Paraschool Domitile Lourdeaux Heudiasyc. Description de larchitecture Modèle doptimisation...

Paraschool

Domitile Lourdeaux Heudiasyc

Description de l’architecture

Modèle d’optimisation

Conclusion

Présentation générale de Paraschool

Plan

Présentation générale de Paraschool

Plan

Description de l’architecture

Modèle d’optimisation

Conclusion

4

Université de technologie Compiègne

Heudiasyc

Start-up Fondée en 2000 15 personnes chiffre d’affaire : 800 k€ résultat net : 40 k€ croissance de 100%

Paraschool

5

Université de technologie Compiègne

Heudiasyc

Le produit

E-learning

www.paraschool.fr

Eléments pédagogiques interactifs :

Cours

Questionnaires

Activités de savoir-faire

Exercices

Paraschool

6

Université de technologie Compiègne

Heudiasyc

Le produit

Action modulée en fonction des réponses/besoins

Liens avec professeurs / réponse 1 heure

Tutorat personnalisé

Collèges, Lycées, BEP, Bac Pro, BTS

Maths, Français, Physique-Chimie

Tarifs : 10 à 37 € / mois

Paraschool

7

Université de technologie Compiègne

Heudiasyc

Les clients

50 000 utilisateurs inscrits

Établissements / régions / départements

Clientèle stable et prévisible

Opération marketing pour l’utilisation

Paraschool

8

Université de technologie Compiègne

Heudiasyc

Les démos

www.paraschool.fr

Paraschool

9

Université de technologie Compiègne

Heudiasyc

Paraschool

Les démos

www.paraschool.fr

10

Université de technologie Compiègne

Heudiasyc

Paraschool

Les démos

http://www.paraschool.com/demo/sciences/

11

Université de technologie Compiègne

Heudiasyc

Paraschool

Les démos

http://www.paraschool.com/demo/sciences

12

Université de technologie Compiègne

Heudiasyc

Paraschool

Les démos

http://www.paraschool.com/demo/meteofrance/home

Université de technologie Compiègne

Heudiasyc

Modèle d’optimisation

Conclusion

Présentation générale de Paraschool

Plan

Description de l’architecture

14

Université de technologie Compiègne

Heudiasyc

Graphe

Architecture

C1

A1

A3

E2

E1

A2

E4

E3

C2

Nœuds = Cours, Activités, ExercicesArcs = Liaisons :

prévues par équipe pédagogique créées par les élèves

15

Université de technologie Compiègne

Heudiasyc

Architecture

Architecture

Allie base de données relationnelle et site web

Base de données complexe utilise SQL

EJB (Enterprise Java Bean) comme langage de

programmation pour l’interfaçage page HTML/SQL

16

Université de technologie Compiègne

Heudiasyc

Architecture

Base de données

Composée d’une dizaine de tables reliées entre

elles

17

Université de technologie Compiègne

Heudiasyc

Architecture

t_item_cours := nœuds (cours, applis, exercices)- No d’identification, thème

t_historique_noeud := qui a consulté ce noeud

18

Université de technologie Compiègne

Heudiasyc

Architecture

t_profil_eleve := nœuds (cours, applis, exercices)- No d’identification, thème

t_statut_item := historique des nœuds empruntés par l’élève

t_arc_graphe := arcs entre éléments pédagogiques- poids

Université de technologie Compiègne

Heudiasyc

Description de l’architecture

Modèle d’optimisation

Conclusion

Présentation générale de Paraschool

Plan

20

Université de technologie Compiègne

Heudiasyc

Guidage de l’élève

Retour sur des notions selon ses résultats

Suggestion pour la suite selon ?

Modèle d’optimisation

21

Université de technologie Compiègne

Heudiasyc

Guidage de l’élève

Suggestion pour la suite selon ?

Pondérations définies par équipe pédagogique

de manière statique

Pondérations définies par résultats des élèves

de manière dynamique1

2

3

5

4 6

7

1

5

0.1

10

11

Modèle d’optimisation

22

Université de technologie Compiègne

Heudiasyc

Guidage de l’élève

Suggestion pour la suite selon ?

Modèle d’optimisation

1ère étape : proposer des arcs correspondants

à des chemins ayant apportés des succès

Pondérations définies par résultats des élèves

de manière dynamique

23

Université de technologie Compiègne

Heudiasyc

Guidage de l’élève

Modèle d’optimisation

1ère étape : proposer des arcs correspondants

à des chemins ayant apportés des succès

?

24

Université de technologie Compiègne

Heudiasyc

Guidage de l’élève

1ère étape : proposer des arcs correspondants

à des chemins ayant apportés des succès

Modélisation par colonie de fourmis

Modèle d’optimisation

25

Université de technologie Compiègne

Heudiasyc

Optimisation par colonies de fourmis

Paradigme inspiré des colonies d’insectes

sociaux

Agents multiples et simples

Solution émergente

Modèle d’optimisation

26

Université de technologie Compiègne

Heudiasyc

Optimisation par colonies de fourmis

Phéromones

2 types de phéromone : S et F

Dépôt : mémoire

Rétro propagation : portée pédagogique

Évaporation : dynamisme

Modèle d’optimisation

27

Université de technologie Compiègne

Heudiasyc

Optimisation par colonies de fourmis

Phéromones : Succès S

1

2

3

5

4 6

7

31

41

21 1

WS+=1

F

WS+=1/2F

WS+=1/3F

WS+=1/4F

Modèle d’optimisation

28

Université de technologie Compiègne

Heudiasyc

Optimisation par colonies de fourmis

Phéromones : Echecs F

1

2

3

5

4 6

7

32

42

22 2

WSF+=2

WSF +=2/2

WSF +=2/3

WSF +=2/4

Modèle d’optimisation

29

Université de technologie Compiègne

Heudiasyc

Optimisation par colonies de fourmis

Phéromones : Evaporation

: taux d’évaporation ; x=t Portée pédagogique temporelle Erosion seulement sur les arcs issus du nœud de

