Retour au blog

Adaptive Learning : Comment Fonctionne l'IA Éducative ?

Comment une appli d'exercices calcule ce que tu maîtrises et choisit ton exercice suivant, avec trois exercices corrigés pour refaire le calcul toi-même.

Cet article a été rédigé à des fins pédagogiques. Les informations présentées peuvent évoluer. Nous t’invitons à vérifier auprès de sources officielles.

Une appli d'apprentissage adaptatif répète une boucle : elle te donne un exercice, recalcule d'après ta réponse la probabilité que tu maîtrises la notion travaillée, puis choisit l'exercice suivant selon ce nombre. Exemple : tu rates deux exercices de fractions d'affilée, son estimation de ta maîtrise des fractions baisse, et au lieu de passer aux équations elle te redonne des fractions, plus guidées. Derrière l'étiquette « IA éducative », il y a ici un calcul de probabilités que tu vas pouvoir refaire à la main.

La boucle et ses trois pièces

Définition : l'apprentissage adaptatif (adaptive learning, en anglais) désigne un logiciel d'exercices, appli ou site, qui choisit l'activité suivante de chaque élève d'après ses réponses précédentes. Il suit un algorithme, c'est-à-dire une suite d'instructions précises que l'ordinateur applique.

Trois pièces travaillent à chaque tour. Chacune est un modèle : une description simplifiée que l'ordinateur sait utiliser dans ses calculs.

Étape 1 : l'appli te donne un exercice, étiqueté avec les notions qu'il fait travailler. Une carte des notions, le modèle du domaine, indique lesquelles s'appuient sur lesquelles.

Étape 2 : ta réponse met à jour la probabilité que tu maîtrises chacune de ces notions : c'est le modèle de l'élève.

Étape 3 : des règles lisent ces probabilités et choisissent l'exercice suivant : c'est le modèle pédagogique. Puis la boucle repart.

Tout dépend de la carte. Pour résoudre $3x + 11 = 5$, il faut calculer $5 - 11$, donc savoir soustraire des nombres relatifs. Si ce lien est inscrit dans la carte, l'appli peut te renvoyer aux relatifs quand tu bloques sur les équations. Sinon, rien ne l'y pousse.

Comment l'appli estime ce que tu maîtrises

Le modèle de l'élève présenté ici s'appelle le suivi des connaissances (knowledge tracing, en anglais). Albert Corbett et John Anderson l'ont décrit en 1994 pour un tuteur informatique qui apprenait aux élèves à écrire de courts programmes : pour chaque règle à apprendre, il tenait à jour la probabilité que l'élève l'ait acquise.

Pour chaque notion, le calcul utilise quatre pourcentages réglés à l'avance.

RéglageCe qu'il mesureDans l'exemple
Départla probabilité que tu maîtrises la notion avant tout exercice50 %
Hasardla probabilité de répondre juste sans maîtriser20 %
Étourderiela probabilité de répondre faux en maîtrisant10 %
Apprentissagela probabilité d'apprendre la notion pendant un exercice10 %

Tu réponds juste. Pour mettre l'estimation à jour, imagine 100 élèves dans ta situation. Cinquante maîtrisent la notion, et 90 % d'entre eux répondent juste (100 % moins l'étourderie) : 45 élèves. Les 50 autres ne la maîtrisent pas, mais 20 % trouvent quand même : 10 élèves. En tout, 55 bonnes réponses, dont 45 d'élèves qui maîtrisent. Tu es l'un des 55, donc la probabilité que tu maîtrises devient $\dfrac{45}{55} \approx 0{,}82$, soit environ 82 %.

Formule : avec $p$ l'estimation avant ta réponse, $h$ la probabilité de trouver par hasard et $e$ celle de l'étourderie, la nouvelle estimation vaut, après une bonne réponse :

$$p' = \frac{p\,(1-e)}{p\,(1-e) + (1-p)\,h}$$

et après une mauvaise réponse :

$$p' = \frac{p\,e}{p\,e + (1-p)\,(1-h)}$$

Le jour où tu l'as oubliée, refais les 100 élèves : en haut, ceux qui maîtrisent et ont donné ta réponse ; en bas, tous ceux qui ont donné ta réponse. Si tu as vu les probabilités conditionnelles, tu reconnais la formule de Bayes.

Reste l'apprentissage : le modèle considère que tu as pu progresser en faisant l'exercice. Il ajoute donc 10 % de ce qui manque pour atteindre 100 % : $0{,}82 + 0{,}1 \times (1 - 0{,}82) \approx 0{,}84$. L'exercice suivant part de 84 %.

Piège classique : « quand on maîtrise, on répond juste 9 fois sur 10 » ne veut pas dire « j'ai répondu juste, donc je maîtrise à 90 % ». La première phrase parle des élèves qui maîtrisent, la seconde de ceux qui ont répondu juste. Ici, la bonne réponse mène à 82 %, pas à 90 %, à cause des 10 élèves qui ont trouvé par chance.

Dans l'étude de 1994, ces estimations prédisaient bien les résultats des élèves aux tests.

Comment l'appli choisit l'exercice suivant

Le tuteur de Corbett et Anderson donnait des exercices sur chaque règle jusqu'à ce qu'elle soit maîtrisée. Pour décider qu'une notion est maîtrisée, il faut un seuil, par exemple 95 %. Sous le seuil, tu restes sur la notion ; au-dessus, l'appli la compte comme acquise et passe à la suite. Avec les réglages de l'exemple, une deuxième bonne réponse porte l'estimation à environ 96 % : deux réussites d'affilée suffisent.

