Impacts des TIC sur la motivation des étudiants à l’apprentissage des mathématiques à l’Université Abdou Moumouni au Niger

Cette recherche porte sur l’amélioration de la motivation à l’apprentissage des mathématiques à l’Université Abdou Moumouni. Elle se situe dans une dynamique globale de mise au point d’actions pédagogiques pour remédier au problème préoccupant de la motivation à l’apprentissage des sciences. Plus spécifiquement, il s’agit de prospecter si les environnements virtuels d’apprentissage peuvent contribuer à l’amélioration de la transmission des savoirs dans un contexte universitaire au Niger. Ainsi, notre recherche vise à mieux comprendre l’impact de l’intégration des TIC sur la motivation chez des étudiants à apprendre les mathématiques au Niger. Les trois objectifs spécifiques de notre recherche sont : explorer les impacts sur le sentiment de compétence chez des étudiants à l’apprentissage des mathématiques dans un contexte d’intégration pédagogique des TIC; mieux comprendre le changement des types de motivations autodéterminées à l’apprentissage des mathématiques chez des étudiants exposés à une intégration pédagogique des TIC; comprendre les perceptions de l’usage d’un environnement virtuel à l’apprentissage des mathématiques chez des étudiants et l’évolution de leurs motivations autodéterminées. Se fondant sur une méthodologie de type mixte, cette recherche quasi-expérimentale a consisté en la collecte de données quantitatives au moyen de 2 questionnaires sur la motivation (sentiment de compétence et sentiment d’autodétermination) en pré-test et en post-test. Pour les données qualitatives, nous avons eu recours à des entrevues dirigées auprès de 9 participants. Au total 61 étudiants inscrits en science de la vie et de la terre, dont 51 hommes, ont participé à la recherche. La thèse respecte le mode de présentation par articles. Chacun des trois articles est en lien avec un des trois objectifs de la recherche, dans l’ordre cité plus haut. Les principaux résultats indiquent un impact positif sur la motivation à travers un recul du sentiment négatif de compétence chez les étudiants ayant bénéficié de l’apport des TIC comparativement aux étudiants ordinaires. En ce qui concerne le sentiment d’autodétermination, chez les étudiants ayant bénéficié de l’apport pédagogique des TIC, il est mis en évidence une stagnation ou une légère baisse des motivations peu ou pas autodéterminées et une légère hausse ou une stagnation des motivations autodéterminées chez les étudiants ayant bénéficié de l’apport des TIC. Finalement, la recherche a permis de mettre en relief l'existence de corrélations positives entre l’augmentation des motivations autodéterminées et la perception d’une qualité positive de l’expérience d'innovation pédagogique que représente l’environnement virtuel d’apprentissage des mathématiques. En définitive, cette recherche fait ressortir l’importance de l'intégration pédagogique des TIC pour améliorer les pratiques pédagogiques actuelles, et satisfaire deux besoins psychologiques fondamentaux, notamment le sentiment de compétence et le sentiment d’autodétermination, deux composantes essentielles de la motivation selon la théorie de l’autodétermination de Deci et Ryan. Les résultats obtenus dégagent des perspectives intéressantes en vue de renforcer les recours aux environnements virtuels d'apprentissage au profit de la motivation à l'apprentissage des mathématiques. Les forces et les limites de la recherche sont discutées et un ensemble de recommandations sont émises à l’intention des acteurs académiques, notamment les perspectives assez prometteuses de l’intégration pédagogique des TIC au service de l'apprentissage des sciences en Afrique, et au Niger en particulier.

Web2.0, knowledge sharing and privacy in E-learning

Quand le E-learning a émergé il ya 20 ans, cela consistait simplement en un texte affiché sur un écran d'ordinateur, comme un livre. Avec les changements et les progrès dans la technologie, le E-learning a parcouru un long chemin, maintenant offrant un matériel éducatif personnalisé, interactif et riche en contenu. Aujourd'hui, le E-learning se transforme de nouveau. En effet, avec la prolifération des systèmes d'apprentissage électronique et des outils d'édition de contenu éducatif, ainsi que les normes établies, c’est devenu plus facile de partager et de réutiliser le contenu d'apprentissage. En outre, avec le passage à des méthodes d'enseignement centrées sur l'apprenant, en plus de l'effet des techniques et technologies Web2.0, les apprenants ne sont plus seulement les récipiendaires du contenu d'apprentissage, mais peuvent jouer un rôle plus actif dans l'enrichissement de ce contenu. Par ailleurs, avec la quantité d'informations que les systèmes E-learning peuvent accumuler sur les apprenants, et l'impact que cela peut avoir sur leur vie privée, des préoccupations sont soulevées afin de protéger la vie privée des apprenants. Au meilleur de nos connaissances, il n'existe pas de solutions existantes qui prennent en charge les différents problèmes soulevés par ces changements. Dans ce travail, nous abordons ces questions en présentant Cadmus, SHAREK, et le E-learning préservant la vie privée. Plus précisément, Cadmus est une plateforme web, conforme au standard IMS QTI, offrant un cadre et des outils adéquats pour permettre à des tuteurs de créer et partager des questions de tests et des examens. Plus précisément, Cadmus fournit des modules telles que EQRS (Exam Question Recommender System) pour aider les tuteurs à localiser des questions appropriées pour leur examens, ICE (Identification of Conflits in Exams) pour aider à résoudre les conflits entre les questions contenu dans un même examen, et le Topic Tree, conçu pour aider les tuteurs à mieux organiser leurs questions d'examen et à assurer facilement la couverture des différent sujets contenus dans les examens. D'autre part, SHAREK (Sharing REsources and Knowledge) fournit un cadre pour pouvoir profiter du meilleur des deux mondes : la solidité des systèmes E-learning et la flexibilité de PLE (Personal Learning Environment) tout en permettant aux apprenants d'enrichir le contenu d'apprentissage, et les aider à localiser nouvelles ressources d'apprentissage. Plus précisément, SHAREK combine un système recommandation multicritères, ainsi que des techniques et des technologies Web2.0, tels que le RSS et le web social, pour promouvoir de nouvelles ressources d'apprentissage et aider les apprenants à localiser du contenu adapté. Finalement, afin de répondre aux divers besoins de la vie privée dans le E-learning, nous proposons un cadre avec quatre niveaux de vie privée, ainsi que quatre niveaux de traçabilité. De plus, nous présentons ACES (Anonymous Credentials for E-learning Systems), un ensemble de protocoles, basés sur des techniques cryptographiques bien établies, afin d'aider les apprenants à atteindre leur niveau de vie privée désiré.

