119
Une solution de taille pour la mise à jour des contenus pédagogiques. L’atout de l’intelligence
artificielle est lié à sa capacité à évaluer, apprendre et adopter une stratégie dynamique. Le
développement des enseignements en ligne est coûteux en temps : de 50 heures à plus de 200 heures
pour la conception d’une heure de contenus en ligne contre un maximum de 82 heures pour celle
d’une heure de cours en présentiel
12 . L’usage de l’intelligence artificielle peut atténuer ce coût de
développement grâce à une classification et une organisation des données qui permettraient
d’identifier des contenus transversaux à plusieurs thématiques. Par ailleurs, cet usage permet de mettre
à jour les matériels pédagogiques de manière continue et d’identifier de manière automatique les
modifications à apporter aux contenus.
Une amélioration des taux de rétention. Il s’agit là d’un des objectifs clé de la mise en place des
learning analytics, surtout lorsque les frais d’inscription constituent une part importante du
financement de certaines plateformes d’enseignement en ligne. Il est en effet beaucoup plus facile de
retenir un apprenant déjà inscrit que d’en recruter un autre sur un marché de plus en plus compétitif.
Les données sur la manière dont les apprenants interagissent avec les contenus pédagogiques peuvent
être un indicateur de leur engagement et, par conséquent, de la probabilité qu’ils décrochent. Les
systèmes analytiques permettent d’identifier les apprenants qui se désengagent très tôt dans le parcours
et de choisir le mode d’intervention le plus approprié afin d’éviter leur décrochage.
Exemples de projets industriels
Gaya Technologies. Intelliquiz est un moteur de génération automatique de questionnaires à choix
multiples à partir de bases de données et du Web, développé par la société Gaya Technologies. Il
permet de créer des questionnaires de façon infinie, dans toutes les langues et pour tous les
programmes scolaires. Il s'adapte au profil de l'apprenant. Il utilise des techniques issues des jeux
vidéo, du Web sémantique et de l'intelligence artificielle. Il est fondé sur la génération automatique de
réponses alternatives, la génération automatique de questions, l'indexation des questionnaires dans un
référentiel de connaissances et de compétences et l'adaptation au profil de l'apprenant.
Le développement d'un tel projet industriel mène à poser de nombreuses questions de recherche :
Comment extraire à partir d'un jeu initial de questions en langue naturelle, une représentation de ces
questions dans les formalismes du Web sémantique ? Comment extraire du Web de données des
réponses fausses mais crédibles à des questions formalisées ? Comment évaluer la qualité des
documents utilisés ? Comment générer des questions à partir d'un ensemble de critères données –
notamment des thématiques –, en langue naturelle et formalisées dans les modèles du Web sémantique
? Comment construire une séquence de questions à proposer à l'apprenant ? Quelles métaconnaissances sur les questions sont nécessaires pour cela ? Comment adapter une séquence de
questions à l'utilisateur ? Quelles connaissances sur l'utilisateur sont nécessaires pour cela ?
12
Chiffres issus d’une enquête de Bryan Chapman (Chapman Alliance) en 2010 auprès de 249
organismes dans le monde ayant créé du contenu pédagogique suivi par près de 20 millions d’apprenants
(enseignement en ligne, apprentissage mixte, présentiel)
Chapman, B. (2010), How Long Does it Take to Create Learning?
http://www.chapmanalliance.com/howlong/
Une solution de taille pour la mise à jour des contenus pédagogiques. L’atout de l’intelligence
artificielle est lié à sa capacité à évaluer, apprendre et adopter une stratégie dynamique. Le
développement des enseignements en ligne est coûteux en temps : de 50 heures à plus de 200 heures
pour la conception d’une heure de contenus en ligne contre un maximum de 82 heures pour celle
d’une heure de cours en présentiel
12 . L’usage de l’intelligence artificielle peut atténuer ce coût de
développement grâce à une classification et une organisation des données qui permettraient
d’identifier des contenus transversaux à plusieurs thématiques. Par ailleurs, cet usage permet de mettre
à jour les matériels pédagogiques de manière continue et d’identifier de manière automatique les
modifications à apporter aux contenus.
Une amélioration des taux de rétention. Il s’agit là d’un des objectifs clé de la mise en place des
learning analytics, surtout lorsque les frais d’inscription constituent une part importante du
financement de certaines plateformes d’enseignement en ligne. Il est en effet beaucoup plus facile de
retenir un apprenant déjà inscrit que d’en recruter un autre sur un marché de plus en plus compétitif.
Les données sur la manière dont les apprenants interagissent avec les contenus pédagogiques peuvent
être un indicateur de leur engagement et, par conséquent, de la probabilité qu’ils décrochent. Les
systèmes analytiques permettent d’identifier les apprenants qui se désengagent très tôt dans le parcours
et de choisir le mode d’intervention le plus approprié afin d’éviter leur décrochage.
Exemples de projets industriels
Gaya Technologies. Intelliquiz est un moteur de génération automatique de questionnaires à choix
multiples à partir de bases de données et du Web, développé par la société Gaya Technologies. Il
permet de créer des questionnaires de façon infinie, dans toutes les langues et pour tous les
programmes scolaires. Il s'adapte au profil de l'apprenant. Il utilise des techniques issues des jeux
vidéo, du Web sémantique et de l'intelligence artificielle. Il est fondé sur la génération automatique de
réponses alternatives, la génération automatique de questions, l'indexation des questionnaires dans un
référentiel de connaissances et de compétences et l'adaptation au profil de l'apprenant.
Le développement d'un tel projet industriel mène à poser de nombreuses questions de recherche :
Comment extraire à partir d'un jeu initial de questions en langue naturelle, une représentation de ces
questions dans les formalismes du Web sémantique ? Comment extraire du Web de données des
réponses fausses mais crédibles à des questions formalisées ? Comment évaluer la qualité des
documents utilisés ? Comment générer des questions à partir d'un ensemble de critères données –
notamment des thématiques –, en langue naturelle et formalisées dans les modèles du Web sémantique
? Comment construire une séquence de questions à proposer à l'apprenant ? Quelles métaconnaissances sur les questions sont nécessaires pour cela ? Comment adapter une séquence de
questions à l'utilisateur ? Quelles connaissances sur l'utilisateur sont nécessaires pour cela ?
12
Chiffres issus d’une enquête de Bryan Chapman (Chapman Alliance) en 2010 auprès de 249
organismes dans le monde ayant créé du contenu pédagogique suivi par près de 20 millions d’apprenants
(enseignement en ligne, apprentissage mixte, présentiel)
Chapman, B. (2010), How Long Does it Take to Create Learning?
http://www.chapmanalliance.com/howlong/