussi de proposer aux apprenants une formation sur mesure (en
fonction de leurs préférences, de leurs compétences, de leurs rythmes et méthodes d’apprentissage,
etc.), même quand l'offre de formation est massive. Cela permet enfin de former des groupes de travail
judicieux, en construisant des groupes de niveaux homogènes ou au contraire en mélangeant les
niveaux pour favoriser le parrainage. Tout cela demande cependant de savoir analyser ces traces qui
sont souvent volumineuses. Il faut, pour cela, encore utiliser des techniques d'apprentissage
automatique.
Au-delà des indicateurs automatiquement calculés sans le concours des acteurs de l'apprentissage, les
techniques d'intelligence artificielle permettent de considérer l'observation des processus
d'apprentissage comme une source de co-construction de connaissances entre apprenants, tuteurs,
enseignants, formateurs, etc. et ceci tout au long de la vie. L'activité d'apprentissage peut en effet être
l'objet d'une documentarisation sémantique dès l'instant où les traces d'apprentissage sont modélisées,
au sens d'un modèle de connaissance, progressivement par transformations explicites permettant
d'intégrer les points de vue de tous les acteurs et de créer des espaces de négociation pour dégager des
points de vue commun. Ces traces modélisées d'apprentissage peuvent alors être gérées par les acteurs
de l'apprentissage au premier rang desquels les apprenants, puis mises à disposition des autres acteurs,
en particulier les chercheurs pour l'élaboration d'indicateurs nouveaux, afin de donner du sens partagé
aux processus d'apprentissage. Les entreprises qui fournissent les environnements de médiation des
activités d'apprentissage peuvent offrir alors un service particulièrement innovant, permettant de
documentariser, capitaliser, partager, réutiliser les pratiques d'apprentissage dans toute leur dynamique
et non réduite à des indicateurs statiques dont l'usage peut s'avérer très réducteur hors contexte.
niveau, à ses aspirations et à ses projets. Pour cela, il est essentiel que les ressources pédagogiques
soient référencées et décrites précisément. Des outils de recommandation, fondés sur des techniques
d'apprentissage automatique, sont déjà utilisés sur les plateformes de commerce électronique ou de
vidéo à la demande. Ils demandent à être développés et adaptés aux plateformes d'enseignement en
ligne pour permettre aux apprenants de mieux s'orienter dans cette nouvelle offre de formation.
Une meilleure efficacité dans la gestion des questions. Quand une formation en ligne s'adresse
simultanément à plusieurs dizaines de milliers d'apprenants, le nombre de questions posées par ces
apprenants peut se compter en milliers. Il faut alors trouver des moyens pour y répondre. Les systèmes
d'apprentissage automatique peuvent aider les enseignants à répondre, voire répondre à leur place, en
exploitant des réponses passées à des questions similaires. Ainsi, plus les enseignants répondent, plus
le système apprend à répondre à leur place et plus il les aide. Celui-ci peut alors se concentrer sur les
questions les plus complexes sur lesquelles son expertise est utile. Il est aussi possible de mettre en
place un système d'inter-tutorat, pour un enseignement mutuel entre les apprenants les plus avancés et
les moins avancés sur un même cursus. Quand la réponse aux questions est fournie, non
automatiquement, mais par les autres apprenants, les systèmes d'apprentissage automatique
permettent de regrouper les questions par thème, de classer les réponses, des détecter les situations
nécessitant des interventions complémentaires, etc.
L'analyse des traces laissées par les apprenants. En construisant des profils, en choisissant des
parcours, en répondant à des évaluations, en posant des questions, etc., les apprenants laissent des
traces sur les plateformes. Ces traces constituent des observations essentielles pour comprendre la
manière dont les humains apprennent, mais aussi la manière dont chaque apprenant singulier apprend.
Modéliser chaque apprenant en analysant ses traces, permet par exemple de détecter les apprenants en
risque de décrochage. Cela permet aussi de proposer aux apprenants une formation sur mesure (en
fonction de leurs préférences, de leurs compétences, de leurs rythmes et méthodes d’apprentissage,
etc.), même quand l'offre de formation est massive. Cela permet enfin de former des groupes de travail
judicieux, en construisant des groupes de niveaux homogènes ou au contraire en mélangeant les
niveaux pour favoriser le parrainage. Tout cela demande cependant de savoir analyser ces traces qui
sont souvent volumineuses. Il faut, pour cela, encore utiliser des techniques d'apprentissage
automatique.
Au-delà des indicateurs automatiquement calculés sans le concours des acteurs de l'apprentissage, les
techniques d'intelligence artificielle permettent de considérer l'observation des processus
d'apprentissage comme une source de co-construction de connaissances entre apprenants, tuteurs,
enseignants, formateurs, etc. et ceci tout au long de la vie. L'activité d'apprentissage peut en effet être
l'objet d'une documentarisation sémantique dès l'instant où les traces d'apprentissage sont modélisées,
au sens d'un modèle de connaissance, progressivement par transformations explicites permettant
d'intégrer les points de vue de tous les acteurs et de créer des espaces de négociation pour dégager des
points de vue commun. Ces traces modélisées d'apprentissage peuvent alors être gérées par les acteurs
de l'apprentissage au premier rang desquels les apprenants, puis mises à disposition des autres acteurs,
en particulier les chercheurs pour l'élaboration d'indicateurs nouveaux, afin de donner du sens partagé
aux processus d'apprentissage. Les entreprises qui fournissent les environnements de médiation des
activités d'apprentissage peuvent offrir alors un service particulièrement innovant, permettant de
documentariser, capitaliser, partager, réutiliser les pratiques d'apprentissage dans toute leur dynamique
et non réduite à des indicateurs statiques dont l'usage peut s'avérer très réducteur hors contexte.