Literatura académica sobre el tema "Apprentissage en continu"
Crea una cita precisa en los estilos APA, MLA, Chicago, Harvard y otros
Consulte las listas temáticas de artículos, libros, tesis, actas de conferencias y otras fuentes académicas sobre el tema "Apprentissage en continu".
Junto a cada fuente en la lista de referencias hay un botón "Agregar a la bibliografía". Pulsa este botón, y generaremos automáticamente la referencia bibliográfica para la obra elegida en el estilo de cita que necesites: APA, MLA, Harvard, Vancouver, Chicago, etc.
También puede descargar el texto completo de la publicación académica en formato pdf y leer en línea su resumen siempre que esté disponible en los metadatos.
Artículos de revistas sobre el tema "Apprentissage en continu"
1
Claude, Armand. "L’éducation des adultes en Suisse : pluralisme associatif ou à la recherche d’une politique coopérative". Selon des essais de politique..., n.º 9 (25 de enero de 2016): 201–6. http://dx.doi.org/10.7202/1034732ar.
Texto completoResumen
Après avoir présenté « l’image colorée et disparate » de l’éducation des adultes en Suisse, l’auteur rappelle quelques problèmes majeurs : concurrence, éparpillement, cloisonnement social, absence de force politique et professionnelle. Son ancrage social réel devrait être complété par une politique coopérative et prospective. Enfin il présente des pistes d’action : renforcer concrètement les possibilités d’éducation extra-scolaire; élaborer une législation permettant un apprentissage continu; améliorer la qualité professionnelle des formateurs; développer la recherche.
2
Guivarch, Valérian, Valérie Camps, André Péninou y Pierre Glize. "Apprentissage comportemental en continu de dispositifs ambiants par systèmes multi-agents adaptatifs". Revue d'intelligence artificielle 29, n.º 1 (28 de febrero de 2015): 83–112. http://dx.doi.org/10.3166/ria.29.83-112.
Texto completo
3
Maillet, Bernard y Hervé Maisonneuve. "Apprentissage tout au long de la vie pour les médecins spécialistes en Europe : formation médicale continue, développement professionnel continu et qualifications". La Presse Médicale 40, n.º 4 (abril de 2011): 357–65. http://dx.doi.org/10.1016/j.lpm.2011.01.014.
Texto completo
4
Jurkova, Sinela y Shibao Guo. "Connecting Transculturalism with Transformative Learning: Toward a New Horizon of Adult Education". Alberta Journal of Educational Research 64, n.º 2 (22 de junio de 2018): 173–87. http://dx.doi.org/10.55016/ojs/ajer.v64i2.56383.
Texto completoResumen
The impact of transnational migration with activities across transnational borders has reconfigured multiple social and public identities calling for shifting to transculturalism as a theoretical framework in understanding the changing nature of adult education. Transculturalism becomes a mode of being and learning where humans interact with each other in a culturally diverse environment. Integrating different identities and connecting the global with the local, transculturalism is a learning commitment that facilitates socio-cultural adaptation and interaction in a dynamic society recognizing different worldviews. This paper offers a theoretical approach toward transculturalism as transformative learning with a focus on discussions of cultural concepts and connections with perspective transformation. The common ground between transculturalism and transformative learning is the idea of continuum, and interconnection of knowledge, skills and attitudes as an ongoing process of inquiry, thinking, reflecting, and acting. Connecting theories of transculturalism and transformative learning with our new reality of transnational mobility across the world opens new horizons for policies and practices in immigration and adult education. L’impact de la migration transnationale et les activités transfrontalières qui en découlent a reconfiguré de multiples identités sociales et publiques, provoquant ainsi une demande d’adopter le transculturalisme comme cadre théorique pour comprendre l’évolution de l’éducation des adultes. Le transculturalisme devient un mode d’être et d’apprentissage où les humains interagissent dans un milieu culturellement diversifié. Intégrant différentes identités et liant le mondial au local, le transculturalisme est un engagement à l’apprentissage qui facilite l’adaptation et l’interaction socioculturelles dans une société dynamique qui reconnait la pluralité des visions du monde. Cet article offre une approche théorique qui considère le transculturalisme comme un apprentissage transformationnel axé sur les discussions de concepts et de liens culturels visant une transformation des perspectives. Le terrain commun entre le transculturalisme et l’apprentissage transformationnel est l’idée de continuum et l’interconnexion des connaissances, habiletés et attitudes comme processus continu d’enquête, de réflexion et d’actions. Le fait de lier les théories du transculturalisme et de l’apprentissage transformationnel à notre nouvelle réalité de mobilité transnationale de par le monde ouvre de nouveaux horizons aux politiques et aux pratiques touchant l’immigration et l’éducation des adultes. Mots clés : transnationalisme, transculturalisme, apprentissage transculturel, transformation des perspectives
5
Vieille-Grosjean, Henri y Gabriel Di Patrizio. "Apprendre à l’âge adulte : entre imitation et émancipation". Phronesis 4, n.º 1 (18 de junio de 2015): 40–50. http://dx.doi.org/10.7202/1031203ar.
Texto completoResumen
Le processus d’apprentissage en FPC (Formation Professionnelle Continue) s’inscrit dans un espace/temps qui renvoie selon nous à l’agir communicationnel. Il relève d’un espace de sens, référé à la notion de passage et donc de processus. Il est bien connu aujourd’hui qu’une des modalités de l’apprentissage chez les adultes comme chez les enfants, s’appuie sur le mimétisme et l’imitation. D’autre part, le jeu des interactions fait que les apprentissages ne sont pas transmis sans une renégociation autonome et médiate de chacun des sujets « entre soi » et des sujets entre eux (apprentissage vicariant). Cette relation entre les partenaires se fondera sur des caractéristiques qui permettent de comprendre l’interprétation comme une modalité, un médium indispensable à un « apprentissage émancipateur ». Dès lors, le savoir construit, le savoir en élaboration, engage le pas vers une conversion (métanoïa) du regard de l’apprenant adulte, mais également de celui de l’appreneur, vers une autonomisation du sujet et son émancipation.
6
Luis Eduardo Hernández Coronado. "Retos y desafíos para el docente desde la mirada del sistema institucional de evaluación de los estudiantes". GACETA DE PEDAGOGÍA, n.º 40 (20 de agosto de 2021): 243–58. http://dx.doi.org/10.56219/rgp.vi40.924.
Texto completoResumen
El propósito del artículo fue analizar los retos y desafíos que demanda para el docente el Sistema Institucional de Evaluación de los Estudiantes (SIEE) en el contexto del municipio de Tierralta, Departamento de Córdoba, Colombia. Se asume el enfoque cualitativo y el diseño es documental. Los hallazgos dejan en evidencia el predominio e influencia que tienen los educadores por paradigmas tradicionales que impiden y retrasan la transformación que se desea con el SIEE; persiste la función de evaluación limitada a los resultados para la asignación de una calificación, en desconocimiento de que el sentido y los propósitos de la evaluación deben enfocarse en la obtención de información para propiciar y promover aprendizajes significativos orientados al desarrollo de la crítica reflexiva y la autonomía de los estudiantes y del resto de los actores escolares. Por lo que se puede concluir, de acuerdo con los resultados, que la evaluación está lejos de ser asumida como un proceso continuo, flexible, participativo e integrador.
ABSTRACT
The purpose of the article is to analyze the challenges that the Institutional Student Assessment System (SIEE) demands for teachers. The qualitative approach is assumed and the design is documentary. The findings show the predominance and influence that educators have by traditional paradigms that prevent and delay the transformation that is desired with the SIEE; The evaluation function limited to the results for the assignment of a qualification persists, in ignorance that the meaning and purposes of the evaluation should focus on obtaining information to propitiate and promote significant learning oriented to the development of reflective criticism and autonomy of the students and the rest of the school actors. Therefore, it can be concluded, according to the results, that the evaluation is far from being assumed as a continuous, flexible, participatory and inclusive process.
