Personnalisation adaptative d'énoncés mathématiques arithmétiques pour élèves de CM1-CM2 à l'aide de transformeur génératif pré-entraîné (GPT-x).
FR |
EN
Auteur / Autrice : | Ousseynou Gueye |
Direction : | Iris Eshkol |
Type : | Projet de thèse |
Discipline(s) : | Sciences du langage : traitement automatique des langues |
Date : | Inscription en doctorat le 16/11/2020 |
Etablissement(s) : | Paris 10 |
Ecole(s) doctorale(s) : | École doctorale Connaissance, langage, modélisation (Nanterre, Hauts-de-Seine ; 1992-....) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire MoDyCo (Nanterre) |
Mots clés
FR |
EN
Résumé
FR |
EN
L'objectif principal de cette thèse est de concevoir, développer et évaluer un système basé sur le modèle GPT pour la personnalisation adaptative d'énoncés mathématiques arithmétiques destinés aux élèves de CM1-CM2. Plus précisément, cet outil devrait permettre : De détecter les éléments de difficultés linguistiques dans les problèmes mathématiques additifs. De classifier des problèmes en fonction des difficultés linguistiques qu'ils présentent. De proposer une reformulation de ces problèmes afin d'en faciliter la compréhension. D'évaluer la reformulation proposée, ce qui peut revenir à comparer deux versions d'un même problème.