L'apport de l'intelligence artificielle dans l'apprentissage
•Download as PPTX, PDF•
0 likes•1,670 views
Intervention de Monique GRANDBASTIEN, professeur émérite à l’université de Lorraine et chercheur au LORIA lors des 15èmes Rencontres du FFFOD. Les premières applications de l’intelligence artificielle à la formation ont été regroupées sous le terme systèmes tutoriels intelligents. Nous verrons quels étaient les objectifs, ce que ces systèmes ont apporté et tenterons d analyser pourquoi ils ne sont pas très répandus. Mais il y a bien d’autres applications de l’intelligence artificielle à la formation, nous donnerons quelques exemples.
![[BigData - Economie Matin]
Comment l'intelligence
artificielle aidera-t-elle les
enfants dans leurs révisions ?
FFFOD - M. Grandbastien - licence BY NC SA 2](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Recommended
Recommended
More Related Content
What's hot
What's hot (20)
Similar to L'apport de l'intelligence artificielle dans l'apprentissage
Similar to L'apport de l'intelligence artificielle dans l'apprentissage (20)
More from FFFOD
More from FFFOD (20)
Recently uploaded
Recently uploaded (18)
L'apport de l'intelligence artificielle dans l'apprentissage
- 1. 15èmes Rencontres du FFFOD Homme – Machine : quel accompagnement en FOAD ? Les 12 et 13 décembre 2017 - Châlons-en-Champagne L’apport de l’Intelligence Artificielle dans l’apprentissage de compétences Monique Grandbastien – Professeur émérite Université de Lorraine - monique.grandbastien@loria.fr
- 2. [BigData - Economie Matin] Comment l'intelligence artificielle aidera-t-elle les enfants dans leurs révisions ? FFFOD - M. Grandbastien - licence BY NC SA 2
- 3. Sommaire • Intelligence artificielle et formation • Vocabulaire – champ scientifique • Les tuteurs intelligents première génération? • Qu’en retenir? • En 2017 • Besoins et caractéristiques des formations • Avancées technologiques • Des exemples de techniques d’IA mobilisables • Construire le futur • Mettre en œuvre l’IA en FP/FTLV • Questions éthiques et organisationnelles • Tous chercheurs - Collaborations recherche/praticiens FFFOD - M. Grandbastien - licence BY NC SA 3
- 4. Intelligence Artificielle et Formation • Le vocabulaire! • « j’ai mis une IA dans mon système » ???? • vs « j’ai utilisé des techniques d’IA dans mon système » • Un premier champ scientifique • Constitué dès la fin des années 70 • Peu de publications en formation professionnelle • Mais financements importants forces armées US FFFOD - M. Grandbastien - licence BY NC SA 4
- 5. Sommaire • Intelligence artificielle et formation • Vocabulaire – champ scientifique • Les tuteurs intelligents première génération? • Qu’en retenir? • En 2017 • Besoins et caractéristiques des formations • Avancées technologiques • Des exemples de techniques d’IA mobilisables • Construire le futur • Mettre en œuvre l’IA en FP/FTLV • Questions éthiques et organisationnelles • Tous chercheurs - Collaborations recherche/praticiens FFFOD - M. Grandbastien - licence BY NC SA 5
- 6. IA et Formation : 40 ans déjà! • SCHOLAR (Carbonnel, 1973) • Dialogues initiative mixte, représentation du domaine par réseaux sémantique • SOPHIE (Brown & Burton, 1974) • Dépannage en électronique des circuits, règles de dépannage • BUGGY (Brown, 1978) • Apprentissage de la soustraction, analyse des erreurs et suggestions par représentation explicites des erreurs possibles de l’apprenant • PROUST (Johson & Soloway, 1984) • Tuteur commercialisé en programmation PASCAL, comparaison solution élève avec dérivations possibles du schéma type FFFOD - M. Grandbastien - licence BY NC SA 6
- 7. Les acquis des tuteurs intelligents • Rappel de définition : Les systèmes tutoriels intelligents (STI) sont des environnements d'apprentissage informatisés qui visent à imiter le comportement d'un tuteur humain dans ses capacités d'expert pédagogue et d'expert du domaine • De très nombreux prototypes • Peu de passage à l’échelle • A retenir : Trois composants incontournables • Domaine • Pédagogique • Apprenant FFFOD - M. Grandbastien - licence BY NC SA 7