Key words: evaluation, Institutional Student Evaluation System, teacher.
RESUMÉ
Le but de cet article est d'analyser les défis que le système institutionnel d'évaluation des élèves (SIEE) demande aux enseignants. L'approche qualitative est assumée et la conception est documentaire. Les résultats montrent la prédominance et l'influence qu'ont les éducateurs par les paradigmes traditionnels qui empêchent et retardent la transformation souhaitée avec le SIEE; La fonction d'évaluation limitée aux résultats pour l'attribution d'une qualification persiste, dans l'ignorance que le sens et les objectifs de l'évaluation doivent se concentrer sur l'obtention d'informations pour favoriser et promouvoir un apprentissage significatif orienté vers le développement de la critique réflexive et l'autonomie des étudiants et des reste des acteurs de l'école. Par conséquent, on peut conclure, d'après les résultats, que l'évaluation est loin d'être considérée comme un processus continu, flexible, participatif et inclusif.
Mots clés: évaluation, système d'évaluation des étudiants institutionnels, docent
7
Resnik, Salomon. "Transmission et apprentissage". Revue de psychothérapie psychanalytique de groupe 21, n.º 1 (1993): 25–41. http://dx.doi.org/10.3406/rppg.1993.1200.
Texto completoResumen
Trasmision y aprendizaje. A través de este escrito he querido aclarar mi manera de ver el problema de la formación en general. Estoy convencido que para ser un buen psicoanalista de grupo, hay que haber tenido una buena formación psicoanalítica. Lo mismo que se aconseja la observación de los recién nacidos para la formacion de los psicoanalistas en Inglaterra, ¿ no se podría concebir también una experiencia complementary de grupo afin de completar la formación ? No se puede enseñar, es decir transmitir, lo que no se ha aprendido : de la misma manera, no se acaba nunca de aprender, la formación es permanente. La práctica del psicoanálisis individual y grupal es en sí misma una formacion continua, en la cual siempre se puede continuar a aprender nuestro difícil doble oficio de paciente y de psicoanalista.
8
Lentillon-Kaestner, Vanessa y Magali Bovas. "Des évaluations pour les apprentissages en badminton". L'Education physique en mouvement, n.º 8 (17 de diciembre de 2022): 19–24. http://dx.doi.org/10.26034/vd.epm.2022.3552.
Texto completoResumen
La mise en place de séquences d’enseignement « évaluations pour les apprentissages » avec implication des élèves dans le processus d’évaluation (auto- et co-évaluations) permet de rendre l’élève acteur de ses apprentissages et constitue un moyen de développer des compétences autres que motrices en éducation physique, et notamment des compétences psychosociales. Après une présentation des appuis théoriques en lien notamment avec les compétences psychosociales et les « évaluations pour les apprentissages », nous présentons une séquence « évaluation pour les apprentissages » en badminton développée et testée dans le canton de Vaud avec des élèves de secondaire 1 et quelques outils et exercices sélectionnés pouvant contribuer au développement de compétences psychosociales. Cette séquence est en phase d’amélioration en lien avec les résultats de l’étude. Nous allons prochainement développer d’autres séquences dans d’autres activités basées sur les mêmes principes et accompagnées d’actions de formation initiale et continue.
9
Fontaine, Sylvie, Lorraine Savoie-Zajc y Alain Cadieux. "L’impact des CAP sur le développement de la compétence des enseignants en évaluation des apprentissages". Éducation et francophonie 41, n.º 2 (18 de diciembre de 2013): 10–34. http://dx.doi.org/10.7202/1021025ar.
Texto completoResumen
L’automne 2011, trois communautés d’apprentissage professionnelles (CAP) ont été mises sur pied avec, pour thématique, l’évaluation des apprentissages. Ces CAP visaient à consolider la compétence en évaluation des apprentissages chez les enseignants en exercice, à soutenir ces derniers dans l’ajustement de leurs pratiques en évaluation et à susciter une dynamique de coformation entre les enseignants participant aux CAP. Cette recherche, de type formation, adopte une approche mixte et s’appuie sur le modèle d’évaluation de la formation continue de Guskey (2000) pour déterminer l’impact des CAP sur le développement de la compétence en évaluation des apprentissages. Les résultats indiquent que tous les enseignants des trois CAP ont consolidé leurs compétences en évaluation de manière significative et qu’un gain plus important a été noté pour les enseignants du secondaire. Les apprentissages réalisés sont surtout de nature cognitive. Parmi les apprentissages classés sous la dimension affective, c’est le partage des pratiques qui retient l’attention des participants. De plus, le choix d’avoir opté pour des CAP constituées de participants venant de plusieurs commissions scolaires a certainement contribué à élargir leurs perspectives grâce à la richesse des expertises et des milieux convoqués.
10
PESQUEIRA, F., C. RENOUX y D. MALLET. "DEVELOPPEMENT DE LA COMPETENCE "RELATION, COMMUNICATION, APPROCHE CENTREE PATIENT" EN STAGE DANS UNE STRUCTURE DE SOINS PALLIATIFS". EXERCER 33, n.º 180 (1 de febrero de 2022): 88–94. http://dx.doi.org/10.56746/exercer.2022.180.88.
Texto completoResumen
Contexte. La compétence « relation, communication, approche centrée patient » a une place centrale dans l’exercice de la médecine générale, mais son apprentissage est souvent complexe. En DES de médecine générale, les internes peuvent effectuer un stage de 6 mois dans une structure de soins palliatifs au titre du stage libre. En 2018, une étude qualitative a montré une progression perçue par les étudiants dans leur compétence relationnelle en suggérant une transférabilité possible dans l’exercice de la médecine générale. Objectif. Identifier selon les étudiants de médecine générale les éléments d’amélioration de la compétence « relation, communication, approche centrée patient » au cours d’un stage en soins palliatifs. Méthode. Étude qualitative par entretiens semi-dirigés jusqu’à saturation des données : retranscription écrite intégrale avec anonymisation, analyse thématique de contenu, débat contradictoire de l’analyse entre 2 chercheurs et thématisation continue au fur et à mesure des entretiens. Résultats. Douze entretiens ont été réalisés. Une progression de la compétence « relation, communication, approche centrée patient » était décrite par le développement d’habiletés communicationnelles, un investissement dans la relation générant des émotions et une reconnaissance de l’altérité du patient. Un plus grand recours à la compétence relationnelle et une pratique renforcée de la collégialité en médecine générale étaient rapportés, malgré la contrainte temporelle. Cet apprentissage était favorisé par une démarche pédagogique adaptée au lieu de stage et articulée avec la pédagogie du DUMG. Conclusion. De nombreuses initiatives sont déjà prises pour faciliter l’acquisition de la compétence relationnelle et communicationnelle par les étudiants. L’enjeu est de poursuivre l’investissement dans la formation avec une pluralité de propositions adaptées aux apprenants et aux formateurs.
Tesis sobre el tema "Apprentissage en continu"
1
Munos, Rémi. "Apprentissage par renforcement, étude du cas continu". Paris, EHESS, 1997. http://www.theses.fr/1997EHESA021.
