Quelennec Katia

Nom: 
QUELENNEC
Prénom: 
Katia
Date d'inscription: 
2019
Spécialité de la thèse: 
Titre de la thèse: 
Évaluation de représentations de données d'apprenants à l'aide des “learning analytics” et comparaison de leurs modalités de diffusion pour favoriser l’apprentissage
Résumé en français: 

L'Université de Lille crée, en partenariat avec l'Université des Sciences en Lignes (UNISCIEL) et l'IMT Lille Douai, P3, une plate-forme de Learning Analytics dédiée aux traces « fines » des formations pour favoriser la réussite des étudiants. Soutenue par l'appel à projet "Fonds d’innovation pour l’enseignement et la formation 2018" de l'I-SITE Université Lille Nord- Europe, P3 a pour objectif de développer l'analyse des traces d'apprentissages et les apprentissages adaptatifs. P3 sera, dans un premier temps, expérimentée sur des projets pilotes, notamment le module d’enseignement PROFFIteROLE (PRatique OFFIcinale et jeu de ROLE) et son jeu sérieux e-Caducée en faculté de Pharmacie actuellement utilisé dans plusieurs universités en France.

Quelles sont les représentations adaptées des données apprenants, des résultats obtenus grâce aux « learning analytics (LA)» (profil, difficultés,…) et les modalités de diffusion (lieu, temps) pour favoriser l’apprentissage et la réussite des apprenants ? La recherche autour des tableaux de bord pédagogiques (TBP) propose des perspectives intéressantes dont les expérimentations actuelles sont variées et soulèvent de nombreuses questions sur les données à afficher, sous quelle forme et comment les adapter à l’apprenant comme l’expliquent Bodily et Verbert [1]. L’objectif de cette thèse est d’explorer les TBP adaptatifs selon plusieurs modalités de diffusion dans l’espace et le temps. La piste de la co-conception itérative des TBP adaptatifs avec les utilisateurs cibles sera étudiée car cette méthode permet une meilleure expression des besoins, par exemple la méthodologie développée par Gilliot et al présentée lors de IHM-2018 [2]. Axes de travail :

  1. Identifier les données (brutes ou résultant des analyses des traces d'apprentissage), les représentations et les modalités qui sont adaptées aux apprenants en fonction de leurs profils et de leurs attentes.
  2. Expérimenter la mise en œuvre de ces représentations selon différentes modalités et sous forme adaptatives dans des contextes réels d’apprentissage d'un jeu sérieux et évaluer la plus-value dans l’apprentissage des apprenants.
  3. Transposer les premiers résultats dans d’autres domaines (même jeu adapté dans d'autres disciplines).
  4. Les résultats obtenus permettront d’intégrer les représentations validées par l’expérimentation dans les outils utilisés par la formation en ligne (Learning Management System et/ou outils auteurs).

Références

1.  Bodily, R., Verbert, K.: Review of Research on Student-Facing Learning Analytics Dashboards and Educational Recommender Systems. (2017).
2. Gilliot, J.-M., Iksal, S., Medou, D., Dabbebi, I.: Conception participative de tableaux de bord d’apprentissage. 10 (2018).

Université de rattachement: 
Sorbonne Université
Laboratoire de rattachement: 
Directeur de thèse: 

Thibault CARRON, Sorbonne Université, LIP6  

Premier coencadrant: 

François Bouchet,  Sorbonne Université, LIP6  

Second coencadrant: 

Claire Pinçon,  Université de Lille

Cifre: 
Non

Dernière mise à jour : 27 octobre, 2021 - 11:50