Élaboration d'un système d'aide à la décision intelligent et auto-adaptatif pour l'évaluation multidimensionnelle des acquis : Application à l'évaluation des profils des étudiants internationaux souhaitant étudier en France.

par Rabih Haddad

Projet de thèse en Sciences - STS

Sous la direction de Francis Rousseaux.

Thèses en préparation à Reims , dans le cadre de Ecole Doctorale Sciences, Technologies, Santé , en partenariat avec (CRESTIC) Centre de Recherches en STIC (laboratoire) depuis le 01-11-2016 .


  • Résumé

    Problématique La France accueille chaque année des étudiants étrangers souhaitant poursuivre leurs études supérieures dans différents domaines. Leur présence permet de compenser la rareté relative des vocations d'étudiants français, particulièrement au niveau doctoral dans les domaines scientifiques. L'état et les écoles françaises souhaitent accroître leur nombre afin d'améliorer la position du système d'éducation français vis-à-vis du système anglo-saxon, entre autres. Les divers programmes d'échanges comme Erasmus offrent aux étudiants de 18-30 ans une opportunité d'étudier dans l'un des pays couverts par ces programmes. Cette mobilité permet d'enrichir leur expérience culturelle, scientifique et humaine et génère également un impact économique au niveau national. L'évaluation des acquis des candidats et le traitement de dossiers d'inscription se faisant de façon traditionnelle est chronophage pour les personnes en charge et source d'erreurs potentielles de sélection. La spécificité du système éducatif français avec ses « Grandes Ecoles » uniques au monde, complexifie la tâche d'évaluation. Les examens internationaux standards de type SAT, GMAT, GRE se trouvent insuffisants pour effectuer une évaluation complète [1]. Manque : A notre connaissance il n'existe pas de système automatisé et intelligent permettant une évaluation multicritère des étudiants internationaux en dialoguant avec eux. Ayant la connaissance de programmes proposés, des tendances en informatique et des souhaits des étudiants ce système devrait proposer un ajustement des programmes. Proposition : Afin de lever ce verrou nous proposons d'étudier cette problématique avec une approche globale et systémique, proposer l'architecture d'un système d'aide à l'évaluation auto-adaptatif et intelligent pour le traitement de candidatures à partir d'une évaluation personnalisée et complète afin d'éviter les éventuels échecs. Ce système d'évaluation et d'aide à la décision prendra en considération des paramètres comme le milieu social et culturel de l'étudiant (le pays, le niveau social…), académique (le système éducatif poursuivi, la compatibilité, les écoles et universités fréquentées, les recommandations, le rang, les notes…) et l'expérience personnelle (l'entretien, les activités extrascolaires, l'expérience, la langue, la motivation…). En fonction de ces informations le système va proposer une évaluation adapté et personnalisée pour chaque étudiant. Un facteur d'admission (Global Admission Acceptance Factor) résultant aidera l'école à prendre la décision finale. Ce système doit être capable de poser des questions complémentaires en fonction du profil d'étudiant et du choix du programme (3). En fonction de réponses de l'étudiant (4) un Global Admission Acceptance Factor (GAAF) sera proposé pour la prise de décision. Méthodologie Afin de mener à bien cette recherche, nous proposons de développer une méthodologie comprenant les éléments suivants : a. Etude de l'état de l'art en évaluation et en systèmes d'aide à la décision existante, leurs fonctionnalités et manques par rapport à notre besoin. b. Conception de l'architecture du système permettant d'analyser et de traiter les données, informations et connaissances habituellement fournies ainsi que des connaissances contextuelles. c. Elaboration d'un démonstrateur. d. Test sur les cas réels. e. Intégration de retour d'expérience. Dans l'élaboration du système il faudra prendre en considération la