Le Machine Teaching, une nouvelle variante du Machine Learning



On connaissait déjà le , mais les chercheurs ont modifié le concept avec le . Plutôt que d’analyser des tonnes de données inconnues pour des patterns qui sont également inconnus, le se concentre sur des données limitées pour trouver le meilleur schéma possible.

L’apprentissage humain est un processus complexe et mystérieux. La plupart d’entre nous ont eu des problèmes pour apprendre certaines choses. Mais il arrive qu’on apprenne d’autres choses sans quasiment aucun effort. Est-ce que la combinaison de l’informatique et de la psychologie pourrait nous aider à comprendre l’apprentissage humain avec la possibilité de créer des leçons idéales ?

Cet objectif pourrait devenir une réalité grâce à des professeurs d’informatique, de psychologie et d’éducation de l’université de Wisconsin-Madison. Leur recherche combinée a permis de créer ce que l’informaticien Jerry Zhu appelle le Machine Teaching. C’est une variante du Machine Learning. Selon Zhu, le Machine Teaching peut avoir un impact sur le secteur de l’éducation. Cela nous permettra de proposer des leçons idéales pour chaque étudiant humain.

Le Machine Learning est devenu l’une des principales tendances de l’informatique. Elle consiste à développer des outils mathématiques pour aider les intelligences artificielles à apprendre des données qu’on leur propose et à extraire des Patterns. L’apprenti (la machine) se comporte comme un étudiant. L’objectif du Machine Learning est de développer des modèles qui seront utiles dans le futur pour traiter des masses énormes de données qui ne sont pas traitées. Le Machine Learning s’exprime à pleine puissance dans des secteurs tels que la reconnaissance d’images ou vocale.

Comprendre le Machine Teaching

Le Machine Teaching révolutionne le concept. Plutôt que de travailler avec des données en ignorant les Patterns qui pourraient être révélés, le chercheur (le professeur), dans un modèle de Machine Teaching, sait déjà les connaissances qu’il veut transmettre à l’étudiant. Le Machine Teaching utilise des modèles mathématiques avancés pour permettre aux chercheurs de modéliser des étudiants humains tout en créant les meilleures leçons correspondant à leurs profils. La définition de Meilleur dépend du chercheur, mais un exemple est que le Machine Teaching pourrait identifier un nombre minimal d’exercices pour faire comprendre un concept à l’étudiant. En termes simples : Est-ce que 5 très bonnes questions permettent d’enseigner le concept plutôt que d’en utiliser 20 ?

Le Machine Teaching est encore en phase expérimentale, mais il possède un potentiel phénoménal dans l’éducation. Timothy T. Rogers, un professeur en psychologie cognitive à l’université de Wisconsin-Madison, explique comment l’informatique et la psychologie peuvent travailler ensemble : Pour que le Machine Teaching fonctionne, il a besoin d’un bon modèle pour apprendre le comportement de l’étudiant. Ce comportement indique les différents changements qui sont caractérisés par différentes méthodes d’apprentissage. Et le modèle doit être informatisé pour que le Machine Teaching puisse faire des prédictions concrètes et quantitatives sur le comportement de l’étudiant.

Et ce chercheur ajoute : Nous espérons que le Machine Teaching peut être utilisé pour aider les enseignants à développer des leçons et des cursus qui promeuvent l’apprentissage dans de nombreux domaines tels que les mathématiques, la science ou la lecture. Si nous voulons que les modèles cognitifs puissent s’appliquer au monde réel, alors nous devons progresser sur la manière dont les gens apprennent des choses. En début d’année, Zhu a présenté ses travaux pendant la 29e conférence de l’ qui s’est tenue à Austin au Texas.

Le papier de Zhu propose des articles sur l’application du Machine Teaching dans plusieurs domaines incluant la sécurité informatique et l’éducation.

 

N'oubliez pas de voter pour cet article !
1 étoile2 étoiles3 étoiles4 étoiles5 étoiles (No Ratings Yet)
Loading...

Houssen Moshinaly

Rédacteur en chef d'Actualité Houssenia Writing. Rédacteur web depuis 2009 et vulgarisateur scientifique.

Je m'intéresse à tous les sujets scientifiques allant de l'Archéologie à la Zoologie. Je ne suis pas un expert, mais j'essaie d'apporter mes avis éclairés sur de nombreux sujets scientifiques.

Pour me contacter personnellement :

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *