Soutenance de thèse, Dynil DUCH

Date : 21/05/2025
Heure : 9h00
Lieu : Institut d’Informatique Claude Chappe, Amphitheatre Hall

Vidéo de la soutenance :

Titre – Prédire les performances des étudiants grâce à la fouille de données trans-institutionnelle : développement du modèle CISE et de l’outil ReflectMate

Composition du jury :

• M. Yvan PETER – Professeur des universités, Université de Lille (Président)
• Mme Armelle BRUN – Professeure d’université, Université de Nancy (Rapporteure)
• Mme Agathe MERCERON – Professeure d’université, Université de Berlin (Rapporteure)
• M. François BOUCHET – Maître de Conférences, Sorbonne Université (Examinateur)
• Sébastien GEORGE, Professeur, Le Mans Université (Directeur de thèse)
• Madeth MAY, Maître de Conférences, Le Mans Université (Co-encadrant de thèse)

Résumé :

L’évolution rapide des environnements d’apprentissage numériques a mis en évidence le besoin d’outils innovants pour améliorer les performances et l’engagement des étudiants et l’équité dans l’éducation. Cette thèse présente deux cadres : le modèle prédictif CISE (Cross-Institutional Stacking Ensemble) et ReflectMate, un outil d’analyse réflexive de l’apprentissage. Elle aborde les défis de l’éducation en TIC, tels que l’hétérogénéité des ensembles de données, le déséquilibre entre les classes et les disparités causées par la fracture numérique, transformant ainsi les pratiques éducatives grâce à l’analyse prédictive et à l’apprentissage réflexif.

Le modèle CISE intègre cinq classificateurs d’apprentissage automatique : Decision Tree, Random Forest, Naive Bayes, Neural Network et Support Vector Machine, synthétisés via un méta-modèle basé sur la régression logistique. Cette approche a atteint un score F1 de 78,25 % sur les données de validation.

ReflectMate, centré sur l’apprenant, fournit des informations en temps réel sur les interactions avec les plateformes LMS et favorise l’apprentissage autonome. Une étude menée au Cambodge a mis en lumière des disparités selon le genre et la localisation, soulignant les inégalités dans l’éducation aux TIC.

Les contributions de cette thèse se situent à l’intersection de la fouille de données éducatives et de l’apprentissage réflexif, avec l’ambition de renforcer la réussite académique et l’équité.

Mots clé : Prédiction des performances des étudiants, Analyse de l’apprentissage, Modélisation prédictive, Apprentissage réflexif, Validation interinstitutionnelle, Fracture numérique, Équité éducative, Engagement des étudiants.