Les émotions jouent un rôle primordial dans les processus cognitifs et plus particulièrement dans les tâches d’apprentissage. D’ailleurs, plusieurs recherches neurologiques ont montré l’interrelation qui existe entre la cognition et les émotions. Elles ont aussi déterminé plusieurs formes d’intelligence humaine autre que l’intelligence rationnelle parmi lesquelles nous distinguons la forme ayant comme dimension émotionnelle, à savoir l’intelligence émotionnelle, vu son impact sur les processus d’apprentissage. L’intelligence émotionnelle est alors un facteur significatif de réussite scolaire et professionnelle. Sous la lumière de ces constatations présentées, les informaticiens à leur tour, vont alors tenter de consentir de plus en plus de place au facteur émotionnel dans les systèmes informatiques et plus particulièrement dans ceux dédiés à l’apprentissage. L’intégration de l’intelligence émotionnelle dans ces systèmes et plus précisément, dans les Systèmes Tutoriels Intelligents (STI), va leur permettre de gérer les émotions de l’apprenant et par la suite améliorer ses performances. Dans ce mémoire, notre objectif principal est d’élaborer une stratégie d’apprentissage visant à favoriser et accentuer la mémorisation chez les enfants. Pour atteindre cet objectif, nous avons développé un cours d’anglais en ligne ainsi qu’un tuteur virtuel utilisant des ressources multimédia tels que le ton de la voix, la musique, les images et les gestes afin de susciter des émotions chez l’apprenant. Nous avons conduit une expérience pour tester l’efficacité de quelques stratégies émotionnelles ainsi qu’évaluer l’impact des émotions suscitées sur la capacité de mémorisation des connaissances à acquérir par l’apprenant. Les résultats de cette étude expérimentale ont prouvé que l’induction implicite des émotions chez ce dernier a une influence significative sur ses performances. Ils ont également montré qu’il n’existe pas une stratégie efficace pour tous les apprenants à la fois, cependant l’efficacité d’une telle stratégie par rapport à une autre dépend essentiellement du profil comportemental de l’apprenant déterminé à partir de son tempérament. / Emotions play a crucial role in cognitive processes, particularly in learning tasks. Furthermore, several studies in neurosciences have shown that emotion is closely related to cognitive processes. They have also determined many different forms of intelligence other than the rational intelligence; one of them is the form having an emotional dimension which influences the learning processes, namely emotional intelligence. Emotional intelligence is a significant factor in academic and professional success. Under the light of these results, the computer scientists will, in their turn, try to focus on the emotional factor in computer systems and more particularly in those dedicated to learning. The integration of emotional intelligence in these systems, specifically in Intelligent Tutoring System (ITS), will enable them to recognise learner’s emotions and improve his/her performances. In this thesis, our main aim is to develop a learning strategy which promotes and enhances memorization by children. To achieve this aim, we developed an English web course and a virtual tutor using multimedia resources such as voice pitch, music, images, and gestures to induce emotion in the learner. We conducted an experiment to test the effectiveness of some emotional strategies and assessed the impact of aroused emotions on the ability of memorizing knowledge to be acquired by the learner. The results of this experimental study have shown that implicit induction of emotions has a significant influence on learner’s performances. Moreover, no effective strategy can be applied to all learners at the same time. However, the efficiency of a strategy depends mainly on the learner’s behavioral profile based on his temperament.