Texto completoResumen
Le probleme aborde est comment concevoir des methodes permettant a des systemes artificiels d' << apprendre par l'experience >>, c'est a dire de resoudre une tache sans etre explicitement programme pour cela, mais seulement a partir du schema d'apprentissage : essais -> erreur ou succes ii s'agit de definir des methodes, sous forme d'algorithmes, permettant la modification des parametres internes du systeme afin de definir des prises de decisions pertinentes. L'approche developpee est celle de << l'apprentissage par renforcement >> qui se definit naturellement sous la forme d'un probleme de controle optimal pour lequel les donnees de la dynamique d'etat sont a priori (au moins partiellement) inconnues du systeme. Cette these est une etude formelle du cas ou l'espace des etats possibles ainsi que le temps auquel les decisions sont prises sont des variable continues ; la preoccupation majeure de ce travail etant l'etude de la convergences des methodes employees. Nous decrivons le formalisme du controle optimal et presentons la methode de la programmation dynamique : definition de la fonction valeur et enonce l'equation de hamiltonjacobi-bellman associee. Nous introduisons les notions desolutions de viscosite et decrivons des methodes d'approximation numeriques a partir de schemas convergents. Puis nous donnons un theoreme de convergence d'algorithmes bases sur les schemas precedents -ce qui represente la contribution majeure de ce travail. Ce theoreme fournit une methode tres generale pour concevoir des algorithmes d'apprentissage par renforcement convergents. Enfin nous illustrons la methode avec divers exemples d'algorithmes varies portant sur des dynamiques d'etat deterministes ou stochastiques, selon des methodes dites directes ou indirectes et a partir de schemas bases sur des methodes aux differences finies ou aux elements finis.
2
Sors, Arnaud. "Apprentissage profond pour l'analyse de l'EEG continu". Thesis, Université Grenoble Alpes (ComUE), 2018. http://www.theses.fr/2018GREAS006/document.
Texto completoResumen
Ces travaux de recherche visent à développer des méthodes d’apprentissage automatique pour l’analyse de l’électroencéphalogramme (EEG) continu. L’EEG continu est une modalité avantageuse pour l’évaluation fonctionnelle des états cérébraux en réanimation ou pour d’autres applications. Cependant son utilisation aujourd’hui demeure plus restreinte qu’elle ne pourrait l’être, car dans la plupart des cas l’interprétation est effectuée visuellement par des spécialistes.Les sous-parties de ce travail s’articulent autour de l’évaluation pronostique du coma post-anoxique, choisie comme application pilote. Un petit nombre d’enregistrement longue durée a été réalisé, et des enregistrements existants ont été récupérés au CHU Grenoble.Nous commençons par valider l’efficacité des réseaux de neurones profonds pour l’analyse EEG d’échantillons bruts. Nous choisissons à cet effet de travailler sur la classification de stades de sommeil. Nous utilisons un réseau de neurones convolutionnel adapté pour l’EEG que nous entrainons et évaluons sur le jeu de données SHHS (Sleep Heart Health Study). Cela constitue le premier system neuronal à cette échelle (5000 patients) pour l’analyse du sommeil. Les performances de classification atteignent ou dépassent l’état de l’art.En utilisation réelle, pour la plupart des applications cliniques le défi principal est le manque d’annotations adéquates sur les patterns EEG ou sur de court segments de données (et la difficulté d’en établir). Les annotations disponibles sont généralement haut niveau (par exemple, le devenir clinique) est sont donc peu nombreuses. Nous recherchons comment apprendre des représentations compactes de séquences EEG de façon non-supervisée/semi-supervisée. Le domaine de l’apprentissage non supervisé est encore jeune. Pour se comparer aux travaux existants nous commençons avec des données de type image, et investiguons l’utilisation de réseaux adversaires génératifs (GANs) pour l’apprentissage adversaire non-supervisé de représentations. La qualité et la stabilité de différentes variantes sont évaluées. Nous appliquons ensuite un GAN de Wasserstein avec pénalité sur les gradients à la génération de séquences EEG. Le système, entrainé sur des séquences mono-piste de patients en coma post anoxique, est capable de générer des séquences réalistes. Nous développons et discutons aussi des idées originales pour l’apprentissage de représentations en alignant des distributions dans l’espace de sortie du réseau représentatif.Pour finir, les signaux EEG multipistes ont des spécificités qu’il est souhaitable de prendre en compte dans les architectures de caractérisation. Chaque échantillon d’EEG est un mélange instantané des activités d’un certain nombre de sources. Partant de ce constat nous proposons un système d’analyse composé d’un sous-système d’analyse spatiale suivi d’un sous-système d’analyse temporelle. Le sous-système d’analyse spatiale est une extension de méthodes de séparation de sources construite à l’aide de couches neuronales avec des poids adaptatifs pour la recombinaison des pistes, c’est à dire que ces poids ne sont pas appris mais dépendent de caractéristiques du signal d’entrée. Nous montrons que cette architecture peut apprendre à réaliser une analyse en composantes indépendantes, si elle est entrainée sur une mesure de non-gaussianité. Pour l’analyse temporelle, des réseaux convolutionnels classiques utilisés séparément sur les pistes recombinées peuvent être utilisésThe objective of this research is to explore and develop machine learning methods for the analysis of continuous electroencephalogram (EEG). Continuous EEG is an interesting modality for functional evaluation of cerebral state in the intensive care unit and beyond. Today its clinical use remains more limited that it could be because interpretation is still mostly performed visually by trained experts. In this work we develop automated analysis tools based on deep neural models.The subparts of this work hinge around post-anoxic coma prognostication, chosen as pilot application. A small number of long-duration records were performed and available existing data was gathered from CHU Grenoble. Different components of a semi-supervised architecture that addresses the application are imagined, developed, and validated on surrogate tasks.First, we validate the effectiveness of deep neural networks for EEG analysis from raw samples. For this we choose the supervised task of sleep stage classification from single-channel EEG. We use a convolutional neural network adapted for EEG and we train and evaluate the system on the SHHS (Sleep Heart Health Study) dataset. This constitutes the first neural sleep scoring system at this scale (5000 patients). Classification performance reaches or surpasses the state of the art.In real use for most clinical applications, the main challenge is the lack of (and difficulty of establishing) suitable annotations on patterns or short EEG segments. Available annotations are high-level (for example, clinical outcome) and therefore they are few. We search how to learn compact EEG representations in an unsupervised/semi-supervised manner. The field of unsupervised learning using deep neural networks is still young. To compare to existing work we start with image data and investigate the use of generative adversarial networks (GANs) for unsupervised adversarial representation learning. The quality and stability of different variants are evaluated. We then apply Gradient-penalized Wasserstein GANs on EEG sequences generation. The system is trained on single channel sequences from post-anoxic coma patients and is able to generate realistic synthetic sequences. We also explore and discuss original ideas for learning representations through matching distributions in the output space of representative networks.Finally, multichannel EEG signals have specificities that should be accounted for in characterization architectures. Each EEG sample is an instantaneous mixture of the activities of a number of sources. Based on this statement we propose an analysis system made of a spatial analysis subsystem followed by a temporal analysis subsystem. The spatial analysis subsystem is an extension of source separation methods built with a neural architecture with adaptive recombination weights, i.e. weights that are not learned but depend on features of the input. We show that this architecture learns to perform Independent Component Analysis if it is trained on a measure of non-gaussianity. For temporal analysis, standard (shared) convolutional neural networks applied on separate recomposed channels can be used
3
Zimmer, Matthieu. "Apprentissage par renforcement développemental". Thesis, Université de Lorraine, 2018. http://www.theses.fr/2018LORR0008/document.
