Measuring performances makes improvement easier
Introduction
La meilleure expérience d’apprentissage possible est d’être enseigné par un tuteur privé brillant et empathique qui adapte constamment ses cours à vos besoins. Les cours proposés sur les plateformes d’apprentissage en ligne offrent souvent l’exact opposé : le matériel pédagogique est fixé avant que le premier apprenant n’y pose les yeux et ne change pratiquement pas jusqu’à la fin du cours. Cet article montrera comment, en modélisant l’expérience d’apprentissage, une plateforme moderne d’expérience d’apprentissage peut émuler les qualités d’un tuteur privé et peut-être les surpasser.
Un modèle statistique des interactions entre les apprenants et le matériel pédagogique vous permettra de déduire les capacités de vos apprenants et leur évolution. De plus, il vous montrera quantitativement comment chaque élément du matériel pédagogique, qu’il s’agisse d’un texte, d’une vidéo ou d’un quiz, entraîne (ou non !) l’acquisition de compétences et de connaissances.
Learning to teach
Un bon enseignant est toujours en train d’expérimenter, d’apprendre. Il révise constamment le matériel de cours pour corriger les erreurs, allouer plus de temps à la partie du cours qui s’avère difficile à comprendre, réduire les discussions qui ne parviennent pas à intéresser les étudiants et essayer une nouvelle façon d’expliquer un sujet problématique. Ceci est rendu possible par son observation attentive des réactions des étudiants à chacune de ses explications et aux activités proposées.
En enregistrant l’effet de chaque élément du matériel pédagogique sur l’apprenant, un cours en ligne peut évoluer de manière similaire. Un texte trop difficile peut être reconnu parce que les étudiants passent beaucoup de temps à le lire, un concept expliqué de manière insatisfaisante peut être détecté si son application est testée dans un quiz. De cette façon, le contenu du cours peut s’améliorer progressivement. Si le nombre d’étudiants suivant un cours est important, on peut imaginer que le contenu s’améliore bien plus vite que ce qu’un tuteur pourrait apprendre. En outre, différents supports d’apprentissage peuvent être proposés à différents étudiants afin de déterminer ce qui fonctionne le mieux. De cette façon, l’engagement et la performance peuvent être mesurés avec précision pour décider ce qu’il faut garder pour la prochaine itération du cours.
À la Swiss Connect Academy, nous avons commencé à réviser continuellement notre matériel pédagogique de cette manière et nous prévoyons de permettre à toute personne utilisant notre plateforme de faire de même.
Empowering learners by making them aware of their strengths and weaknesses
Un modèle du processus d’apprentissage déduit également des représentations de l’apprenant. En particulier, il évalue sa vitesse et ses capacités à répondre aux questions, l’état de ses connaissances du matériel et peut-être la vitesse à laquelle il apprend. Ces informations peuvent être utilisées pour fournir aux apprenants un retour sur ce qu’ils ont appris, pour les motiver en leur faisant prendre conscience de leur progression, ou pour les aider à évaluer leurs chances de passer une certification.
Adaptive learning
Les informations sur les caractéristiques individuelles de l’apprenant peuvent être utilisées de manière encore plus ambitieuse : les logiciels d’apprentissage peuvent adapter le contenu en temps réel aux étudiants en fonction de leur niveau et de leurs spécificités. La difficulté des quiz et des autres tâches peut être adaptée pour encourager les apprenants plus lents tout en restant stimulante pour ceux qui ont déjà été exposés à la matière. Les étudiants qui n’aiment pas les vidéos peuvent être invités à lire des textes et vice-versa. Le rythme de l’ensemble du cours peut être adapté automatiquement à la vitesse d’apprentissage, à la motivation, aux objectifs ou aux préférences de chacun.
Les tests peuvent également être optimisés en adaptant les questions des tests au niveau de l’apprenant. L’objectif peut être d’atteindre le plus rapidement possible une précision prédéfinie lors de l’évaluation, d’atteindre la meilleure précision possible dans le même laps de temps ou simplement de rendre le test plus intéressant pour certains et moins décourageant pour d’autres.
Conclusion
Sauf dans le cas de cours à petite échelle (moins de 50 apprenants par exemple), la modélisation des interactions entre les apprenants améliorera sensiblement l’expérience de l’apprenant moyen. La raison de cette exception est que le modèle ne disposera pas de suffisamment de données.
Les améliorations recommandées par le modèle s’accumuleront naturellement si un cours est donné à plusieurs reprises. En outre, le coût de la mise en place et de l’apprentissage du modèle sera payé une fois et sera ensuite rapidement amorti.
Enfin, un conseil sur le choix d’un système d’IA qui est particulièrement important dans le cas présent : vous devriez choisir un système qui enregistre et vous permet d’examiner toutes ses décisions, qui est transparent sur ses représentations internes et, de préférence, qui rend explicite son degré de certitude (ou d’incertitude) sur ses déductions. Sinon, vous ne serez pas en mesure de savoir si et quand vous pouvez lui faire confiance. Soyez assuré qu’à la Swiss Connect Academy, nous utilisons les statistiques bayésiennes pour quantifier automatiquement l’incertitude de toutes nos estimations de manière raisonnée, mais des méthodes issues des statistiques fréquentistes comme le bootstrap peuvent également donner d’excellents résultats.
Les idées de ce billet ont été développées en collaboration avec Oksana Noorlander. Les conseils de Marjorie Besson ont également été grandement appréciés.
