Description du sujet de thèse

Le travail de thèse vise à construire des modèles explicatifs et prédictifs du bien-être, de la persévérance scolaire des élèves et l’acquisition de compétences transversales à travers l’usage de différents outils numériques d’apprentissage proposés aux élèves sur une plate-forme unique nommée Bien à l’école (https://bienalecole.fr/). Celle-ci sert de point d’entrée vers des outils centrés sur deux axes : 1) les enseignements scolaires via un moteur d’apprentissage adaptatif qui permet à l’élève de réaliser des parcours de progression personnalisés de façon autonome en Français, Mathématiques et Histoire-Géographie, 2) le développement de compétences psychosociales à travers l’usage de serious game et d’environnements virtuels. Durant la thèse, le/la doctorant(e) sera en interaction avec les multiples partenaires (académies, entreprises, laboratoire) développant ou expérimentant les outils.

Les modèles seront construits à partir de données déclaratives (questionnaires) et de traces d’interaction collectées en contexte scolaire (learning analytics). La richesse des données collectées proviendra des multiples outils pouvant être utilisés par chaque élève, du CM1 à la 3ème, permettant une étude longitudinale.

Dans ce cadre, le doctorant sera amené à réaliser les tâches suivantes, en lien avec les partenaires du projet :
- Revue de littérature sur les notions théoriques étudiées (bien être, persévérance scolaire), et les approches explicatives et prédictives dans les domaines des learning analytics et educational data mining.
- Proposition de modèles génériques à partir des jeux de données collectés dans différents contextes (niveaux d’élèves, établissements, outils…).
- Tests et validation des modèles proposés.

Profil attendu
Le candidat doit avoir un diplôme de Master 2 en informatique (ou équivalent, Bac+5), de préférence spécialisé en science des données, data mining et/ou machine learning. Des connaissances/compétences ou un intérêt pour les disciplines liées à l'interaction humain-machine (IHM) ou aux environnements numériques pour l’apprentissage humain (EIAH) seront également appréciées.
Qualités : sensibilité pour des travaux pluridisciplinaires, autonomie, bon relationnel, capacité à travailler en équipe.

Candidatures
Veuillez déposer CV, lettre de motivation, notes et classements de Licence 3 et Master 1 et 2, coordonnées d’une ou deux personnes référentes et mémoire de master (si disponible) sur le portail du CNRS.

Contexte de travail

Le travail mené dans le cadre de ce doctorat s’effectuera au sein du projet Bien à l’école (https://bienalecole.fr/) financé dans le cadre de France 2030, qui vise l’usage de ressources et outils numériques pour la lutte contre le décrochage scolaire. Le consortium pluridisciplinaire de Bien à l’école est constitué d’entreprises dans le domaine des technologies de l’éducation, de 7 académies et du laboratoire en informatique LIRIS.

L’équipe SICAL du LIRIS ancre ses travaux de recherche dans les domaines des environnements informatiques pour l’apprentissage humain (EIAH) et l’interaction humain-machine. Elle est notamment spécialiste de l’analyse de comportements à partir de données multimodales, dans le contexte des serious games, des LMS ou encore de la réalité virtuelle.

La thèse se déroulera à l'INSA Lyon, sous le co-encadrement par Élise Lavoué (https://www.eliselavoue.fr), Professeure à l'Université Lyon 3 et Benoît Encelle, Maître de conférences à l'Université Lyon 1.

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.