Au cœur de cette problématique se trouve la question de la modélisation des rétroactions dans ce qu’elles ont de spécifique d’une connaissance donnée et de son apprentissage.
Ces travaux dépassent les modélisations cognitives classiques, dans le domaine de la modélisation de l’apprenant, pour aborder uneproblématique plus systémique : pour un contenu particulier, ayant analysé l’activité de l’apprenant et le contexte d’apprentissage, décider la rétroaction à produire pour faire évoluer cette connaissance de façon optimale (choix du moment, de la nature, de la modalité). Pour cela, j’étudie des modèles formels de prise de décision en cherchant à prendre en compte les facteurs nécessaires et suffisants pour le calcul de ce type de rétroaction. Nous avons ainsi fait une première proposition de modèle de rétroaction différée avec un algorithme de calcul d’utilité tenant compte des contraintes didactiques identifiées (Mufti-Alchawafa et Luengo 2008).
Pour aller plus loin dans cette dimension de modélisation, il est nécessaire de renforcer le travail pluridisciplinaire sur l’analyse du processus de prise de décision lui-même. Nous avons entrepris des initiatives pour assister l’enseignant dans cette tâche (Diagne et Luengo 2008,), mais mes perspectives pluridisciplinaires portent ici sur le traçage de ce type d’activité du formateur ou de l’enseignant pour l’analyser afin de proposer des modèles de rétroaction automatique ou des modèles de co-rétroactions capables d’associer le formateur dans le processus (Dessus, Cosnefroy Luengo 2016, Iryna Nikolayeva, Amel Yessad, Marie Thuet, Françoise Chenevotot, Julia Pilet et al. ).
Pour aller plus loin dans cette dimension de modélisation, il est nécessaire de renforcer le travail pluridisciplinaire sur l’analyse du processus de prise de décision lui-même. Nous avons entrepris des initiatives pour assister l’enseignant dans cette tâche (Diagne et Luengo 2008,), mais mes perspectives pluridisciplinaires portent ici sur le traçage de ce type d’activité du formateur ou de l’enseignant pour l’analyser afin de proposer des modèles de rétroaction automatique ou des modèles de co-rétroactions capables d’associer le formateur dans le processus (Dessus, Cosnefroy Luengo 2016, Iryna Nikolayeva, Amel Yessad, Marie Thuet, Françoise Chenevotot, Julia Pilet et al. ).
L’architecture EIAH de couplage entre le diagnostic et la production de décisions didactiques fait partie de cette recherche (Luengo, Mufti-Alchawafa et Vadcard 2004). En effet, les recherches dans le domaine sont plus importantes dans la production des modèles et outils de diagnostic, mais la question de la rétroaction suite au diagnostic est souvent déléguée à l’humain ou traitée comme une conséquence directe du diagnostic.
Les perspectives informatiques dans cette problématique de modélisation des rétroactions, sous forme d’un modèle décisionnel, sont de l’aborder en traitant les problèmes de performance, sensibilité, flexibilité, adaptabilité, lisibilité et pertinence. Ces problèmes sont cruciaux dans des situations de formation professionnelle avec des simulateurs de réalité virtuelle (Bourrier, Garbay, Jambon et Luengo 2017 et 2018) où les analyses doivent pouvoir être effectuées au fil de l’arrivée des données complexes et en temps réel, ce qui a un impact significatif sur les processus ainsi que sur les algorithmes de gestion automatique.
Les perspectives informatiques dans cette problématique de modélisation des rétroactions, sous forme d’un modèle décisionnel, sont de l’aborder en traitant les problèmes de performance, sensibilité, flexibilité, adaptabilité, lisibilité et pertinence. Ces problèmes sont cruciaux dans des situations de formation professionnelle avec des simulateurs de réalité virtuelle (Bourrier, Garbay, Jambon et Luengo 2017 et 2018) où les analyses doivent pouvoir être effectuées au fil de l’arrivée des données complexes et en temps réel, ce qui a un impact significatif sur les processus ainsi que sur les algorithmes de gestion automatique.