French Touch de l'Education - Le Big Data dans l'éducation, Laetitia Grail, myBlee

Le Big Data

dans l’éducation

French Touch Education

17 Déc. 2014

Il est temps de franchir l’étape suivante dans la révolution de l’éducation digitale : au lieu de demander ce qu’on peut apprendre de nos

ordinateurs et de nos tablettes, demandons-nous ce qu’ils peuvent apprendre de nous.

Les écoles qui sont les mieux classées ont un facteur récurrent commun : les classes de petite taille. Le professeur peut

donner à chaque élève une grande quantité de temps.

Imaginez un système intelligent, un professeur virtuel et personnel ayant l’expérience d’une centaine de milliers

d’élèves.

Le système intelligent de myBlee maths conseille à chaque enfant un chemin personnalisé.

Ces chemins sont calculés en prenant en considération quatre références principales

o  le programme scolaire correspondant à son âge o  les résultats de ses activités précédentes o  l’information générée par l’ensemble des utilisateurs o  et l’avis de professeurs et pédagogues

Comment ça pourrait marcher ?

L’intersection de milliers de données des utilisateurs 7 millions d’exercices ont déjà été réalisés par les élèves du monde

entier dans myBlee maths.

Un système de filtrage d’information similaire aux techniques d’apprentissage automatiques des grands acteurs de la technologie

comme Google, Amazon, Critéo et Netflix mais….

Un système de recommandation pour l’éducation est naturellement plus complexe qu’un système de

recommandation pour la publicité…

…il est beaucoup plus facile de suggérer à un utilisateur un produit qu’il veut, plutôt qu’un qu’il ne veut pas.

Comment ça marche ?

o  Les premières recommandations sont faites à partir de l’âge et/ou

de la classe de l’élève. o  Un grand nombre de données sont collectées pour créer, mettre à

jour et affiner les recommandations en temps réel. o  Ensuite les recommandations s’améliorent car elles sont faites en

fonction de toutes les activités précédentes : quels exercices ont été faits, combien de temps l’enfant a mis et quels étaient ses résultats. A chaque module et nouveau résultat obtenu par l'enfant, l'algorithme recalcule la liste personnalisée des modules afin de s'adapter à son profil et ses nouveaux résultats en temps réel.

Algorithme de calcul de chemin optimal et de similarité

o  Pour déterminer la meilleure suggestion, nous utilisons un

algorithme de recherche de type « Plus court chemin ». o  Le système effectue une recherche d'autres utilisateurs en situation

similaire (qui ont les mêmes difficultés, aisances, ...) de façon à ce que le résultat soit le plus adapté. C'est de l'aide mutuelle.

o  La moindre petite action compte : la manière dont Carlos utilise

myBlee maths à Bogota peut aider Sophie à Paris sur la formation de son chemin.  

o  Pour l'algorithme de calcul, on utilise les taux de réussite des

enfants sur chaque exercice. C'est-à-dire, un élève qui a eu 67% est plus proche d'un autre qui a eu 70% que d'un troisième qui a eu 80% etc... il n'y a pas d'arrondis. Du coup, aucune valeur de réussite n'a le même effet.

Le gain pour l’élève

Sans algorithme comme celui-ci, il pourrait passer 5 à 6 fois plus de

temps à atteindre une nouvelle notion en mathématiques, sans compter l’ennui (et donc la possibilité d’abandon) engendré par des

exercices trop faciles ou trop difficiles pour lui.

Contrairement au traitement uniforme de la salle de classe, l’application comprend que les enfants sont différents et elle utilise l’apprentissage personnalisé pour découvrir les points faibles et forts

de chacun, pour ensuite donner des conseils adaptés.

Il n’y a pas qu’un chemin pour apprendre les mathématiques.  

12  

www.myblee.info www.leschiffresduedtech.com [email protected] Twitter @laetitiagrail

LGM Learning SAS 30, rue Notre-Dame des Victoires 75002 PARIS France LGM Learning Inc. 2415 Third Street ste 231 San Francisco CA 94107 United-States