Plateforme d'apprentissage adaptatif — Une plateforme d'apprentissage adaptatif pilotée par l'IA pour les élèves du primaire et du secondaire.
En lignemobile2024

Plateforme d'apprentissage adaptatif

Client

EdTech · Enseignement primaire et secondaire

Année

2024

Catégorie

mobile

Stack technique
FlutterFirebasePythonTensorFlowGCP
Le défi

Ce dont ils avaient besoin

La plateforme avait besoin d'une seule application Flutter pour servir des élèves du primaire au secondaire, des premiers apprentis lecteurs aux adolescents, chacun avec son propre rythme et son propre style d'apprentissage, sur un programme de plus de 500 sujets. Une séquence unique et figée ne tient pas à cette échelle — un élève peut être en avance dans une matière et en retard dans une autre, et un rythme rigide tue rapidement l'engagement. L'équipe devait construire une couche de recommandation qui réévalue en continu la maîtrise par sujet et réoriente automatiquement le contenu. Le mobile ajoutait ses propres contraintes : l'application devait rester rapide et réactive sur un large éventail d'appareils, et le pipeline de machine learning sous-jacent devait transformer les signaux d'usage en recommandations actualisées assez vite pour paraître à jour à mesure que la plateforme montait vers plus de 75 000 élèves actifs.

Notre solution

Ce que nous avons construit

Nous avons construit l'application élève en Flutter pour une base de code unique sur iOS et Android, couvrant les plus de 500 sujets du programme sans maintenir d'applications natives séparées. Firebase gère l'authentification et la synchronisation des données en temps réel, si bien que chaque activité terminée par un élève met à jour sa progression instantanément, sans délai. Le moteur de recommandation tourne en Python, avec des modèles TensorFlow entraînés sur les données d'interaction des élèves pour évaluer la maîtrise par sujet et sélectionner le contenu le plus pertinent pour chacun. GCP héberge l'entraînement et l'infrastructure de service, faisant évoluer l'inférence à mesure que le nombre d'utilisateurs actifs augmentait. Une couche de gamification vient s'ajouter au moteur de recommandation pour entretenir l'engagement. Le suivi de progression a été conçu comme deux vues distinctes lisant les mêmes données Firebase : un aperçu simplifié pour les parents, et un détail par sujet pour les enseignants.

Décisions clés

Comment nous l'avons abordé

01

L'application a été développée une seule fois en Flutter plutôt qu'en deux bases de code natives, rendant possible la couverture de plus de 500 sujets sans doubler l'effort d'ingénierie mobile.

02

La personnalisation a été modélisée comme une évaluation continue de la maîtrise par sujet dans TensorFlow plutôt qu'un rythme fixe par niveau scolaire, si bien que le parcours d'un élève évolue au fil des données de performance.

03

Firebase a été utilisé pour la synchronisation en temps réel afin que les tableaux de bord parents et enseignants reflètent l'activité d'un élève à l'instant où elle se produit, et non après un délai de traitement par lot.

04

Le suivi de progression a été scindé en deux vues conçues sur mesure à partir des mêmes données — un résumé simplifié pour les parents, un détail sujet par sujet pour les enseignants — plutôt qu'un rapport générique unique pour les deux.

Résultats

Notre impact

75000+

Élèves actifs

40%

Progression d'apprentissage

4.9

Note de l'application

"Nos élèves sont plus engagés que jamais. La personnalisation par l'IA est incroyable."

Responsable Produit

Plateforme EdTech

Application · plateforme · base de données · ou IA

Dites-nous ce que
vous voulez construire.

Apportez-nous ce que tout le monde a jugé trop compliqué. Réponse gratuite et sans engagement sous 24 heures — accord de confidentialité (NDA) sur demande.