Blog

Smart tutoring : le tuteur intelligent qui accompagne la progression de chaque élève en fonction de ses besoins pédagogiques

Le contexte sanitaire et les progrès technologiques transforment les pratiques pédagogiques des enseignants. Les usages numériques en classe ou à distance sont accélérés, ce qui ouvre la voie à de nouvelles perspectives : certaines positives, comme l’automatisation de pratiques chronophages et la captation de données, et d’autres qui requiert la vigilance des acteurs de l’éducation, comme le « trop-plein » du numérique, la multiplicité des usages et des outils. Ce contexte est porteur d’espoir et d’opportunités si nous arrivons à créer des outils numériques exploitant les données d’apprentissage, facilitant le quotidien de l’enseignant tout en s’intégrant dans ses pratiques pédagogiques.

Pour l’enseignant en charge de 30 élèves par classe, effectuer un suivi individuel de chacun peut sembler être une mission impossible. La bonne connaissance des besoins pédagogiques des élèves, additionnée à l’impératif de faire classe et à d’autres tâches fastidieuses en dehors des heures de classe peut vite se révéler complexe et impraticable. En réponse à cet enjeu, Domoscio propose aux enseignants d’être assistés par un « tuteur intelligent » dont l’objectif est d’apprendre, grâce aux données d’apprentissage, quels sont les besoins et profils d’apprentissage de chaque élève afin de leur proposer, de façon automatique et à tout moment, un parcours d’apprentissage adapté et différencié.

1 – Assister l’enseignant et améliorer sa compréhension de ses élèves

Les parcours d’apprentissage à l’école sont encore souvent basés sur une approche globale. Ce qui signifie que les apprentissages sont identiques pour tous, quels que soient les objectifs pédagogiques, le niveau de maîtrise amont et capacité à progresser de chacun. Le manuel scolaire illustre bien cette approche : il s’agit d’un matériel pédagogique que l’on peut ouvrir de la première à la dernière page, et qui ne présente aucune adaptativité à celui qui le parcoure. En l’utilisant, l’élève va pouvoir s’appuyer sur des contenus pédagogiques qui vont l’aider à progresser, mais ces contenus sont identiques pour tous, statiques, et aucun élève n’est assuré de ne pas rencontrer de « blocages » lors des phases d’acquisition de connaissances. En opposition avec cette approche, le « tuteur intelligent » va apprendre des besoins pédagogiques de chaque élève afin de lui suggérer des parcours d’apprentissage adaptés et de l’aider à surmonter d’éventuels blocages pour mieux progresser.

Cette individualisation des parcours d’apprentissage peut être réalisée « manuellement » par l’enseignant mais sa réalisation requiert un temps long. De fait, l’approche d’individualisation des apprentissages gagnerait beaucoup à être facilitée grâce à l’exploitation d’outils numériques.

L’objectif du « tuteur intelligent » est donc de comprendre les besoins et profils d’apprentissage des élèves afin de proposer à chacun, de façon automatique, un parcours différencié et adapté. En exploitant une technologie dite d’apprentissage adaptatif, (ou d’adaptive learning en anglais), cette fonctionnalité propose concrètement un séquencement d’activités pédagogiques (exercices, leçons, vidéos, fiches méthodologiques, etc.) qui va permettre une montée en compétences progressive et individualisée. Concrètement, cela encourage l’autonomie des élèves dans leur progression pédagogique car ils sont accompagnés par un tuteur qui leur suggère des recommandations d’activités pédagogiques toujours adaptées à leur niveau actuel et à celui qu’ils doivent atteindre. En outre, cet assistant intelligent est une des briques du produit Domoscio Spark, un produit technologique, innovant et modulable destiné aux acteurs de l’éducation.

Les cas d’application et les usages associés au « tuteur intelligent » sont nombreux. Il est possible d’instaurer une relation directe entre le moteur de recommandations et l’élève, qui se retrouve alors en autonomie et assisté dans sa progression. Mais d’autres scénarii existent. Par exemple, lorsque le contexte le permet, il est possible que les suggestions d’activités pédagogiques soient proposées à l’enseignant qui joue alors le rôle de médiateur et choisit lesquelles assigner à l’élève. Dans ce cas de figure, l’enseignant reste maître de ses choix pédagogiques en plus de bénéficier d’indicateurs lui permettant de suivre la progression et les difficultés de ses élèves.

2 – Comment mettre en place une approche d’individualisation des apprentissages ?