La science historique et le rapport aux savoirs des manuels québécois du cours collégial «Histoire de la civilisation occidentale» : analyse épistémologique et critique

Alors que l’enseignement de l’histoire au Québec visait jadis à promouvoir l’acquisition par les élèves de contenus spécifiques, nationalistes et religieux, depuis plusieurs décennies des volontés scientifiques et politiques cherchent à réorienter la discipline. L’histoire enseignée doit dorénavant orienter son approche sur celle de la science histoire. D’une focalisation sur la transmission de contenus, on vise maintenant l’apprentissage d’un mode spécifique d’appréhension du réel : la pensée historienne. Cette étude soulève la question de la correspondance entre l’histoire enseignée et l’historiographie savante actuelle dans un contexte de changement de paradigme épistémologique et des rapports au savoir que cela implique. L’hypothèse posée est que l’histoire enseignée – telle qu’elle apparait dans les manuels d’histoire occidentale à l’usage des cégépiens et cégépiennes – n’a pas suivi l’évolution historiographique des dernières années, précisément quant à leur posture épistémologique.

Advances in scaling deep learning algorithms

Les algorithmes d'apprentissage profond forment un nouvel ensemble de méthodes puissantes pour l'apprentissage automatique. L'idée est de combiner des couches de facteurs latents en hierarchies. Cela requiert souvent un coût computationel plus elevé et augmente aussi le nombre de paramètres du modèle. Ainsi, l'utilisation de ces méthodes sur des problèmes à plus grande échelle demande de réduire leur coût et aussi d'améliorer leur régularisation et leur optimization. Cette thèse adresse cette question sur ces trois perspectives. Nous étudions tout d'abord le problème de réduire le coût de certains algorithmes profonds. Nous proposons deux méthodes pour entrainer des machines de Boltzmann restreintes et des auto-encodeurs débruitants sur des distributions sparses à haute dimension. Ceci est important pour l'application de ces algorithmes pour le traitement de langues naturelles. Ces deux méthodes (Dauphin et al., 2011; Dauphin and Bengio, 2013) utilisent l'échantillonage par importance pour échantilloner l'objectif de ces modèles. Nous observons que cela réduit significativement le temps d'entrainement. L'accéleration atteint 2 ordres de magnitude sur plusieurs bancs d'essai. Deuxièmement, nous introduisont un puissant régularisateur pour les méthodes profondes. Les résultats expérimentaux démontrent qu'un bon régularisateur est crucial pour obtenir de bonnes performances avec des gros réseaux (Hinton et al., 2012). Dans Rifai et al. (2011), nous proposons un nouveau régularisateur qui combine l'apprentissage non-supervisé et la propagation de tangente (Simard et al., 1992). Cette méthode exploite des principes géometriques et permit au moment de la publication d'atteindre des résultats à l'état de l'art. Finalement, nous considérons le problème d'optimiser des surfaces non-convexes à haute dimensionalité comme celle des réseaux de neurones. Tradionellement, l'abondance de minimum locaux était considéré comme la principale difficulté dans ces problèmes. Dans Dauphin et al. (2014a) nous argumentons à partir de résultats en statistique physique, de la théorie des matrices aléatoires, de la théorie des réseaux de neurones et à partir de résultats expérimentaux qu'une difficulté plus profonde provient de la prolifération de points-selle. Dans ce papier nous proposons aussi une nouvelle méthode pour l'optimisation non-convexe.

Towards Non Invasive Diagnosis of Scoliosis Using Semi-supervised Learning Approach

In this paper, a new methodology for the prediction of scoliosis curve types from non invasive acquisitions of the back surface of the trunk is proposed. One hundred and fifty-nine scoliosis patients had their back surface acquired in 3D using an optical digitizer. Each surface is then characterized by 45 local measurements of the back surface rotation. Using a semi-supervised algorithm, the classifier is trained with only 32 labeled and 58 unlabeled data. Tested on 69 new samples, the classifier succeeded in classifying correctly 87.0% of the data. After reducing the number of labeled training samples to 12, the behavior of the resulting classifier tends to be similar to the reference case where the classifier is trained only with the maximum number of available labeled data. Moreover, the addition of unlabeled data guided the classifier towards more generalizable boundaries between the classes. Those results provide a proof of feasibility for using a semi-supervised learning algorithm to train a classifier for the prediction of a scoliosis curve type, when only a few training data are labeled. This constitutes a promising clinical finding since it will allow the diagnosis and the follow-up of scoliotic deformities without exposing the patient to X-ray radiations.