Partager
Articles
primaire

Individualisation et groupes adaptés : les solutions IA d’Adaptiv’Math

Qu'appelle-t-on intelligence artificielle ? Quelles sont ses principales caractéristiques ?  Il existe plusieurs définitions qui se rejoignent sur l’essentiel : la simulation de certaines des capacités d’intelligence des êtres vivants. L’expression « intelligence artificielle », créée dans les années 1950, désigne le domaine de recherche qui étudie les mécanismes de l’intelligence en les modélisant avec des algorithmes et en les expérimentant avec des machines. Ces mécanismes incluent par exemple la faculté
(c) Adaptiv'Math
Adaptiv’Math est un assistant pédagogique intelligent complémentaire à l’enseignement collectif scolaire. Il associe deux moteurs d’intelligence artificielle (IA), des recherches récentes en sciences cognitives pour l’apprentissage des notions fondamentales des mathématiques du cycle 2 (sens du nombre, faits numériques, calcul réfléchi ; résolution de problèmes arithmétiques ; résolution de problèmes et mesures ; géométrie) et des interfaces d’apprentissage UX pour maintenir l’attention sur la discipline et stimuler la motivation de l’élève.

Il y a deux briques essentielles d’IA dans la solution Adaptiv’Math.

La première, appelée le « Bandit Manchot », est un algorithme qui a été développé par Pierre-Yves Oudeyer et son équipe FLOWERS à l’Inria Bordeaux. Cet algorithme nommé ZPDES (dont les trois premières lettres font référence au concept de Vygotski de « Zone proximale de développement ») doit proposer à tout moment des exercices adaptés au niveau de l’élève. Il se fonde sur une branche de l’IA dite d’apprentissage (machine) automatique « par renforcement ». Des exercices motivants et qui sollicitent l’élève pour progresser: suffisamment difficiles pour être intéressants, mais que l’élève peut résoudre au vu de son niveau, son parcours dans la solution et les exercices qu’il a déjà réalisés.

Il s’agit de proposer un parcours individualisé pour l’élève. Dans le pilotage de la classe, l'enseignant garde la main s’il le décide. Il peut laisser l’élève effectuer les exercices proposés par l’algorithme. Ou poser des limites. Par exemple, si certains élèves avancent très vite dans leur parcours, il peut décider qu’ils n’abordent pas telle ou telle notion car cela romprait le rythme de la classe.

La deuxième grande brique d’IA du projet Adaptiv’Math est un algorithme dit de « clustering » développé par l’équipe MOCAH. François Bouchet, Maître de conférences à Sorbonne Université et chercheur au Laboratoire d’Informatique de Paris 6 (LIP6) en explique le fonctionnement :

« Le principe du clustering, de manière générale, c’est de créer des groupes. Quand on a une population, on crée des groupes (les fameux ‘clusters’) dedans. Ces groupes doivent être aussi homogènes que possible en leur sein, et aussi différents que possibles les uns des autres. Il s’agit d’un algorithme d’apprentissage automatique dit « non supervisé » car nous n’avons pas de données de référence nous permettant de dire qu’un individu devrait idéalement être dans tel ou tel groupe. Dans le contexte d’AdaptivMath, pour l’enseignant, il s’agit d’une aide pour d’une part suivre le travail et d’autre part organiser le travail de sa classe d’élèves. En effet, chaque élève  fait des exercices distincts avec des parcours individualisés, en fonction de son niveau, de son parcours dans Adaptiv’Math, de ses erreurs. Il s’agit donc de proposer deux à cinq clusters à tout moment à l’enseignant. Ce sont des groupes plus ou moins homogènes d’élèves, ayant réalisés des exercices similaires et rencontré des difficultés similaires. »

« Nous sommes dans une logique d’outillage de l’enseignant », ajoute François Bouchet. « L’enseignant ne peut pas être derrière chaque élève individuellement. Mais si on lui propose de deux à cinq groupes qui ont fait des exercices du même type la semaine dernière sur Adaptiv’Math,...

Envie de lire la suite ?
Créez votre compte gratuitement !
J'y vais
0 commentaire(s)