LLM-based training using personalized case examples
Révolutionner la formation: un programme d’apprentissage fondé sur des cas concrets et alimenté par des LLM transforme des concepts abstraits en expériences d’apprentissage personnalisées interactives!
Fiche signalétique
- Départements participants Technique et informatique
- Institut(s) Institute for Patient-centered Digital Health (PCDH)
- Unité(s) de recherche PCDH / AI for Health
- Organisation d'encouragement Autres
- Durée (prévue) 01.11.2024 - 31.12.2025
- Direction du projet Prof. Dr. Kerstin Denecke
-
Équipe du projet
Prof. Daniel Reichenpfader
Denis Sumin Moser -
Partenaire
BeLEARN
Universität Freiburg
Tobias Häberlein, Fernfachhochschule Schweiz
Situation
Ce projet entend mettre à profit les grands modèles de langage (LLM) pour créer des expériences d’apprentissage personnalisées, interactives et pratiques fondées sur des cas concrets, et ainsi révolutionner la manière dont les étudiant e s apprennent des concepts abstraits. En permettant aux étudiant-e-s de préciser leurs centres d’intérêt, leurs objectifs et leurs besoins d’apprentissage, le système génère des scénarios sur mesure qui rendent les idées complexes plus compréhensibles et plus aisément transposables à des situations réelles. Initialement axé sur des étudiant e s en psychologie dans le cadre de cours de méthodologie, le projet explore la manière dont les outils d’apprentissage adaptatifs peuvent stimuler l’engagement, la compréhension et les résultats. Les conclusions ouvriront la voie à des programmes de formation innovants et évolutifs, qui associent l’IA avant-gardiste à des approches pédagogiques modernes.
Approche
Les étudiant e s peuvent indiquer leurs centres d’intérêt au tuteur LLM. À partir de là, ce dernier génère des études de cas interactives, p. ex. sur l’interprétation des intervalles de confiance dans les essais cliniques, qui sont adaptées aux objectifs professionnels des apprenant-e-s. Le tuteur les accompagne par le biais de simulations de cas, leur fournit un retour correctif et pose des questions complémentaires pour approfondir le sujet. Son efficacité fait l’objet d’une étude expérimentale menée à l’Université de Berne. Dans ce cadre, l’engagement, le développement des compétences et la satisfaction des utilisateurs et utilisatrices sont comparés dans deux conditions: utilisation du tuteur LLM versus méthodes d’enseignement traditionnelles. Le tuteur fera par ailleurs son entrée dans des cours de statistiques à UniDistance Suisse, à la Fernfachhochschule (FFHS) ainsi qu’à l’Université de Fribourg, où il fera l’objet d’études expérimentales ou d’observation.
Résultat
Les possibilités d’apprentissage variées et adaptées aux intérêts des étudiant-e-s du tuteur mis au point favorisent leur compréhension et leur réflexion sur des contenus pédagogiques abstraits. À l’issue d’expériences concluantes menées à l’Université de Berne, le tuteur a été intégré dans trois cours méthodologiques: l’un à UniDistance Suisse, un autre à la FFHS et le dernier à l’Université de Fribourg. Il est accessible au public en tant qu’outil open source sur GitHub.