- 8. Modéliser le domaine • Objectif 1 : Le système est capable de résoudre tout exercice dans son champ de validité (pas de corrigé à fournir) • Objectif 2 : Suivre en pas à pas la résolution proposée par l’apprenant • Modéliser à des fins pédagogiques nécessite souvent des connaissances complémentaires, comme les erreurs « classiques » chez les débutants • Tâche complexe (experts du domaine et de la modélisation de connaissances), aides possibles par environnements auteurs FFFOD - M. Grandbastien - licence BY NC SA 8
- 9. Acquérir et représenter les informations relatives à l’apprenant • Informations statiques • générales (âge, compétences acquises, diplôme préparé ou cursus suivi) • relatives aux modes d’apprentissage (préfère exposé traditionnel ou manipulations avec cours ou …) • Objectifs d’apprentissage, etc.. • Informations dynamiques • Progression dans l’unité de formation, concepts ou savoir-faire acquis complètement/partiellement • Activités effectuées, collaborations (avec qui), etc... • Etat émotionnel, etc.. FFFOD - M. Grandbastien - licence BY NC SA 9
- 10. Représenter les décisions pédagogiques • Choix des activités à proposer (selon différentes pédagogies – cognitivistes, constructivistes, etc…) • Suivi du déroulement d’une activité • Utilisation des connaissances du domaine et des données connues sur l’apprenant pour personnaliser ces décisions pédagogiques • Diagnostic cognitif • Décision d’intervenir • Choix d’une rétro-action pertinente (correction, aide, explication) • Adaptation aux capacités physiques et cognitives de l’apprenant FFFOD - M. Grandbastien - licence BY NC SA 10
- 11. Une société spécialisée… ALELO Compagnie californienne fondée en 2005 par W.L.Johnson Spin-out univ South. California Technos linguistiques et multi-agents Missionné par DARPA, Air Forces, Marines, etc. Produits de formation pour entreprises, institutions éducatives et organismes publics FFFOD - M. Grandbastien - licence BY NC SA 11
- 12. Sommaire • Intelligence artificielle et formation • Vocabulaire – champ scientifique • Les tuteurs intelligents première génération? • Qu’en retenir? • En 2017 • Besoins et caractéristiques des formations • Avancées technologiques • Des exemples de techniques d’IA mobilisables • Construire le futur • Mettre en œuvre l’IA en FP/FTLV • Questions éthiques et organisationnelles • Tous chercheurs - Collaborations recherche/praticiens FFFOD - M. Grandbastien - licence BY NC SA 12
- 13. Le contexte de la FP en 2017 • Connections omni-présentes • Massif : Traces d’interactions, big data, comment les utiliser? • Séquences courtes (besoin d’immédiateté) • Capitalisation des séquences si modèle compétences interopérable • Voir aussi portfolio • Besoin de travail en équipe, collaboration, compétences transversales • De plus en plus personnalisé : • Modèle apprenant, compétences acquises/à acquérir • Acquisition de compétences vs capitalisation expérience sur le lieu de travail FFFOD - M. Grandbastien - licence BY NC SA 13
- 14. Avancées technologiques • Modèles de connaissances et de raisonnements • Elaboration de règles par apprentissage automatique • Modélisation des apprenants avec les donnés d’interaction • Reconnaissance d’image et de parole, d’émotions • Réalité virtuelle et/ou augmentée, agents autonomes • Objets connectés • Fouille et visualisation de données massives FFFOD - M. Grandbastien - licence BY NC SA 14
- 15. Sommaire • Intelligence artificielle et formation • Vocabulaire – champ scientifique • Les tuteurs intelligents première génération? • Qu’en retenir? • En 2017 • Besoins et caractéristiques des formations • Avancées technologiques • Des exemples de techniques d’IA mobilisables • Construire le futur • Mettre en œuvre l’IA en FP/FTLV • Questions éthiques et organisationnelles • Tous chercheurs - Collaborations recherche/praticiens FFFOD - M. Grandbastien - licence BY NC SA 15
