Génération automatisée et basée sur les données d'interventions pédagogiques personnalisées dans les systèmes de tutorat intelligents

Résumé Les systèmes de tutorat intelligents (ITS) ont montré une grande efficacité pour favoriser l'apprentissage comparativement à d'autres approches pédagogiques informatisées. Cependant, de nombreux ITS dépendent fortement de la conception experte et de règles artisanales. Cela les rend difficiles à développer et à transférer entre domaines, limitant ainsi leur efficacité potentielle. Dans cet article, nous étudions comment le retour d'information dans un ITS à grande échelle peut être généré automatiquement de manière pilotée par les données, et plus précisément comment la personnalisation du retour d'information peut améliorer les résultats de performance des étudiants. Premièrement, nous proposons une approche d'apprentissage automatique pour générer un retour d'information personnalisé de manière automatisée, prenant en compte les besoins individuels des étudiants tout en réduisant la nécessité d'une intervention experte et de la conception de règles artisanales. Nous exploitons des techniques avancées d'apprentissage automatique et de traitement du langage naturel pour fournir aux étudiants un retour d'information personnalisé via des indices et des explications basées sur Wikipédia. Deuxièmement, nous démontrons que le retour d'information personnalisé conduit à de meilleurs taux de réussite dans la résolution d'exercices pratiques : notre modèle de retour personnalisé est utilisé dans , un ITS dialogue à grande échelle avec environ 20 000 étudiants lancé en 2019. Nous présentons les résultats des expériences réalisées auprès des étudiants et montrons que le retour d'information automatisé, piloté par les données et personnalisé conduit à une amélioration globale significative de 22,95 % des performances des étudiants ainsi qu'à des améliorations substantielles dans l'évaluation subjective du retour.