Nous voulons explorer dans quelle mesure des approches ou des techniques issues des neurosciences 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.
À cette fin, nous développons un code de recherche pour mesure des traces d’apprentissage lors d’activités avec des objets tangibles et des intergiciels entre les grands outils et algorithmes utilisés dans cette action exploratoire de recherche.
Cette bibliothèque comporte
– la mise en œuvre préliminaire d’une structure de données symbolique métrisable permettant d’effectuer des dérivations symboliques à l’aide de l’intégration numérique, de manière explicite (donc facilement explicable), ciblant l’apprentissage symbolique par renforcement ou la résolution de problèmes complexes créatifs ouverts,
– un ensemble de routines en C/C++ pour les calculs de base, et les portions de code exécutées sur les objets connectés qui permettent des mesures de traces d’apprentissage, et le pilotage des expériences,
– les outils C/C++ ou Javascript pour interfacer les différents modules logiciels utilisés, et un wrapper Python pour développer au dessus de ces fonctionnalités.
