@inproceedings{ait-chabane-etal-2025-apprentissage,
    title = "Apprentissage par renforcement contraint guid{\'e} par un graphe de connaissances pour personnaliser les parcours d{'}apprentissage",
    author = "Ait Chabane, Rania  and
      Brun, Armelle  and
      Roussanaly, Azim",
    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/ingest-emnlp/2025.jeptalnrecital-iaedu.3/",
    pages = "17--20",
    language = "fra",
    abstract = "Ce travail pr{\'e}sente une architecture d{'}apprentissage adaptatif combinant graphes de connaissances enrichis et contraintes p{\'e}dagogiques dans un cadre d{'}apprentissage par renforcement. Le graphe est construit {\`a} partir de ressources expertes (ex. manuel scolaire) et enrichi automatiquement par un mod{\`e}le de langage pour compl{\'e}ter les relations et inf{\'e}rer des contraintes. Un module de knowledge tracing estime la progression de l{'}apprenant vers un objectif p{\'e}dagogique donn{\'e}. Un agent de renforcement, entra{\^i}n{\'e} en environnement simul{\'e}, recommande des activit{\'e}s en maximisant la progression attendue tout en respectant les contraintes. Cette approche vise {\`a} renforcer la pertinence, la diversit{\'e} et l{'}explicabilit{\'e} des parcours propos{\'e}s. Une {\'e}valuation sur des jeux de donn{\'e}es r{\'e}els est pr{\'e}vue en travaux futurs."
}