Combler le fossé de l'alphabétisation grâce à l'IA et à l'Eye tracking

Une réussite de Lexplore et Tobii

Je trouve étonnant que même certains des pays les plus riches du monde n'aient pas été en mesure de résoudre le problème des enfants qui quittent l'école primaire avec de faibles capacités de lecture. Malgré les connaissances, le matériel et les ressources auxquels nous avons accès, certains enfants passent encore à travers les mailles du filet. Des enfants qui continueront à rencontrer des difficultés d'apprentissage tout au long de leur vie, ce qui se traduira par une faible estime de soi et un bien-être inférieur à la moyenne. Pourtant, avec une intervention adéquate au bon moment, le problème peut être résolu.

L'une des causes profondes est l'absence d'une approche systématique du développement de la lecture et d'objectifs communs - des problèmes qui ne peuvent pas être résolus en jetant plus de ressources dans le mélange, mais pour lesquels la transformation numérique est idéale. C'est ce que Lexplore, l'un de nos partenaires, a entrepris de faire : utiliser l'IA et l'Eye tracking pour effectuer le travail fastidieux de dépistage et d'analyse, systématiser l'évaluation de la lecture et créer des objectifs communs afin que les enseignants puissent se concentrer sur la remédiation et le suivi.

Leur histoire a plusieurs facettes. Tout d'abord, elle révèle comment les technologies de l'IA peuvent transformer l'évaluation manuelle dans l'éducation, ainsi que dans d'autres domaines. Il s'agit d'une histoire classique de technologie au service du bien - une histoire classique sur la façon dont les startups s'appuient sur la recherche pour résoudre un problème, sur la façon dont elles parviennent à la commercialisation grâce au prototypage et à beaucoup de patience, et, ce faisant, sur la façon dont elles génèrent des connaissances. Et comme si cela ne suffisait pas, il met en évidence la manière dont l'IA et l'informatique en nuage exploitent les informations pour générer des informations plus approfondies, en faisant passer la collecte de données du laboratoire de recherche à la capture en direct.

Bien que la technologie de Tobii soit à la base de l'histoire, nous ne pouvons pas nous attribuer le mérite de ce que Lexplore a réalisé, mais sans l'eye tracking, leur solution ne pourrait pas exister. Et même si je travaille chez Tobii depuis plus d'une décennie, je suis toujours époustouflé par les choses que nos partenaires font avec ce qui est fondamentalement un appareil de mesure - même si c'est un appareil spécial.

C'est donc par là que je vais commencer - par la mesure.

Mesurer des choses

Vous connaissez probablement votre fréquence cardiaque, votre pouls maximal, la façon dont il diminue avec l'âge, et vous avez une idée approximative des valeurs qui devraient être les vôtres pour votre tranche d'âge. La fréquence cardiaque est une mesure simple mais très indicative de ce qui se passe dans votre corps. Si un athlète n'arrive pas à atteindre sa fréquence cardiaque maximale, il se peut qu'il lutte contre une infection ou qu'il soit stressé. D'autres mesures utiles sont la température corporelle, le poids, la pression artérielle, l'IMC, etc. Prises isolément, ces mesures nous donnent un aperçu momentané de notre bien-être. Nous le savons parce que de nombreuses personnes ont passé beaucoup d'heures à faire des recherches, à mesurer les gens, à observer les résultats et à fournir des preuves.

Lorsqu'ils sont mesurés de manière cohérente au fil du temps, les points de données indiquent une tendance - qui raconte souvent une histoire plus intéressante. Les pics et les creux peuvent révéler l'impact de nos actions, de ce que nous mangeons, de l'exercice physique que nous pratiquons et de notre niveau de stress. Cela ne mérite guère d'être signalé, je le sais. Mais il y a un détail important qu'il est facile de manquer, de survoler ou même d'ignorer parce qu'il semble si banal. Il s'agit du concept de cohérence, c'est-à-dire d'une mesure cohérente dans le temps.

À l'extrême, il n'est pas possible d'effectuer des mesures cohérentes car, ne serait-ce que parce que le temps change, deux mesures sont au moins différenciées par ce facteur. Mais il existe de nombreuses autres influences qui peuvent avoir un impact sur une mesure : le processus de mesure, la personne qui effectue la mesure, les outils qu'elle utilise, le degré de distraction d'une personne, son niveau de stress, l'heure de la journée, l'éclairage ambiant, la température de la pièce ou de l'air - je pense que vous avez compris ce que je veux dire. Pour que l'analyse fournisse des résultats précis, les données doivent être collectées de manière scientifique.