- 16. Massif et Progrès en TAL : ALELO en langues • Alelo propose Alelo’s Enskill platform • pour développer et améliorer des contenus de formation avec des techniques de machine learning • collecte constamment les données de tous les utilisateurs • Beaucoup de données • Toutes les formations OTAN en langues étrangères • Les erreurs les plus courantes des natifs de plusieurs pays lors de leur apprentissage de l’anglais ont permis d’élaborer les modèles d’erreurs • Des modèles de dialogues sont aussi élaborés ainsi • Service disponible sur tout support via le cloud FFFOD - M. Grandbastien - licence BY NC SA 16
- 17. Massif et apprentissage statistique: le cours d’IA à Georgia Tech • Cours créé en 2014, 2 sessions par an • 300 étudiants par session, environ 40000 posts conservés dans le forum, un professeur et 8 assistants • Objectif : Ajouter un robot assistant qui réponde à 40% des questions pour décharger l’équipe enseignante et lui permettre de mieux encadrer les étudiants sur les autres questions • Technologie utilisée : IBM Watson API + Home-built modules FFFOD - M. Grandbastien - licence BY NC SA 17
- 18. Base de cas, similarités: Peer help FFFOD - M. Grandbastien - licence BY NC SA 18 Rechercher des pairs (apprenants, collègues, autres) A partir de données modélisées et mémorisées - Sur la tâche en cours d’exécution - Sur les « aidants » potentiels - Sur des cas d’aide répertoriés Avec les mêmes principes (OP4L) - Compléter avec présence physique ou sur réseaux sociaux Créer des groupes de travail selon des critères variés
- 19. Acquisition de compétences vs capitalisation d’expériences FFFOD - M. Grandbastien - licence BY NC SA 19 DOLMEN : Système à base de cas pour capitalisation et formation en défectologie métallurgique Domaine pointu dans lequel un jeune ingénieur peut ne pas avoir d’expérience Greffer une fonction de formation sur un système de capitalisation de connaissances
- 20. Modèles de connaissances Décisions en situation critique • Projet ANR MacCoy • Plateforme HUMANS (D. Lourdeaux, UTC) • pour la Génération de scénarios pédagogiques dans des environnements virtuels de formation à la gestion de situations critiques FFFOD - M. Grandbastien - licence BY NC SA 20
- 21. Sommaire • Intelligence artificielle et formation • Vocabulaire – champ scientifique • Les tuteurs intelligents première génération? • Qu’en retenir? • En 2017 • Besoins et caractéristiques des formations • Avancées technologiques • Des exemples de techniques d’IA mobilisables • Construire le futur • Mettre en œuvre l’IA en FP/FTLV • Questions éthiques et organisationnelles • Tous chercheurs - Collaborations recherche/praticiens FFFOD - M. Grandbastien - licence BY NC SA 21
- 22. Mettre en œuvre l’IA en FP/FTLV • Article synthèse ECTEL 2017 à propos des learning analytics en FP/FTLV : Tout reste à faire • Des développements à grande échelle en langues, en « codage informatique », etc. • Fourniture de ressources complémentaires de formation adaptées aux besoins • Des chantiers • Automatiser l’évaluation • Capacité de résolution de problèmes • Ex.: Socrative et eClicker permettant de créer des questions à choix multiples qui se corrigent automatiquement • Tableaux de bord et suggestions à l’enseignant • Gestion du travail collaboratif FFFOD - M. Grandbastien - licence BY NC SA 22
- 23. Questions éthiques et organisationnelles • Trace d’activités, modèle apprenant : Qui les garde? Rendus anonymes ou pas? Fiabilité? • Droit à l’oubli • Modèles interopérables de compétences • Niveaux de granularité • Indexation des formations • Mise à jour automatique des compétences (ou pas) et par qui? FFFOD - M. Grandbastien - licence BY NC SA 23
- 24. Tous chercheurs - Collaborations recherche/praticiens FFFOD - M. Grandbastien - licence BY NC SA 24 Contacts : ATIEF http://atief.fr/atief/association/presentation Contacts : AFIA http://afia.asso.fr/contact/
- 25. Des questions? FFFOD - M. Grandbastien - licence BY NC SA 25 Quelques références suivent….