Les ordinateurs peuvent-ils enseigner ? Pour répondre à cette question, la recherche dans les Systèmes Tuteurs Intelligents est en pleine expansion parmi la communauté travaillant sur les Technologies de l'Information et de la Communication pour l'Enseignement (TICE). C'est un domaine qui rassemble différentes problématiques et réunit des chercheurs venant de domaines variés, tels que la psychologie, la didactique, les neurosciences et, plus particulièrement, le machine learning. Les technologies numériques deviennent de plus en plus présentes dans la vie quotidienne avec le développement des tablettes et des smartphones. Il semble naturel d'utiliser ces technologies dans un but éducatif. Cela amène de nombreuses problématiques, telles que comment faire des interfaces accessibles à tous, comment rendre des contenus pédagogiques motivants ou encore comment personnaliser les activités afin d'adapter le contenu à chacun. Au cours de cette thèse, nous avons développé des méthodes, regroupées dans un framework nommé HMABITS, afin d'adapter des séquences d'activités pédagogiques en fonction des performances et des préférences des apprenants, dans le but de maximiser leur vitesse d'apprentissage et leur motivation. Ces méthodes utilisent des modèles computationnels de motivation intrinsèque pour identifier les activités offrant les plus grands progrès d'apprentissage, et utilisent des algorithmes de Bandits Multi-Bras pour gérer le compromis exploration/exploitation à l'intérieur de l'espace d'activité. Les activités présentant un intérêt optimal sont ainsi privilégiées afin de maintenir l'apprenant dans un état de Flow ou dans sa Zone de Développement Proximal. De plus, certaines de nos méthodes permettent à l'apprenant de faire des choix sur des caractéristiques contextuelles ou le contenu pédagogique de l'application, ce qui est un vecteur d'autodétermination et de motivation. Afin d'évaluer l'efficacité et la pertinence de nos algorithmes, nous avons mené plusieurs types d'expérimentation. Nos méthodes ont d'abord été testées en simulation afin d'évaluer leur fonctionnement avant de les utiliser dans d'actuelles applications d'apprentissage. Pour ce faire, nous avons développé différents modèles d'apprenants, afin de pouvoir éprouver nos méthodes selon différentes approches, un modèle d'apprenant virtuel ne reflétant jamais le comportement d'un apprenant réel. Les résultats des simulations montrent que le framework HMABITS permet d'obtenir des résultats d'apprentissage comparables et, dans certains cas, meilleurs qu'une solution optimale ou qu'une séquence experte. Nous avons ensuite développé notre propre scénario pédagogique et notre propre serious game afin de tester nos algorithmes en situation réelle avec de vrais élèves. Nous avons donc développé un jeu sur la thématique de la décomposition des nombres, au travers de la manipulation de la monnaie, pour les enfants de 6 à 8 ans. Nous avons ensuite travaillé avec le rectorat et différentes écoles de l'académie de bordeaux. Sur l'ensemble des expérimentations, environ 1000 élèves ont travaillé sur l'application sur tablette. Les résultats des études en situation réelle montrent que le framework HMABITS permet aux élèves d'accéder à des activités plus diverses et plus difficiles, d'avoir un meilleure apprentissage et d'être plus motivés qu'avec une séquence experte. Les résultats montrent même que ces effets sont encore plus marqués lorsque les élèves ont la possibilité de faire des choix. / Can computers teach people? To answer this question, Intelligent Tutoring Systems are a rapidly expanding field of research among the Information and Communication Technologies for the Education community. This subject brings together different issues and researchers from various fields, such as psychology, didactics, neurosciences and, particularly, machine learning. Digital technologies are becoming more and more a part of everyday life with the development of tablets and smartphones. It seems natural to consider using these technologies for educational purposes. This raises several questions, such as how to make user interfaces accessible to everyone, how to make educational content motivating and how to customize it to individual learners. In this PhD, we developed methods, grouped in the aptly-named HMABITS framework, to adapt pedagogical activity sequences based on learners' performances and preferences to maximize their learning speed and motivation. These methods use computational models of intrinsic motivation and curiosity-driven learning to identify the activities providing the highest learning progress and use Multi-Armed Bandit algorithms to manage the exploration/exploitation trade-off inside the activity space. Activities of optimal interest are thus privileged with the target to keep the learner in a state of Flow or in his or her Zone of Proximal Development. Moreover, some of our methods allow the student to make choices about contextual features or pedagogical content, which is a vector of self-determination and motivation. To evaluate the effectiveness and relevance of our algorithms, we carried out several types of experiments. We first evaluated these methods with numerical simulations before applying them to real teaching conditions. To do this, we developed multiple models of learners, since a single model never exactly replicates the behavior of a real learner. The simulation results show the HMABITS framework achieves comparable, and in some cases better, learning results than an optimal solution or an expert sequence. We then developed our own pedagogical scenario and serious game to test our algorithms in classrooms with real students. We developed a game on the theme of number decomposition, through the manipulation of money, for children aged 6 to 8. We then worked with the educational institutions and several schools in the Bordeaux school district. Overall, about 1000 students participated in trial lessons using the tablet application. The results of the real-world studies show that the HMABITS framework allows the students to do more diverse and difficult activities, to achieve better learning and to be more motivated than with an Expert Sequence. The results show that this effect is even greater when the students have the possibility to make choices.

