Horizon 2020 – Les tendances en formation

2 l’Adaptive Learning et le machine learning

Après plus 2 ans consacrés à dailylearning.news, 7 années à travailler plus ou moins directement dans le secteur d’activité de la professionnelle et de l’éducation, j’ai eu l’occasion d’être aux premières loges pour observer l’évolution des tendances dans le domaine. Au vu de l’effervescence qui agite le secteur, de l’innovation permanente, de la digitalisation, des enjeux toujours plus forts, on pourrait faire l’exercice de prédictions tous les 6 mois qu’on ne serait pas certains de nos annonces à 100% !

D’ailleurs, si l’on navigue dans les archives du DLN, ou plus généralement sur le web, et qu’on regarde les tendances énoncées il y a 10 ans, 5 ans ou bien ici-même il y a 2 ans et jusqu’à l’année dernière, on s’apperçoit très vite que nos talents de voyance sont loins d’être évidents !

Les tendances en formation

Alors au risque de paraître ridicule à la relecture dans les années à venir, je vais me faire part de mes obervations et parier sur les tendances à venir en formation.

Non les tendances prochaines ne sont pas les MOOCs ni même leurs cousins aux accronymes ridicules, les SPOC et les COOC…

Par ordre d’importance, mais aussi de probabilité, voici dans une série d’article les quelques tendances qui se dégagent déjà ou que l’on devine à l’horizon.

2. L’adaptive learning ou les systèmes pédagogiques adaptatifs

Le machine learning ou apprentissage automatique

Nous avions commencé notre jeu de prédiction par une évidence :  La voie de la digitalisation. Continuons avec une véritable innovation, longtemps rêvée, désormais rendue possible par le digital : les systèmes adaptatifs.

Et pour présenter cette tendance, nous allons en fait aborder 2 concepts, différents certes, mais pourtant liés lorsqu’on les applique au domaine de l’éducation / formation :

  • l’ ou les systèmes pédagogiques adaptatifs dans la langue de Molière ;
  • le machine ou l’apprentissage automatique

Si vous suivez l’actualité numérique et technologique, vous en avez forcément entendu parler, au moins pour le second. Parfois même, ils sont injustement confondus lorsqu’on traite un sujet tel que l’apprentissage. Pourtant, comme dit plus haut, ces 2 concepts sont différents. Il faut surtout retenir que pour le sujet qui nous intéresse (l’apprentissage), le second (Machine Learning) rend bien souvent possible le premier (Adaptive Learning).

Le machine learning, première étape vers les systèmes pédagogiques adaptatifs

Machine Learning ?

Source Wikipedia : L’apprentissage automatique ou apprentissage statistique (machine learning en anglais), champ d’étude de l’intelligence artificielle, concerne la conception, l’analyse, le développement et l’implémentation de méthodes permettant à une machine (au sens large) d’évoluer par un processus systématique, et ainsi de remplir des tâches difficiles ou impossibles à remplir par des moyens algorithmiques plus classiques.

Concrètement, imaginez un système capable d’analyser des situations et d’en retirer un “enseignement” pour évoluer. Exemple : une plateforme pédagogique capable d’analyser les comportements des usagers pour s’enrichir et leur proposer à l’avenir une expérience adaptée.

Accenture, le géant du conseil en stratégie place en 2016 le machine learning parmi les grandes tendances à suivre dans son rapport annuel Vision Technologique 2016 (à consulter en cliquant sur l’image ci-dessous).

Vision technologique 2016 - Accenture
Source de l’image : https://www.accenture.com/fr-fr/insight-technology-trends-2016.aspx

Adaptive Learning ?

Adapter les décisions pédagogiques aux compétences et besoins particuliers de chaque apprenant… Rien que ça ! Voilà l’objectif ambitieux des systèmes pédagogiques adaptatifs. A la croisée des chemins entre psychologie, intelligence artificielle et éducation, ces systèmes pédagogiques adaptatifs (adaptive learning) promettent de prendre en considération le profil de l’apprenant (ses connaissances, ses préférences, ses aptitudes…) dans la construction d’un parcours pédagogique unique et adapté. 

