Ressources numériques en sciences humaines et sociales OpenEdition Nos plateformes OpenEdition Books OpenEdition Journals Hypothèses Calenda Bibliothèques OpenEdition Freemium Suivez-nous

Webinaire du GTnum LS2N #IA_EO (15/04/21) : Etude sur les explications du résultat d’un classifieur

Résumé

Résumé en français

Retour sur notre webinaire centré sur les explications du résultat d’un classifieur  et présenté par Laurence Rozé, Maîtresse de conférences à l’INSA de Rennes, le 15 avril 2021.

Résumé en anglais

Back to our webinar focused on the explanations of the result of a classifier and presented by Laurence Rozé, Lecturer at INSA Rennes, on April 15th, 2021.

Auteurs

Mélanie Pauly Harquevaux, Cheffe de projet international à l’Université de Nantes

Serge Garlatti, Professeur émérite, IMT Atlantique, Lab-STICC, Brest

Introduction

Suite à notre deuxième webinaire dont nous vous parlions ici et toujours dans la continuité des échanges autour de l’éducation, de l’IA et notamment des sujets d’explicabilité et d’interprétabilité, nous avons organisé un troisième webinaire le 15 avril dernier, consacré à une étude sur les explications du résultat d’un classifieur.

Un webinaire le 15 avril animé par Laurence Rozé

Lors de cette présentation, Laurence Rozé nous a tout d’abord, introduit la notion de classifieur avant de nous proposer un état de l’art des différentes approches proposées pour générer des explications : méthodes globales, méthodes locales et méthodes par inspections. La présentation a été plus particulièrement dédiée aux méthodes locales développées par son équipe et à leurs limites. Enfin, la portabilité de ces méthodes vers la problématique de STAPS et du projet ApLLy a été analysée et discutée.

Source : https://mediaserver.univ-nantes.fr/videos/gtnum-ia_eo-axe-1-exploitation-intelligible-des-learning-analytics-webinaire-3-etude-sur-les-explications-du-resultat-dun-classifieur-par-laurence-roze/

Vous pouvez désormais retrouver la présentation en rediffusion ici.

Extraits

Quelles perspectives ?

Suite à cette présentation, les participants du GTnum IA_EO ont souhaité organiser une réunion avec les responsables du projet ApLLy, le Ministère de l’Education Nationale, de la Jeunesse et des Sports et les DANEs associées au projet afin de co-construire des pistes de travail permettant de favoriser l’émergence de projets communs et de partage de données réelles afin de continuer nos travaux sur l’étude des relations entre décrochage (remédiation, prédiction), interprétabilité, explicabilité et confiance.

Nous vous tiendrons informé de l’évolution de ces travaux.  

Référence

Rozé, L. (2021, juin 16). GTnum #IA_EO / axe 1—Exploitation Intelligible des Learning Analytics—Webinaire 3—Etude sur les explications du résultat d’un classifieur par Laurence Rozé. Webtv de l’Université de Nantes. https://mediaserver.univ-nantes.fr/permalink/v1261a697fb4aic7pji8/

Communication

#GTnum @Edu_num #IA_EO

https://chaireunescorel.ls2n.fr/

Document à télécharger

Webinaire du GTnum LS2N #IA_EO (15/04/21) : Etude sur les explications du résultat d’un classifieur

A consulter aussi

DNE-TN2. (2020, avril 21). Analyse des traces d’apprentissage – Learning analytics : Productions du GTnum 2 [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/1559

DNE-TN2. (2021a, mai 6). Point d’étape du #GTnum LS2N #IA_EO (05/05/21) : Prédire la performance académique, découverte des travaux de Luis Galárraga [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/2982

DNE-TN2. (2021b, mai 10). Webinaire commun #GTnum #Scol_IA #IA_EO (26/05/21) : Outils et ressources pour se former à l’IA [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/3004

DNE-TN2. (2021c, juin 14). Webinaire du GTnum LS2N #IA_EO (25/03/21) : Le projet ApLLy, test d’Auto-positionnement en Ligne des Lycées [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/3101

Galarraga, L. (2021, février 5). GTnum #IA_EO / axe 1—Exploitation Intelligible des Learning Analytics—Webinaire 1. Webtv de l’Université de Nantes. https://mediaserver.univ-nantes.fr/permalink/v12619a3299f5xrqaxiv/

Guillemé, M. (2019). Extraction de connaissances interprétables dans des séries temporelles [Thèse de doctorat, Rennes 1]. http://www.theses.fr/2019REN1S102

Laurence Rozé—Maître de conférences INSA de Rennes, IRISA. (s. d.). IRISA – Institut de Recherche en Informatique et Systèmes Aléatoires. Consulté 6 juillet 2021, à l’adresse http://people.irisa.fr/Laurence.Roze/

Pauly Harquevaux, M. (2021, mai 26). GTnum #IA_EO / axe 1—Exploitation Intelligible des Learning Analytics—Webinaire 2 Le projet ApLLy, test d’Auto-positionnement en Ligne des Lycées. Webtv de l’Université de Nantes. https://mediaserver.univ-nantes.fr/permalink/v1261a13af8b6hsr6jhv/


OpenEdition vous propose de citer ce billet de la manière suivante :
DNE-TN2 (6 juillet 2021). Webinaire du GTnum LS2N #IA_EO (15/04/21) : Etude sur les explications du résultat d’un classifieur. Éducation, numérique et recherche. Consulté le 8 février 2025 à l’adresse https://doi.org/10.58079/o36q


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.