[Vidéo] Pitch de doctorante - Dorra SASSI

Dorra Sassi est doctorante en 2ème année au sein du laboratoire IRISA / université de Rennes / équipe de recherche DRUID]. Son parcours académique est centré sur  l’intelligence artificielle, avec un intérêt particulier pour les outils d’apprentissage humain et les systèmes de tutoriels intelligents. Ses travaux de recherche se situent à l’intersection de l’éducation numérique, de la modélisation des connaissances et de la théorie des fonctions de croyance.

“Modélisation d’un apprentissage Humain via ses réponses imparfaites et élicitation - MARIE ”
De plus en plus de plateformes éducatives utilisent l’intelligence artificielle pour suivre l’évolution des apprentissages des étudiants. Un des modèles les plus connus est le Bayesian Knowledge Tracing (BKT), basé sur les probabilités, qui estime la probabilité qu’un apprenant maîtriseune notion après une série de réponses. Cependant, ce type d’approche probabiliste présente des limites lorsqu’il s’agit de représenter l’incertitude ou l’imprécision, par exemple quand un étudiant fait une erreur qui peut avoir plusieurs explications possibles.

Ma thèse propose une amélioration de BKT appelée Credibilistic Knowledge Tracing (CrKT), qui utilise la théorie des fonctions de croyance de Dempster-Shafer pour mieux gérer ces situations d’incertitude. Ce modèle permet de distinguer ce qui est maîtrisé ou non par l’apprenant en intégrant l’imprécision éventuelle de sa réponse. Nous avons ensuite développé une approche plus avancée, qui intègre à CrKT des ressources pédagogiques (par exemple des explications ou exercices adaptés). Ce modèle calcule la similarité entre la réponse erronée de l’apprenant et des ressources disponibles, afin de proposer un accompagnement personnalisé et contextuel. 

L’objectif de ces travaux est d’améliorer la personnalisation des environnements numériques d’apprentissage, en proposant une modélisation plus réaliste des connaissances des apprenants et une aide pédagogique mieux ciblée.