@inproceedings{bouarour-etal-2025-recommandation,
    title = "Recommandation de tests multi-objectifs pour l{'}apprentissage adaptatif",
    author = "Bouarour, Nassim  and
      Benouaret, Idir  and
      Amer-Yahia, Sihem",
    editor = "Bechet, Fr{\'e}d{\'e}ric  and
      Chifu, Adrian-Gabriel  and
      Pinel-sauvagnat, Karen  and
      Favre, Benoit  and
      Maes, Eliot  and
      Nurbakova, Diana",
    booktitle = "Actes de l'atelier Intelligence Artificielle g{\'e}n{\'e}rative et {\'E}DUcation : Enjeux, D{\'e}fis et Perspectives de Recherche 2025 (IA-{\'E}DU)",
    month = "6",
    year = "2025",
    address = "Marseille, France",
    publisher = "ATALA {\textbackslash}{\textbackslash}{\&} ARIA",
    url = "https://preview.aclanthology.org/corrections-2025-10/2025.jeptalnrecital-iaedu.11/",
    pages = "94--97",
    language = "fra",
    abstract = "L{'}am{\'e}lioration des comp{\'e}tences (upskilling) est un segment en forte croissance en {\'e}ducation. Pourtant, peu de travaux algorithmiques se concentrent sur l'{\'e}laboration de strat{\'e}gies d{\'e}di{\'e}es pour atteindre une ma{\^i}trise avanc{\'e}e des comp{\'e}tences. Dans cet article, nous formalisons AdUp, un probl{\`e}me d{'}am{\'e}lioration it{\'e}rative des comp{\'e}tences combinant l{'}apprentissage par ma{\^i}trise et la th{\'e}orie de la Zone de D{\'e}veloppement Proximal. Nous {\'e}tendons nos travaux pr{\'e}c{\'e}dents et concevons deux solutions pour AdUp : MOO et MAB.MOO est une approche d{'}optimisation multi-objectifs qui utilise une m{\'e}thode de Hill Climbing pour adapter la difficult{\'e} des tests recommand{\'e}s selon 3 objectifs : la performance pr{\'e}dite de l{'}apprenant, son aptitude, et son gap. MAB est une approche bas{\'e}e sur les bandits manchots (Multi-Armed Bandits) permettant d{'}apprendre la meilleure combinaison d{'}objectifs {\`a} optimiser {\`a} chaque it{\'e}ration. Nous montrons comment ces solutions peuvent {\^e}tre coupl{\'e}es avec deux mod{\`e}les courants de simulation d{'}apprenants : BKT et IRT. Nos exp{\'e}rimentations d{\'e}montrent la n{\'e}cessit{\'e} de prendre en compte les 3 objectifs et d{'}adapter dynamiquement les objectifs d{'}optimisation aux capacit{\'e}s de progression de l{'}apprenant, car MAB permet un taux de ma{\^i}trise plus {\'e}lev{\'e}."
}