No description available.

The impact of affect on learning and performance has caused many researchers in the field of cognitive psychology to acknowledge the value of motivationally supportive instruction. Goal orientation, which refers to the perceptions and behaviors of the learner in achievement situations, has been the most predominant theory in learning motivation. However, research suggests multiple components are responsible for affecting student cognitive engagement. The traditional framework distinguishes individuals who are self-motivated to master challenging tasks from those who are motivated to earn favorable judgments of performance as intrinsic and extrinsic learners, respectively. In addition, learners may be further categorized by an eagerness to ensure a positive outcome or by their vigilance in avoiding negative outcomes. As such, my research explores how these motivational categories can be utilized to construct a more robust instructional model. The objective of this research is to evaluate the effectiveness of adaptive remediation strategies on motivation and learning performance. Research suggests the cost of integrating cognitive tasks with error analysis outweigh the benefits of sparse learning gains. However, further investigation is required to understand how feedback can improve these outcomes. The experiment presented here seeks to evaluate the adaptive instruction of two pedagogical agents embedded within two separate versions of the Virtual BNI Trainer. The basic coach uses a model of the learner's experience level to determine an appropriate level of elaboration required during remediation. In contrast, the motivationally enhanced coach uses a model of the learner's goal orientation to construct feedback that appeals to their natural disposition. A controlled experiment was conducted to evaluate the effects of adaptive instruction on student self-efficacy, engagement, and learning performance in the Virtual BNI Training Environment. The results of this experiment are used to establish guidelines for integrating goal orientation, error analysis, and feedback within a virtual coach, to improve motivation and learning performance. In addition, these findings also indicate areas for future research.

Les émotions jouent un rôle primordial dans les processus cognitifs et plus particulièrement dans les tâches d’apprentissage. D’ailleurs, plusieurs recherches neurologiques ont montré l’interrelation qui existe entre la cognition et les émotions. Elles ont aussi déterminé plusieurs formes d’intelligence humaine autre que l’intelligence rationnelle parmi lesquelles nous distinguons la forme ayant comme dimension émotionnelle, à savoir l’intelligence émotionnelle, vu son impact sur les processus d’apprentissage. L’intelligence émotionnelle est alors un facteur significatif de réussite scolaire et professionnelle. Sous la lumière de ces constatations présentées, les informaticiens à leur tour, vont alors tenter de consentir de plus en plus de place au facteur émotionnel dans les systèmes informatiques et plus particulièrement dans ceux dédiés à l’apprentissage. L’intégration de l’intelligence émotionnelle dans ces systèmes et plus précisément, dans les Systèmes Tutoriels Intelligents (STI), va leur permettre de gérer les émotions de l’apprenant et par la suite améliorer ses performances. Dans ce mémoire, notre objectif principal est d’élaborer une stratégie d’apprentissage visant à favoriser et accentuer la mémorisation chez les enfants. Pour atteindre cet objectif, nous avons développé un cours d’anglais en ligne ainsi qu’un tuteur virtuel utilisant des ressources multimédia tels que le ton de la voix, la musique, les images et les gestes afin de susciter des émotions chez l’apprenant. Nous avons conduit