@inproceedings{mbaye-etal-2025-un,
title = "Un outil conversationnel bas{\'e} sur un graphe de connaissances, des {LLM} et un mod{\`e}le {BERT} pour les programmes d{'}alternance en {F}rance",
author = "Mbaye and
Nurbakova, Diana and
Baig, Duaa",
editor = "Bechet, Fr{\'e}d{\'e}ric and
Chifu, Adrian-Gabriel and
Pinel-sauvagnat, Karen and
Favre, Benoit and
Maes, Eliot and
Nurbakova, Diana",
booktitle = "Actes de l'atelier Intelligence Artificielle g{\'e}n{\'e}rative et {\'E}DUcation : Enjeux, D{\'e}fis et Perspectives de Recherche 2025 (IA-{\'E}DU)",
month = "6",
year = "2025",
address = "Marseille, France",
publisher = "ATALA {\textbackslash}{\textbackslash}{\&} ARIA",
url = "https://aclanthology.org/2025.jeptalnrecital-iaedu.15/",
pages = "133--144",
language = "fra",
abstract = "Le suivi efficace de l{'}acquisition des comp{\'e}tences dans les programmes de l{'}alternance, pr{\'e}sente des d{\'e}fis importants pour la technologie {\'e}ducative. Cet article pr{\'e}sente un nouvel agent conversationnel int{\'e}gr{\'e} dans un livret de formation num{\'e}rique qui rel{\`e}ve ces d{\'e}fis gr{\^a}ce {\`a} une architecture multimodale. Notre syst{\`e}me int{\`e}gre (1) un graphe de connaissances sp{\'e}cifique {\`a} un domaine, li{\'e} {\`a} des r{\'e}f{\'e}rentiels de comp{\'e}tences, (2) des grands mod{\`e}les de langage (LLM) et (3) un composant g{\'e}n{\'e}ratif bas{\'e} sur BERT. Cette approche hybride permet {\`a} la fois une repr{\'e}sentation structur{\'e}e des trajectoires d{'}apprentissage et des capacit{\'e}s d{'}interaction en langage naturel, ce qui permet un suivi nuanc{\'e} des progr{\`e}s et des interventions personnalis{\'e}es. L'{\'e}valuation empirique d{\'e}montre que le syst{\`e}me fournit un retour d{'}information contextuellement pertinent qui s{'}adapte aux mod{\`e}les d{'}apprentissage individuels, ce qui permet une acquisition plus efficace des comp{\'e}tences."
}<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="mbaye-etal-2025-un">
<titleInfo>
<title>Un outil conversationnel basé sur un graphe de connaissances, des LLM et un modèle BERT pour les programmes d’alternance en France</title>
</titleInfo>
<name>
<namePart>Mbaye</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Diana</namePart>
<namePart type="family">Nurbakova</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Duaa</namePart>
<namePart type="family">Baig</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2025-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">fra</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de l’atelier Intelligence Artificielle générative et ÉDUcation : Enjeux, Défis et Perspectives de Recherche 2025 (IA-ÉDU)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Frédéric</namePart>
<namePart type="family">Bechet</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Adrian-Gabriel</namePart>
<namePart type="family">Chifu</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Karen</namePart>
<namePart type="family">Pinel-sauvagnat</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Benoit</namePart>
<namePart type="family">Favre</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Eliot</namePart>
<namePart type="family">Maes</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Diana</namePart>
<namePart type="family">Nurbakova</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA \textbackslash\textbackslash& ARIA</publisher>
<place>
<placeTerm type="text">Marseille, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Le suivi efficace de l’acquisition des compétences dans les programmes de l’alternance, présente des défis importants pour la technologie éducative. Cet article présente un nouvel agent conversationnel intégré dans un livret de formation numérique qui relève ces défis grâce à une architecture multimodale. Notre système intègre (1) un graphe de connaissances spécifique à un domaine, lié à des référentiels de compétences, (2) des grands modèles de langage (LLM) et (3) un composant génératif basé sur BERT. Cette approche hybride permet à la fois une représentation structurée des trajectoires d’apprentissage et des capacités d’interaction en langage naturel, ce qui permet un suivi nuancé des progrès et des interventions personnalisées. L’évaluation empirique démontre que le système fournit un retour d’information contextuellement pertinent qui s’adapte aux modèles d’apprentissage individuels, ce qui permet une acquisition plus efficace des compétences.</abstract>
<identifier type="citekey">mbaye-etal-2025-un</identifier>
<location>
<url>https://aclanthology.org/2025.jeptalnrecital-iaedu.15/</url>
</location>
<part>
<date>2025-6</date>
<extent unit="page">
<start>133</start>
<end>144</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Un outil conversationnel basé sur un graphe de connaissances, des LLM et un modèle BERT pour les programmes d’alternance en France
%A Nurbakova, Diana
%A Baig, Duaa
%Y Bechet, Frédéric
%Y Chifu, Adrian-Gabriel
%Y Pinel-sauvagnat, Karen
%Y Favre, Benoit
%Y Maes, Eliot
%Y Nurbakova, Diana
%A Mbaye
%S Actes de l’atelier Intelligence Artificielle générative et ÉDUcation : Enjeux, Défis et Perspectives de Recherche 2025 (IA-ÉDU)
%D 2025
%8 June
%I ATALA \textbackslash\textbackslash& ARIA
%C Marseille, France
%G fra
%F mbaye-etal-2025-un
%X Le suivi efficace de l’acquisition des compétences dans les programmes de l’alternance, présente des défis importants pour la technologie éducative. Cet article présente un nouvel agent conversationnel intégré dans un livret de formation numérique qui relève ces défis grâce à une architecture multimodale. Notre système intègre (1) un graphe de connaissances spécifique à un domaine, lié à des référentiels de compétences, (2) des grands modèles de langage (LLM) et (3) un composant génératif basé sur BERT. Cette approche hybride permet à la fois une représentation structurée des trajectoires d’apprentissage et des capacités d’interaction en langage naturel, ce qui permet un suivi nuancé des progrès et des interventions personnalisées. L’évaluation empirique démontre que le système fournit un retour d’information contextuellement pertinent qui s’adapte aux modèles d’apprentissage individuels, ce qui permet une acquisition plus efficace des compétences.
%U https://aclanthology.org/2025.jeptalnrecital-iaedu.15/
%P 133-144
Markdown (Informal)
[Un outil conversationnel basé sur un graphe de connaissances, des LLM et un modèle BERT pour les programmes d’alternance en France](https://aclanthology.org/2025.jeptalnrecital-iaedu.15/) (Mbaye et al., JEP/TALN/RECITAL 2025)
ACL