Jeudi 19 Février 2015
Soutenance de thèse de maîtrise ès sciences en informatique
La photo nous fait voir les membres du jury, de gauche à droite, Julien Chiasson, président du jury et directeur du Département d’informatique; Chadia Moghrabi, codirectrice de thèse; Mustapha Kardouchi, examinateur interne; Dan Tulpan, examinateur externe et agent de recherche au Conseil national de recherches du Canada; et Philippe Fournier-Viger, codirecteur de thèse.
Agrandir l'image
Résumé :
Connaître le style d’apprentissage d’un apprenant permet de lui prodiguer une assistance adaptée à ses besoins et à ses préférences. Une des principales approches pour identifier le type psychologique d’un apprenant est de lui demander de répondre à un questionnaire spécialement conçu à cette fin, puis de faire appel à un spécialiste pour analyser les réponses et déterminer son style. Cette approche présente cependant quelques problèmes. Tout d’abord, les questionnaires d’évaluation comportent généralement un très grand nombre de questions, ce qui peut démotiver l’apprenant, le menant à l’abandon ou bien à répondre insouciamment. Par ailleurs, il peut être difficile d’accéder à un spécialiste pour l’analyse des réponses. Finalement, l’analyse par un spécialiste requiert un certain temps avant d’obtenir les résultats. Pour répondre à ces problèmes, une solution prometteuse est de concevoir des questionnaires électroniques adaptatifs, capables de (1) réduire le nombre de questions de façon dynamique en fonction des réponses de l’apprenant, (2) de prédire le type psychologique instantanément, sans avoir recours à un spécialiste humain ou en rendant sa décision plus rapide, et (3) en minimisant le taux d’erreur qui en découlerait.
Deux questionnaires adaptatifs sont proposés pour le questionnaire de Myers-Briggs (MBTI). Le premier, Q-SELECT, emploie les règles d’association et les réseaux de neurones pour prédire les réponses aux questions et pour détecter de manière automatique les types psychologiques des apprenants. Les résultats expérimentaux obtenus avec un jeu de données de 1,931 questionnaires, fournis par le professeur Robert Baudouin, montrent que Q-SELECT permet d’éliminer 30 % des questions tout en prédisant les types psychologiques avec un taux d’erreur inférieur ou égal à 12 %. Le second, nommé T-PREDICT analyse la capacité de chaque question à différencier les types psychologiques pour ainsi réordonner les questions et ensuite tenter de prédire le type de chaque apprenant en utilisant le moins de questions possibles. L’expérimentation montre que T-PREDICT pose en moyenne 81 % moins de questions que Q-SELECT tout en offrant un taux d’erreur similaire.
Retourner aux nouvelles