Réseau de recherche sur l'analyse de l'apprentissage

Université d'Athabasca, Edmonton, Alberta
Que fait l'installation

Évaluation automatisée des expériences d'apprentissage et de formation par le biais de techniques d'IA dans des environnements réels et virtuels, et ce dans les domaines universitaire et industriel

Domaines d'expertise

Le Réseau de recherche sur l'analyse de l'apprentissage a développé une expertise diversifiée dans divers domaines d'application. Il poursuit fermement son objectif de soutenir et d'étudier les processus d'apprentissage des humains. Tout d'abord, il conçoit, en les optimisant, des environnements d'apprentissage intelligents pour observer et saisir les processus d'apprentissage et d'enseignement qui s'y produisent. Pour cela, il s’engage à travers diverses méthodes et à plusieurs niveaux de granularité. Cela pose des défis, tels que ceux de protéger la vie privée des apprenants et d’assurer des expériences d'apprentissage authentiques tout en saisissant, transmettant et conservant les données recueillies sur l’apprentissage de façon fiable et sécurisée. Cependant, l'accumulation et la liaison de ces mégadonnées ne sont que quelques-unes des étapes. Les méthodes de recherche doivent également être adaptées au secteur dans lequel l'apprentissage et la formation se produisent. De cette façon, le processus pédagogique peut être transformé en un processus basé sur l’évidence, où les libertés des individus sont préservées et le flux opérationnel des industries reste ininterrompu. En outre, diverses formes d'analyse sont développées. Celles-ci sont, par nature, tout d’abord descriptives pour reconstruire les épisodes d'apprentissage et pouvoir prendre du recul sur leur déroulement ; ensuite rétrospectives et diagnostiques pour pouvoir comprendre les véritables facteurs de performance durant l'apprentissage ; puis prédictives pour pressentir les effets indésirables et enfin, prescriptives pour remédier aux états d'apprentissage sous-optimaux grâce à une rétroaction formative.

Services de recherche

Modélisation 3D, création d'environnements immersifs, notation automatique des tests, évaluation automatique des compétences, développement d'un tableau de bord pour l’analyse de l'apprentissage avec des fonctions d'autorégulation, analyse des données, inférence causale avec des données observationnelles, infrastructure de mégadonnées

Secteurs d'application
  • Défense et industrie de la sécurité
  • Éducation
  • Énergie
  • Soins de santé et services sociaux
  • Technologies de l’information et des communications, et médias
  • Sciences de la vie, produits pharmaceutiques et équipement médical
  • Élaboration de politiques et Gouvernance
Équipement

Fonction

HTC Vive de Vive

Casque de réalité virtuelle (RV)

Gear VR de Samsung

Casque de réalité virtuelle (RV)

Lentille holographique de Microsoft (HoloLens 1.0)

Casque de réalité hybride

Moverio de Epson

Casque de réalité amplifiée

Lunettes intelligentes M100 de Vusix

Casque de réalité amplifiée

Lecteur Tiki avec carte graphique NVIDIA GTX 1080 de Falcon Northwest

Développement et rendu d'environnements immersifs

Logiciel Unity 3D

Logiciel pour le développement de réalités amplifiée et virtuelle

Logiciel MicroStation (v8i et CONNECT) de Bentley et logiciel Navisworks d’AutoDesk

Création et conversion de modèles 3D

Logiciel Polygon Cruncher de Mootools

Logiciel d'optimisation 3D

Logiciel Blender

Logiciel de modélisation 3D

Équipement de TensorFlow, Keras, Scikit-Learn, NumPy, Pandas, pour appliquer la méthode SHAP

Cadre d’apprentissage intelligence artificielle/machine

  • CNRL/McGraw-Hill

Titre

Hyperlien

L'avenir de la formation

https://www.youtube.com/watch?v=MqOx2J7AhEc

Inférence causale avec des données observationnelles pour une pédagogie basée sur l'évidence : adopter l'IA en matière d'éducation

https://learninganalytics.ca/t4e-2019-workshop/

Entrevue avec M. Vivekanandan Kumar sur ses théories et ses réalisations

https://www.voicemagazine.org/2015/05/29/meeting-the-minds-an-award-winning-professor-dr-vivekanand…