Soutenance de thèse de Nesrine MANSOURI

L’évolution rapide des écosystèmes d’apprentissage numériques a profondément transformé la manière dont les contenus éducatifs sont diffusés, accessibles et personnalisés. Dans ce contexte, l’enseignement basé sur les compétences (Competency-Based Education, CBE) s’impose comme un paradigme clé, mettant l’accent sur les résultats d’apprentissage mesurables et la maîtrise des compétences, plutôt que sur la simple validation des cours. 

Cependant, à mesure que les programmes deviennent plus modulaires et organisés autour de blocs de compétences, les étudiants rencontrent des difficultés à identifier les parcours d’apprentissage optimaux correspondant à leurs capacités, leurs intérêts et leurs objectifs professionnels. Cette thèse propose un cadre fondé sur l’intelligence artificielle destiné à recommander des parcours d’apprentissage personnalisés à partir des blocs de compétences, en exploitant des techniques d’apprentissage automatique pour soutenir la prise de décision, tant du côté des apprenants que des enseignants. 

Les travaux de recherche présentés reposent sur trois contributions principales :

1. Un modèle de prédiction des performances étudiantes (SMOTE + GA + GRU) a été développé afin d’identifier les étudiants à risque d’échec académique, permettant ainsi des interventions pédagogiques précoces et ciblées. 
2. Un système de recommandation de spécialisation (SBS + Adaboost + GA) a été mis en œuvre pour orienter les étudiants vers la spécialisation la plus adaptée à leur profil et à leurs acquis antérieurs. 
3. Un modèle de recommandation de MOOC (SFS + Decision Tree) a été conçu pour aider les apprenants à identifier les cours en ligne les plus pertinents, répondant ainsi au problème de la surcharge informationnelle et favorisant l’engagement dans les environnements d’apprentissage numériques. 

Ensemble, ces contributions constituent une approche unifiée démontrant le potentiel des méthodes hybrides et fondées sur les données pour améliorer la personnalisation de l’éducation et soutenir l’apprentissage tout au long de la vie. 

En intégrant des techniques de prétraitement des données, de sélection de caractéristiques et d’apprentissage automatique explicable, cette recherche contribue au développement de systèmes de recommandation intelligents et sensibles aux compétences, favorisant une éducation plus adaptative, transparente et centrée sur l’apprenant.

M. MOURAD ABED    Professeur des universités, Université Polytechnique Hauts de France, Directeur de thèse
M. Makram SOUI    Assistant professor, University of Michigan, Co-encadrant de thèse
 
Mme Zaineb GARCIA, Professeure des universités, Université de Lille, Rapporteure
M. Issam NOUAOURI, Professeur des universités, Université d'Artois, Rapporteur
 
Mme Hounaida SAKLY, Associate Professor Centre de Recherche en Microélectronique et Nanotechnologie de Sousse, Examinatrice
M. Imed Riadh FARAH, Professor, Université de Manouba-Tunis, Examinateur
M. Bruno DE LIEVRE, Professor, Université de Mons, Examinateur
M. Rene MANDIAU    Professeur des universités, Université Polytechnique Hauts-de-France (UPHF), Examinateur

E-learning, competency-based learning, Recommandation, Personnalisation, IA, Apprentissage automatique