Caractérisation et mesure des discriminations algorithmiques dans la prédiction de la réussite à des cours en ligne

Overview & Synopsis

Les modèles prédictifs utilisés en EIAH peuvent produire des résultats biaisés et discriminants. Or, les mesures existantes pour les dé- tecter sont seulement fondées sur l’égalité des performances prédictives entre différents groupes d’apprenant·e·s. Dans cet article, nous proposons une mesure objective des discriminations algorithmiques d’un modèle, ainsi qu’une méthode d’analyse visuelle pour caractériser ces discrimi- nations. Nous démontrons l’application de notre méthode dans le cadre de la prédiction de la réussite à des cours en ligne, au moyen de don- nées éducatives ouvertes. Nos résultats montrent la nécessité d’analyser systématiquement les discriminations algorithmiques issues des modèles afin de confirmer ou d’infirmer le caractère sensible de certains attributs.