Le projet « Technologies de modélisation dynamique de l’apprenant et de l’assistant numérique pour l’amélioration des performances des plateformes d’apprentissage en ligne » WITH_YOU (2022-2025), géré par Éditeurs et Consultants spécialisés (Editores y Consultores Especializados,ECE), auquel participe également l’Universidad Europea del Atlántico (Université européenne de l’Atlantique, UNEATLANTICO) et l’Université polytechnique de Catalogne (Universidad Politécnica de Cataluña, UPC) est actuellement dans sa deuxième année de mise en œuvre.
Au cours de la première année, le travail du projet s’est concentré, d’une part, sur la définition d’un système de capture de données, pour lequel une analyse a été faite des variables étudiantes (sociodémographiques, résultats académiques, interactions, etc.) qui, a priori, ont été considérées comme des facteurs déterminants dans le progrès académique des étudiants inscrits dans les plates-formes d’apprentissage en ligne e-learning et, d’autre part, sur le développement d’un modèle de capture de données qui permettrait d’extraire toutes les informations nécessaires des plates-formes pour une utilisation future.
Les premières étapes ont également été franchies pour définir un module d’enquête de satisfaction afin d’enrichir les informations extraites (mining) de la plateforme. Ce travail a permis d’obtenir une base de données contenant plus de 280 000 enregistrements et plus de 160 caractéristiques (features)décrivant les performances académiques des étudiants préparant des diplômes sur des plates-formes d’apprentissage en ligne e-learning.
Les travaux de la deuxième année ont pris comme point de départ les résultats de l’année précédente, pour lesquels un prétraitement des données de l’ensemble a été effectué en utilisant l’ingénierie des caractéristiques sur la base de données initiale. Ces travaux ont permis de sélectionner et/ou de générer 40 variables prétraitées, qui contiennent des informations sur le comportement (dans ce cas, les progrès scolaires) de plus de 34 000 utilisateurs uniques des plateformes pendant la période où les données ont été exploitées.
Des travaux sont actuellement en cours pour exploiter les informations latentes contenues dans ces variables. Des technologies de regroupement (clustering) ont commencé à être développées à l’aide de réseaux neuronaux et d’algorithmes basés sur la distance pour créer un système dynamique de modélisation des étudiants qui prend en compte la progression dans le temps des étudiants dans leurs diplômes. Les résultats préliminaires de ces algorithmes reflètent des données encourageantes, car les mesures de performance montrent que les systèmes regroupent correctement 8 étudiants sur 10 sur la base des paramètres d’apprentissage qui ont été définis pour les modèles. Ces résultats suggèrent à l’équipe de recherche qu’après un processus d’optimisation des paramètres ou de sélection de nouveaux algorithmes, il peut être possible d’améliorer les résultats initiaux, ce qui est très favorable à la prise de décision.
Du côté de l’UPC, les responsables recherchent et développent des technologies pour l’analyse des profils sociaux. Compte tenu de la pertinence du profil social (y compris les interactions entre les étudiants et les enseignants) et de la disponibilité de différentes techniques d’analyse de graphes qui devraient permettre sa modélisation, cette tâche spécifique est consacrée à l’analyse automatisée du profil social des étudiants.
Pour le reste de l’année et la dernière année du projet, le travail se concentrera sur l’optimisation, le développement d’un système d’intervention et le prototypage et la validation des solutions proposées.
L’initiative s’inscrit dans le cadre du plan de recherche national 2021-2023 et de l’appel à projets de collaboration public-privé 2021.
La publication fait partie du projet CPP2021-008349, financé par MCIN/AEI/10.13039/501100011033 et par l’Union européenne-NextGenerationEU/PRTR ».