Catégorie : Webinaires21

Webinaires21

30 janvier 2022

IPEN 2021 : 3e Colloque international sur l’innovation pédagogique numérique

2021-06-16. Normes technologiques internationales : potentiels d’Innovation et de créativité pour l’éducation ouverte

Webinaires21

17 novembre 2021

Classe inversée

2021-06-10. Les fondamentaux de la classe inversée, Webinaire de formation pour des enseignants francophone de la région du Sud-Est asiatique. DRAP, Ho Chi Minh, Vietnam.

Slideshare / Webinaires21

17 novembre 2021

الإنسانيات الرقمية

2021-03-22. الإنسانيات الرقمية من خلال البرمجة البحثية والتعليمية بجامعة بوردو مونتاني الفرنسية. مشاركة في فعاليات الحلقة النقاشية الوطنية للانسانيات الرقمية. جامعة السلطان قابوس.

Webinaires21

23 octobre 2021

CC & Copyright

2021-10-23/25. Open education between the specifications of Creative Commons and Copyright. Contribution to Alexandria University Webinar on Open education.

Slideshare / Webinaires21

20 octobre 2021

2021-10-21. « Comment doit-faire un enseignant pour assurer la qualité de son enseignement en ligne ? » Série de Webinaires francophones sur l’enseignement à distance pour des enseignants de l’École Normale Supérieure de Luang Prabang, Laos,

Slideshare / Webinaires21

28 septembre 2021

المشاع الإبداعي

2021-10-25 مقاربة تحليلية للموارد التعليمية المفتوحة بموجب تراخيص المشاع الإبداعي و علاقتها بالاستثناءات على حقوق التأليف والنشر = OER analytical approach under Creative Commons Licenses and Their Relation to Copyright Exceptions de Mokhtar Ben Henda

Webinaires21

23 juillet 2021

Blended learning

2021-07-23. Modeling 30% online & 70% face-to-face learning. Blended learning training Workshops for Univeristy of Economics, Ho Chi Minh City, Vietnam. Second session, 23/07/2021

Slideshare / Webinaires21

21 juin 2021

Classe virtuelle

2021-06-16. Animation des activités d’une classe virtuelle, Webinaire de formation au compte de la DRAP pour des enseignants de l’Université Ho Chi Minh Ville, Vietnam, 21 juin 2021

Slideshare / Webinaires21

22 avril 2021

Intégrité académique

2021-04. L’intégrité académique en relation avec l’offre de formation d’un établissement d’enseignement supérieur et de recherche. Contribution au Webinaire sur « Intégrité académique : état des lieux, valeur et normes », AUF-DREO

Slideshare / Webinaires21

22 mars 2021

Transformation numérique

2021-mars/avril Webinaires francophones de l’AUF avec des Ministres et présidents des universités francophones de la région de l’Afrique centrale et Grands lacs de Mokhtar Ben Henda

avril 2024
L	M	M	J	V	S	D
1	2	3	4	5	6	7
8	9	10	11	12	13	14
15	16	17	18	19	20	21
22	23	24	25	26	27	28
29	30