La meilleure façon de générer des points de données uniformes est d'utiliser une machine. Les machines - même si elles sont programmées avec des biais - mesureront toujours de la même manière, elles n'ont pas de sautes d'humeur et si vous les concevez pour résister aux fluctuations de l'environnement opérationnel, elles fourniront des ensembles de données cohérents.

Si vous pouvez facilement reproduire cette machine, vous avez créé un appareil de mesure universel capable de générer des données objectives qui transcendent les frontières, les classes sociales et les préjugés humains.

C'est ce que nous avons fait pour Lexplore. Nous leur avons fourni un appareil de mesure universel - une machine qu'ils peuvent expédier n'importe où dans le monde, qui se branche et fonctionne.

Comment savoir ce qu'il faut mesurer ?

Mais comment savoir ce qu'il faut mesurer ? Comment avons-nous découvert que la fréquence cardiaque était un signe vital ? La réponse est simple : la recherche. Il est évident qu'il faut avoir une idée, être curieux et être prêt à travailler. Nombre de nos partenaires ont des racines dans la recherche scientifique, en particulier dans les études liées aux mouvements oculaires, et Lexplore ne fait pas exception à la règle.

L'histoire commence au plus profond de la recherche la plus poussée sur les capacités de lecture et d'écriture des enfants. Menée en Suède dans les années 80, l'étude visait à mieux comprendre la dyslexie et a suivi quelque 200 enfants depuis l'âge de dix ans environ jusqu'au début de l'âge adulte. Le résultat a été un ensemble de modèles statistiques permettant d'identifier avec précision les élèves qui finiraient par avoir une faible capacité de lecture, sur la base des mouvements oculaires qu'ils généraient en lisant.

Dans une étude plus récente (2007), les scientifiques Gustav Öqvist Seimyr et Mattias Nilsson Benfatto ont construit un prototype de système d'évaluation en utilisant les modèles statistiques développés lors de la recherche initiale. Les deux scientifiques ont compris le potentiel de leur travail pour combler le fossé de l'alphabétisation - et c'est ainsi que Lexplore est né.

Du prototype à l'application

Une fois que vous avez déterminé ce que vous voulez mesurer, et que vous avez peut-être construit quelques prototypes, l'étape suivante est la commercialisation - la construction d'une application qui fonctionnera sur n'importe quelle machine, avec aussi peu de matériel supplémentaire que possible, d'une manière qui respecte les normes de sécurité et les principes de conception modernes. Lorsque Lexplore a commencé à explorer la commercialisation, la technologie de Tobii n'était pas aussi prête à l'emploi qu'elle l'est aujourd'hui, mais son niveau de précision était idéal pour que Lexplore puisse faire passer ses prototypes à l'étape suivante.

Je pense qu'il est utile de mentionner que lorsqu'ils ont commencé à construire leur solution, Lexplore a fait quelques observations fondamentales qui ont été la clé de leur succès global. La première était la facilité d'utilisation. Comme dans beaucoup d'autres secteurs, le temps est une denrée précieuse dans l'éducation. Le temps passé à des tâches administratives est du temps qui n'est pas consacré à l'enseignement. Ainsi, quelle que soit la solution qu'ils allaient proposer, Lexplore savait qu'ils devaient développer quelque chose avec une faible barrière d'entrée, mais aussi quelque chose qui offrirait une plus grande valeur que les méthodes existantes qui ont fait leurs preuves.

Le deuxième choix concerne l'architecture de leur système : ils ont opté pour une construction divisée, avec une partie du traitement et du stockage sur un PC local, mais la plupart des tâches lourdes et des analyses sont effectuées dans un nuage sécurisé, de sorte que la solution peut fonctionner sur n'importe quel PC.

Ces deux décisions ont conduit Lexplore à investir une somme importante dans la conception UX et l'optimisation des processus, en utilisant un code couleur et un système de notation unique pour fournir aux enseignants une analyse immédiate et facilement compréhensible de la capacité de lecture d'un élève.

Comprendre les données

Je ne suis pas enseignant, mais je peux dire que les résultats fournis par Lexplore sont si faciles à comprendre qu'il n'est pas nécessaire d'être, ni d'être un scientifique de haut niveau - des connaissances de base en statistiques sont cependant utiles.

