Plateforme d’Adaptive learning de nouvelle génération, notre ‘AI Tutoring platform’, basée sur les recherches les plus récentes en intelligence artificielle et en sciences cognitives a été couronnée par de nombreux prix internationaux. Cette plateforme personnalisée rend adaptatifs tous types de contenus d’apprentissage (enseignement scolaire, supérieur ou formation professionnelle) et est disponible en mode SaaS.
L’AI Tutoring Platform “EvidenceB inside” est la plateforme d’Adaptive learning la plus innovante du marché. Mixant les bénéfices des différents types d’intelligence artificielle (générative et non-générative), elle vous permet d’intégrer le meilleur de la personnalisation à vos formations ou contenus pédagogiques.
Plusieurs algorithmes sont mis en place au sein de notre plateforme dans le but de vous proposer ainsi qu’à vos apprenants une expérience personnalisée. Cette personnalisation repose sur des algorithmes adaptatifs, dont trois principaux :
- l’algorithme de test adaptatif mis en jeu avec le début de chaque module,
- l’algorithme appelé bandit-manchot,
- l’algorithme dit d’espacement adaptatif pour la révision.
Durant le parcours, les apprenants pourront rencontrer des messages motivationnels de félicitations ou d’encouragements résultants de leurs progrès ou encore des messages interactifs leur proposant de l’aide. L’envoi de ces messages est basé sur des algorithmes de détection automatique observant l’ensemble des données générées par l’apprenant dans son utilisation de la plateforme.
Par ailleurs, un algorithme de clustering basé sur ces mêmes données établit des regroupements de vos apprenants selon certains critères et vous permettra ainsi de visualiser rapidement des profils similaires dans vos classes / groupes d’apprenants pour chaque module étudié.
Descriptif des algorithmes de l’IA
Les tests adaptatifs sont proposés à chaque apprenant avant le début d’un nouveau module. Ces tests ont pour objectif d’établir un diagnostic rapide des différents niveaux de maîtrise de l’apprenant pour le module sélectionné. Ainsi, suite aux tests, l’apprenant commence son parcours et le bandit-manchot lui propose les exercices adaptés à son diagnostic. Les tests sont dits adaptatifs pour deux raisons :
- La séquence de questions de test est adaptée et personnalisée à chaque apprenant en fonction de ses réponses,
- Suite au test, l’état du bandit-manchot est adapté au diagnostic obtenu. Si l’on souhaite tester une compétence sur des niveaux de difficulté différents, le fait de réussir le test au niveau intermédiaire entrainera le test du niveau plus élevé. A l’inverse, un échec à ce même niveau intermédiaire induira le test du niveau inférieur et le niveau supérieur sera d’office considéré comme non maîtrisé.
L’algorithme de bandit-manchot détermine quelles activités sont adaptées à chaque apprenant. De façon plus précise, l’algorithme de bandit-manchot sélectionne dans une banque d’activités les exercices les plus utiles, juste au bon niveau, pour faire progresser l’apprenant à son propre rythme. L’objectif de cet algorithme est de maintenir l’apprenant dans un niveau de difficulté adapté à ses compétences et connaissances. En d’autres termes, il propose à l’apprenant des exercices suffisamment faciles pour ne pas trop le frustrer et suffisamment difficiles pour induire une progression et réduire les risques d’ennui ou lassitude.
Lors de l’utilisation de la plateforme et en particulier de la réalisation des exercices dans leur parcours personnalisé, les apprenants produisent un ensemble de données numériques. Ces données sont ensuite exploitées et pour certaines présentées dans les tableaux de bord mis à votre disposition.
En supplément à des fins de visualisation, nous utilisons ces données via un algorithme de clustering. Cet algorithme permet de regrouper de façon pertinente les différents apprenants de votre classe / groupe d’apprenants en fonction de leur similitude sur certains critères. Ces groupes (dits clusters) présentés dans vos tableaux de bord sont spécifiques à chaque module et représentent des apprenants ayant des profils et difficultés similaires. Ces clusters ouvrent la voie à des formations et activités par petits groupes (aussi appelé ‘one-to-many’).