L’apprentissage adaptatif constitue en ce que la littérature scientifique expose comme un système de recommandations. Les algorithmes de Domoscio exploitent un modèle de « collaborative filtering » afin de réaliser les calculs nécessaires à la production de recommandations. L’intérêt de cette approche est que le système propose des activités pédagogiques à l’élève et quantifie l’impact de celle-ci dans sa progression pédagogique. Ainsi, le système se remet à jour et réajustera le niveau de recommandations pour cet élève mais également pour les suivants, ayant un profil et parcours similaire à ce dernier. Pour ce qui est exposé ci-dessus, les données utilisées par le modèle sont donc notamment :

• les interactions des apprenants avec les contenus proposés (visionnage, temps passé, résultats, etc.)
• les états de maîtrise/validation de la compétence visée
• les erreurs (mises en œuvre dans un référentiel didactique) commises par les élèves dans la résolution des exercices
• les avis qualitatifs de la part des élèves ou des enseignants sur l’intérêt et la praticité des ressources
• les choix réalisés par les enseignants ou les élèves lorsqu’ils sont confrontés à plusieurs recommandations d’activités pédagogiques ou qu’ils choisissent par eux-mêmes une activité spécifique.

La captation de données bénéficie donc à l’enrichissement d’un modèle permettant de faire des recommandations personnalisées d’activités pédagogiques. Ce même modèle peut également être exploité en considérant, cette fois, chaque activité pédagogique et toutes les interactions des élèves avec celles-ci. Ce nouvel axe permet alors de noter, de façon transverse aux différents profils d’apprentissage, l’impact de chacune des activités pédagogiques dans le développement des compétences. Cet outil peut donc être utilisé à des fins d’amélioration continue et de curation des activités pédagogiques proposées sur les plateformes d’apprentissage en ligne.

Afin de garantir transparence et explicabilité du modèle, les fonctionnalités intégrant de l’Intelligence Artificielle proposeront des « jauges de confiance » afin de présenter à l’utilisateur le degré de confiance dans la recommandation.

3 – Des retours d’expérience très positifs

Dans le cadre de partenariats d’innovation sur l’intelligence artificielle et du projet Navi, Domoscio, aux côtés des acteurs de l’éducation Hachette Education et Beneylu, a pu expérimenter et mettre à disposition des enseignants son assistant intelligent Navi pour l’enseignement de la lecture et de l’écriture en cycle 2 (CP, CE1 et CE2).

Navi est un assistant de l’enseignant qui prend la forme d’une plateforme d’apprentissage en ligne pour enseigner le français aux élèves de cycle 2. Grâce à l’IA et et aux algorithmes de Domoscio, Navi suggère aux enseignants des activités dites de « remédiation¹ » adaptées aux aptitudes des élèves en mobilisant notamment les prérequis sur les compétences à maîtriser en CP, CE1 ou CE2. L’intelligence artificielle personnalise donc l’expérience d’apprentissage des élèves à travers des parcours pédagogiques différenciés tout en évitant la surcharge d’informations inutiles. La remédiation dans Navi permet ainsi de guider l’enseignant afin d’identifier les ressources (activités pédagogiques, exercices ou leçons) appropriées à chacun pour une meilleure réalisation des objectifs de développement de compétences des élèves.

À ce jour, La remédiation soulève des réactions enthousiastes auprès des enseignants utilisateurs de Navi : « J’ai des difficultés à mettre en place moi-même seule la remédiation pour chaque enfant au fur et à mesure. Je n’arrivais pas le faire avec eux de manière individuelle avant d’utiliser Navi²« .

Actuellement en fin de phase d’expérimentation, c’est à la rentrée de septembre 2021 que le projet Navi sera déployé à grande échelle afin de faire profiter des bénéfices de la remédiation au plus grand nombre d’enseignants et d’élèves de l’Hexagone.

Les bénéfices du Smart Tutoring ont donc pu être validés sur le terrain. Ceux-ci sont particulièrement bénéfiques quand ils sont associés à de la visualisation de données pertinentes à destination des enseignants et des établissements, une fonctionnalité de « Learning Analytics » que nous aurons l’occasion de détailler dans un prochain article.

¹ La remédiation pédagogique est un moyen de pallier des lacunes d’apprentissage. En somme, il s’agit de remédier à une situation d’apprentissage où l’élève n’a pas assimilé un contenu.

² Enseignante utilisatrice de l’assistant Navi