Quand l'estimation reste basse malgré plusieurs essais, la carte des notions prend le relais : l'appli peut tester un prérequis (une notion à savoir d'abord), par exemple les relatifs pour les équations, plutôt que de te faire répéter le même exercice.

Ce que l'algorithme ne voit pas

Il ne voit que tes réponses, pas ton raisonnement. Une bonne réponse trouvée au hasard fait monter l'estimation comme une vraie : dans l'exemple, deux coups de chance d'affilée suffiraient à valider la notion.

Il ne voit pas l'oubli. Regarde l'étape d'apprentissage : elle ne peut que faire monter l'estimation. Dans ce modèle, seule une erreur la fait baisser, et une notion validée en septembre reste validée en juin, même si tu ne l'as pas retravaillée.

En revanche, tout ce que tu réponds est enregistré. Tes réponses, liées à ton compte, sont des données personnelles : le règlement européen qui les protège, le RGPD, te donne le droit de savoir lesquelles un organisme détient sur toi et d'en recevoir une copie gratuite, en principe sous un mois (CNIL).

Conseil : quand tu ne sais pas, ne clique pas au hasard ; prends l'indice ou « je ne sais pas » si l'appli le propose. Et avant un contrôle, refais quelques exercices sur ce qu'elle tient pour acquis.

Exercices corrigés

Exercice 1 : Une appli estime à 50 % la probabilité que tu maîtrises les fractions (données fictives). Elle compte 20 % de chances de répondre juste par hasard et 10 % de risque d'étourderie. Tu réponds faux. Quelle est sa nouvelle estimation, avant l'étape d'apprentissage ? Arrondis au pour cent.

Correction :

Sur 100 élèves, 50 maîtrisent et 10 % d'entre eux se trompent par étourderie : 5 élèves. Les 50 autres ne maîtrisent pas et 80 % d'entre eux se trompent (100 % moins le hasard) : 40 élèves. Parmi les 45 qui se trompent, 5 maîtrisent : $\dfrac{5}{45} \approx 0{,}11$.

L'estimation tombe à environ 11 %. Une erreur pèse lourd, car l'étourderie est rare.

Exercice 2 : Sami sait que, s'il maîtrise les puissances, il répond juste 9 fois sur 10. Il vient de répondre juste et en conclut : « l'appli me donne 90 % de chances de maîtriser les puissances ». L'appli partait d'une estimation de 30 % et compte 20 % de chances de répondre juste par hasard (données fictives). Calcule sa vraie estimation, avant l'étape d'apprentissage, et explique l'erreur de Sami.

Correction :

Sur 100 élèves, 30 maîtrisent et 90 % d'entre eux répondent juste : 27. Les 70 autres répondent juste dans 20 % des cas : 14. Parmi les 41 bonnes réponses, 27 viennent d'élèves qui maîtrisent : $\dfrac{27}{41} \approx 0{,}66$, soit environ 66 %.

Sami a retourné la question : 90 % est la part des bonnes réponses chez ceux qui maîtrisent, alors que l'appli cherche la part de ceux qui maîtrisent chez ceux qui ont répondu juste.

Exercice 3 : Une appli de vocabulaire anglais pose des QCM à quatre réponses, dont une seule est juste. Elle estime à 20 % la probabilité que tu connaisses le mot « although », avec 5 % de risque d'étourderie, et passe au mot suivant quand son estimation atteint 95 % (données fictives). La question sur ce mot t'est posée deux fois, et tu réponds juste les deux fois. Sans tenir compte de l'apprentissage, l'appli passe-t-elle au mot suivant ?

Correction :

Au hasard, on tombe juste une fois sur quatre : le hasard vaut 25 %. Première réponse, sur 10 000 élèves : 2 000 connaissent le mot et 95 % d'entre eux répondent juste, soit 1 900 ; parmi les 8 000 autres, 25 % trouvent, soit 2 000. L'estimation passe à $\dfrac{1\,900}{3\,900} \approx 0{,}49$.

Deuxième réponse : sur ces 1 900, 95 % répondent encore juste, soit 1 805 ; sur ces 2 000, 25 % retombent juste, soit 500. L'estimation devient $\dfrac{1\,805}{2\,305} \approx 0{,}78$.

Avec 78 %, on reste sous 95 % : l'appli ne passe pas au mot suivant. Avec quatre choix, la chance pèse lourd.

À retenir

À retenir :

  • L'appli tourne en boucle : exercice, mise à jour de ta probabilité de maîtrise notion par notion, choix de l'exercice suivant.
  • Après une réponse, la nouvelle estimation est la part d'élèves qui maîtrisent parmi ceux qui ont donné cette réponse.
  • Une bonne réponse n'est pas une preuve : le hasard compte, surtout en QCM.
  • Sous le seuil, tu restes sur la notion ; au-dessus, tu passes à la suite.
  • Le modèle ne voit ni ton raisonnement ni l'oubli : réponds franchement et révise ce qu'il dit acquis.

Sources

  • CNIL, « Le droit d'accès : connaître les données qu'un organisme détient sur vous » : page sur cnil.fr.
  • Albert T. Corbett et John R. Anderson, « Knowledge tracing: Modeling the acquisition of procedural knowledge », User Modeling and User-Adapted Interaction, vol. 4, 1994, p. 253-278 : résumé chez l'éditeur.

Tu peux partager cette page librement, en citant ORBITECH AI Academy avec son lien.