L’AI Tutoring platform offre de nombreuses possibilités d’apprentissage collaboratif, en mode duo (deux apprenants dont un maîtrisant mieux le concept), en mode workshop, en mode compils ou playlists…etc. Le formateur / enseignant a toujours la main sur les déroulés et activités, lui permettant de moduler les parcours selon ses propres objectifs et ceux de son organisation.
Votre succès =
notre succès
Nous accompagnons chaque éditeur dans son projet d’innovation pour enrichir ses collections :
Une intégration clé-en-main
- Solution « cloud » entièrement dématérialisée
- Souplesse du cadre technologique
- Configurable et adaptable
- Authentification unique « SSO »
- Conformité RGPD pour le secteur éducatif
Une collaboration basée sur :
- Des coûts initiaux limités
- Un modèle de royalties sur les ventes de la collection.
Les trois piliers
d’EvidenceB
Sciences Cognitives
Intelligence artificielle
Interface UX
Sciences Cognitives
Il s’agit notamment des dernières avancées des laboratoires de recherche en neurosciences et en sciences cognitives sur la manière dont le cerveau d’un enfant intègre de nouvelles connaissances.
Si tous les enfants du monde ont un cerveau qui fonctionne selon les mêmes principes universels, il est donc possible de créer des modules pédagogiques adaptés aux besoins de chacun quels que soient la culture et le pays d’origine de l’enfant à chaque étape de son développement.
Les modules EvidenceB intègrent des nouvelles approches didactiques, fondées sur les recherches récentes en sciences cognitives dans chaque discipline, afin de stimuler l’acquisition des notions déterminantes et structurantes.
Les recherches en sciences cognitives sont à la racine de la conception des modules, qu’il s’agisse du design de l’architecture, des contenus pédagogiques, des types d’activités ou du fonctionnement de la rétroaction.
Intelligence artificielle
L’intelligence artificielle concerne la conception d’agents autonomes qui interagissent de manière rationnelle avec leur environnement pour atteindre un but donné.
Dans le contexte éducatif, ce ‘but’ est souvent l’adaptation de l’enseignement aux besoins individuels d’un apprenant – ce qu’on appelle adaptive learning.
Les applications développées par EvidenceB intègrent deux algorithmes d’intelligence artificielle. Le premier, appartenant à la famille des algorithmes de « bandits manchots », optimise les parcours pédagogiques en proposant en continu à chaque élève des exercices adaptés à l’élève, quel que soit son niveau. Le deuxième relève quant à lui du « clustering » et permet de constituer des groupes d’élèves qui présentent des caractéristiques d’apprentissage similaires. L’enseignant peut ensuite utiliser les groupes constitués pour différencier sa pédagogie au niveau de chacun.
L’enseignant peut s’appuyer sur les informations présentées dans des tableaux de bord pour avoir une vision globale et synthétique de sa classe et de la progression de ses élèves et donc prendre des décisions pédagogiques éclairées par les données, sans surcharge horaire.
Le rôle des professeurs reste donc central tout au long de la scolarité et permet aux élèves de transformer « une éducation pour tous » en « une éducation pour chacun ».
Interface UX
L’expérience utilisateur (UX) est la qualité du vécu de l’utilisateur dans les environnements numériques ou physiques. La notion d’expérience utilisateur marque une évolution transdisciplinaire dans la façon de concevoir la relation de l’utilisateur aux systèmes techniques et de considérer leur qualité ergonomique. Dans le secteur éducatif, les usages pédagogiques numériques font l’objet de recherches fondamentales.
Aux côtés des cogniticiens, les modules d’apprentissage EvidenceB ont également été développés par des experts de l’UX qui ont conçu des interfaces ludiques visant à entretenir la motivation des élèves. À la fois familières et captivantes, ces interfaces suscitent et entretiennent leur curiosité et leur implication, tout en évitant toute surcharge cognitive.
L’expérience pédagogique fait l’objet d’une approche evidence-based, documentée par des chercheurs du domaine lors d’expérimentations scientifiques menées sur le terrain, avec la participation des élèves et des enseignants.
Découvrir nos solutions
Envie d’en savoir plus sur les ressources développées par EvidenceB ?
Contactez-nous pour tester une démo. Nous répondrons à toutes vos questions.