Defensa de tesis de Nesrine MANSOURI

La rápida evolución de los ecosistemas digitales de aprendizaje ha transformado profundamente la forma de impartir, acceder y personalizar los contenidos educativos. En este contexto, la Educación Basada en Competencias (EBC) se perfila como un paradigma clave, centrado en resultados de aprendizaje medibles y en el dominio de habilidades, en lugar de en la mera convalidación de cursos.

Sin embargo, a medida que los programas se vuelven más modulares y se organizan en torno a bloques de competencias, los estudiantes encuentran dificultades para identificar itinerarios de aprendizaje óptimos que se ajusten a sus capacidades, intereses y objetivos profesionales. Esta tesis propone un marco basado en inteligencia artificial para recomendar itinerarios de aprendizaje personalizados basados en bloques de competencias, explotando técnicas de aprendizaje automático para apoyar la toma de decisiones tanto por parte del alumno como del profesor.

La investigación que se presenta se basa en tres contribuciones principales:

1. Se desarrolló un modelo de predicción del rendimiento de los estudiantes (SMOTE + GA + GRU) para identificar a los estudiantes en riesgo de fracaso académico, permitiendo así intervenciones educativas tempranas y específicas.
2. Se ha implementado un sistema de recomendación de especialización (SBS + Adaboost + GA) para guiar a los estudiantes hacia la especialización más adecuada a su perfil y aprendizaje previo.
3. Se ha diseñado un modelo de recomendación MOOC (SFS + Árbol de decisión) para ayudar a los alumnos a identificar los cursos online más relevantes, abordando el problema de la sobrecarga de información y promoviendo el compromiso en entornos de aprendizaje digital.

En conjunto, estas contribuciones proporcionan un enfoque unificado que demuestra el potencial de los métodos híbridos y basados en datos para mejorar la personalización de la educación y apoyar el aprendizaje permanente.

Por medio de la integración del preprocesamiento de datos, la selección de características y las técnicas de aprendizaje automático explicables, esta investigación contribuye al desarrollo de sistemas de recomendación inteligentes y conscientes de las habilidades, que apoyan una educación más adaptativa, transparente y centrada en el alumno.

Sistemas de recomendación inteligentes y conscientes de las habilidades.

Mr MOURAD ABED Professeur des universités, Université Polytechnique Hauts de France, Thesis supervisor
M. Makram SOUI Assistant professor, University of Michigan, Thesis co-supervisor
.
Sra. Zaineb GARCIA, Profesora universitaria, Universidad de Lille, Ponente

M. Issam NOUAOURI, Professeur des universités, Université d'Artois, Rapporteur

Sra. Hounaida SAKLY, Profesora asociada, Centre de Recherche en Microélectronique et Nanotechnologie de Sousse, Examinadora
M. Imed Riadh FARAH, Professor, Université de Manouba-Tunis, Examinateur
Bruno DE LIEVRE, Professor, Université de Sousse, France M. Bruno DE LIEVRE, Professor, Université de Mons, Examinateur
M. Rene MANDIAU Professeur des universités, Université Polytechnique Hauts-de-France (UPHF), Examiner

E-learning, aprendizaje basado en competencias, Recomendación, Personalización, IA, Aprendizaje automático