Sélection de question et choix de classificateur pour questionnaires adaptatifs

Adaptive learning environments are based on the modeling and the evaluation
of a student. There are many approaches to handle this problematic. For instance,
probabilistic and learning techniques are convenient because they allow to automatize
the process and to describe the student skill with uncertainty.
In previous articles, authors claimed that a solution with a Bayesian framework
called POKS (for Partial Order Knowledge Structure) can outperform Bayes network
for this type of work. But the comparison between this techniques and classical datamining
techniques doesn't exist.

Résumé

Les environnements d'apprentissage prennent une place de plus en plus grande
dans les techniques modernes d'éducation. L'évaluation des connaissances d'un individu
est au coeur de ces environnements. Pour déterminer ecacement ce niveau de
connaissances, le recours aux systèmes de test assistés par ordinateurs est de plus
en plus fréquent. Notamment, on cherche généralement à minimiser la longueur des
questionnaires et donc le nombre de questions posées.
Ces systèmes nécessitent la création d'un modèle de connaissance qui peut être
créé par des experts du domaine ou par une approche statistique tirant parti de
données existantes. Parmi ces approches statistiques, les réseaux bayésiens restent très
largement utilisés. Cependant, certains auteurs démontrent qu'il existe des techniques
qui semblent plus pertinentes et on observe par ailleurs que des techniques basiques
de la fouille de données ne sont pas utilisées dans ce cadre.