- 26. Références (1) • Articles • J. Greer, G. McCalla, J. Collins, V. Kumar, P. Meagher, J. Vassileva, Supporting Peer Help and Collaboration in Distributed Workplace Environments, International Journal of Artificial Intelligence in Education (1998), 9, 159-177. • Mukesh Barange / Julien Saunier / Alexandre Pauchet : “Pedagogical Agents as Team Members: Impact of Proactive and Pedagogical Behavior on the user”, AAMAS 2017 proceedings • D. Lourdeaux, A. Benabbou, L. Huguet, R. Lacaze-Labadie, HUMANS : suite logicielle pour la scénarisation d’environnements virtuels pour la formation à des situations socio-techniques complexes, PFIA 2017, https://pfia2017.greyc.fr/share/actes/APIA/Lourdeaux_APIA_2017.pdf • Adolfo Ruiz-Calleja, Luis P. Prieto, Tobias Ley, Marıa Jesus Rodrıguez-Triana, and Sebastian Dennerlein • Learning Analytics for Professionaand Workplace Learning: A Literature Review, WPLA workshop, ECTEL 2017 • Rapports • Rapport_recherche_et_developpement_education_V2_756403.pdf (vers une société apprenante - tous chercheurs)http://cache.media.education.gouv.fr/file/2017/40/3/ • Rapport IGAS n° 2016-055R : La transformation digitale de la formation professionnelle continue • Livre blanc CIGREF : Gouvernance de l’Intelligence artificielle dans les entrepriseshttp://www.cigref.fr/wp/wp- content/uploads/2016/09/Gouvernance-IA-CIGREF-LEXING-2016.pdf • 2017LivreBlanc-CreisTerminal_CECIL_FinalPDF : http://www.lecreis.org/?p=2538 FFFOD - M. Grandbastien - licence BY NC SA 26
- 27. Références (2) • FFFOD - M. Grandbastien - licence BY NC SA 27 Sites web et blogs http://ruedelaformation.org/formation-professionnelle-intelligence-artificielle/ https://www.lemondeinformatique.fr/actualites/lire-ibm-exacerbe-les-emotions-de-watson-a-travers-ses-api-64021.html https://www.alelo.com/about-us/ http://industry-track.eu/ Learning and training in the age of smart indusry http://carrefour-education.qc.ca/actualite/nouvelles/lintelligence_artificielle_ia_pour_favoriser_lentraide_a_lecol http://www.orphee-edu.fr/orphee/partenariats
- 28. FFFOD - M. Grandbastien - licence BY NC SA 28
Editor's Notes
- Sujet « chaud », car l’IA est proposée comme vecteur de transformations importantes J’en veux pour preuve les nombreux articles et blogs récemment consacrés au sujet « Aujourd’hui, nous vivons un nouvel âge d’or de l’intelligence artificielle, propulsé notamment par l’intérêt croissant des géants du web pour les enjeux du Big data. Les premiers investisseurs en IA sont en effet les pure players de l’internet et les principaux acteurs du logiciel. » CIGREF
- A NOTER La meta review extraite d’une revue scientifique montre qu’il y a suffisamment de système pour les évaluer de façon systématique on notera l’affiliation du second auteur Institute for Defence Analysis Il faut de l’énergie électrique pour tout cela!
- Etude du CEDEFOP - 1987 CEDEFOP — Centre européen pour le développement f^ de la formation professionnelle Actuellement à Thessalonique Premier champ scientifique Actuellement applications à la formation dispersées entre plusieurs champs
- Deux sur des apprentissages « généraux » Deux sur des sujets plus professionnels Montrer la technologie utilisée dans chaque cas
- Passage à l’échelle = hors du contrôle des concepteurs Cependant voir Clancey : « ITS go to schools » Tuteurs cognitifs
- Modèles à partager dans des domaines où il y a beaucoup de demandes, ex. Carrosserie automobile
- 8 pas du tout un modèle psychologique, mais des informations sur celui qui apprend, celles dont les humains se servent pour prendre Des décisions (si on peut les numériser) et celles que les machines savent calculer et qui peuvent compléter celles des humains Essais de détection d’informations de type émotionnel dès 2000
- Des décisions (si on peut les numériser) et celles que les machines savent calculer et qui peuvent compléter celles des humains
- Histoire des liens Financement recherches en ITS et armée US Poids dans la normalisation
- Bien d’autres éléments évidemment. A compléter sur place
- Modèle d’erreurs initial, puis amélioré par expérience Disponible dans le cloud en HTML5
- La nouvelle assistante Jill Watson est un robot qui a passé le « test de Turing », cad les étudiants n’ont pas distingué ses interventions de celles des tuteurs humains.
