Adaptiv'Math s’appuie sur l’intelligence artificielle pour personnaliser les parcours d’apprentissage, en lien étroit avec les pratiques de terrain.

 

IA et pédagogie différenciée

Les algorithmes de clustering d’Adaptiv'Math, en créant des groupes d’élèves de même profil, permettent non seulement la mise en place d’une pédagogie différenciée pendant les séquences de travail avec Adaptiv'Math (indépendant ou par groupes), mais aussi son éventuel prolongement dans d’autres séquences du programme de mathématiques.

L’enseignant peut valider ces groupes, déplacer certains élèves d’un groupe à l’autre, mais aussi les adapter en fonction de son action pédagogique.

 

IA et empreinte mémorielle

L’utilisation du clustering permettant de faire apparaître des groupes d'élèves qui maîtrisent des compétences similaires, cette technique peut aider l'enseignant à encourager des paires d'élèves à travailler ensemble en dehors de la plateforme proposée. Cette approche, par groupes hétérogènes, permet non seulement de développer la compétence non maîtrisée, mais aussi pour l'élève qui la maîtrise déjà, de l’expliciter et de la “vocaliser”, favorisant ainsi son empreinte mémorielle.

Adaptiv’Math pourra faire des recommandations d’activités si deux clusters d’élèves complémentaires apparaissent, et que des ressources appropriées pour un apprentissage commun sont identifiées.

De son côté, l'algorithme ZPDES, de type Bandit-manchot, suit la progression individuelle de l'élève en temps réel pour lui proposer à tout moment l'activité qui va le faire le plus progresser. Il personnalise le parcours de chaque élève en analysant ses résultats en permanence.

Le choix de chaque exercice se fera alors parmi les exercices associés à des compétences déjà acquises selon le principe de répétition espacée, en modélisant la courbe de l'oubli associée à chaque compétence. Cette technique contribuera ainsi à renforcer l'empreinte mémorielle de la compétence révisée.

 

IA et motivation intrinsèque

Développé autour du principe d’un apprentissage “intrinsèquement motivé” en lien étroit avec le développement de l’interface, l'algorithme renforce par ailleurs cette motivation par un système de récompense.