Adaptive Learning en contexte parascolaire : comprendre les usages et effets via l’analyse des traces d’un déploiement industriel
PDF

Mots-clés

adaptive learning
système de recommandation
traces d'apprentissage
apprentissage non-formel
recommender system
learning traces
out-of-school

Résumé

Nos travaux se situent dans un contexte d’apprentissage non-formel sur application mobile où nous avons proposé un moteur de recommandation de ressources pédagogiques, s’appuyant sur l’IRT (Item Response Theory) et sur un score de recommandation à trois composantes : pédagogique, historique et nouveauté. Les apprenants concernés ont des objectifs et modalités de travail très variés. Dans cet article, après avoir rappelé le fonctionnement de notre moteur de recommandations, nous analysons les traces d’utilisation de plus de 8 000 apprenants sur 4 mois. Nous montrons que les recommandations répondent à des objectifs et des usages différents, que leur suivi influe positivement sur l’expérience d’apprentissage et que l’analyse de ces traces permet de mettre en évidence des leviers d’amélioration pour proposer un mécanisme de recommandation par conception itérative.

Abstract. Our work takes place in a context of non-formal learning on mobile applications, where we have proposed a recommendation engine for educational resources, based on IRT (Item Response Theory) and a recommendation score with three components: pedagogical, historical and novelty. The learners concerned have a wide range of objectives and work methods. In this paper, after explaining how our recommendation engine works, we analyze the usage traces of over 8,000 learners over a 4-month period. We show that the recommendations meet different objectives and uses, that following them has a positive impact on the learning experience, and that analysis of these traces highlights levers for improvement in proposing a recommendation mechanism based on iterative design.

PDF