Génération automatique de sujets d'évaluation différenciés : vers une distribution optimisée en salle d'examen

Richardson Ciguene (1)

1 MIS - Modélisation, Information et Systèmes - UR UPJV 4290

Ce travail de thèse s'intéresse à l'évaluation des apprentissages et notamment à la génération automatique de sujets d'évaluation. En s'appuyant sur une base de questions sources, des algorithmes sont en mesure de construire des sujets d'évaluation différenciés. Les travaux menés ont permis de proposer des algorithmes visant à maximiser la différenciation totale sur des ensembles de sujets (nommés Collection), tout en minimisant le nombre de questions sources nécessaires. Les performances moyennes de ces algorithmes dépendent du nombre de questions disponibles dans la base source (en regard du nombre de questions souhaités dans les sujets), et de la taille des Collections générées. Cet article se focalise sur la différenciation possible dans de petites Collections de sujets, et propose des pistes méthodologiques pour optimiser la distribution de ces sujets différenciés à des cohortes d'étudiants en respectant les contraintes de voisinage données par l'enseignant.

Mots clés: Optimisation; Génération Automatique; Évaluation

Domaines: Environnements Informatiques pour l'Apprentissage Humain

Richardson Ciguene. Génération automatique de sujets d'évaluation différenciés : vers une distribution optimisée en salle d'examen. Septièmes Rencontres Jeunes Chercheurs en EIAH (RJC EIAH 2018) , Apr 2018, Besançon, France. ⟨hal-01769412⟩