No document available.
Title :
Comprendre, prédire, agir : intelligence artificielle et modélisation sémantique au service de la réussite académique
Alternative titles :
[en] Understanding, Predicting, and Acting: Artificial Intelligence and Semantic Modeling for Academic Success
Original title :
[fr] Comprendre, prédire, agir : intelligence artificielle et modélisation sémantique au service de la réussite académique
References of the abstract :
La généralisation des environnements numériques d’apprentissage permet d’analyser finement les traces d’activité des étudiant·e·s et de développer des approches de learning analytics au service de la réussite académique. Des travaux récents ont montré que les traces d’usage du microscope virtuel, Cytomine — positions, niveaux de grossissement, annotations, etc. — combinées aux résultats d’évaluations, permettent d’entraîner des modèles capables de prédire les performances en histologie avec une faible marge d’erreur (A. Fries et al., 2024).
Dans la continuité de ces résultats, le présent projet vise à structurer ces données au sein d’un graphe de connaissances afin d’en garantir la transparence, la reproductibilité et la pérennité. L’objectif devient ainsi préventif : identifier précocement les profils à risque et proposer des rétroactions formatives personnalisées.
L’originalité réside dans l’intégration de ces données hétérogènes dans un graphe de connaissances doté d’une ontologie pédagogique modélisant étudiant·e·s, activités, ressources et résultats. Cette structuration rend les données explicites, les analyses auditables et le dispositif potentiellement transférable à d’autres cours utilisant d’autres outils numériques. Le projet s’inscrit dans une perspective de régulation pédagogique fondée sur les données, articulant l’intelligence artificielle et l’ingénierie pédagogique au service d’une prise de décision éclairée et durable dans l’enseignement supérieur en santé.