1 mai 2022
L’évaluation par l’IA en éducation
L’éducation et l’enseignement sont parmi les vecteurs clés qui préparent les générations futures à leur rôle d’acteurs directs d’un nouvel ordre mondial fondé sur le numérique et l’intelligence artificielle. Ils subissent à ce titre les transformations structurelles qui les préparent à ce rôle social et culturel clé. Plusieurs aspects de ces transformations sont déjà en marche en vue d’établir un secteur éducatif où l’Intelligence artificielle marque de ses empreintes aussi bien les contenus et les processus que les comportements et les attitudes. L’évaluation des compétences, comme phase principale et sensible de l’éducation, figure parmi les processus où l’on investisse le plus de l’intelligence artificielle. Rapide détour sur les définitions L’IA peut être définie comme la capacité des systèmes informatiques à se comporter d’une manière que nous considérerions comme essentiellement humaine, pour imiter la perception humaine, prendre des décisions et autres processus normalement réalisés grâce à un processus cognitif humain souvent complexe. En d’autres termes, l’IA se produit lorsque les machines s’engagent dans une correspondance de modèles de haut niveau qui, préalablement, nécessitaient des décisions humaines. L’IA n’est pas un processus simple et encore moins une technologie isolée. Elle se construit sur un ensemble de processus automatiques d’une complexité variée allant d’une simple résolution d’opération initialement programmées par l’humain à la résolution d’opération beaucoup plus complexes nécessitant des capacités d’analyse, d’inférence et de déduction, que l’esprit humain ne peut ni prévoir ni résoudre. Cette IA avancée se base sur l’auto-apprentissage (Deep learning) de la machine en exploitant les données brutes récupérées, analysées et interprétées automatiquement par la machine sans intervention humaine. La littérature est abondante sur ces aspects avancés de l’IA (voir notre bulletin du 1 décembre 2020 sur le « Deep Learning, Machine Learning »). Nous ferons ici un simple focus sur le domaine de l’éducation à travers l’action de l’évaluation. L’IA dans l’éducation ? L’utilisation de l’IA a donné une toute nouvelle perspective sur l’éducation aussi bien aux enseignants et aux apprenants qu’aux établissements d’enseignement. On peut résumer brièvement ces perspectives sous les principaux points suivants : L’automatisation des activités administratives de base: Le potentiel de l’IA pour automatiser le travail le plus élémentaire comprend des tâches telles que le remplacement du travail administratif, la notation des papiers, la mesure des modèles d’apprentissage, la réponse aux questions générales, etc. L’automatisation de ces activités administratives signifie que les enseignants peuvent passer plus de temps avec les étudiants, rendant ainsi le processus d’apprentissage plus efficace. De cette façon, l’IA libère du temps pour que les enseignants qui se concentrent davantage sur la conception des programmes, la recherche de cours et les moyens d’accroître l’engagement des apprenants. L’apprentissage personnalisé : Les changements des nouvelles approches pédagogiques de l’enseignement ont introduit le principe du parcours individualisé, dotant l’enseignant de modalités et procédures lui permettant de détecter la différence de progression entre les apprenants et de prévoir des plans sur mesure qui conviennent aux aptitudes scientifiques, intellectuelles et cognitives de chaque apprenant. Devant la complexité de cette situation, notamment en cas de formations massives comme les MOOCs, l’IA peut s’adapter au niveau d’expertise, à la vitesse d’apprentissage et aux objectifs souhaités de chaque apprenant en s’assurant qu’il tire le meilleur parti de son apprentissage. De plus, les systèmes soutenus par l’IA peuvent examiner les antécédents scolaires des apprenants, détecter les lacunes et recommander des cours mieux adaptés à leurs niveaux respectifs, permettant ainsi une opportunité d’apprentissage hautement personnalisée. Les programmes d’IA peuvent aussi aider les apprenants à perfectionner leurs compétences en dehors de la salle de classe en aidant à remédier aux points faibles et offrir un apprentissage expérientiel individuel sans accompagnement par l’enseignant. Des rétroactions constructives : L’IA peut remplacer l’enseignant dans les rétroactions aux activités des apprenants par des commentaires instantanés les aidant ainsi à tout instant à comprendre où ils se trompent et comment ils peuvent mieux le faire. Les chatbots alimentés par l’IA avec un accès à l’ensemble de la base de connaissances d’une institution éducative peuvent répondre à une gamme de demandes génériques et répétitives des apprenants sans avoir à contacter un membre du corps professoral. Un autre point non moins important est l’évaluation des apprentissages qui constitue l’objectif essentiel de tout programme d’enseignement. L’IA dans l’évaluation des apprentissages Dans son acception traditionnelle, l’évaluation est une forme de contrôle des connaissances à l’issue d’une période d’exposition de l’apprenant à un volume de données (pas forcément traduites chez lui en connaissances) qui lui est transmis par l’enseignant. Au fond, il s’agit de l’aboutissement d’une « confrontation » entre deux protagonistes à postures cognitives opposées, celle d’un transmetteur actif représenté par l’enseignent (ou le support livresque) et un récepteur passif que représente l’apprenant (par un processus mémoriel ou par des prises de notes). Ce procédé traditionnel archaïque est remis en cause depuis l’émergence de la pédagogie constructiviste et les changements dans les rôles des uns et des autres : l’enseignant est devenu accompagnateur d’un apprenant devenu à son tour un acteur central dans le processus d’acquisition de connaissances. De ce changement de fond, ont suivi des transformations substantielles dans toute la chaine éducative, la plus sensible et cruciale étant l’évaluation. Dans cette métamorphose des méthodes éducatives, l’intelligence artificielle a trouvé un champ fertile pour marquer de son empreinte le processus éducatif dans son essence. Comment évaluer par l’IA ? Il existe plusieurs façons de comprendre la nature d’implication de l’IA dans l’évaluation en éducation. Les deux façons les plus courantes incluent l’IA basée sur des règles et l’IA basée sur l’apprentissage automatique (Deep learning). L’AI basée sur les règles utilise des routines de prise de décision pour produire une recommandation ou une solution. En ce sens, c’est la forme la plus élémentaire. Un exemple de ce type de système comprend un système de tutorat intelligent (ITS), qui peut fournir une rétroaction granulaire et spécifique aux étudiants. L’IA basée sur l’apprentissage automatique est plus puissante, car les machines peuvent réellement apprendre et s’améliorer au fil du temps, en particulier lorsqu’elles interagissent avec de grands ensembles de données. Ce genre d’IA peut être utilisé pour une variété de tâches telles [… Plus …]
[... Plus ...]