Personnalisation de contenu pour la construction des compétences dans les EIAH

COntent Personalization for skill-building in TEL environnements

• Auteur / Autrice : Anass El ayady
• Direction : Nour El mawas, Germain Forestier
• Type : Projet de thèse
• Discipline(s) : Sciences de l'information et de la communication
• Date : Inscription en doctorat le 25/09/2024
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : HNFB - Humanités Nouvelles-Fernand Braudel
• Partenaire(s) de recherche : Laboratoire : CREM - Centre de Recherche sur les Médiations
• Partenaire(s) de recherche : Equipe de recherche : Pixel

Mots clés

Mots clés libres

Apprentissage assisté par la technologie

Personnalisation du contenu

Apprentissage automatique

Machine Learning

Technology Enhanced Learning

Content personalization

Résumé

L'objectif de cette bourse de doctorat est d'analyser les données des apprenants de la plateforme Quick-Pi (https://quick-pi.org/contenu.html) afin de personnaliser le contenu de la plateforme. Un contenu personnalisé consiste à proposer le prochain exercice à faire sur la plateforme où l'apprenant réussira et apprendra quelque chose (apprendre une nouvelle compétence ou approfondir une compétence existante). Cette personnalisation concernera le parcours d'apprentissage et le degré de difficulté proposés à un apprenant sur la plateforme Quick-Pi afin de soutenir son apprentissage. Elle s'appuiera sur une modélisation de l'apprentissage qui (1) met en évidence les compétences de l'étudiant, et (2) facilite l'orientation personnalisée des étudiants, en se concentrant sur le renforcement de leurs compétences sur des concepts inconnus ou moins familierss.

The goal of this PhD fellowship is to analyze learners' data from the Quick-Pi platform (https://quick-pi.org/contenu.html) in order to personalize the platform content. A personalized content concerns in proposing the next exercise to do on the platform where the learner will success and will learn something (learn a new skill or deepen an existent skill). This personalization will concern the learning path and the difficulty degree offered to a learner on the Quick-Pi platform in order to support his learning. It will base on learning modelling which: (1) highlights the student's skills, and (2) facilitates personalized guidance for students, focusing on strengthening their skills on unknown or less familiar concepts.