Dans le cadre du Groupe Thématique Numérique intitulé Intelligence Artificielle & Éducation Ouverte, l'un de nos axes de travail concerne l'exploitation intelligible des Learning Analytics. Le but est notamment d’étudier les relations entre décrochage (remédiation, prédiction), interprétabilité, explicabilité et confiance, à l’aide notamment de Tableaux de Bord. Il s’agit notamment d’établir la confiance en rendant transparent la provenance des données et la manière dont elles ont été calculées. En termes d’explicabilité et d’interprétabilité, qu’y a-t-il de spécifique en Éducation sur ce point par rapport à ces problématiques en Intelligence artificielle ?
Nous vous invitons à regarder cette présentation réalisée par Luis Galarraga et intitulée "Predicting Academic Performance for Term Planning Effects on students' decisions, behaviors and preferences". Le choix des cours est une activité cruciale pour les étudiants car il a un impact direct sur leur charge de travail et leurs performances. Cette tâche peut néanmoins être assistée par des outils informatiques prédisant les performances sur la base de données historiques. Nous étudions les effets de la présentation des prédictions de notes aux étudiants par le biais d’un outil de visualisation interactif.
Si vous avez des questions ou souhaitez en savoir plus sur notre GTnum #IA_EO, n'hésitez pas à consulter notre blog https://chaireunescorel.ls2n.fr/, twitter https://twitter.com/Chaire_RELIA ou nous contacter par mail à chaireunesco@ls2n.fr