Modélisation et Apprentissage automatique : une approche pluri-disciplinaire pour intégrer le facteur humain dans la construction d’évaluations numériques

Ces travaux de recherche pluridisciplinaires s’inscrivent en informatique dans le champ des EIAH (Environnements Informatique pour l’Apprentissage Humain) et en psychologie dans le champ de la psychologie sociale des apprentissages. 

L’évaluation en contexte universitaire est en pleine mutation et suppose bien souvent, dans le cadre distanciel, un appui de l’outil numérique. L’usage de l’outil numérique pour les évaluations, qui plus est dans un contexte distanciel, n’est pas toujours satisfaisant et reste dépourvu de contre-mesure efficace contre la fraude. Des premiers éléments de réponse ont été fournis lors de travaux antérieurs menés au sein du laboratoire Mis. Ces travaux garantissent la génération d’échantillons de sujets différenciés à partir d’une base d’énoncés en maximisant la distance entre tous les points de l'échantillon. Les questions non couvertes par ces travaux et entrant dans le volet du projet AP.RES portent sur l’équité d'une épreuve différentiée, et pour cela la prise en compte de la difficulté perçue d’un énoncé ou d’une activité. 

In fine, comment garantir que 2 épreuves différentes, traitant du même sujet, sont d’une difficulté proche voire identique et par extension construire des échantillons de sujets de difficultés équivalentes mais différenciés ? Peut-on construire un modèle adaptatif pour améliorer les évaluations formatives ?

Les problématiques sous-jacentes à cette thèse sont les suivantes : 

• Peut-on modéliser et prendre en compte dans des algorithmes de génération de tests d’évaluation, la caractérisation de la difficulté d’un énoncé ou d’une activité ? 
• Peut-on construire un modèle rétrospectif, appris artificiellement la caractérisant à partir de corpus de traces d’évaluations ? 

Pour cela il est possible d’investiguer les processus psychologies adossés à la réalisation des activités :  Comment caractériser la difficulté perçue ? la distinguer de la difficulté prédite ? Quels facteurs de contexte (consignes, situations pédagogique, ordre proposé des énoncés/activités etc) influencent la perception de cette difficulté ? Comment caractériser la perception de la propre réussite chez l’étudiant ? En quoi cela va-t-il avoir un impact sur son maintien et son investissement dans la tâche ?

Le doctorant inscrira ses travaux dans le cadre d’une thèse en informatique et bénéficiera d'une collaboration forte entre les laboratoires MIS et CRP-CPO afin de concilier la dimension informatique et la dimension psychologique de ces travaux.

Université de Picardie Jules Verne à Amiens

Laboratoire Modélisation Information et Systèmes (MIS)

En collaboration avec le laboratoire CRP-CPO (Psychologie)

Master 2 en informatique ou Diplôme d’Ingénieur en Informatique. Des compétences en Modélisation, en Intelligence Artificielle seraient appréciées. Une sensibilisation aux problématiques rencontrées en EIAH et/ou en psychologie serait également un plus.