CONTRIBUTION A L’AMÉLIORATION DES SYSTÈMES DE SURVEILLANCE DES EXAMENS EN LIGNE A L’AIDE D’ALGORITHMES DE DEEP LEARNING

Résumé

La généralisation des examens en ligne soulève des défis de fraude et de vie privée. Les insuffisances des algorithmes et des techniques des systèmes actuels entravent considérablement une surveillance efficace et éthique. Ainsi, la nécessité de garantir l’intégrité et la fiabilité des évaluations en ligne tout en préservant la confidentialité des apprenants dans un contexte d’apprentissage à distance est devenue une préoccupation majeure. Cette thèse propose une nouvelle architecture décentralisée reposant sur le edge computing, permettant un traitement local des données sensibles ainsi que le développement d’algorithmes d’intelligence artificielle de pointe comme la reconnaissance faciale par réseaux de neurones convolutifs entrainés sur une base de données de visages constituée. Les résultats mettent en évidence que cette approche est capable de détecter et d’identifier avec précision le visage lors des examens en ligne, tout en minimisant les risques associés au transfert massif de données personnelles grâce au traitement et au stockage local. Les algorithmes élaborés atteignent des niveaux de performance et de robustesse avancés. Ainsi, ces travaux posent les fondements technologiques et éthiques pour la mise en place à grande échelle de systèmes de surveillance des examens en ligne conciliant efficacité et respect de la confidentialité.

Citer ce document

Accès au document

Ce document est hébergé sur son dépôt institutionnel d'origine.

Auteur(s)

Statistiques

Consultations : 4

Téléchargements : 0