nature de données, informations et connaissances à traiter. Dans la cas d'une base de données très riche avec beaucoup de facteurs décisionnels les principes et procédures de BIG DATA pourraient s'appliquer (data mining, analyse prédictive, double agent, analyse de comportement d'utilisateurs…). Nous allons vérifier si des outils mathématiques, logiciels ou langages de programmation (Python, R, Java, Scala…) peuvent répondre à cette problématique de la « Data Science » grâces à leur librairies et API. Une première validation du modèle choisi vérifiera sa représentabilité. Le système (ou algorithme) doit permettre de trouver les critères d'évaluation auto-adaptées par candidat. Le problème de Machine Learning sera traité pour cibler les méthodes à utiliser (Random Forests, Support Vectors Machines). La difficulté serait donc de trouver ou composer un système efficace pour ce type d'évaluation, l'implémenter et tester sur un ou deux cas réel. Validation et Auto-adaptation Le système ainsi élaboré sera validé sur les cas réels et le retour d'expérience intégré. Il sera paramétrable en fonction de chaque institution et selon les données accumulées lors de traitement de nouveaux dossiers. A l'issue de la validation du système, nous nous consacrerons à la conception d'un démonstrateur modulaire, réutilisable, évolutif, et générique afin d'effectuer les tests et avoir le retour d'expérience nécessaire sur ce prototype. Cas d'étude Ce système sera élaboré à partir d'expériences accumulées dans le cadre des Masters Internationaux EPITA et son système de recrutement des étudiants internationaux (le CRM) ainsi que celui de L'Université de Reims Champagne Ardenne et de ses besoins réels. Il sera testé dans ces deux environnements pour être ensuite étendu, par exemple dans le cadre d'un projet H2020. Il pourra faire l'objet d'un dépôt de projet ANR IDEFI. Impact attendu Connaissant la stratégie de mobilité au niveau européen et national, un tel système d'aide à l'évaluation est indispensable afin de bien cibler le recrutement et limiter les échecs. Cette recherche pourrait ouvrir un champ nouveau de systèmes d'aide au recrutement intégrant aussi les critères socio-culturels et stratégiques. Un tel système pourrait être testé au niveau européen et étendu à l'évaluation du capital intellectuel lors de recrutement dans les entreprises contraintes à gérer la diversité, entre autres. La forme de « serious game » de ce système pourrait être également étudiée. Bibliographie 1. Moedas C. Open Innovation, Open Science, Open to the World, European Commission, June 2015. 2. http://www.diplomatie.gouv.fr/fr/photos-videos-publicationsinfographies/ publications/enjeux-planetaires-cooperation-internationale/documents-destrategie- sectorielle/article/l-accueil-en-france-des-etudiants 3. M. Cerisier ben Guiga, Blanc J. Rapport d'information 446 du Senat, 30 juin, 2005 4. C. Szymankiewicz : Conditions d'inscription et d'accueil des étudiants étrangers dans les universités, Rapport MESR 2005-023 5. Nguyen, Haddawy P.: A Decision Support System for Evaluating International Student Applications, Frontiers In Education Conference - Global Engineering: Knowledge Without Borders, Opportunities Without Passports, 2007 6. K.S. Thaung : Advanced Information Technology in Education, Advances in Intelligent and Soft Computing, 126, Springer, 2012 7. Vohra, P. Intelligent decision support system for admission management, International Journal of Artificial Intelligence & Applications (IJAIA), Vol.2, No.4, 2011 8. Data Science Essentials in Python: Collect - Organize - Explore - Predict - Value, Dmitry Zinoviev, 09 septembre 2016 9. Machine Learning in Python: Essential Techniques for Predictive Analysis, Michael Bowles, 31 mars 2015 10. Advances in Intelligent Data Analysis XV: 15th International Symposium, IDA 2016, Stockholm, Sweden, October 13-15, 2016, Proceedings 11. Data Analytics: Models and Algorithms for Intelligent Data Analysis, Thomas A. Runkler, 3 août 2016

