HDR-J-Broisin

Nom: 
Broisin
Prénom: 
Julien
Spécialité de l'hdr: 
Titre hdr: 
Towards intelligent technology-enhanced learning solutions for transforming higher education: contributions and future directions
Résumé en français: 

Ce manuscrit présente nos principales contributions sur la manière dont la technologie peut être utilisée pour améliorer les pratiques éducatives dans l'enseignement supérieur. Nous avons abordé trois grands défis. Premièrement, nous avons proposé un cycle de vie pour les ressources éducatives ouvertes qui facilite leur production et leur gestion dans des environnements complexes, ainsi qu'un ensemble d'outils et de processus soutenant les acteurs éducatifs dans ces tâches. Nous avons également proposé un modèle et des outils basés sur les compétences pour faciliter l'alignement des programmes de formation sur les compétences du monde socio-économique, ainsi que l'orientation professionnelle des apprenants. Deuxièmement, nous avons étudié comment assurer un suivi orienté vers la qualité des activités des utilisateurs dans les environnements d'apprentissage et au-delà. Nous avons conçu un modèle flexible pour décrire les expériences d'apprentissage des utilisateurs, ainsi qu'une architecture respectueuse de la vie privée pour collecter et stocker les données de ces expériences. Pour garantir la qualité du processus de collecte des données, nous avons proposé une méthodologie indépendante de la plate-forme pour guider les techniciens dans la conception de processus de suivi auto-adaptatifs en fonction de leurs besoins. Et troisièmement, nous avons étudié comment concevoir des systèmes d'apprentissage interactifs pour favoriser l'apprentissage actif à l'échelle. Nous avons apporté notre contribution avec deux outils. Le premier met en œuvre un processus visant à améliorer l'enseignement par les pairs et l'engagement des apprenants dans des activités d'évaluation formative. Le second soutient l'apprentissage basé sur l'enquête et favorise l'interaction sociale des apprenants et les activités de groupe dans des laboratoires distants.

Sur la base de ces contributions développées dans le cadre de projets nationaux et internationaux, un plan de recherche est également présenté. Il est organisé en deux axes principaux : (1)~concevoir des systèmes intelligents pour soutenir les parties prenantes dans des contextes d'apprentissage à grande échelle, et (2)~étudier des systèmes de recommandation basés sur les compétences pour un apprentissage personnalisé. L'objectif principal du premier est d'explorer l'apprentissage à grande échelle dans l'enseignement informatique et les activités d'évaluation formative. Les principales contributions attendues dans le domaine de l'enseignement informatique sont de deux ordres. Premièrement, je prévois de fournir des lignes directrices et des méthodes aux praticiens et aux chercheurs pour analyser le comportement des apprenants en matière de programmation et détecter les stratégies d'apprentissage efficaces et inefficaces. Deuxièmement, ces analyses serviront de base à l'élaboration de la prochaine génération d'outils destinés à soutenir la programmation et l'autorégulation de l'apprentissage. En ce qui concerne l'évaluation formative, j'étudierai comment améliorer le retour d'information fourni aux enseignants et aux apprenants et accroître la qualité des activités d'évaluation formative en utilisant l'extraction d'arguments et les visualisations interactives. Le deuxième axe de recherche consistera à étudier comment les techniques d'apprentissage symbolique et automatique peuvent être combinées pour soutenir les systèmes de recommandation basés sur la sémantique et les compétences. D'une part, j'espère contribuer avec des méthodes et des systèmes aidant les chercheurs à mieux comprendre les stratégies des apprenants dans un environnement basé sur les compétences. D'autre part, les résultats de cette recherche feront avancer les travaux actuels sur l'intelligence artificielle explicable pour l'éducation, et en particulier sur les approches basées sur les compétences.

Abstract in english: 

This manuscript presents our main contributions on how technology can be used to improve educational practices in higher education. We have addressed three main challenges. First, we proposed a lifecycle for open educational resources that facilitates their production and management in complex environments, as well as a set of tools and processes supporting educational stakeholders in these tasks. We also proposed a competence-based model and tools to facilitate alignment of training programmes with competences of the socio-economic world, as well as professional orientation of learners. Second, we studied how to ensure quality-oriented monitoring of users activities within learning environments and beyond. We designed a flexible model to describe user learning experiences, and a privacy-aware architecture to collect and store the data of these experiences. To ensure quality of the data collection process, we proposed a platform-independent methodology for guiding technicians in designing self-adaptive monitoring processes according to their requirements. And third, we investigated how to design interactive learning systems to foster active learning at scale. We contributed with two tools. The first one implements a process to enhance peer instruction and learners' engagement in formative assessment activities. The second supports inquiry-based learning and promotes learners' social interaction and group activities in remote laboratories.

 

On the basis of these contributions developed in national and international projects, a research plan is also presented. It is organised in two main axis: (1)~designing intelligent systems to support stakeholders in large scale learning settings, and (2)~studying competence-based recommender systems for personalised learning. The main objective behind the first line of research is to explore learning at scale in computer education, and formative assessment activities. The main expected contributions to the field of computer education are twofold. First, I plan to provide guidelines and methods for practitioners and researchers for analysing learners' programming behaviour and detecting effective and ineffective learning strategies. Second, these analysis will be the basis for developing the next generation of tools to support learning programming and self-regulation. With regards to formative assessment, I will explore how to enhance feedback delivered to both teachers and learners and increase quality of formative assessment activities using argument mining and interactive visualisations. The second line of research will investigate how symbolic and machine learning techniques can be combined to support semantic- and competence-based recommender systems. On the one hand, I expect to contribute with methods and systems for researchers to help better understand learners' strategies in a competence-based environment. On the other hand, the results of this research will advance current works on explainable artificial intelligence for education, and in competence-based approaches in particular.

Université de rattachement: 
Université de Toulouse
Laboratoire de rattachement: 
IRIT - Institut de Recherche en Informatique de Toulouse
Date de soutenance: 
Mercredi, 16 décembre, 2020
Lieu et heure de la soutenance: 

La soutenance sera retransmise en visioconférence ici : https://univ-tlse3-fr.zoom.us/j/84128829660

Composition du jury: 
  • Sébastien George (rapporteur)
  • Vanda Luengo (rapporteuse)
  • Agathe Merceron (rapporteuse)
  • Anne Boyer (examinatrice)
  • Michel Desmarais (examinateur)
  • Kaska Porayska-Pomsta (examinatrice)
  • Philippe Vidal (garant)

Dernière mise à jour : 6 janvier, 2021 - 08:43