Texto completoResumen
L'apprentissage par renforcement permet à un agent d'apprendre un comportement qui n'a jamais été préalablement défini par l'homme. L'agent découvre l'environnement et les différentes conséquences de ses actions à travers des interactions avec celui-ci : il apprend de sa propre expérience, sans avoir de connaissances préétablies des buts ni des effets de ses actions. Cette thèse s'intéresse à la façon dont l'apprentissage profond peut aider l'apprentissage par renforcement à gérer des espaces continus et des environnements ayant de nombreux degrés de liberté dans l'optique de résoudre des problèmes plus proches de la réalité. En effet, les réseaux de neurones ont une bonne capacité de mise à l'échelle et un large pouvoir de représentation. Ils rendent possible l'approximation de fonctions sur un espace continu et permettent de s'inscrire dans une approche développementale nécessitant peu de connaissances a priori sur le domaine. Nous cherchons comment réduire l'expérience nécessaire à l'agent pour atteindre un comportement acceptable. Pour ce faire, nous avons proposé le cadre Neural Fitted Actor-Critic qui définit plusieurs algorithmes acteur-critique efficaces en données. Nous examinons par quels moyens l'agent peut exploiter pleinement les transitions générées par des comportements précédents en intégrant des données off-policy dans le cadre proposé. Finalement, nous étudions de quelle manière l'agent peut apprendre plus rapidement en tirant parti du développement de son corps, en particulier, en procédant par une augmentation progressive de la dimensionnalité de son espace sensorimoteurReinforcement learning allows an agent to learn a behavior that has never been previously defined by humans. The agent discovers the environment and the different consequences of its actions through its interaction: it learns from its own experience, without having pre-established knowledge of the goals or effects of its actions. This thesis tackles how deep learning can help reinforcement learning to handle continuous spaces and environments with many degrees of freedom in order to solve problems closer to reality. Indeed, neural networks have a good scalability and representativeness. They make possible to approximate functions on continuous spaces and allow a developmental approach, because they require little a priori knowledge on the domain. We seek to reduce the amount of necessary interaction of the agent to achieve acceptable behavior. To do so, we proposed the Neural Fitted Actor-Critic framework that defines several data efficient actor-critic algorithms. We examine how the agent can fully exploit the transitions generated by previous behaviors by integrating off-policy data into the proposed framework. Finally, we study how the agent can learn faster by taking advantage of the development of his body, in particular, by proceeding with a gradual increase in the dimensionality of its sensorimotor space
4
Zimmer, Matthieu. "Apprentissage par renforcement développemental". Electronic Thesis or Diss., Université de Lorraine, 2018. http://www.theses.fr/2018LORR0008.
Texto completoResumen
L'apprentissage par renforcement permet à un agent d'apprendre un comportement qui n'a jamais été préalablement défini par l'homme. L'agent découvre l'environnement et les différentes conséquences de ses actions à travers des interactions avec celui-ci : il apprend de sa propre expérience, sans avoir de connaissances préétablies des buts ni des effets de ses actions. Cette thèse s'intéresse à la façon dont l'apprentissage profond peut aider l'apprentissage par renforcement à gérer des espaces continus et des environnements ayant de nombreux degrés de liberté dans l'optique de résoudre des problèmes plus proches de la réalité. En effet, les réseaux de neurones ont une bonne capacité de mise à l'échelle et un large pouvoir de représentation. Ils rendent possible l'approximation de fonctions sur un espace continu et permettent de s'inscrire dans une approche développementale nécessitant peu de connaissances a priori sur le domaine. Nous cherchons comment réduire l'expérience nécessaire à l'agent pour atteindre un comportement acceptable. Pour ce faire, nous avons proposé le cadre Neural Fitted Actor-Critic qui définit plusieurs algorithmes acteur-critique efficaces en données. Nous examinons par quels moyens l'agent peut exploiter pleinement les transitions générées par des comportements précédents en intégrant des données off-policy dans le cadre proposé. Finalement, nous étudions de quelle manière l'agent peut apprendre plus rapidement en tirant parti du développement de son corps, en particulier, en procédant par une augmentation progressive de la dimensionnalité de son espace sensorimoteurReinforcement learning allows an agent to learn a behavior that has never been previously defined by humans. The agent discovers the environment and the different consequences of its actions through its interaction: it learns from its own experience, without having pre-established knowledge of the goals or effects of its actions. This thesis tackles how deep learning can help reinforcement learning to handle continuous spaces and environments with many degrees of freedom in order to solve problems closer to reality. Indeed, neural networks have a good scalability and representativeness. They make possible to approximate functions on continuous spaces and allow a developmental approach, because they require little a priori knowledge on the domain. We seek to reduce the amount of necessary interaction of the agent to achieve acceptable behavior. To do so, we proposed the Neural Fitted Actor-Critic framework that defines several data efficient actor-critic algorithms. We examine how the agent can fully exploit the transitions generated by previous behaviors by integrating off-policy data into the proposed framework. Finally, we study how the agent can learn faster by taking advantage of the development of his body, in particular, by proceeding with a gradual increase in the dimensionality of its sensorimotor space
5
Lefort, Mathieu. "Apprentissage spatial de corrélations multimodales par des mécanismes d'inspiration corticale". Phd thesis, Université Nancy II, 2012. http://tel.archives-ouvertes.fr/tel-00756687.
Texto completoResumen
Cette thèse traite de la problématique de l'unification de différents flux d'informations modales qui peuvent provenir des senseurs d'un agent. Cette unification, inspirée des expériences psychologiques comme l'effet ventriloque, s'appuie sur la détection de corrélations, définies comme des motifs spatiaux qui apparaissent régulièrement dans les flux d'entrée. L'apprentissage de l'espace des corrélations du flux d'entrée échantillonne cet espace et généralise les échantillons appris. Cette thèse propose des principes fonctionnels pour le traitement multimodal de l'information qui ont aboutit à l'architecture connexionniste, générique, modulaire et cortico-inspirée SOMMA (Self-Organizing Maps for Multimodal Association). Dans ce modèle, le traitement de chaque modalité s'effectue au sein d'une carte corticale. L'unification multimodale de l'information est obtenue par la mise en relation réciproque de ces cartes. L'échantillonnage et la généralisation des corrélations reposent sur une auto-organisation contrainte des cartes. Ce modèle est caractérisé par un apprentissage progressif de ces propriétés fonctionnelles: les propriétés monomodales amorcent l'émergence des propriétés multimodales et, dans le même temps, l'apprentissage de certaines corrélations par chaque carte est un préalable à l'auto-organisation de ces cartes. Par ailleurs, l'utilisation d'une architecture connexionniste et d'un apprentissage continu et non supervisé fournit au modèle des propriétés de robustesse et d'adaptabilité qui sont généralement absentes des approches informatiques classiques.
6
Mainsant, Marion. "Apprentissage continu sous divers scénarios d'arrivée de données : vers des applications robustes et éthiques de l'apprentissage profond". Electronic Thesis or Diss., Université Grenoble Alpes, 2023. http://www.theses.fr/2023GRALS045.
