Étiqueté : Big Data

1 novembre 2018

Industrie 4.0

Le terme Industrie 4.0 renvoie à la transformation significative que connaissent les entreprises dans leurs modes de production industrielle grâce au recours à une nouvelle catégorie de technologies numériques convergentes, collaboratves et intelligentes. Cette transformation est si profonde qu’elle a permis qu’on la qualifie d’Industrie 4.0 à l’image du Web 4.0 ou Web intelligent. Dans les deux cas, il s’agit d’écosystème informationnel et industriel dans lequel la personnalisation sera poussée à son paroxysme.

Gros plan !

1 décembre 2016

Des Big data aux Thick Data

Les Thick data (données épaisses) se substituent peu à peu aux Big data (données volumineuses). Il s’agit de données qui vont au-delà des statistiques quantitatives pour toucher les aspects qualitatifs de l’expérience et du comportement humain. Les données épaisses viennent combler l’écart entre ce dont disposent les organisations, et ce dont elles ont besoin pour connaître systématiquement et comprendre réellement comment les clients se sentent et expriment leurs émotions qui sous-tendent leurs choix, expériences et degrés de satisfaction.

Gros plan !

1 décembre 2015

Tendances technologiques de l’eLearning pour 2016

Aujourd’hui, nous voyons déjà émerger de nouvelles options d’apprentissage en ligne qui gagnent sur le terrain des pratiques et des environnements pédagogiques traditionnels. Ce n’est qu’une question de temps avant de voir s’imposer partout dans le monde une nouvelle méthode et une nouvelle stratégie de travail pédagogique. La question qu’on se pose ici est de repérer les tendances technologiques nouvelles de l’apprentissage en ligne qui marqueraient l’année 2016.

Gros plan !

1 mai 2015

Big Data, un concept pas new new !

Les Big Data continuent à surfer sur la vague d’un battage médiatique idyllique qui les présente comme la solution miracle à la complexité grandissante des technologies numériques. Pourtant les Big Data sont loin d’être une exception et encore moins un fait unique dans l’histoire des médias et des techniques. A leurs époques, l’écriture et l’imprimerie étaient des formes de Big data avec des causes et des effets similaires même si apparues dans des circonstances historiques et sous l’impulsion d’avancées technologiques différentes.

Gros plan !

1 juillet 2014

Big data, Data Alaytics : des concepts en vogue

Big Data & Data Analytics, deux notions à la mode utilisé pour signifier d’immenses volumes de données, à la fois structurées et non structurés. A partir de 2012, les Big Data inondent quotidiennement les organisations et les entrerpises. En d’autres termes, le Big Data se réfère à des volumes de données gigantesques qui ne peuvent pas être traités efficacement avec des applications traditionnelles. D’ou le recours au Data Analytics comme moyen de traiter ces données afin d’en extraire de la valeur ajoutée stratégique et décisionnelle.

janvier 2025
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	31

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 ...]