Système adaptatif de préparation aux examens par apprentissage actif

Un système d'apprentissage actif qui estime le niveau d'un étudiant en posant le moins de questions possible. En choisissant à chaque étape la question la plus informative, il parvient à la même évaluation fiable avec 60 % de questions en moins qu'un quiz fixe.

Aperçu du projet

L'évaluation traditionnelle soumet à tous les étudiants le même quiz, long et figé. Adaptive Exam Prep reformule le problème : quel est le nombre minimal de questions nécessaires pour estimer avec confiance le niveau d'un étudiant ? Construit sur le jeu de données ASSISTments 2009/2010 (~120 Mo, ~1 900 étudiants), il traite la sélection des questions comme un problème d'apprentissage actif : choisir la question suivante qui nous apprend le plus, puis prédire à nouveau.

Le moteur associe la théorie de réponse à l'item (un modèle 2PL ajusté par espérance-maximisation) à cinq stratégies d'apprentissage actif : information de Fisher issue de l'IRT, entropie, échantillonnage par incertitude, comité de modèles et une référence aléatoire, chacune pilotant des classifieurs RandomForest, GradientBoosting et LogisticRegression réentraînés aux points de contrôle k ∈ {2, 4, …, 30}.

Fonctionnalités clés

Sélection des questions par apprentissage actif : cinq stratégies comparées (information de Fisher issue de l'IRT, entropie, échantillonnage par incertitude, comité de modèles, référence aléatoire)
Moteur de théorie de réponse à l'item : un modèle 2PL ajusté par EM, utilisé pour estimer le niveau de l'étudiant (θ) et piloter la sélection par information de Fisher
60 % de questions en moins : 80 % de précision atteints dès k=12 contre k=30 pour la référence, et 86,4 % de précision à k=30 (validation croisée à 5 plis sur 490 étudiants réservés)
Évaluation rigoureuse : validation croisée à 5 plis, jeu de validation externe indépendant et quatre critères formels de réussite que les meilleurs modèles franchissent tous
Démo Streamlit en direct : adaptatif et aléatoire exécutés côte à côte sur le même étudiant, avec un graphique de confiance en temps réel marquant le seuil de 80 %