Ce diagramme montre comment Lexplore traduit les mouvements oculaires microscopiques en un modèle de lecture composé de fixations (bulles) et de saccades (lignes). La taille de la fixation indique combien de temps l'élève s'attarde sur un mot. Plus la bulle est grande, plus l'élève met de temps à comprendre ce qui se trouve devant lui. Les saccades montrent comment une personne parcourt un texte d'avant en arrière. D'un simple coup d'œil, vous pouvez voir si un élève a des difficultés.

Basée sur la lecture silencieuse d'un texte et la lecture à haute voix d'un autre texte, la solution mesure la vitesse de lecture et attribue un score Lexplore unique basé sur la classe de l'élève.

Les élèves sont codés par couleur en fonction de la stanine que leur score représente. Les enseignants disposent ainsi instantanément d'un indice visuel des capacités de l'enfant. Avec un score de 390, cet élève se situe dans la stanine 5, ce qui indique une capacité de lecture moyenne pour son âge.

Il est possible de faire des comparaisons. Vous pouvez, par exemple, voir les résultats d'une classe au fil du temps et les comparer à la moyenne nationale.

Des données pour perturber

Tout tourne autour des données. Quelqu'un a dit l'autre jour au travail "les idées engendrent les idées" et bien que cela puisse paraître un peu vague, je pense que ce qu'ils voulaient dire, c'est qu'une fois que l'on commence à creuser dans les données, des modèles commencent à émerger. Mais il faut d'abord générer les données, et il faut le faire au fil du temps.

Et c'est précisément ce que Lexplore a fait. Grâce à la systématisation et à des examens réguliers, ils génèrent un historique pour chaque élève. Une fois anonymisées, ces données peuvent contribuer à des vues d'ensemble. De la même manière que nous avons développé des rythmes cardiaques sains pour différents groupes d'âge, Lexplore a généré des scores moyens pour la capacité de lecture des enfants dans différents groupes d'âge, ils peuvent comparer les écoles au sein d'une même région et créer des moyennes nationales - en fournissant l'approche systématique et les objectifs communs qui manquent aux approches traditionnelles.

Cela signifie qu'en dépistant les enfants, nous produisons également des statistiques sur l'évolution des capacités de lecture. Lexplore a, par exemple, utilisé des données en direct pour montrer la baisse réelle des capacités de lecture due à la pandémie de coronavirus.

Ce type d'informations en direct fournit aux écoles, aux conseils locaux et aux gouvernements les données dont ils ont besoin pour ajouter des ressources là où elles sont nécessaires, et non pas là où l'on suppose qu'elles sont nécessaires.

Découvrir les inconnues

La solution Lexplore offre un moyen rapide de dépister et d'analyser les capacités de lecture des écoliers. En utilisant des méthodes traditionnelles, les enseignants peuvent mettre des mois à dépister et à analyser une classe d'enfants. Avec Lexplore, cela ne prend que quelques heures. Mais ce qui est vraiment magique avec cette solution, ce sont les inconnues qu'elle révèle.

Les enseignants spécialisés sont capables d'identifier les enfants dont les capacités de lecture sont faibles (zone rouge dans les captures d'écran ci-dessus) ainsi que ceux qui excellent (aqua foncé). La difficulté réside dans la zone intermédiaire (orange), en particulier lorsqu'il s'agit d'enfants qui ont développé des capacités d'adaptation que les techniques de dépistage traditionnelles ne peuvent pas détecter. Les réactions des écoles sont encourageantes, car les enseignants qui utilisent la solution affirment qu'elle crée une culture de la lecture qui n'existait pas auparavant.

Comme Lexplore a choisi l'eye tracking comme outil de mesure fondamental, et comme les gens ne peuvent pas contrôler totalement les mouvements de leurs yeux, les évaluations basées sur les mouvements des yeux ne peuvent pas être trichées - ce qui signifie que tout un tas d'enfants ne passent plus à travers les mailles du filet du dépistage.

Pour conclure, j'aimerais exprimer ma gratitude aux chercheurs et à tous ceux qui, chez Lexplore, ont fait de cette solution une réalité. Mon seul souhait est que chaque école, partout, ait accès à des solutions comme celle-ci, afin qu'aucun enfant ne passe à travers les mailles du filet. Il reste un long chemin à parcourir et de nombreuses langues à ajouter avant d'y parvenir, mais au moins nous savons que c'est possible.

Si vous souhaitez approfondir la solution Lexplore, jetez un coup d'œil à notre étude de cas Lexplore . Vous pouvez en savoir plus sur cette entreprise étonnante sur Lexplore.com.