Après le succès de l’édition de 2013 à Toulouse, l'AFIA et l’ATIEF organisent, le 30 juin 2015, une deuxième journée commune « EIAH & IA » centrée sur la thématique de la fouille de données éducatives produites par les EIAH (Educational Data Mining). L'objectif de cette journée est de rassembler dans un même espace-temps deux communautés, les chercheurs en Intelligence Artificielle travaillant dans le domaine du data mining et ceux travaillant dans le domaine des Environnements Informatiques pour l’Apprentissage Humain, pour dialoguer et échanger autour de problématiques, de techniques, de concepts communs et de partager des retours d'expériences.

Cette journée est une occasion idéale pour mettre en exergue des travaux de recherche qui s'intéressent à l'utilisation des techniques du data mining pour analyser et comprendre les traces des apprenants générées au sein de plateformes d'apprentissage, de tuteurs intelligents, de jeux sérieux, de MOOCs, etc. dans le but de diagnostiquer le profil des apprenants, de personnaliser ou d'améliorer ces systèmes. L’analyse et l’exploitation de ces traces requièrent des outils d'analyse et de traitement spécifiques adaptés au domaine des EIAH.

Cette journée commune sera organisée durant la plateforme IA qui aura lieu à Rennes du 29 juin au 3 juillet 2015. La journée sera organisée comme suit :

• une conférence invitée d'Agathe Merceron,
  "Educational Data Mining: Methods, Tasks and Current Trends" (support en anglais, présentation en français)
• la présentation de travaux de recherche ou de retours d’expériences sur l’utilisation et l’adaptation de techniques de data mining existantes ou la proposition de techniques innovantes pour répondre à des problématiques et à des besoins propres au domaine de la e-education.
• une table ronde pour faire une synthèse des contributions de la journée et tenter de dégager une feuille de route autour de thématiques porteuses pouvant réunir les deux communautés.

Les chercheurs en IA et/ou EIAH intéressés par les aspects fouille de données et apprentissage automatique appliqués à des données éducatives sont invités à participer à cette journée d'échange en soumettant des articles sur ce thème. La nature même des articles peut être variée : retour d'expérience sur des solutions mises en oeuvre, état de l'art, problèmes encore non résolus et perspectives de recherche pour la communauté, résultats d'expérimentation en environnement réel (classe) ou en laboratoire, présentation de projets applicatifs, etc.

Pour les chercheurs en IA, il s'agit de présenter de nouvelles approches en fouille de données qui pourraient s'avérer pertinentes pour des données éducatives, tandis que pour les chercheurs en EIAH il s'agira de mettre en avant leur utilisation de ces techniques (avec succès ou non) pour profiter du retour d'experts dans ce domaine.

Liste (non exhaustive) des thématiques :

• analyse automatique de la motivation et de l'état affectif des apprenants
• analyse de données multimodales issues de capteurs physiologiques
• analyse de données issues de réseaux sociaux d'apprenants
• analyse de données produites par des outils de notation automatique
• analyse de logs d'apprenants
• apprentissage collaboratif
• comparaison d'approches de fouilles de données
• data mining appliqué aux données issues de MOOCs
• détection automatique de l'état émotionnel et affectif de l'apprenant
• évaluation automatique de l'efficacité d'une intervention pédagogique
• extraction automatique de règles d'association
• extraction de structure à l'aide d'approches de type clustering, analyse de facteurs et découverte d'ontologies
• fouille de données issues d'environnements pédagogiques innovants (jeux sérieux, MOOCs...)
• fouille de données textuelles (text mining), analyse d'opinion et de sentiments
• frameworks, méthodes et approches de fouille de données utiles pour des données éducatives
• lien entre learning analytics et educational data mining
• lien entre théories de l'apprentissage humain et fouille de données éducatives
• identification automatique de séquences pertinentes (sequential pattern mining)
• modélisation prédictive de l'apprenant à l'aide de techniques de classification automatique
• systèmes de recommandations pour environnements pédagogiques