départ

Modèle d’optimisation

30

Université de technologie Compiègne

Heudiasyc

Optimisation par colonies de fourmis

Poids historique H

Adapter la procédure à chaque élève

Une valeur par nœud et par étudiant

Nœud non visité : H=1

Nœud réussi : H=0.5

Nœud raté : H=0.75

? Fait-on ainsi Valeur utilisée pour décourager l’élève de faire un exercice déjà fait

Modèle d’optimisation

31

Université de technologie Compiègne

Heudiasyc

Optimisation par colonies de fourmis

Poids historique H

Mémoire limitée ?

x

x

t

ttt e

e

H

HHH

1

111

1

11

=constante de temps ; x=t

H revient naturellement vers 1

Faire tendre H vers 1

Modèle d’optimisation

32

Université de technologie Compiègne

Heudiasyc

Optimisation par colonies de fourmis

Mesure de fitness

Mesure unifiée d’excellence locale Mesure la « désirabilité » des arcs

FSWinHiaf FSWHnn ),(),( 221

Modèle d’optimisation

33

Université de technologie Compiègne

Heudiasyc

Optimisation par colonies de fourmis

Un arc est désirable lorsqu’il est :

renforcé les professeurs (W élevé)

témoin de succès (S élevé)

non témoin d’échecs (F bas)

nouveau ou oublié (H proche de 1)

Modèle d’optimisation

34

Université de technologie Compiègne

Heudiasyc

Optimisation par colonies de fourmis

Sélection d’arcs

Sélection d’un arc à proposer parmi les arcs

sortants

Deux forces :

Fitness (exploitation)

Hasard (exploration)

Modèle d’optimisation

35

Université de technologie Compiègne

Heudiasyc

Optimisation par colonies de fourmis

Sélection d’arcs

Roulette

Sélection par le rang : seuils automatiques et

manuels

Tournoi

Tournoi stochastique

Modèle d’optimisation

36

Université de technologie Compiègne

Heudiasyc

Optimisation par colonies de fourmis

Simulation

1

2

3

5

W=1

W=5

Taux de succès :

90% si n-1=2

10% si n-1=3

Objectif : rétablir la situation, encourager 2

Modèle d’optimisation

37

Université de technologie Compiègne

Heudiasyc

Optimisation par colonies de fourmis

Simulation

FSWinHiaf FSWHnn ),(),( 221

Modèle d’optimisation

38

Université de technologie Compiègne

Heudiasyc

Optimisation par colonies de fourmis

Amélioration : maximisation de l’apprentissage

Conduire en moyenne à un taux de réussite de

60%

FSWinHiaf FSWHnn ),(),( 221

Modèle d’optimisation

39

Université de technologie Compiègne

Heudiasyc

Guidage de l’élève

Suggestion pour la suite selon ?

1ère étape : proposer des arcs correspondants

à des chemins ayant apportés des succès

Pondérations définies par résultats des élèves

de manière dynamique

Biais ?

Propose aux élèves les exercices les plus facilesSans tenir compte de leur niveau personnelNi du niveau moyen des élèves

Modèle d’optimisation

40

Université de technologie Compiègne

Heudiasyc

Guidage de l’élève

Suggestion pour la suite selon ?

2nd étape : intégrer la « combativité » ?

Pondérations définies par résultats des élèves

de manière dynamique

Différencier les fourmis selon leur caractèreCertains aiment être confrontés à la difficulté pour mieux triompher

D’autres préfèrent avancer progressivement

Modèle d’optimisation

41

Université de technologie Compiègne

Heudiasyc

Guidage de l’élève

2nd étape : intégrer la « combativité »

Que faut-il prendre en compte ?

Le niveau de l’élève

La difficulté de l’exercice ?

Phéromones ?

Approximation ?

Modèle d’optimisation

Rétro-propagation

42

Université de technologie Compiègne

Heudiasyc

Guidage de l’élève

1ère approximation : Niveau de l’élève ?

Déposer pour chaque fourmi des phéromones

personnelles (+ ou -) avec érosion

Modèle d’optimisation

43

Université de technologie Compiègne

Heudiasyc

Guidage de l’élève

Niveau de l’élève

Effets :

Modèle d’optimisation

44

Université de technologie Compiègne

Heudiasyc

Guidage de l’élève

2nd approximation : Classement ELO

Joueur A de niveau RA / Joueur B de niveau RB

Probabilité de gain :

Modèle d’optimisation

45

Université de technologie Compiègne

Heudiasyc

Guidage de l’élève

Classement ELO

Modèle d’optimisation

46

Université de technologie Compiègne

Heudiasyc

Guidage de l’élève

Classement ELO

Modèle d’optimisation

Université de technologie Compiègne

Heudiasyc

Description de l’architecture

Modèle d’optimisation

Conclusion

Présentation générale de Paraschool

Plan

48

Université de technologie Compiègne

Heudiasyc

Critiques

Phéromones personnelles :

Biaisé car personnalisation des chemins pour

avoir un taux de succès qui tend vers 60/40.

Classement ELO

Bon indicateur de niveau des fourmis et des

nœuds

Refonte de la fonction de fitness

Conclusion