Texto completoResumen
Le cerveau humain reçoit en continu des informations en provenance de stimuli externes. Il a alors la capacité de s’adapter à de nouvelles connaissances tout en conservant une mémoire précise de la connaissance apprise par le passé. De plus en plus d’algorithmes d’intelligence artificielle visent à apprendre des connaissances à la manière d’un être humain. Ils doivent alors être mis à jour sur des données variées arrivant séquentiellement et disponibles sur un temps limité. Cependant, un des verrous majeurs de l’apprentissage profond réside dans le fait que lors de l’apprentissage de nouvelles connaissances, les anciennes sont quant-à-elles perdues définitivement, c’est ce que l’on appelle « l’oubli catastrophique ». De nombreuses méthodes ont été proposées pour répondre à cette problématique, mais celles-ci ne sont pas toujours applicables à une mise en situation réelle car elles sont construites pour obtenir les meilleures performances possibles sur un seul scénario d’arrivée de données à la fois. Par ailleurs, les meilleures méthodes existant dans l’état de l’art sont la plupart du temps ce que l’on appelle des méthodes à « rejeu de données » qui vont donc conserver une petite mémoire du passé, posant ainsi un problème dans la gestion de la confidentialité des données ainsi que dans la gestion de la taille mémoire disponible.Dans cette thèse, nous proposons d’explorer divers scénarios d’arrivée de données existants dans la littérature avec, pour objectif final, l’application à la reconnaissance faciale d’émotion qui est essentielle pour les interactions humain-machine. Pour cela nous présenterons l’algorithme Dream Net – Data-Free qui est capable de s’adapter à un vaste nombre de scenarii d’arrivée des données sans stocker aucune donnée passée. Cela lui permet donc de préserver la confidentialité des données apprises. Après avoir montré la robustesse de cet algorithme comparé aux méthodes existantes de l’état de l’art sur des bases de données classiques de la vision par ordinateur (Mnist, Cifar-10, Cifar-100 et Imagenet-100), nous verrons qu’il fonctionne également sur des bases de données de reconnaissance faciale d’émotions. En s’appuyant sur ces résultats, nous proposons alors un démonstrateur embarquant l’algorithme sur une carte Nvidia Jetson nano. Enfin nous discuterons la pertinence de notre approche pour la réduction des biais en intelligence artificielle ouvrant ainsi des perspectives vers une IA plus robuste et éthiqueThe human brain continuously receives information from external stimuli. It then has the ability to adapt to new knowledge while retaining past events. Nowadays, more and more artificial intelligence algorithms aim to learn knowledge in the same way as a human being. They therefore have to be able to adapt to a large variety of data arriving sequentially and available over a limited period of time. However, when a deep learning algorithm learns new data, the knowledge contained in the neural network overlaps old one and the majority of the past information is lost, a phenomenon referred in the literature as catastrophic forgetting. Numerous methods have been proposed to overcome this issue, but as they were focused on providing the best performance, studies have moved away from real-life applications where algorithms need to adapt to changing environments and perform, no matter the type of data arrival. In addition, most of the best state of the art methods are replay methods which retain a small memory of the past and consequently do not preserve data privacy.In this thesis, we propose to explore data arrival scenarios existing in the literature, with the aim of applying them to facial emotion recognition, which is essential for human-robot interactions. To this end, we present Dream Net - Data-Free, a privacy preserving algorithm, able to adapt to a large number of data arrival scenarios without storing any past samples. After demonstrating the robustness of this algorithm compared to existing state-of-the-art methods on standard computer vision databases (Mnist, Cifar-10, Cifar-100 and Imagenet-100), we show that it can also adapt to more complex facial emotion recognition databases. We then propose to embed the algorithm on a Nvidia Jetson nano card creating a demonstrator able to learn and predict emotions in real-time. Finally, we discuss the relevance of our approach for bias mitigation in artificial intelligence, opening up perspectives towards a more ethical AI
7
Lesort, Timothée. "Continual Learning : Tackling Catastrophic Forgetting in Deep Neural Networks with Replay Processes". Thesis, Institut polytechnique de Paris, 2020. http://www.theses.fr/2020IPPAE003.
Texto completoResumen
Les humains apprennent toute leur vie. Ils accumulent des connaissances à partir d'une succession d'expériences d'apprentissage et en mémorisent les aspects essentiels sans les oublier. Les réseaux de neurones artificiels ont des difficultés à apprendre dans de telles conditions. Ils ont en général besoin d'ensembles de données rigoureusement préparés pour pouvoir apprendre à résoudre des problèmes comme de la classification ou de la régression. En particulier, lorsqu'ils apprennent sur des séquences d'ensembles de données, les nouvelles expériences leurs font oublier les anciennes. Ainsi, ils sont souvent incapables d'appréhender des scénarios réels tels ceux de robots autonomes apprenant en temps réel à s'adapter à de nouvelles situations et devant résoudre des problèmes sans oublier leurs expériences passées.L'apprentissage continu est une branche de l'apprentissage automatique s'attaquant à ce type de scénarios. Les algorithmes continus sont créés pour apprendre des connaissances, les enrichir et les améliorer au cours d'un curriculum d'expériences d'apprentissage.Dans cette thèse, nous proposons d'explorer l'apprentissage continu avec rejeu de données. Les méthodes de rejeu de données rassemblent les méthodes de répétitions et les méthodes de rejeu par génération. Le rejeu par génération consiste à utiliser un réseau de neurones auxiliaire apprenant à générer les données actuelles. Ainsi plus tard le réseau auxiliaire pourra être utilisé pour régénérer des données du passé et les remémorer au modèle principal. La répétition a le même objectif, mais cette méthode sauve simplement des images spécifiques et les rejoue plus tard au modèle principal pour éviter qu'il ne les oublie. Les méthodes de rejeu permettent de trouver un compromis entre l'optimisation de l'objectif d'apprentissage actuel et ceux du passé. Elles permettent ainsi d'apprendre sans oublier sur des séquences de tâches.Nous montrons que ces méthodes sont prometteuses pour l'apprentissage continu.En particulier, elles permettent la réévaluation des données du passé avec des nouvelles connaissances et de confronter des données issues de différentes expériences. Nous démontrons la capacité des méthodes de rejeu à apprendre continuellement à travers des tâches d'apprentissage non-supervisées, supervisées et de renforcementsHumans learn all their life long. They accumulate knowledge from a sequence of learning experiences and remember the essential concepts without forgetting what they have learned previously. Artificial neural networks struggle to learn similarly. They often rely on data rigorously preprocessed to learn solutions to specific problems such as classification or regression.In particular, they forget their past learning experiences if trained on new ones.Therefore, artificial neural networks are often inept to deal with real-lifesuch as an autonomous-robot that have to learn on-line to adapt to new situations and overcome new problems without forgetting its past learning-experiences.Continual learning (CL) is a branch of machine learning addressing this type of problems.Continual algorithms are designed to accumulate and improve knowledge in a curriculum of learning-experiences without forgetting.In this thesis, we propose to explore continual algorithms with replay processes.Replay processes gather together rehearsal methods and generative replay methods.Generative Replay consists of regenerating past learning experiences with a generative model to remember them. Rehearsal consists of saving a core-set of samples from past learning experiences to rehearse them later. The replay processes make possible a compromise between optimizing the current learning objective and the past ones enabling learning without forgetting in sequences of tasks settings.We show that they are very promising methods for continual learning. Notably, they enable the re-evaluation of past data with new knowledge and the confrontation of data from different learning-experiences. We demonstrate their ability to learn continually through unsupervised learning, supervised learning and reinforcement learning tasks
8
Lefort, Mathieu. "Apprentissage spatial de corrélations multimodales par des mécanismes d'inspiration corticale". Electronic Thesis or Diss., Université de Lorraine, 2012. http://www.theses.fr/2012LORR0106.
