Ce stage de recherche s’inscrit dans les domaines de l'intelligence artificielle en éducation (AI in Education, AIED) et de l'intelligence artificielle explicable (eXplanable AI, XAI). L’objectif est de concevoir et évaluer des méthodes de XAI pour expliquer les prédictions faites par des modèles d’apprenant.e, ainsi que leurs disparités éventuelles.
En AIED, un modèle d’apprenant.e est un modèle d’IA qui a pour but d’inférer l’état des connaissances d’un.e apprenant.e en fonction d’exercices qu’il ou elle a déjà faits, afin de pouvoir prédire si l’apprenant.e pourra réussir un nouvel exercice. Par exemple, prédire si un.e collégien.ne en 6ᵉ a les connaissances requises pour réussir un exercice d’addition de fractions. Il existe plusieurs modèles d’apprenant.e bien établis dans la littérature, basés sur des modèles bayésiens, des régressions ou des réseaux neuronaux. Le but du stage est de se concentrer sur le développement et l’application de méthodes de XAI pour expliquer de manière agnostique les prédictions de ces modèles d’apprenant.e. Dans un second temps, le stage se concentrera sur un aspect novateur, qui est de fournir des explications sur les similitudes et disparités entre plusieurs modèles d’apprenant.e simultanément, pour aboutir à une meilleure compréhension de ces modèles.
Les tâches attendues dans le stage incluent :
- La réalisation d’un petit état de l’art sur les méthodes de XAI applicables aux modèles d’apprenant.e, ainsi que sur les explications inter-modèles.
- La prise en main des principaux modèles d’apprenant.e en AIED, ainsi que des bases de données et librairies ouvertes en Python (PyKT…) qui permettront de les entraîner.
- L’application de méthodes de XAI identifiées dans l’état de l’art sur chacun des modèles d’apprenant.e entraînés.
- L’étude, et si besoin le développement, d’une ou plusieurs méthodes d'explication inter-modèles d’apprenant.e.
Il sera attendu en délivrable à la fin du stage le code open-source permettant d’appliquer les méthodes de XAI par modèle et inter-modèles.
Les compétences attendues pour le stage incluent :
- Bonne connaissance de l’apprentissage automatique
- Bonnes compétences en programmation Python, notamment avec au moins une librairie d’IA (Scikit-learn, Keras, PyTorch…)
- Avoir suivi une UE sur le XAI et sur les modèles bayésiens serait un plus.
Le stage de 6 mois (niveau M2 ou équivalent), rémunéré à environ 580€/mois, se déroulera au laboratoire d’informatique LIP6 au sein des équipes LFI (https://www.lip6.fr/recherche/team.php?acronyme=LFI) et MOCAH (https://www.lip6.fr/recherche/team.php?acronyme=MOCAH). Il sera encadré par Marie-Jeanne Lesot et Sébastien Lallé. Le stage se déroulera en présentiel sur le campus (4 Place Jussieu 75005 Paris), avec une possibilité de distanciel partiel. Le début du stage est souhaité vers février-mars 2023.
Pour candidater, merci d’envoyer un CV, un relevé de notes (M1+M2) et un email/lettre de motivation à:
• Marie-Jeanne.Lesot@lip6.fr
• sebastien.lalle@lip6.fr