une expérience pour tester l’efficacité de quelques stratégies émotionnelles ainsi qu’évaluer l’impact des émotions suscitées sur la capacité de mémorisation des connaissances à acquérir par l’apprenant. Les résultats de cette étude expérimentale ont prouvé que l’induction implicite des émotions chez ce dernier a une influence significative sur ses performances. Ils ont également montré qu’il n’existe pas une stratégie efficace pour tous les apprenants à la fois, cependant l’efficacité d’une telle stratégie par rapport à une autre dépend essentiellement du profil comportemental de l’apprenant déterminé à partir de son tempérament. / Emotions play a crucial role in cognitive processes, particularly in learning tasks. Furthermore, several studies in neurosciences have shown that emotion is closely related to cognitive processes. They have also determined many different forms of intelligence other than the rational intelligence; one of them is the form having an emotional dimension which influences the learning processes, namely emotional intelligence. Emotional intelligence is a significant factor in academic and professional success. Under the light of these results, the computer scientists will, in their turn, try to focus on the emotional factor in computer systems and more particularly in those dedicated to learning. The integration of emotional intelligence in these systems, specifically in Intelligent Tutoring System (ITS), will enable them to recognise learner’s emotions and improve his/her performances. In this thesis, our main aim is to develop a learning strategy which promotes and enhances memorization by children. To achieve this aim, we developed an English web course and a virtual tutor using multimedia resources such as voice pitch, music, images, and gestures to induce emotion in the learner. We conducted an experiment to test the effectiveness of some emotional strategies and assessed the impact of aroused emotions on the ability of memorizing knowledge to be acquired by the learner. The results of this experimental study have shown that implicit induction of emotions has a significant influence on learner’s performances. Moreover, no effective strategy can be applied to all learners at the same time. However, the efficiency of a strategy depends mainly on the learner’s behavioral profile based on his temperament.

本研究以貝氏網路作為表示教學領域中各個學習觀念的關係的語言。教學領域中的學習觀念包含了基本觀念與綜合觀念，綜合觀念是由兩個以上的基本觀念所衍生出來的觀念，而綜合觀念的學習歷程即為學生在學習的過程中如何整合這些基本觀念的過程。了解綜合觀念的學習歷程可以幫助教師及出題者了解學生的學習路徑，並修改其教學或出題的方針，以期能提供適性化的教學及測驗。為了從考生答題資料中尋找出這個隱藏的綜合觀念學習歷程，我們提出一套以mutual information以及一套以chi-square test所發展出來的研究方法，希望能夠藉由一個模擬環境中模擬考生的答題資料來猜測考生學習綜合觀念的學習歷程。 初步的實驗結果顯示出，在一些特殊的條件假設下，我們的方法有不錯的機會找到暗藏在模擬系統中的學習歷程。因此我們進而嘗試提出一個策略來尋找較大規模結構中的學習歷程，利用搜尋的概念嘗試是否能較有效率的尋找出學生對於綜合觀念學習歷程。雖然在實驗中並沒有十分理想的結果，但是在實驗的過程中，我們除了發現學生答題資料的模糊程度為系統的正確率的主要挑戰之外，另外也發現了學生類別與觀念能力之間的關係也是影響實驗結果的主要因素。透過我們的方法，雖然不能完美的找出學生對於任何綜合觀念的綜合歷程，但是我們的實驗過程與結果也對隱藏的真實歷程結構提供了不少線索。 最後，我們探討如何藉由觀察學生接受測驗的結果來分類不同學習程度與狀況的學生之相關問題與技術。我們利用最近鄰居分類法與k-means分群法以及基於這些方法所變化出的方法，探討是否能透過學生的答題資料有效的分辨學生能力的類別。實驗結果顯示出，在每個觀念擁有多道測驗試題的情況下，利用最近鄰居分類法與k-means分群法以及基於這些方法所變化出的方法，藉由考生答題資料來進行學生能力類別的分類可以得到不錯的正確率。我們希望這些探討和結果能對適性化教學作出一些貢獻。 / In this thesis, I employ Bayesian networks to represent relations between concepts in pedagogical domains. We consider basic concepts, and composite concepts that are integrated from the basic ones. The learning processes of composite concepts are the ways how students integrate the basic concepts to form the composite concepts. Information about the learning processes can help teachers know the learning paths of students and revise their teaching methods so that teachers can provide adaptive course contents and assessments. In order to find out the latent learning processes based on students’ item response patterns, I