L’académie de Nancy-Metz : un territoire d’expérimentation des projets de recherche et du numérique éducatif

Le projet PLANETE accompagne les 21 projets de recherche en e-éducation de l’académie de Nancy-Metz, territoire à la pointe du numérique pédagogique et propice à l’expérimentation. Ce projet vise à valoriser et mettre à disposition des enseignants et des élèves les dispositifs et applications issus des travaux de recherche, qui utilisent l’intelligence artificielle (IA), les learning analytics ou les Interfaces Homme-Machine (IHM), dans le but de favoriser la réussite de tous.

Recherche en e-éducation – Le projet Smart Enseigno, enseignement des mathématiques en cycle 2 (CP, CE1, CE2)

Le Partenariat d’Innovation en Intelligence Artificielle P2IA

Développer des solutions basées sur l’intelligence artificielle pour les enseignants en cycle 2 afin de mieux accompagner leurs élèves dans leurs apprentissages du français et/ou des mathématiques.

Maîtrise des savoirs fondamentaux

Le projet Smart Enseigno, lauréat du  « Partenariat d’Innovation Intelligence Artificielle » (P2IA) pour l’apprentissage des mathématiques, répond à la priorité académique et ministérielle de la maîtrise des savoirs fondamentaux.

La société EDUCLEVER est porteuse du projet Smart Enseigno expérimenté dans l’académie de Nancy-Metz.

Smart Enseigno propose d’apporter aux élèves et à leur enseignant un environnement intelligent d’apprentissage, assistance numérique à base d’Intelligence Artificielle, qui permet la personnalisation des apprentissages et des acquisitions notionnelles dans la plupart des domaines des mathématiques fondamentales de cycle 2.

Objectif du projet

Le projet Smart Enseigno a pour objectif de co-construire une plateforme de ressources adaptatives et quasi infinies pour l’élève et l’enseignant, accompagné d’un assistant pédagogique sous forme de tableau de bord intelligent piloté par l’enseignant.

Modalités de l’expérimentation

Smart Enseigno, expérimentation ouverte et collaborative pour une co-construction avec les enseignants dans leur classe, propose un ensemble de ressources, utilisables en classe (grand groupe, petit groupe, individuel), à la fois au niveau de la séance, de la séquence ou de la période.

Il ne s’agit pas de se substituer à l’analyse du professeur, mais de l’enrichir par les informations en mémoire dans le système, et de lui suggérer, à sa libre convenance, des solutions de remédiation qui semblent plus adaptées au cas de l’élève. De ce fait, l’enseignant a toujours la possibilité de personnaliser, de modifier, d’être aiguillé par le système mais aussi de le corriger. 

L’intelligence artificielle de ce système utilise :

• les raisonneurs pour construire de nouvelles informations à partir des informations existantes du modèle web sémantique ;
• le machine learning pour progressivement affiner et améliorer les algorithmes existants grâce aux actions des utilisateurs.

Pour améliorer encore le fonctionnement, des algorithmes de machine learning peuvent être étudiés et implémentés pour donner à la machine également une certaine capacité d’analyse. Le système devrait être capable de s’auto-piloter jusqu’à un certain stade, en utilisant les traces et les profils des élèves et en générant dynamiquement des scores de compétences.

Pour l’élève

La solution propose une série d’activités, ludiques et agréablement interfacées, sous formes d’exercices, permettant de s’entraîner, de remédier à ses difficultés, et de construire son profil d’acquisition et de progression.
L’élève peut mesurer, avec ses parents, ses acquis et ses progrès dans son espace personnel d’activités. Grâce à la fonction « activités automatiques », Smart Enseigno peut adresser des propositions de travail « automatiques » basées sur la progression de l’élève et son profil d’acquisition.

Pour l’enseignant

Tout en respectant la liberté pédagogique, Smart Enseigno propose à l’enseignant, à partir d’un catalogue d’activités basé sur les référentiels de compétences, une série d’outils lui permettant d’implémenter pas à pas de l’adaptive learning dans ses enseignements.

Il peut ainsi :

• diagnostiquer la bonne maîtrise des prérequis d’une notion par ses élèves avant de débuter un cours sur cette notion ;
• évaluer pour chaque élève les compétences acquises ou à remédier, après le cours ;
• fabriquer ses propres séquences de travail et proposer des activités de remédiation, basées sur les référentiels de compétences, à adresser à ses élèves ;
• activer la mise en activité automatique pour l’élève ;
• disposer de tableaux de bord riches et dynamiques, renforçant son action d’accompagnement de ses élèves.

Pendant l’expérimentation en classe et tout au long du projet, il faudra vérifier l’acceptabilité des parcours générés ainsi que le type d’alertes générées et le moment idéal pour les générer.

Les partenaires du projet

• EDUCLEVER, conception de plateformes au service de la pédagogie et de la didactique
• Cabrilog, expertise pédagogique et une expertise de design et développement d’outils numériques
• Wimmics, une expertise en intelligence artificielle, web sémantique, et représentation des connaissances
• LudoTic, une expertise en ergonomie multimédia des IHM et ingénierie de l’interaction
• DANE de Nancy-Metz, expertise du numérique éducatif

Pour aller plus loin

• Les 21 projets de recherche  en expérimentation dans l’académie de Nancy-Metz
• Le partenariat d’innovation intelligence artificielle présenté lors des JANE 2019 
• 5 autres projets lauréats du P2IA en expérimentation dans l’académie de Nancy Metz, en français : Lalilo, Navi, Kaligo ; en mathématiques : Mathia, Adaptiv’Math

Participez à l’actualité de la recherche en e-éducation avec le projet Smart enseigno sur les réseaux sociaux

Pour partager cet article

• Share on Facebook
• Share on Twitter
• Share on LinkedIn
• Share via Email