Aide à l’évaluation diagnostique de travaux pratiques en électronique numérique en utilisant un algorithme d’apprentissage

Résumé En Fr

In some domain, the know-how is essential for a good learning. But its assessment is often diffi cult especially with a great number of students. In this paper, we show that machine learning can help teachers to evaluate students’ practical works in the domain of electronic. We will present experimental data used to evaluate our methods. After some reminders about machine learning, and how to choose one in our context, we will propose a similarity measure used as summative assessment. Finally, we will show that the k-nn algorithm with learning database can be used to make diagnostic assessment.

Dans les domaines où un «savoir-faire » est nécessaire pour l’acquisition des connaissances, il est toujours difficile d’évaluer un apprenant. Nous pouvons prendre l’exemple des travaux pratiques. En dehors de leur préparation, le travail le plus fastidieux pour l’enseignant reste l’évaluation des résultats fournis par les apprenants. Dans cet article, nous proposons une démarche pour l’évaluation diagnostique des productions des apprenants en utilisant des algorithmes d’apprentissage. Nous présenterons les données expérimentales disponibles qui nous permettront de valider nos hypothèses de travail. Nous rappellerons l’objectif et les caractéristiques des algorithmes d’apprentissage et comment en choisir un qui réponde à notre problématique. Par ailleurs, nous définirons une mesure de similarité entre données du domaine, et nous montrerons qu’elle permet de faire une première évaluation sommative. Enfin, nous montrerons que l’utilisation de l’algorithme du k-ppv, associé à une base d’apprentissage, permet de faire de l’évaluation diagnostique dans la majorité des cas.