Forage de données pour la détection d'un état de blocage de l'apprenant dans le cadre du système tutoriel intelligent QED-Tutrix

L’état de blocage est le moment où un apprenant, en pleine résolution de problème sur un système tutoriel intelligent, a besoin d’une intervention tutorielle pour poursuivre sa résolution. Dans ce mémoire, des modèles probabilistes seront développés pour détecter les états de blocage d’un apprenant qui résout un problème sur le système tutoriel intelligent en mathématiques QED-Tutrix. La méthodologie inclut deux expérimentations avec une version modifiée de QED-Tutrix pour recueillir des séquences d’actions associées à un état de blocage ou de non-blocage. Dans ces ensembles de données, des états de blocage ont été observés à partir des fréquences d’actions et des distributions de sous-séquences. Quatre modèles probabilistes ont été développés en tout : le modèle de processus de fréquence d’actions, le modèle bayésien en sous-séquences d’actions, le modèle du réseau de neurones convolutif et le modèle hybride. Ce dernier surpasse les autres avec un score F1 de 80,4 % pour la classification des états de blocage sur l’ensemble d’entraînement et 77,3 % sur l’ensemble test. L’application de cette recherche mène directement à l’amélioration de la machine à états de QED-Tutrix dans son interaction avec l’apprenant. Elle aboutit aussi sur une deuxième phase de travaux de recherche durant laquelle le développement d’interventions tutorielles ciblées est approché. Puisqu’il est possible d’identifier les moments de blocage de l’apprenant avec une bonne précision, il faut à présent concevoir des algorithmes pouvant comprendre le contexte du blocage et pouvant intervenir en conséquence. En ce qui concerne l’amélioration des performances des modèles, l’incorporation de l’historique des blocages dans les modèles probabilistes est à considérer en plus d’une considération du contexte mathématique.

Pour plus d'informations, cliquez ici