Texto completoResumen
Cette thèse traite de la problématique de l'unification de différents flux d'informations modales qui peuvent provenir des senseurs d'un agent. Cette unification, inspirée des expériences psychologiques comme l'effet ventriloque, s'appuie sur la détection de corrélations, définies comme des motifs spatiauxqui apparaissent régulièrement dans les flux d'entrée. L'apprentissage de l'espace des corrélations du flux d'entrée échantillonne cet espace et généralise les échantillons appris. Cette thèse propose des principes fonctionnels pour le traitement multimodal de l'information qui ont aboutit à l'architectureconnexionniste, générique, modulaire et cortico-inspirée SOMMA (Self-Organizing Maps for Multimodal Association). Dans ce modèle, le traitement de chaque modalité s'effectue au sein d'une carte corticale. L'unification multimodale de l'information est obtenue par la mise en relation réciproque de ces cartes.L'échantillonnage et la généralisation des corrélations reposent sur une auto-organisation contrainte des cartes. Ce modèle est caractérisé par un apprentissage progressif de ces propriétés fonctionnelles : les propriétés monomodales amorcent l'émergence des propriétés multimodales et, dans le même temps, l'apprentissagede certaines corrélations par chaque carte est un préalable à l'auto-organisation de ces cartes. Par ailleurs, l'utilisation d'une architecture connexionniste et d'un apprentissage continu et non supervisé fournit au modèle des propriétés de robustesse et d'adaptabilité qui sont généralement absentes des approches informatiques classiquesThis thesis focuses on unifying multiple modal data flows that may be provided by sensors of an agent. This unification, inspired by psychological experiments like the ventriloquist effect, is based on detecting correlations which are defined as temporally recurrent spatial patterns that appear in the input flows. Learning of the input flow correlations space consists on sampling this space and generalizing theselearned samples. This thesis proposed some functional paradigms for multimodal data processing, leading to the connectionist, generic, modular and cortically inspired architecture SOMMA (Self-Organizing Maps for Multimodal Association). In this model, each modal stimulus is processed in a cortical map. Interconnectionof these maps provides an unifying multimodal data processing. Sampling and generalization of correlations are based on the constrained self-organization of each map. The model is characterised by a gradual emergence of these functional properties : monomodal properties lead to the emergence of multimodal ones and learning of correlations in each map precedes self-organization of these maps.Furthermore, the use of a connectionist architecture and of on-line and unsupervised learning provides plasticity and robustness properties to the data processing in SOMMA. Classical artificial intelligence models usually miss such properties
9
Oulhadj, Hamouche. "Des primitives aux lettres : une méthode structurelle de reconnaissance en ligne de mots d'écriture cursive manuscrite avec un apprentissage continu". Paris 12, 1990. http://www.theses.fr/1990PA120045.
Texto completoResumen
Depuis des années, la communication homme-machine par l'intermédiaire de l'écriture naturelle se heurte, sans succès, au problème complexe de la diversité des formes a identifier. Pour appréhender un tel problème, une nouvelle méthode de reconnaissance structurelle et analytique est proposée. L'approche développée est fondée sur des primitives topologiques insensibles a certaines variations de traces (changement de position et d'échelle, inclinaisons des lettres). Elle assume l'hypothèse d'existence d'un modèle collectif d'écriture que chacun reproduit avec une déformation propre. Ce modèle générique permet de considérer que tout mot écrit par un scripteur donne peut être assimilé a une séquence de lettres prototypes plus ou moins dégénérées. Ainsi, l'information nécessaire à la description d'une lettre repose non seulement sur les primitives représentant cette lettre mais aussi sur l'évaluation du taux de dégénérescence susceptible d'affecter cette lettre en cours de trace. Dans l'approche développée, le problème très délicat de la segmentation du mot est également soulevé. Pour effectuer une segmentation qui correspond exactement aux lettres à reconnaître, une méthode de segmentation intelligente, basée sur une stratégie de prédiction-vérification est proposée. Cette méthode permet de combiner la segmentation du mot et la reconnaissance des lettres dans une opération unique, évitant la segmentation a priori qui est source d'erreurs potentielles. Ces différentes propriétés, renforcées par divers types de connaissances relatives au langage écrit, sont a l'origine des bonnes performances du système étudié
10
Douillard, Arthur. "Continual Learning for Computer Vision". Electronic Thesis or Diss., Sorbonne université, 2022. http://www.theses.fr/2022SORUS165.
Texto completoResumen
Depuis le début des années 2010 la recherche en apprentissage automatique a orienté son attention vers les efficaces réseaux de neurones profonds. Plus particulièrement, toutes les tâches de vision par ordinateur utilisent désormais des réseaux convolutionnels. Ces modèles apprennent à détecter des motifs d'abord simples (contours, textures) puis de plus en plus complexes jusqu'à apprendre le concept d'objets en particulier. Malgré les grandes avancées dans le domaine des réseaux de neurones profonds, un problème important subsiste : comment apprendre une quantité croissante de concepts, à la manière d'un élève durant sa scolarité, sans oublier les précédentes connaissances. Ce problème d'apprentissage continu est complexe : si non traité, les réseaux de neurones oublient catastrophiquement. L'objectif de cette thèse était donc de résoudre de ce problème. J'ai pu dans un premier temps développer plusieurs méthodes pour forcer un comportement similaire entre la version du modèle ayant appris de nouveaux concepts et sa précédente itération. Contrairement au reste de la littérature, qui imposait des contraintes sur le comportement final du modèle, je me suis intéressé aux représentations internes. Dans un second temps, j'ai considéré l'apprentissage continu pour la tâche de segmentation sémantique. Cette tâche complexe possède des problèmes inédits dans un contexte continu en plus de l'oubli catastrophique. J'ai pu proposer plusieurs approches complémentaires pour les résoudre. Plus précisément : une nouvelle méthode de contraintes, une technique de pseudo-annotations et une manière efficace de révisions d'objets. Et enfin, dans un troisième et dernier temps, je m'intéresse aux réseaux de neurones dynamiques,pouvant créer de nouveaux neurones à travers leur existence pour résoudre un nombre croissant de tâche. Les méthodes précédentes grandissent avec peu de contrôles, résultant en des modèles extrêmement lourd, et souvent aussi lents. Donc, en m'inspirant des récents transformers,j'ai conçu une stratégie dynamique avec un coût pratiquement nul, mais ayant malgré tout des performances à l'état-de-l'artI first review the existing methods based on regularization for continual learning. While regularizing a model's probabilities is very efficient to reduce forgetting in large-scale datasets, there are few works considering constraints on intermediate features. I cover in this chapter two contributions aiming to regularize directly the latent space of ConvNet. The first one, PODNet, aims to reduce the drift of spatial statistics between the old and new model, which in effect reduces drastically forgetting of old classes while enabling efficient learning of new classes. I show in a second part a complementary method where we avoid pre-emptively forgetting by allocating locations in the latent space for yet unseen future class. Then, I describe a recent application of CIL to semantic segmentation. I show that the very nature of CSS offer new specific challenges, namely forgetting on large images and a background shift. We tackle the first problem by extending our distillation loss introduced in the previous chapter to multi-scales. The second problem is solved by an efficient pseudo-labeling strategy. Finally, we consider the common rehearsal learning, but applied this time to CSS. I show that it cannot be used naively because of memory complexity and design a light-weight rehearsal that is even more efficient. Finally, I consider a completely different approach to continual learning: dynamic networks where the parameters are extended during training to adapt to new tasks. Previous works on this domain are hard to train and often suffer from parameter count explosion. For the first time in continual computer vision, we propose to use the Transformer architecture: the model dimension mostly fixed and shared across tasks, except for an expansion of learned task tokens. With an encoder/decoder strategy where the decoder forward is specialized by a task token, we show state-of-the-art robustness to forgetting while our memory and computational complexities barely grow
Libros sobre el tema "Apprentissage en continu"
1
Philippe, Méhaut, ed. Apprentissage ou formation continue?: Stratégies éducatives des entreprises en Allemagne et en France. Paris: L'Harmattan, 1993.
Buscar texto completo
2
Vivre sainement: Formation personnelle et sociale : 4e secondaire : Cahier d'activités et de contenu. Montréal: Lidec, 1996.
Buscar texto completo
3
P, Kauchak Donald, ed. Strategies forteachers: Teaching content and thinking skills. 2a ed. Englewood Cliffs: Prentice-Hall, 1988.
