Aportes del Aprendizaje Basado en Problemas (ABP) en la enseñanza de la Fisiología Animal en un programa de Zootecnia

En partant de quelques difficultés observées autour des aspects de la conceptualisation technoscientifique et de l’intégration de la de la théorie et la pratique dans l’apprentissage de la physiologie animale chez les étudiants du programme de Zootechnie de l’Université Nationale de Colombie, siège Medellín, cette recherche propose une stratégie didactique s’appuyant sur la méthode de l’Apprentissage Basé sur les Problèmes (ABP), appliquée spécifiquement aux sujets de thermorégulation et stress physiologique des animaux domestiques. Dans cette étude de cas on a travaillé avec un échantillon de huit étudiants à qui on a présenté dès la première session un problème didactique pour être résolu à travers le cours. Afin d’évaluer le processus on a réalisé trois enquêtes nommées Épreuves de Niveau de Formulation (NF) réalisées à différents moments de l’essai : l’une avant de commencer avec le sujet (NF 1), l’autre après la troisième classe théorique donnée et avant de faire la pratique sur le terrain (NF 2), et l’autre à la fin du processus (NF 3). Finalement on a réalisé des entretiens individuels avec chaque étudiant afin de connaître sa perception concernant la méthode. L’information obtenue a été soumise à une analyse qualitative et par des correspondances, par le biais du programme QDA Miner à travers de la révision et codification des textes provenants des enquêtes et de l’entretien individuel, complétés à leur tour par des observations sur le terrain, en analysant le changement conceptuel, la relation théorie-pratique et les correspondances entre les variables et les catégories établies. Parmi les principaux résultats obtenus on souligne le fait qu’après avoir appliqué l’ABP dans ce cours de Physiologie Animale le changement conceptuel a été favorisé et le problème formulé a servi comme connecteur entre la théorie et la pratique. En outre, on a observé la fusion des connaissances préalables avec les nouveaux acquis, l’apprentissage significatif, l’amélioration du niveau de formulation et l’augmentation de la scientificité des définitions; également il a mené à la solution viii de problèmes et à surmonter les obstacles épistémologiques comme la pluridisciplinarité et la non-linéarité. Il reste comme recommandation celle d’évaluer cette méthode dans d’autres sujets de la Physiologie Animale, dans d’autres sciences, dans des échantillons d’une taille majeure, ainsi comme approcher le sujet de l’évaluation appliquée directement à cette méthode.

Sequential Machine learning Approaches for Portfolio Management

Cette thèse envisage un ensemble de méthodes permettant aux algorithmes d'apprentissage statistique de mieux traiter la nature séquentielle des problèmes de gestion de portefeuilles financiers. Nous débutons par une considération du problème général de la composition d'algorithmes d'apprentissage devant gérer des tâches séquentielles, en particulier celui de la mise-à-jour efficace des ensembles d'apprentissage dans un cadre de validation séquentielle. Nous énumérons les desiderata que des primitives de composition doivent satisfaire, et faisons ressortir la difficulté de les atteindre de façon rigoureuse et efficace. Nous poursuivons en présentant un ensemble d'algorithmes qui atteignent ces objectifs et présentons une étude de cas d'un système complexe de prise de décision financière utilisant ces techniques. Nous décrivons ensuite une méthode générale permettant de transformer un problème de décision séquentielle non-Markovien en un problème d'apprentissage supervisé en employant un algorithme de recherche basé sur les K meilleurs chemins. Nous traitons d'une application en gestion de portefeuille où nous entraînons un algorithme d'apprentissage à optimiser directement un ratio de Sharpe (ou autre critère non-additif incorporant une aversion au risque). Nous illustrons l'approche par une étude expérimentale approfondie, proposant une architecture de réseaux de neurones spécialisée à la gestion de portefeuille et la comparant à plusieurs alternatives. Finalement, nous introduisons une représentation fonctionnelle de séries chronologiques permettant à des prévisions d'être effectuées sur un horizon variable, tout en utilisant un ensemble informationnel révélé de manière progressive. L'approche est basée sur l'utilisation des processus Gaussiens, lesquels fournissent une matrice de covariance complète entre tous les points pour lesquels une prévision est demandée. Cette information est utilisée à bon escient par un algorithme qui transige activement des écarts de cours (price spreads) entre des contrats à terme sur commodités. L'approche proposée produit, hors échantillon, un rendement ajusté pour le risque significatif, après frais de transactions, sur un portefeuille de 30 actifs.