“Artificial Intelligence Devoted to Education”

Nous voulons explorer dans quelle mesure des approches ou des techniques issues des neurosciences cognitives en lien avec l’apprentissage machine et des outils symboliques pour représenter les connaissances, pourraient aider à mieux formaliser l’apprentissage humain tel qu’étudié en sciences de l’éducation, notamment en lien avec les processus de résolution de problèmes.

Autrement dit : nous profitons du fait que nous comprenons mieux comment fonctionne des mécanismes cognitifs (du cerveau ou de la machine) pour aider à mieux comprendre comment nos enfants apprennent.

Ici on se concentre sur l’apprentissage de la pensée informatique, c’est-à-dire ce qu’il faut partager en matière de compétences pour maîtriser le numérique et pas uniquement le consommer ou le subir. C’est un enjeu sociétal majeur d’éducation pour toutes et tous.
On parle donc de la modélisation de tâches d’apprentissage bien précises, dans le cadre de la résolution de problèmes, avec des questionnements scientifiques spécifiques, tout particulièrement sur la persévérance de l’apprenant face aux difficultés rencontrés au cours d’une tâche de résolution de problèmes avec des robots modulaires.

Nous ciblons des élèves à partir de 8 ans sans limite d’âge et appuyons nos recherches sur de vastes campagnes d’expérimentation (plusieurs centaines de personnes) réalisées dans le cadre de la tâche CréaCube et qui vont s’intégrer avec trois autres activités en pensée informatique.