RIALY_ANDRIA

Nom: 
ANDRIAMISEZA
Prénom: 
Rialy
Date d'inscription: 
2019
Spécialité de la thèse: 
Titre de la thèse: 
Learning Analytics-Based Formative Assessment Recommendations for Technology-Enhanced Learning Practices
Résumé en français: 

L’évaluation formative est un levier pour améliorer l’apprentissage et l’enseignement. La fourniture de feedback aux étudiants et aux enseignants dans le but d’atteindre les objectifs d’apprentissage est au cœur de tout processus d’évaluation formative. Dans les contextes d’enseignement de masse, des systèmes technologiques sont apparus pour soutenir la mise en œuvre de processus d’évaluation formative. Ces systèmes génèrent des données qui peuvent servir de base pour améliorer ces processus et les services qu’ils offrent. Par conséquent, nous adressons les questions de recherche suivantes :

  • Quelles informations utiles peut-on obtenir à partir de l’analyse d’un jeu de données collecté via l’utilisation en contexte réel d’un système d’évaluation formative ?
  • Comment peut-on exploiter ces informations pour aider les enseignants à orchestrer leurs séquences d’évaluation formative ?

A partir de la littérature et d’un jeu de données collecté via l’usage d’un système d’évaluation formative nommé Elaastic, nous mobilisons les learning analytics pour apporter des connaissances sur les pratiques d’évaluation formative. Ces connaissances nous ont permis de concevoir (i) des recommandations pour les concepteurs de systèmes d’évaluation formative (ii) des recommandations pour les enseignants qui orchestrent des séquences d’ ́evaluation formative (iii) un modèle d’orchestration conçu pour aider les enseignants à prendre des décisions tout au long de la séquence.

Par la suite, Nous testons ce modèle d’orchestration en l’implantant dans Elaastic par le moyen de recommandations explicables et en collectant des données de son utilisation. L’analyse de ces données montre (1) que les enseignants ne suivent pas les recommandations et (2) que si ces recommandations avaient été suivies, les séquences auraient été significativement plus bénéfiques pour les apprenants. Les travaux futurs proposent des améliorations et extensions possibles de ce modèle d’orchestration.

Université de rattachement: 
Université Toulouse III - Paul Sabatier
Laboratoire de rattachement: 
Directeur de thèse: 

Julien BROISIN - IRIT

Premier coencadrant: 

Franck SILVESTRE - IRIT

Cifre: 
Non
Date de soutenance: 
25 novembre, 2022
Lieu et heure de la soutenance: 

Vendredi 25 Novembre à partir de 10h30 à l'amphithéâtre Maxwell du campus de l'université Paul-Sabatier Toulouse III.

Un lien zoom est également disponible pour la suivre à distance : https://univ-tlse2.zoom.us/j/9754155309

Composition du jury: 

M. Sébastien GEORGE, Professeur des Universités, Le Mans Université, rapporteur

Mme. Elise LAVOUE, Maître de conférences (HDR), Université Jean Moulin Lyon 3, rapporteur

M. Philippe DESSUS, Professeur des Universités, Université Grenoble Alpes, examinateur

Mme. Vanda LUENGO, Professeur des Universités, Sorbonne Université, examinateur

M. Julien BROISIN, Maître de conférences (HDR), Université Toulouse 3 Paul Sabatier, directeur

M. Franck SILVESTRE, Maître de conférences, Université Toulouse 1 Capitole, encadrant

 


Dernière mise à jour : 22 novembre, 2022 - 10:45