Apprentissage par le jeu, intelligence artificielle et orientation

Résumé

Résumé en français

L’orientation professionnelle peut être une démarche anxiogène, notamment pour un jeune public qui n’a parfois aucune idée de ce qu’il veut faire. Dans le cadre de la thèse « Apprentissage dynamique du profil des joueurs et des correspondances joueur – métier », sont étudiées les relations qu’il y a entre façon de jouer à des jeux vidéo et attraits pour des métiers. L’objectif est de créer un modèle prédictif permettant de déterminer automatiquement des métiers pouvant intéresser un individu à partir de ces données de jeu.

Résumé en anglais

Career guidance can be an anxiety-provoking process, especially for young people who sometimes have no idea what they want to do. Within the framework of the thesis « Dynamic learning of the profile of the players and of the correspondences player – profession », the relations which there are between way of playing video games and attractions for professions are studied. The objective is to create a predictive model making it possible to automatically determine jobs that may be of interest to an individual, from these game datas.

Auteur

Siegfried Delannoy, doctorant en CIFRE – Orientoi

Présentation générale

La problématique de recherche est le fait d’aider à l’orientation en fonction des façons de jouer, le tout via le serious game, rendant ainsi la démarche moins anxiogène et maximisant l’implication des publics concernés.

L’objectif de cette thèse est de déterminer les moyens permettant de proposer un métier attrayant à un joueur, à partir de données de jeu, puis d’automatiser la proposition de métiers en fonction de ces données de jeux et d’autres données.

Pour se faire les volontaires doivent jouer à plusieurs petits jeux et se positionner sur des questionnaires. Les questionnaires sont sur les jeux vidéo, sur leur personnalité (notamment via le Big Five qui est reconnu scientifiquement) et sur leurs attraits pour des métiers. Les jeux ont été réalisés suite à un travail de bibliographie, et ont été pensés pour correspondre aux standards actuels.

Les questions sur les jeux permettent notamment d’éviter certains biais, avec par exemple le temps de jeu moyen du candidat, mais peuvent aussi être des variables d’intérêt pour les prédictions, tel que ces types de jeux préférés.

La personnalité et les métiers attrayants pour un utilisateur constituent les variables à prédire dans le cadre de la thèse. Parmi les questionnaires de psychologie se trouvent ceux permettant de limiter les biais, comme le DS36 (mesure de la désirabilité sociale (Tournois, Mesnil & Kop, 2000), équivalent français du BIDR – (Balanced Inventory of Desirable Responding ; Paulhus, 1998).

L’étape de récolte de données étant encore assez récente, la partie prédiction n’est pas explorée pour le moment. Sont explorés cependant des liens entre des attentes et signatures de jeux, avec des traits de personnalités, ainsi qu’avec certains attraits pour des métiers.

Dans les mois qui viennent, le but est la réalisation d’un modèle prédictif permettant de prédire les traits de personnalités à partir de données de jeu, puis de finaliser la chaîne en prédisant les attraits pour des métiers en fonction des différentes données. 

Source : S.Delannoy, d’après (A.I_now, 2021)

Support de présentation de l’auteur

Références

A.I_now, L’événement 100% intelligence artificielle. (2021). A.I_now. https://ai-now.eventmaker.io/

Delannoy, S. (2019). Apprentissage dynamique du profil des joueurs et des correspondances joueurs—Secteur d’activité, joueur-métiers [Thèse en préparation, Littoral]. http://www.theses.fr/s231698

A consulter aussi

Allouche, E. (2020, mai 6). La recherche sur le numérique en éducation (journée des doctorants ANRT/DNE du 02/07/20) [Billet]. Éducation, numérique et recherchehttps://edunumrech.hypotheses.org/1589

DNE-TN2. (2020, décembre 22). JenDo-City, un jeu pour découvrir l’orientation (incubateur de l’académie de Lyon) [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/2489

DNE-TN2. (2021, février 16). Actualité des #GTnum sur l’intelligence artificielle (février 2021) [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/2672

DNE-TN2. (2021, mai 13). Actualité des partenaires : Colloque ANRT – 40 ans des Cifre (15/03/21) [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/3013

Document à télécharger

Apprentissage par le jeu, intelligence artificielle et orientation


Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.