2.4.1.2 Au Cameroun
Au niveau national, dans notre domaine, nous n'avons
recenséaucun article publiépar nos compatriotes.
néanmoins, nous avons recenséun groupe de jeune qui travaille
dans le domaine de Machine Learning appliquéà l'éducation
à travers leur startup nomméDES-TINY. Nous pouvons aussi citer le
COSUP (Centre d ?Orientation Scolaire, Universitaire et Professionnelle)
à travers leur plateforme
ecolesducameroun.net
qui guide en faisant
· La promotion de la « cyber-orientation »
à travers le développement d'un site in-ternet d'orientation;
· La création des synergies entre les services
nationaux d'orientation et d'emploi.
En dépit du déficit numériques des
conseillers d'orientation, ces outils que nous avons citédans cette
section sont pour la plupart payant ce qui conduit généralement
à leur non utilisation par les apprenants. En outre, beaucoup ne sont
pas contextualisés selon nos
2.5. CONCLUSION CHAPITRE 2. REVUE DE LA LITTÉRATURE
Mémoire de Master II en Informatique 48 c~NJAMEN M.
ZELKIF 2020-2021
deux sous-systèmes éducatifs. Toutes ces raisons
ont motivées notre désire d'automatiser cette tâche
d'orientation qui est d'une importance capitale dans la concrétisation
des objectifs de l'éducation qui ne sont rien d'autres que la
réussite. Ce procédérevient à résoudre un
problème de prédiction ou de recommandation.
D'oùl'importance de donner au système éducatif la
capacitéd'apprendre à recommander à partir des exemples
existants sans être explicitement programmé. Cette façon de
faire est le Machine Learning (Apprentissage Automatique)
appliquéà l'éducation plus précisément
à l'orientation scolaire.
2.4.2 L'aide à la décision
L'évolution des techniques de fouilles de
données, ainsi que l'accroissement des capacités de stockage et
de calcul suscite, dans tous les domaines, un intérêt pour les
données
produites. En ce sens, le domaine de l'éducation ne fait
pas exception. Au vu de la quantitéde données
créées lors de l'écriture des différents programmes
de gestion des notes, des
logiciels de gestions d'établissement, afin de
capitaliser les connaissances sur ces données académiques et de
faciliter l'aide à la décision, l'application de techniques de
fouille de données est considérée comme la solution
incontournable selon Emeric et al. [37].
L'apprentissage amélioréest l'application de
technologies de l'information et de la communication pour l'enseignement et
apprentissage. Les systèmes de recommandation (RS) sont des outils
logiciels basés sur l'apprentissage automatique (Machine Learning) et
les techniques de récupération des informations (Data Mining) qui
fournissent des recommandations pour des éléments potentiellement
utiles dans l'intérêt de quelqu'un Hanaa et al. [6]. Les
systèmes de recommandations se basent sur des données encore
appelés data-set.
| 