  • Titre traduit

    Conception of an intelligent auto-adaptive decision support system for multidimensional prior learning assessment: Applied to the evaluation of international students' profiles willing to pursue their higher studies in France.


  • Résumé

    The Problem France hosts each year international students willing to pursue their higher education in different fields. Their presence compensates for the relative lack of talented French students, particularly at the doctoral level in the sciences domain. The state and the French educational organizations want to increase the number of students to improve the position of the French educational system vis-a-vis the Anglo-Saxon system, among others. The various exchange programs like Erasmus offer students of age 18-30 years the opportunity to study in one of the countries covered by these programs. This mobility can enrich their cultural, scientific and human experience and generates an economic impact nationally. Up to now, the prior learning assessment of candidates and the processing of their applications is done manually as it is time consuming and involves a lot of human potential errors of selection. The distinctiveness of the French education system specially with his "Grandes Ecoles" that are unique, complicates the task of evaluation. International standard exams like SAT, GMAT, GRE are insufficient to conduct a full assessment [1]. Deficiency As per our knowledge, there is no automated intelligent system that performs a multi-criterion evaluation of international students by communicating to them. Knowing the proposed programs, computer trends and needs of students, this system should propose an adjustment of programs. Proposal: To remove this lock, we suggest to study this problem with a comprehensive and systemic approach by proposing an architecture of an intelligent auto-adaptive evaluation support system for processing the candidates' applications based on a personalized and complete evaluation to avoid any potential failures. This evaluation and decision support system will take into account parameters such as the social and cultural environment of the student (the country, the social level ...), academic (pursued education system, compatibility, schools and universities attended, recommendations, rank, notes ...) and the personal experience (interview, extracurricular activities, experience, language, motivation ...). Based on this information, the system will provide a suitable and personalized evaluation for each student. An admission factor (Global Admission Acceptance Factor) obtained will help the school to make the final decision. This system should be able to formulate additional questions based on the student profile and choice of academic program (3). Depending on student responses (4) Global Admission Acceptance Factor (GAAF) will be proposed for decision making. Methodology: To conduct this research, we propose to develop a methodology including the following: a. Study the state of the art of the existing evaluation and decision support system including their capabilities and shortcomings in relation to our needs. b. Design the system architecture for analyzing and processing data, information and knowledge and contextual knowledge are usually provided. c. Development of a demonstrator. d. Real cases testing e. Integrating feedback. Developing the system, the nature of data, information and handled knowledge must be taken into consideration. In the case of a rich database with a lot of decision factors, BIG DATA principles and procedures could be applied (data mining, predictive analytics, double agent, analysis of user behavior ...). We will check if the mathematical tools, software or programming languages (Python, R, Java, Scala ...) can address this problem of "Data Science" thanks to their libraries and APIs. A first validation of the chosen model will check its representability. The system (or the algorithm) should help finding the auto-adapted evaluation criteria per candidate. The Machine Learning problem will be dealt to discover the methods to be used (Random Forests, Support Vectors Machines). The challenge would be to find or build an effective system for this type of evaluation, and to implement and test it on a couple of cases. Validation and auto-adaptation The developed system will be validated based on real cases and on the integrated feedback experience. It will be parametrized according to each institution and according to the accumulated data received during processing of new applications. After the validation of the system, we are committed to design a modular demonstrator, reusable, scalable and generic to perform the tests and get the necessary feedback on this prototype. Case study This system will be developed based on the experience accumulated in EPITA International Master's program and its student recruitment system (CRM) as well as that of The University of Reims Champagne Ardennes and its real needs. It will be tested in both environments then could be extended for example to be part of the project H2020. Expected impact Knowing the students' mobility strategy at the European and national level, this evaluation decision support system is essential to achieve recruitment and limit failures. This research could open a new field of aided systems in recruitment by integrating also socio-cultural and strategic criteria. Such a system can be tested at the European level and can be extended to evaluate the intellectual capital in recruiting to companies struggling to manage diversity among others. The shape of a "Serious game" of this system could also be investigated. Bibliography 1. Moedas C. Open Innovation, Open Science, Open to the World, European Commission, June 2015. 2. http://www.diplomatie.gouv.fr/fr/photos-videos-publicationsinfographies/ publications/enjeux-planetaires-cooperation-internationale/documents-destrategie- sectorielle/article/l-accueil-en-france-des-etudiants 3. M. Cerisier ben Guiga, Blanc J. Rapport d'information 446 du Senat, 30 juin, 2005 4. C. Szymankiewicz : Conditions d'inscription et d'accueil des étudiants étrangers dans les universités, Rapport MESR 2005-023 5. Nguyen, Haddawy P.: A Decision Support System for Evaluating International Student Applications, Frontiers In Education Conference - Global Engineering: Knowledge Without Borders, Opportunities Without Passports, 2007 6. K.S. Thaung : Advanced Information Technology in Education, Advances in Intelligent and Soft Computing, 126, Springer, 2012 7. Vohra, P. Intelligent decision support system for admission management, International Journal of Artificial Intelligence & Applications (IJAIA), Vol.2, No.4, 2011 8. Data Science Essentials in Python: Collect - Organize - Explore - Predict - Value, Dmitry Zinoviev, 09 septembre 2016 9. Machine Learning in Python: Essential Techniques for Predictive Analysis, Michael Bowles, 31 mars 2015 10. Advances in Intelligent Data Analysis XV: 15th International Symposium, IDA 2016, Stockholm, Sweden, October 13-15, 2016, Proceedings 11. Data Analytics: Models and Algorithms for Intelligent Data Analysis, Thomas A. Runkler, 3 août 2016