Le défi scientifique
Artificial Intelligence Devoted to Education : nous voulons explorer dans quelle mesure des approches ou des techniques issues des neuro sciences cognitives en lien avec l’apprentissage machine et des outils symboliques pour représenter les connaissances, pourraient aider à mieux formaliser l’apprentissage humain tel qu’étudié en sciences de l’éducation. Autrement dit : on profite du fait que nous comprenons mieux comment fonctionne notre cerveau et l’intelligence artificielle pour aider à mieux comprendre comment nos enfants apprennent.
Vaste programme 🙂 Nous nous concentrons ici sur l’apprentissage de la pensée informatique, c’est-à-dire ce qu’il faut partager en matière de compétences pour maîtriser le numérique et pas uniquement le consommer ou le subir. En outre, nous nous focalisons sur certaines tâches d’apprentissage bien précises.
C’est un sujet exploratoire : nous prenons le risque scientifique de regarder les choses autrement. Par exemple au lieu d’utiliser les mécanismes dits d’intelligence artificielle pour essayer de fabriquer des « assistants » (des algorithmes pour mieux apprendre), on se concentre d’abord sur les formalismes issus du domaine de « l’intelligence artificielle » (numérique et symbolique) pour mieux comprendre la façon dont on apprend.
Contexte et applications
C’est aussi un sujet de recherche avec des applications, et notamment l’espoir de contribuer à la réduction des inégalités éducatives et à la persévérance scolaire, en se concentrant sur les compétences transversales également appelées compétences du 21e siècle, qui incluent la pensée informatique, la résolution de problèmes et la créativité.
On est une équipe 🙂 Dans le cadre du projet #CreaMaker, le laboratoire LINE en sciences de l’éducation travaille au quotidien avec l’équipe Inria Mnemosyne spécialisée en neuroscience computationnelle systémique. Nous recevons aussi le conseil de collègues de l’équipe Inria flowers relativement à la modélisation de l’apprentissage et wimmics relativement à la formalisation des connaissances, et collaborons avec l’équipe Xlim à Poitiers dans le cadre du réseau régional de recherche R3 NumEd (numérique pour l’éducation) concernant l’automatisation de la collecte des observables.
La recherche en sciences du numérique est pluridisciplinaire, notre action exploratoire semble s’inscrire dans deux grands mouvements : d’une part le fait que les sciences du numérique interagissent de plus en plus avec les sciences humaines et sociales, l’informatique ayant un impact sociétal majeur; d’autre part le fait qu’Inria à travers sa mission de médiation scientifique ou son learning lab national interagissent de plus en plus avec les enjeux sociétaux d’éducation. Dans ce contexte nous sommes en train de contribuer modestement à l’émergence d’une nouvelle science computationnelle de l’éducation : c’est vraiment enthousiasmant.
