Glossaire

Apprentissage adaptatif

Qu’est-ce que Apprentissage adaptatif ?

L'apprentissage adaptatif désigne des parcours de formation qui s'ajustent en continu au niveau, au rythme et aux erreurs de l'apprenant. Un logiciel analyse les réponses puis choisit les exercices, explications ou révisions appropriés. On le trouve à l'école, à l'université et en formation professionnelle, par exemple lorsqu'une plateforme propose automatiquement une étape intermédiaire plus simple après une erreur. En apprentissage automatique, le terme désigne aussi des modèles qui s'adaptent en permanence à de nouvelles données.

Thèmes

Éducation
Personnalisation
E-learning

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

Retour aux étudiants assisté par IA

Le retour aux étudiants assisté par IA désigne des commentaires sur des dissertations, devoirs ou projets produits par un système d'IA selon des critères définis. Les apprenants obtiennent plus vite des indications sur leurs points forts, la structure, l'argumentation ou la langue, et les enseignants sont déchargés des corrections répétitives. L'évaluation doit rester transparente et fondée sur des critères ; les notes et décisions relèvent des enseignants. Exemple : un brouillon de mémoire reçoit des pistes d'amélioration avant le rendu.

Éducation
Retour
+1

Modèle

Courbe d'apprentissage

En apprentissage automatique, une courbe d'apprentissage est un graphique montrant la performance ou l'erreur d'un modèle en fonction de la durée d'entraînement ou de la quantité de données, généralement séparément pour les données d'entraînement et de validation. Son allure indique si le modèle est sous- ou surajusté et si davantage de données aiderait. Si l'erreur de validation reste nettement au-dessus de l'erreur d'entraînement, par exemple, cela signale un surapprentissage. Dans le langage courant, le terme décrit aussi la vitesse à laquelle on maîtrise une nouvelle technologie.

Entraînement
Évaluation de modèles
+1

Apprentissage automatique

L’apprentissage automatique (machine learning) est une branche de l’intelligence artificielle dans laquelle les ordinateurs déduisent des régularités à partir de données au lieu de recevoir chaque règle explicitement programmée. Selon la tâche, les modèles apprennent à partir d’exemples étiquetés (supervisé), de données non étiquetées (non supervisé) ou par récompense (par renforcement). Les applications vont des filtres anti-spam aux prévisions de demande et aux recommandations de produits. La qualité dépend fortement du volume et de la qualité des données d’entraînement.

fondamentaux
IA
+1