- Remettre de l’humain dans le processus, trouver la bonne ressource humaine, tu pourrais voir Dupont, il a déjà eu un cas similaire… Utilisé en médecine, peut être étendu dans beaucoup de communuatés apprenantes et professionnelle
- Sidérurgie ou toute autre industrie lourde, et aussi design automobile Mémoire des « erreurs » inconnues des nouvelles équipes et dont la survenue coûte cher (cf design chez Renault!)
- Modèle complexes, prototype avancé
- ECTEL 2017 Une tentative de synthèse sur WPLA (workplace learning analytics) Learning Analytics for Professional and Workplace Learning: A Literature Review Adolfo Ruiz-Calleja1(B), Luis P. Prieto1, Tobias Ley1, Mar´ıa Jes´us Rodr´ıguez-Triana1,2, and Sebastian Dennerlein3 Beaucoup moins d’articles que pour les LA en université ou sur le secteur santé par exemple (30 articles analysés) Communauté naissante car papiers très récents Communuaté fragmentée, utilise des vocabulaires différents Souvent un seul type de données collectées, force viendra du MultiModal LA A faire : interfaces de visualisation pour usagers Des sujets pas abordés dans les diapos précédentes La fin des séances soporifiques de pptx…votre assistante personnelle... 1) Automatiser l’évaluation il existe déjà plusieurs applications comme Socrative et eClicker permettant de créer des questions à choix multiples qui se corrigent automatiquement. De plus, la majorité des plateformes d’apprentissage comme Didacti, Moodle, Khan Academy et Netmaths offrent des questions autocorrectives ou des outils pour en créer. Dans un futur proche, des outils pourront éventuellement corriger des réponses courtes et même des questions à développement. Moins de correction signifie plus de temps pour accompagner les élèves ! 2) S’adapter aux besoins de l’élève Cette technologie existe déjà sur la plateforme américaine Khan Academy. L’élève répond à des questions autocorrectives en lien avec la matière, et, en cas de difficulté, le système lui envoie d’autres questions ou plus d’explications pour l’aider. Ceci veut donc dire que l’apprentissage individualisé pourrait devenir beaucoup simple avec des outils de ce type. 3) Proposer des améliorations à l’enseignant Imaginez un outil d’apprentissage qui permette de monter les cours et qui, en plus, fasse des propositions d’amélioration selon la réussite ou les difficultés des élèves qui le suivent ! Ceci n’est pas de la science-fiction puisque la plateforme Coursera a déjà mis en place un système de ce genre. 4) Être un tuteur virtuel pour l’élève La valeur humaine d’un tuteur est loin d’être contestée et le remplacement de celui-ci par un système entièrement automatisé n’est pas pour bientôt. Par contre, certains développements ont été réalisés en mathématiques, où une sorte du tuteur virtuel accompagne l’élève dans l’acquisition des concepts de bases. 5) Sortir l’apprentissage des murs de la classe Plus les systèmes informatiques seront performants, plus l’apprentissage pourra se réaliser à l’extérieur des murs de la classe. Ceci annonce-t-il la mort de l’école ? Probablement pas, puisque l’enseignant représentera toujours un guide pour aider l’élève à développer ses opinions et à valider l’information. Par contre, l’enseignant ne pourra plus se tenir devant une classe d’élèves passifs !
- Souvent plus difficiles à résoudre que les questions techniques
- ECTEL 2017 Une tentative de synthèse sur WPLA (workplace learning analytics) Learning Analytics for Professional and Workplace Learning: A Literature Review Adolfo Ruiz-Calleja1(B), Luis P. Prieto1, Tobias Ley1, Mar´ıa Jes´us Rodr´ıguez-Triana1,2, and Sebastian Dennerlein3 Beaucoup moins d’articles que pour les LA en université ou sur le secteur santé par exemple (30 articles analysés) Communauté naissante car papiers très récents Communuaté fragmentée, utilise des vocabulaires différents Souvent un seul type de données collectées, force viendra du MultiModal LA A faire : interfaces de visualisation pour usagers