Le Deep Learning est à la mode. Les nouvelles approches proposées et la puissance des nouvelles machines encouragent sont utilisation dans les différentes domaines pour pouvoir traiter les grandes quantités des données ou bien des données d'une complexité particulière.
Cette tendance a fini par trouver sa place dans le e-Learning. Un survol rapide des articles publiés durant l'année 2017 suffit pour remarquer que des données, jusqu'à maintenant ignorées, sont devenu le sujet d'application des techniques du Deep Learning.
Sur la tête de liste, nous trouvons les captures vidéos et audio des apprenants durant les sessions d'apprentissage (à distance ou en face-à-face). Cette énorme quantité de données a été toujours considérées comme coûteuses pour des plate formes très limitées en ressources. Néanmoins, les nouvelles tendances prouvent que cette idée est entrain de changer.
Détection de l'état émotionnel, concentration et même distraction des apprenants est une activité intuitive s'il s'agit d'un enseignement classique, mais pas pour l'enseignement à distance. Sans un contact humain il est difficile d'avoir ces informations très importantes pour une meilleure gestion de la séance d'apprentissage. Cela est entrain de changer.
Il est devenu possible, grâce au Deep Learning, de traiter ces données et de fournir à l'enseignant des données supplémentaires sur le déroulement de la séance d'apprentissage. Le traitement des gestes, des mouvements de l'oeil, des positions corporelles et des expressions faciales permet d'assister l'enseignant à détecter les apprenants en difficulté bien avant leur échec dans les quiz et les examens à distance.
Néanmoins, une grande question reste, toujours, sans réponse : comment exploiter ces données d'une manière automatique. Si nous allons reposer toujours sur l'enseignant pour exploiter ces informations sans une assistance d'automatisation, nous nous retrouverons face à des enseignants surchargés par l'adaptation des supports et l'assistance des apprenants en difficulté. Cela peut devenir, vite, contradictoire avec l'un des objectifs principaux de l'e-Learning : garantir l'accès à la formation d'un nombre beaucoup plus supérieurs d'apprenants par rapport à l'enseignement classique.
Cette tendance a fini par trouver sa place dans le e-Learning. Un survol rapide des articles publiés durant l'année 2017 suffit pour remarquer que des données, jusqu'à maintenant ignorées, sont devenu le sujet d'application des techniques du Deep Learning.
Sur la tête de liste, nous trouvons les captures vidéos et audio des apprenants durant les sessions d'apprentissage (à distance ou en face-à-face). Cette énorme quantité de données a été toujours considérées comme coûteuses pour des plate formes très limitées en ressources. Néanmoins, les nouvelles tendances prouvent que cette idée est entrain de changer.
Détection de l'état émotionnel, concentration et même distraction des apprenants est une activité intuitive s'il s'agit d'un enseignement classique, mais pas pour l'enseignement à distance. Sans un contact humain il est difficile d'avoir ces informations très importantes pour une meilleure gestion de la séance d'apprentissage. Cela est entrain de changer.
Il est devenu possible, grâce au Deep Learning, de traiter ces données et de fournir à l'enseignant des données supplémentaires sur le déroulement de la séance d'apprentissage. Le traitement des gestes, des mouvements de l'oeil, des positions corporelles et des expressions faciales permet d'assister l'enseignant à détecter les apprenants en difficulté bien avant leur échec dans les quiz et les examens à distance.
Néanmoins, une grande question reste, toujours, sans réponse : comment exploiter ces données d'une manière automatique. Si nous allons reposer toujours sur l'enseignant pour exploiter ces informations sans une assistance d'automatisation, nous nous retrouverons face à des enseignants surchargés par l'adaptation des supports et l'assistance des apprenants en difficulté. Cela peut devenir, vite, contradictoire avec l'un des objectifs principaux de l'e-Learning : garantir l'accès à la formation d'un nombre beaucoup plus supérieurs d'apprenants par rapport à l'enseignement classique.