Et pour tenir cette promesse, il faut notamment s’appuyer sur le machine learning. Car si sur le papier, la promesse est belle, en réalité, on est loin d’avoir obtenu les résultats escomptés. Les premières mentions à ce qui pourrait s’apparenter à l’adaptive learning remontent aux années 1970 (Carbonell, 1970). Les premiers STI (Systèmes Tutoriels Intelligents) voient le jour au début des années 1980, la recherche en intelligence artificielle s’accélère dans les 90’s et si on pouvait penser qu’avec l’avènement du numérique et du big data, et désormais du machine learning, les systèmes pédagogiques adaptatifs seraient légion, il n’en est rien ! Pourtant, l’utilisation du big data et d’algorithmes complexes à fait ses preuves en (web-)marketing.

Si la promesse de proposer un apprentissage plus efficace car adapté à l’individu cible est belle, cette innovation reste “confidentielle”, surtout en Europe comme le suggère Anthony Hié.

Car outre Atlantique, certaines universités américaines, (Arizona par exemple) ont beaucoup investi pour proposer à leurs étudiants des cursus personnalisés sur-mesure prenant en compte leur apprentissage en temps réel et en s’appuyant sur divers modèles, augmenter la vitesse d’apprentissage de 40%.

Pour illustrer le plus simplement possible les systèmes d’apprentissages adaptatifs, revenons en arrière et inspirons-nous de l’article paru en octobre 2015 sur le DLN, Les systèmes pédagogiques adaptatifs ou Adaptive Learning et plus particulièrement l’infographie ci-dessous.

Système pédagogique adaptatif

  1. le parcours séquentiel : celui que nous connaissons le mieux. Si l’on se réfère par exemple au e-learning, nous avons pour habitude de suivre des parcours séquentiels. L’apprenant suit un apprentissage linéaire. Un module, puis l’autre…
  2. le parcours conditionnel : ce système est courant également. Le parcours est conditionné par les résultats obtenus dans les activités précédentes.
  3. le parcours complexe : Ce système s’apparente à ce qu’on rencontre dans la plupart des jeux vidéo. Souvenez-vous Mario, Sonic et autres jeux de “level” !
  4. Le parcours adaptatif – le parcours de l’individu est généré selon :
    • les ressources pédagogiques
    • le profil de l’apprenant : ses connaissances de bases, ses préférences, ses aptitudes, ses objectifs…
    • le modèle d’apprentissage

NB : il convient de distinguer le parcours adapté du parcours dynamique (pas spécifique a ce qu’est l’apprenant, mais seulement a ce qu’il fait, score etc..)

D’après Bourdeau (2010), l’adaptabilité se révèle principalement par trois manières différentes :

  • présentation dynamique des objectifs d’apprentissage selon l’état des connaissances de l’apprenant ;
  • ajustement des stratégies ou des tactiques pédagogiques en fonction de l’état de l’apprenant ;
  • configuration de l’interface ou des rétroactions transmises à l’apprenant en fonction de ses préférences ou de ses besoins.

Lefevre (2012) présente quant à lui les avantages des systèmes pédagogiques adaptatifs notamment :

  • réagir aux questions et au comportement de l’apprenant;
  • conseiller, expliquer ou justifier;
  • évaluer les méthodes de l’apprenant;
  • détecter ses erreurs et leurs causes;
  • proposer des moyens de remédiation;
  • adapter les tâches et la progression.

Ce comportement d’adaptation  par le système nécessite des composantes «intelligentes» (data et algorithmes) que le machine learning peut apporter. De plus, l’architecture de ces systèmes adaptatifs s’appuie sur

  1. un modèle du domaine (ou modèles de ressources pédagogiques) : quoi enseigner;
  2. un modèle pédagogique (ou modèle d’apprentissage) : comment enseigner;
  3. un modèle de l’apprenant : pour personnaliser l’apprentissage en tenant compte de celui-ci
  4. Une interface qui assure l’interrelation entre l’apprenant et le système

Architecture conceptuelle classique d’un STI (adapté de Bourdeau et al., 2010)

Architecture.png

La difficulté dans la mise en place de tels systèmes réside dans la définition de l’algorithme qui permettra notamment de définir en temps réel le profil de l’apprenant pour adapter son parcours. Avec les avancés réalisées en matière de machine learning et en s’appuyant sur les nombreux travaux sur les systèmes adaptatifs, il y a fort à parier que 2016 devrait voir de nombreux acteurs pédagogiques investir sur l’adaptive learning.

Relisez notre premier article consacré sur les tendances en formation : la voie de la digitalisation

%d blogueurs aiment cette page :