Par Fabienne Bouchut le 28 janvier 2020- le blog de la formation professionnelle et continue
L’intelligence artificielle sera un vrai défi pour innover dans la formation. L’objectif est de permettre aux apprenants de mieux se former et aux formateurs de pouvoir les accompagner. Ainsi, nous vous proposons d’étudier 3 usages de l’IA au service de la formation et de l’environnement d’apprentissage.
3 cas d’usages de l’IA appliquée à la formation
Une première taxonomie a été proposé par Holmes, Bialik, Fadel dans leur ouvrage Artificial Intelligence In Education
source : Artificial Intelligence in Education (Holmes, Bialik, Fadel
Cette taxonomie met en évidence 3 champs d’usages de l’IA appliquée à :
Une activité/parcours de formation, avec un usage des données et des analyses pour adapter continuellement le parcours d’apprentissage de l’utilisateur ;
L’environnement d’apprentissage : elle guide l’apprenant vers les bonnes personnes, apporte un support sur toutes les tâches non formatives (telle une conciergerie virtuelle) ;
L’optimisation du processus d’apprentissage : l’IA devient l’assistant du formateur ou du concepteur. Elle lui fournit des recommandations spécifiques liées à chaque apprenant / au groupe et le débarrasse des tâches sans valeurs ajoutée pour former.
Intéressons-nous dans ce billet à la première application.
Découvrez notre premier article sur l’IA >> Quand l’intelligence artificielle s’empare de la formation
L’IA appliquée à un parcours
Dans ce cas d’usage, l’IA utilise des données et des analyses pour adapter continuellement le parcours d’apprentissage de l’apprenant. Par ailleurs, elle va elle-même changer et s’améliorer avec le temps en fonction des données qu’elle va capter. Nous sommes dans une approche que l’on peut qualifier « d’instructionniste ». Cela consiste à apprendre des contenus de manière systématique, structurée et explicite, procédant du simple vers le complexe.
Il existe 3 niveaux pour les systèmes d’apprentissage individualisés. Les deux premiers ne reposent pas sur de l’IA, le troisième si.
L’apprentissage différencié
Plusieurs parcours sont proposés aux apprenants à l’intérieur d’une plateforme. Ils sont généralement organisés en catégories prédéfinies. C’est l’apprenant qui choisit le parcours le plus approprié pour lui, sans guidance automatique.
L’apprentissage personnalisé
Il existe un parcours différent pour chaque apprenant, suggéré selon une méthode basée sur des règles. Par exemple, l’apprenant peut effectuer une pré-évaluation, et selon ses réponses, le système proposera un parcours et des contenus spécifiques. Cette technologie combine le profil de chaque apprenant avec des ressources appropriées pour lui. La recherche montre qu’une telle personnalisation améliore les résultats d’apprentissage. En bref, le système suppose que chaque apprenant est totalement unique et agit comme un guide traçant le chemin à emprunter. Au sein de Cegos et de formations telle que la collection #UP, nous utilisons notamment le PLP (Personalized Learning Path). Il s’agit d’une activité de personnalisation. Elle oriente l’apprenant vers des « sprints » d’apprentissage les plus appropriés compte tenu de ses occasions de mise en œuvre en situation de travail.
L’apprentissage adaptatif
Il prend le relais lorsque l’apprentissage personnalisé se termine. Il utilise des données et des analyses pour adapter continuellement le parcours d’apprentissage de l’utilisateur. De plus, il va changer et s’améliorer avec le temps pour chaque apprenant. Ce type d’adaptabilité complexe se retrouve aujourd’hui dans des programmes spécialisés basés sur la recherche. On peut citer DreamBox (Math) ou Carnegie Math. Le programme adapte la séquence et le matériel présenté en fonction de l’analyse du style d’apprentissage spécifique et d’une analyse profonde, complexe et itérative de la compréhension d’un concept mathématique par l’élève.
Plusieurs outils (Woonoz, Gutenberg Technology, Domoscio, Didask, Axonify…) intègrent tout ou partie des principes d’apprentissage adaptatif. Il convient de réunir a minima les deux conditions suivantes pour le mettre en place :
Structurer les contenus, les granulariser en objets d’apprentissages indépendants, les associer à des connaissances ou compétences, et enfin les qualifier par des métadonnées.
Disposer des données concernant les apprenants, leur style d’apprentissage et leur appropriation des concepts.