Buscar texto completo
4
1957-, Ackerman Phillip Lawrence, Kyllonen Patrick C y Roberts Richard D, eds. Learning and individual differences: Process, trait, and content determinants. Washington, DC: American Psychological Association, 1999.
Buscar texto completo
5
Sivasailam, Thiagarajan y Jilème, eds. Modèles de jeux de formation: Les jeux-cadres de Thiagi. 3a ed. Paris: Eyrolles-Éd. d'Organisation, 2007.
Buscar texto completo
6
1946-, Kauchak Donald P., ed. Strategies for teachers: Teaching content and thinking skills. 4a ed. Boston: Allyn and Bacon, 2001.
Buscar texto completo
7
Eggen, Paul D. Strategies for teachers: Teaching content and thinking skills. 3a ed. Boston: Allyn and Bacon, 1996.
Buscar texto completo
8
Eggen, Paul D. Strategies for teachers: Teaching content and thinking skills. 2a ed. Englewood Cliffs, N.J: Prentice-Hall, 1988.
Buscar texto completo
9
1952-, Brown Steven y Smith Dorolyn, eds. Active listening: Expanding understanding through content. 3a ed. Cambridge [England]: Cambridge University Press, 1997.
Buscar texto completo
10
K, Srull Thomas, Wyer Robert S y Smith Eliot R, eds. Content and process specificity in the effects of prior experiences. Hillsdale, N.J: Lawrence Erlbaum Associates, 1990.
Buscar texto completoCapítulos de libros sobre el tema "Apprentissage en continu"
1
"Une Formation Individualisée, Active et Continue". En Pour Une Société En Apprentissage, 115–55. Les Presses de l’Université de Laval, 1997. http://dx.doi.org/10.1515/9782763712383-005.
Texto completo
2
Finita Shey, Jirndi. "Chapitre 3 : External factors impeding effective implementation of teaching/learning contents prescribed for national languages at the observation sub-cycle". En Méthodes et pratiques d’enseignement des langues africaines : Identification, analyses et perspective, 75–93. Observatoire européen du plurilinguisme, 2019. http://dx.doi.org/10.3917/oep.ndibn.2019.01.0075.
Texto completoResumen
Cette étude a pour objectif d’examiner les facteurs externes qui contribuent à rendre inefficace l’implémentation des contenus d’enseignement / apprentissage prescrits pour les classes du sous-cycle d’observation. Pour ce faire, nous avons utilisé la technique d’échantillonnage aléatoire simple. Cinquante enseignants de langues nationales ont été interrogés à l’aide d’un questionnaire. Les données obtenues ont été analysées en utilisant les procédures d’analyse quantitative et qualitative. Cette analyse a permis d’identifier divers facteurs, parmi lesquels : les lacunes dans la connaissance du contenu pédagogique des enseignants, le manque de manuels adéquats, l’insuffisance des programmes de recyclage et de formation continue.
3
COGRANNE, Rémi, Marc CHAUMONT y Patrick BAS. "Stéganalyse : détection d’information cachée dans des contenus multimédias". En Sécurité multimédia 1, 261–303. ISTE Group, 2021. http://dx.doi.org/10.51926/iste.9026.ch8.
Texto completoResumen
Ce chapitre détaille comment analyser une image numérique en vue d’obtenir des informations sur les données cachées par une méthode de stéganographie. Après une présentation des objectifs, plusieurs stratégies de détection sont ensuite détaillées, notamment les méthodes statistiques utilisant le rapport de vraisemblance, les méthodes par apprentissage reposant soit sur l’extraction de caractéristiques, soit sur l’utilisation de réseaux de neurones profonds.
4
SORÉ, Zakaria. "Inégalités sociales et continuité pédagogique en temps du COVID-19 dans la ville de Ouagadougou (Burkina Faso)". En Les écoles africaines à l’ère du COVID-19, 241–58. Editions des archives contemporaines, 2024. http://dx.doi.org/10.17184/eac.7932.
Texto completoResumen
En mars 2020, les premiers cas de COVID-19 sont diagnostiqués au Burkina Faso. Pour limiter la propagation de la maladie, l’État annonce un ensemble de mesures dont la fermeture des écoles et des universités. Ces mesures contraignent les élèves à rester dans leurs domiciles, limitant ainsi les possibilités de la continuité des activités pédagogiques. Face à cette situation, plusieurs stratégies sont développées par l’État, afin de permettre aux élèves de pouvoir continuer leurs apprentissages : ce sont les cours à la Télévision et à la radio. Avec ces innovations qui demandent des moyens matériels, les élèves n’ont pas les mêmes possibilités d’apprentissage. Les conditions sociales et économiques des ménages imposent en effet des inégalités face aux apprentissages. Comment l’origine sociale des élèves joue sur leurs apprentissages en temps de COVID-19 ? Aussi face à la situation d’arrêt des activités pédagogiques en présentiel, certains parents d’élèves ont mis en œuvre d’autres stratégies afin d’assurer une continuité des apprentissages pour leurs enfants. Quelles sont les stratégies employées par les élèves et leurs parents pour continuer les apprentissages dans ce contexte de COVID-19 ? Qui sont les élèves qui bénéficient de cette continuité pédagogique ? Comment la poursuite des activités pédagogiques en ce temps de COVID-19 laisse apparaître des inégalités sociales ? Pour répondre à ces questions, une démarche socio-anthropologique a été mobilisée. Elle a consisté à réaliser des enquêtes de terrain (entretien et enquête par questionnaire) auprès des élèves, des parents d’élèves et des enseignants. Aussi une observation a été réalisée, afin de saisir la réalité des activités d’apprentissage des élèves pendant la période de suspension des cours.
5
UCHEREK, Witold. "Le traitement lexicographique de la préposition sprzed dans les dictionnaires polonais-français". En Dictionnaires et apprentissage des langues, 51–64. Editions des archives contemporaines, 2021. http://dx.doi.org/10.17184/eac.4503.
Texto completoResumen
Cette étude analyse 16 articles lexicographiques consacrés à la préposition sprzed relevés dans des dictionnaires généraux polonais-français de toutes les tailles, publiés après 1960. L’examen de ces articles montre que leur contenu informatif en matière d’équivalence est non seulement trop pauvre, mais parfois aussi non conforme à la réalité linguistique, notamment parce que l’usage fait que l’aire d’emploi de de devant, équivalent littéral de sprzed pris dans son emploi spatial, est très limitée. Aucun ouvrage ne permet de choisir un équivalent approprié en fonction du contexte. L’analyse de l’aire d’emploi de différents équivalents, au fil du texte, permet d’en dresser un inventaire pertinent et de mieux cerner leurs conditions d’utilisation.
6
WANG, Xinxia, Xialing SHEN y Jing GUO. "La métaphore dans les dictionnaires bilingues d’apprentissage :". En Dictionnaires et apprentissage des langues, 79–88. Editions des archives contemporaines, 2021. http://dx.doi.org/10.17184/eac.4627.
Texto completoResumen
Sous l’angle de la cognition, la métaphore est non seulement un phénomène de langue, mais également un mécanisme cognitif fondamental dans notre compréhension du monde. Ainsi exerce-t-elle une influence considérable sur la lexicographie d’apprentissage, qui prête désormais un grand intérêt à la structure lexicale en tant que représentation de notre connaissance du monde. D’un côté, les lexicographes ont intérêt à élaborer des stratégies pour traiter différentes informations dans un dictionnaire d’apprentissage de façon à ce que les apprenants puissent comprendre le processus métaphorique et percevoir les acceptations d’un mot comme un continuum. D’un autre côté, bien que la vision humaine du monde soit universelle, la métaphorisation peut varier d’une langue à l’autre. Dans les dictionnaires bilingues qui mettent deux langues-cultures en contact, une perspective contrastive axée sur l’exploration de la métaphore permet aux apprenants de mieux repérer tant les particularités linguistiques que les différences culturelles à l’œuvre.
