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.
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
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