Comment l’IA peut exploiter les conversations en classe pour prédire la réussite scolaire
Le développement de l’apprentissage en ligne et des classes en ligne a permis d’obtenir des informations précieuses sur les modèles de réussite et les comportements des étudiants. Avec l’aide de l’IA, les chercheurs ont identifié et analysé ces facteurs cruciaux.
On aurait pu s’attendre à ce que le dialogue hors sujet en classe soit un indicateur important de la réussite scolaire d’un étudiant. Cependant, des scientifiques de l’université de Tsinghua ont eu une intuition et se sont intéressés au potentiel de l’apprentissage automatique et de l’IA pour aider à comprendre un groupe souvent négligé dans le domaine de l’éducation : Les élèves de la maternelle à la sixième année qui participent à des cours en ligne.
Modèles de réseaux neuronaux pour prédire la réussite scolaire des élèves de la maternelle à la sixième année
Les scientifiques de l’université Tsinghua ont utilisé des modèles de réseaux neuronaux pour analyser les dialogues en classe d’élèves de la maternelle à la terminale participant à des cours en ligne. Leur objectif était d’identifier les comportements liés à la réussite scolaire. Les chercheurs ont étendu leur analyse à l’aide de l’IA pour identifier des ensembles de comportements qui peuvent prédire avec précision la réussite dans les matières STIM et non STIM.
Les données massives (Big Data) ont joué un rôle important dans la mise en lumière des aspects essentiels qui contribuent à l’amélioration de la réussite des étudiants, ce qui a permis de jeter un regard neuf sur la dynamique de l’apprentissage. Les résultats de l’étude, publiés dans le Journal of Social Computing le 31 mars, ont démontré la validité des conclusions et des modèles prédictifs des performances scolaires.
Aperçu de la recherche de Jarder Luo
Selon Jarder Luo, un des auteurs et chercheurs ayant participé à l’étude, les principaux marqueurs des étudiants performants dans les cours de STEM et de non-STEM sont les émotions positives, les interactions cognitives de haut niveau et la participation active à des dialogues hors sujet tout au long de la leçon.
Cette étude implique que le comportement interactif est le facteur prédictif le plus important des résultats scolaires des étudiants en STIM et en non STIM, dépassant d’autres marqueurs tels que la cognition et les émotions positives. Les types d’interaction jouent un rôle important au milieu de la leçon pour les élèves des STEM, tandis que pour les élèves des autres disciplines, ils ont un impact sur les performances à la fois au milieu et à la fin de la leçon.
Les interactions en classe ont un impact sur les performances académiques des élèves
Les interactions entre les étudiants dans une salle de classe jouent un rôle crucial non seulement dans le développement des compétences sociales, mais aussi dans l’amélioration de l’acquisition des connaissances. Les conversations ouvertes, en particulier sur des sujets peu familiers, aident les jeunes élèves à développer leurs compétences en matière de conversation. Les données suggèrent fortement que les élèves qui participent activement aux dialogues en classe ont tendance à obtenir de meilleurs résultats scolaires.
En outre, l’étude démontre que la métacognition, ou “la réflexion sur la réflexion”, est plus répandue chez les élèves non-STEM les plus performants que chez leurs homologues des STEM. Cette différence pourrait être attribuée à l’approche pédagogique des sciences, qui s’appuie souvent sur les connaissances existantes, alors que d’autres matières nécessitent davantage de planification et d’évaluation.
Identifier les comportement pour le soutien et les interventions auprès des élèves pendant les cours
En identifiant les comportements et les modèles communs aux élèves qui réussissent et en comprenant comment ces facteurs diffèrent en fonction de la matière enseignée, il est possible d’apporter un soutien et d’intervenir auprès des élèves en difficulté pendant le cours.
Luo souligne que l’exploitation des big data et des outils d’IA permet de mieux comprendre la dynamique de la classe, en révélant des comportements d’interaction complexes au sein de réseaux multicouches et leur impact sur les performances des élèves.
Renforcer les performances académiques grâce à des approches d’apprentissage personnalisées
En comprenant l’importance de l’expression émotionnelle, de la cognition, de la métacognition et du comportement interactif sur la réussite scolaire, les chercheurs aspirent à permettre aux enseignants d’adopter une approche plus personnalisée de l’apprentissage. Ils estiment que cette approche permettra d’améliorer les résultats scolaires, en particulier si l’on considère à la fois les cours de STEM et ceux de non-STEM.
En outre, les décideurs politiques peuvent utiliser ces informations pour réévaluer les méthodes d’enseignement actuelles et introduire des approches variées tout au long du cours afin d’aider les étudiants dont l’engagement ou la compréhension fluctue pendant les leçons. En combinant les recherches en cours et les techniques d’IA, il devient possible de créer une expérience éducative plus efficace et plus complète pour tous les étudiants.
Lire l’article original sur : Phys Org
Lire la suite : CoCo : Une plateforme permettant aux jeunes de collaborer à l’apprentissage en temps réel