7
SZITA, Szilvia. "Au-delà du glossaire". En Dictionnaires et apprentissage des langues, 65–78. Editions des archives contemporaines, 2021. http://dx.doi.org/10.17184/eac.4504.
Texto completoResumen
Les manuels d’apprentissage de langues sont généralement accompagnés d'un glossaire proposant une sélection de mots et d’expressions contenus dans l’ouvrage. Ces index présentent l’avantage évident (et d’autant plus grand pour les niveaux débutants) par rapport aux dictionnaires généraux que leurs entrées rendent compte d’éléments linguistiques que l'apprenant a déjà rencontrés ou rencontrera en travaillant avec l'ouvrage. Cet article présente un nouveau concept de glossaire et en propose une implémentation pour les apprenants du hongrois aux niveaux A1 et A2 du Cadre européen commun de référence pour les langues (CECRL). Les glossaires, tirés des manuels MagyarOK A1+ et MagyarOK A2+, se distinguent des présentations traditionnelles. Au lieu de fournir une liste de mots sélectionnés de manière arbitraire et proposés avec leur traduction (éventuellement accompagnée d’un ou deux exemples), ils mettent spécifiquement l'accent sur les mots considérés comme « difficiles » par les apprenants. L'intérêt de cette approche est que l'apprenant reçoit non seulement une définition et une traduction du mot mais se voit également donner l'opportunité d'observer les usages typiques de ce mot dans une variété de contextes. Afin d'illustrer ce mode de présentation, nous avons choisi le mot jó (~ bon/bonne, bien), un adjectif dont les sens, multiples, dépendent fortement du contexte.
8
TIAN, Bing, Jianhua HUANG y Fang HUANG. "J. Huang’s "Grand contemporary chinese-french dictionary (2014)" and the story behind it". En Dictionnaires et apprentissage des langues, 103–19. Editions des archives contemporaines, 2021. http://dx.doi.org/10.17184/eac.4506.
Texto completoResumen
Le Grand Dictionnaire Chinois-Français Contemporain (GDCFC, for short), published in 2014, is the largest of its kind in China and contains a number of innovative features. It helps to learn a dictionary and its design features to know its editor and his academic career in the first place. This is especially true for GDCFC given that dictionary-making projects are in most cases chief-editor-oriented in China., GDCFC editor, Jianhua Huang, accumulated a rich experience in lexicographical practice and spent two decades exploring theoretical lexicography before he started compiling the dictionary. This paper first addresses Huang’s practice in dictionary- making, in translation and in the exploration of theoretical lexicography as a preparation for the GDCFC. Next, we move on to introduce the GDCFC itself. The study is carried out at two levels. At the macro structural level, the focus is on its coverage and headword selection, in comparison mainly to its sole source dictionary, A Modern Chinese Dictionary (6th edn, 2012). The microstructural level focuses on sense translation, illustrative examples of allocations and their translations, and grammatical and pragmatical labelling, when compared with A Chinese-English Dictionary (3rd ed., 2010), a well-established Chinese-English counterpart. Our study reveals that the GDCFC is lexicographically well-designed in all major respects, as manifested in its nine design features.
9
Heimberg, Charles. "Grammaire de l’histoire et contenus épistémologiques de son enseignement-apprentissage". En Vygotski et les recherches en éducation et en didactiques, 199–216. Presses Universitaires de Bordeaux, 2008. http://dx.doi.org/10.4000/books.pub.48277.
Texto completo
10
BERK, Cybèle. "Enseigner la grammaire turque". En Enseignement-apprentissage de la grammaire en langue vivante étrangère, 21–32. Editions des archives contemporaines, 2023. http://dx.doi.org/10.17184/eac.5810.
Texto completoResumen
L’enseignant de la langue turque parlerait volontiers des facilités d’apprentissage de cette langue ; alphabet phonétique, absence de genre, absence d’article, absence d’accord entre le sujet et le verbe, entre l’adjectif et le nom, régularité remarquable des conjugaisons, proximité phonétique avec le français, ainsi que des milliers de mots empruntés au français au 19e et 20e siècles. Cela étant dit, tout apprentissage a ses servitudes, celui du turc n’y échappe pas. C’est une langue agglutinante, donc loin des langues flexionnelles, quelque peu déconcertant pour un apprenant francophone, du moins au début de son apprentissage. L’étonnement continue pour ce qui est de l’ordre syntaxique dont l’ordre inversé contrarie les débutants, sans oublier la nécessaire appropriation de l’harmonie vocalique, l’une des particularités du turc. La sonorité turque demande ainsi une attention soutenue : bien qu’il y ait peu de sons sans équivalence en français, on doit néanmoins enseigner aux apprenants comment produire les quelques sons particuliers qu’ils n’ont jamais prononcés. Nous allons d’abord évoquer l’état de la question des erreurs des apprenants dans la littérature pédagogique. Ensuite, à partir de notre propre expérience, nous tenterons de faire un inventaire des problèmes les plus fréquents rencontrés dans l’apprentissage de la grammaire turque, notamment par les francophones, puis nous en analyserons les causes et les conséquences de ces problèmes et enfin, nous proposerons des solutions pédagogiques pour les surmonter.
Informes sobre el tema "Apprentissage en continu"
1
Brinkerhoff, Derick W., Sarah Frazer y Lisa McGregor. S'adapter pour apprendre et apprendre pour s'adapter : conseils pratiques tirés de projets de développement internationaux. RTI Press, enero de 2018. http://dx.doi.org/10.3768/rtipress.2018.pb.0015.1801.fr.
Texto completoResumen
Les principes de programmation et de gestion adaptables centrés sur l’apprentissage, l’expérimentation et la prise de décisions basée sur des faits gagnent en popularité chez les bailleurs de fonds et les partenaires de mise en œuvre dans le monde du développement international. L'adaptation exige un apprentissage de manière à ce que les ajustements apportés au cours du projet soient éclairés. Cela exige des méthodes de collecte d’informations qui fassent la promotion de la réflexion, de l’apprentissage et de l’adaptation, au-delà de données préalablement précisées. Une concentration sur l’adaptation modifie la réflexion traditionnelle sur le cycle des programmes. D'une part, elle fait disparaître les séparations entre la conception, la mise en œuvre et l’évaluation et, d'autre part, elle recadre la réflexion pour prendre en compte la complexité des problèmes de développement et des voies de changements non linéaires. Le soutien de structures et de processus de gestion est essentiel pour encourager la gestion adaptable. Les organisations de mise en œuvre et les bailleurs defonds expérimentent avec la manière dont les passations de marchés, la sous-traitance, la planification du travail et les rapports peuvent être modifiés afin que la programmation adaptable soit encouragée. Des systèmes de suivi, d’évaluation et d’apprentissage bien conçus peuvent aller au-delà des exigences en matière de redevabilité et de rapports pour produire des données et des enseignements pour une prise de décisions et une gestion adaptable basées sur les faits. Il est important de continuer l’expérimentation et l’apprentissage de manière à intégrer la programmation et la gestion adaptable dans les politiques et pratiques opérationnelles des bailleurs de fonds, despartenaires pays et des entités de mise en œuvre. Nous devons consacrer des efforts continus à la constitution d'une base de faits qui pourra contribuer àla gestion adaptable de manière à ce que les résultats de développement international soient atteints.