propose two methods: a mutual information-based approach and a chi-square test-stimulated heuristics, and examine the ideas in a simulated environment. Results of some preliminary experiments showed that the proposed methods offered satisfactory performance under some particular conditions. Hence, I went a step further to propose a search method that tried to find out the learning process of larger structures in a more efficient way. Although the experimental results for the search method were not very satisfactory, we would find that both the uncertainty included by the students’ item response patterns and the relations between student groups and concepts substantially influenced the performance achieved by the proposed methods. Although the proposed methods did not find out the learning processes perfectly, the experimental processes and results indeed had the potential to provide information about the latent learning processes. Finally, I attempted to classify students’ competence according to their item response patterns. I used the nearest neighbor algorithm, the k-means algorithm, and some variations of these two algorithms to classify students’ competence patterns. Experimental results showed that the more the test items used in the assessment, the higher the accuracy of classification we could obtain. I hope that these experimental results can make contributions towards adaptive learning.

Made available in DSpace on 2016-08-17T14:52:42Z (GMT). No. of bitstreams: 1 Nilson Santos Costa.pdf: 955701 bytes, checksum: 32b64aae5f4201f9b4db958e974f82df (MD5) Previous issue date: 2002-03-01 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / One of the difficullties when building an Intelligent Tutoring System (ITS) is the domain model definition. This must be the result of knowledge acquisition from an experts, usually a teacher. This thesis presents the definition, modelling and implementation of an authoring tool. This tool, named authoring, provides cognitive evaluations to organize a knowledge set within an intelligent tutoring system. Through this tool, the knowledge (domain) of an Expert will be available for Mathnet System. This happens due to the edition or creation of an Expert authoring into a specific domain (knowledge). By the measures, it is possible the automation of a good curricular choice to the next phase to be some proposed by the peer, simulating the teacher s experience, in order to minimize the learning process and provide the use of many pedagogical strategies. Thus, the modelling and implementation of the authoring tool acts as a mechanism of creation and test of knowledge (domain). / Uma das maiores dificuldades na construção de um Sistema Tutorial Inteligente (STI) é a construção do Modelo de Domínio. Este deve ser o resultado da aquisição de conhecimentos a partir dos especialistas, geralmente professores da área e de pedagogia. Este trabalho apresenta a definição, modelagem e implementação de uma ferramenta de autoria. Esta ferramenta, denominada de autoria, terá medidas cognitivas para ordenar um conjunto de conhecimento para um Sistema Tutor Inteligente (STI). Com esta ferramenta, será disponibilizado o conhecimento (domínio) de um especialista para o sistema Mathnet1. Isto ocorrerá mediante a edição ou criação de uma autoria do especialista em um domínio específico (conhecimento). Por meio destas medidas será possível a automação de uma boa escolha curricular para a próxima etapa a ser trabalhada com o aprendiz (aluno), simulando a experiência do professor, a fim de minimizar o tempo de aprendizado e possibilitar a utilização de diversas estratégias pedagógicas. Desta maneira, a modelagem e implementação da ferramenta de autoria servirão como mecanismo de criação e testes de conhecimento (domínio).