Le visage, en tête de la transformation digitale de l’enseignement supérieur ?

Auparavant considérée inexacte et non aboutie, la reconnaissance faciale, portée par le progrès du Deep Learning*, s’affirme aujourd’hui comme une technologie d’identification biométrique des plus évoluées. Ainsi, nombreuses sont les universités à travers le monde qui l’intègrent à leurs plateformes d’enseignement.

La reconnaissance faciale, une porte ouverte sur l’enseignement à distance

Les programmes d’études à distance ont le vent en poupe. En effet, quasiment toutes les universités nord-américaines et européennes proposent désormais des masters à distance. Que ce soit pour des raisons financières, administratives (pour les étudiants étrangers qui ont des contraintes administratives, les apprentis ou salariés en formation qui travaillent dans une autre ville) ou simplement pour plus de flexibilité (les emplois du temps sont moins contraints), le nombre d’étudiants souhaitant s’inscrire à des programmes de ce type est en augmentation constante.

L’une des problématiques importantes liées à l’enseignement à distance est l’authentification des étudiants et leur suivi. Parmi les différentes méthodes d’authentification, la reconnaissance faciale au moyen de la biométrie est celle qui permet de corroborer et de certifier les identités des utilisateurs en se concentrant sur les caractéristiques physiologiques du visage. Cette technologie permet notamment de vérifier l’identité des étudiants pendant que ceux-ci suivent leurs cours en ligne. Plus encore, certaines plateformes peuvent détecter en temps réel si un autre logiciel ou programme est actif sur l’ordinateur et si l’élève a un comportement suspect laissant suggérer qu’il fait autre chose en même temps ou qu’il triche dans le cas d’un examen.

La reconnaissance faciale pour une amélioration continue de l’enseignement présentiel

Si la reconnaissance faciale semble nécessaire à l’efficacité et au bon fonctionnement de l’enseignement à distance,
les usages de cette technologies se déclinent de plus en plus au présentiel. 

En chine, un conférencier l’utilise pour repérer parmi ses étudiants ceux qui s’ennuient et à quel moment ils décrochent. Aussi, est-il capable de détecter le niveau d’intérêt global de sa classe et donc de rectifier le tir,  au fur et à mesure ou à posteriori. Interrogé par The Telegraph, le conférencier, Wei Wiaoyong, expliquait : « lorsque vous corrélez ce genre d’informations avec la manière dont nous enseignons, et que vous replacez cela dans le temps, vous pouvez savoir si vous captez vraiment l’attention des étudiants. Ensuite, vous pouvez vous demandez si c’est un bon moyen d’enseigner ce contenu précisément. Ou si ce contenu est vraiment adapté aux étudiants de cette classe. »

L’émargement automatique en cours est une autre application possible de la reconnaissance faciale. En  effet, pour des cours en amphithéâtre ou dans des classes nombreuses, l’appel est une véritable perte de temps et le fait d’émarger à l’entrée de la classe grâce à un simple scan du visage économise beaucoup de temps et d’efforts.

Intégration de la reconnaissance faciale sur Moodle

Bon nombre d’articles traitent de l’intégration de la reconnaissance faciale sur Moodle. L’usage de cette technologie comme plugin d’authentification Moodle (permettant aux utilisateurs enregistrés de se connecter à la plateforme en utilisant simplement leur visage via la webcam) fait partie des propositions suggérées.

La connexion s’effectuerait donc comme tel :

• la webcam prend une photo de l’utilisateur et l’enregistre sur le serveur
• le fichier est analysé à la recherche d’une correspondance
• S’il y a une correspondance dans la base de données c’est que l’utilisateur existe et on cherche donc son dossier
• Sinon, l’utilisateur est redirigé vers la page de connexion traditionnelle avec login et mot de passe. 

À l’université des Sciences Techniques de Madrid (UDIMA), c’est pour éviter les cas de fraudes que la reconnaissance faciale a été introduite sur Moodle. En effet, l’authentification faciale a été intégrée aux cours en ligne sur le Moodle de l’école comme système de pointage des élèves. Une enquête a ensuite été menée auprès des étudiants ayant utilisé l’outil et cette enquête a produit des scores de satisfaction élevés.

La reconnaissance faciale, système anti-fraude

Il existe un grand nombre de systèmes de surveillance automatisés qui emploient entre autres la reconnaissance faciale (en plus du scan continu du hardware, l’enregistrement audio et vidéo, l’identification de tout facteur ou  élément perturbant, …).

Mais comment ces systèmes garantissent-ils l’absence de fraude/triche durant un examen ?

Pour répondre à cette question, intéressons-nous à un exemple de système de surveillance  en ligne : ProctorTrack.
Ce logiciel est déjà intégré sur plusieurs plateformes éducatives telles que Canvas et Moodle. À la fois facile à utiliser, sécurisé et fiable, ProctorTrack permet de faciliter le processus d’évaluation des élèves à distance.

Point de vue enseignant

Il suffit de se connecter à l’aide de l’identifiant et mot de passe (les mêmes que ceux du Canvas ou Moodle), télécharger l’examen et désigner les groupes d’étudiants concernés.

Point de vue étudiant 

1. Authentification de l’étudiant à l’aide de l’identifiant et du mot de passe (les mêmes que ceux du Canvas ou Moodle).

2. Apparition à l’écran des différents tests que l’étudiant  est autorisé à et doit passer.
L’utilisateur sélectionne le test qu’il souhaite passer et une fois prêt, il suffit de cliquer sur le bouton Begin Test.

3. Avant que l’examen ne débute, le logiciel affiche toutes les dispositions à prendre pour que la surveillance se passe bien, tous les comportements interdits (interdiction générales comme le fait de ne pas disparaître du champ de vision de la caméra ou interdictions propres à l’examen comme l’interdiction d’utiliser une calculatrice par exemple), mais aussi des conseils d’utilisation.

4. Vérification de l’identité.
Pour cela, il faut présenter une pièce d’identité qui sera scannée, puis procéder au scan du visage (pour vérifier qu’il s’agit bien du même visage qui apparaît sur la pièce d’identité) ainsi que le scan du poignet.

5. Lancement du test avec enregistrement et reconnaissance continues.

À noter que tout comportement suspect de la part de l’étudiant (visage qui disparaît du champ de la caméra, coups d’œil répétitifs dans la même direction, apparition d’un visage ou d’un poignet différent de ceux qui ont été scannés au début) dans le champ de vision sont signalés et la vidéo doit à ce moment -là être revisionnée par un professeur pour  qu’il juge lui-même s’il y a eu triche ou pas.

N’hésitez pas à nous contacter si vous souhaitez être accompagnés sur le sujet.

Billet rédigé par : Samia Belhadj et Magued Abdel-Maaboud.

*Deep Learning : il s’agit d’une technique d’apprentissage permettant à un programme/une machine de reconnaître le contenu d’une image, comprendre un langage parlé ou encore apprendre à faire des prédictions- des défis qui avaient jusque-là tenu en échec la communauté des chercheurs en Intelligence Artificielle.

_Sources

_{http://fr.ubergizmo.com/2016/09/14/reconnaissance-faciale-etudiants-ennui.html}

_{http://www.proctortrack.com/}

_{https://ilite.wordpress.com/2014/06/13/moodle-login-using-face-recognition/}

_{http://www.academia.edu/6566113/Facial_Authentication_within_Moodle_Lessons}

_{http://www.lemonde.fr/pixels/article/2015/07/24/comment-le-deep-learning-revolutionne-l-intelligence-artificielle_4695929_4408996.html​}