Méthodes d apprentissage automatique pour la modélisation de l élève en algèbre

La conception d EIAH (Environnements Informatiques d Apprentissage Humain) s adaptant aux difficultés des élèves, nécessite le développement de mécanismes automatiques capables de diagnostiquer leurs connaissances à partir de l observation de leur activité. Dans cette thèse, une base de données a été constituée, à partir de traces de comportements d élèves résolvant des exercices d algèbre dans le micromonde Aplusix. Notre travail consiste à extraire automatiquement des régularités comportementales de cette base, dans le but d aider à la conception d un tuteur artificiel. Pour cela, nous utilisons des méthodes d apprentissage machine permettant de détecter des similarités dans les données, et proposons deux approches de modélisation complémentaires. D une part, nous identifions des groupes d élèves ayant des comportements homogènes pour un exercice donné, à l aide d un algorithme de classification non supervisée. D autre part, en se plaçant dans un cadre théorique de représentation des connaissances, nous mettons en évidence des régularités d actions dans l ensemble de la production de chaque élève. Cette caractérisation individuelle obtenue à l aide d un algorithme de généralisation symbolique peut servir de support à une remédiation adaptée.GRENOBLE1-BU Sciences (384212103) / SudocSudocFranceF