Nouvelles Approches Émotionnelles basées sur les Algorithmes de l'Intelligence Artificielle et du Big Data pour l'Amélioration et l'Optimisation des Processus de Prise de Décision : Cas d'Utilisation dans l'Enseignement Inclusif

Abstract

À l’ère actuelle, l’adaptation de l’apprentissage aux besoins des apprenants est essentielle pour évaluer la qualité des systèmes éducatifs. C’est dans cet esprit, conscient de la diversité des apprenants, que notre thèse se focalise sur l’importance de l’adaptation de l’apprentissage, étroitement liée à l’évaluation de la qualité des systèmes éducatifs, tout en accordant une attention particulière à l’éducation inclusive. Dans ce contexte, deux volets ont été explorés. Le premier volet se focalise sur l’amélioration de l’évaluation formative en utilisant deux systèmes de reconnaissance des émotions faciales (FER). Le premier utilise un réseau de neurones convolutifs (CNN) pour reconnaître les émotions faciales des étudiants en temps réel. Le deuxième système FER repose sur un réseau de neurones convolutifs profonds VGG-16, basé sur l’apprentissage par transfert, pour détecter l’engagement des étudiants sourds et malentendants en se basant sur leurs expressions faciales. Les systèmes ont été évalués auprès d’étudiants en master et en licence fondamentale d’excellence à la Faculté des Sciences de Rabat (FSR). Le deuxième volet de notre recherche se concentre sur le développement de systèmes d’analyse des sentiments en utilisant l’apprentissage automatique et les technologies des Big Data pour évaluer la qualité des systèmes éducatifs. Nous avons exploré différentes approches, y compris l’analyse des tweets pour mesurer la réputation des universités marocaines, ainsi que l’opinion des utilisateurs de Twitter sur l’apprentissage à distance dans l’enseignement supérieur. Les résultats de ces systèmes fournissent des indications précieuses pour évaluer en profondeur la qualité des systèmes éducatifs.