🤖 AI

RAGEAR: Retrieval-Augmented Graph-Enhanced Academic Recommender

RAGEAR est un système de recommandation académique neurosymbolique qui améliore les suggestions de cours en intégrant une recherche dense de transcriptions de cours détaillées avec un graphe de connaissances symbolique, en utilisant une nouvelle fonction d'agrégation consciente du graphe pour surpasser les références basées uniquement sur les métadonnées et sur les transcriptions en termes de qualité de classement.

Auteurs originaux : Francesco Granata, Lorenzo Lamazzi, Misael Mongiovì, Francesco Poggi, Valeria Secchini

Publié 2026-05-27

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Francesco Granata, Lorenzo Lamazzi, Misael Mongiovì, Francesco Poggi, Valeria Secchini

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous êtes un étudiant essayant de choisir le bon cours universitaire. Vous avez un intérêt précis en tête – peut-être voulez-vous apprendre « comment créer des logiciels sécurisés » ou « comment analyser des données pour des affaires juridiques ». Mais lorsque vous consultez le catalogue officiel des cours, les titres et les descriptions sont vagues. Un cours s'appelle « Programmation avancée », un autre « Structures de données ». Aucun de ces titres ne vous indique clairement s'ils couvrent réellement le sujet spécifique qui vous intéresse.

C'est le problème que le système RAGEAR tente de résoudre. Imaginez RAGEAR comme un bibliothécaire hybride ultra-intelligent qui ne se contente pas de lire les titres des livres sur l'étagère ; il lit réellement chaque page de chaque livre pour trouver la réponse exacte à votre question.

Voici comment cela fonctionne, décomposé en parties simples :

1. Les deux cerveaux : le « Scanner » et la « Carte »

RAGEAR utilise deux « cerveaux » différents travaillant ensemble :

Le Scanner (la partie neuronale) : Imaginez un robot qui a lu chaque transcription de cours (la version textuelle des vidéos de cours) de chaque enseignement. Lorsque vous posez une question, ce robot parcourt des milliers de pages de texte pour trouver les phrases ou paragraphes spécifiques qui correspondent à votre idée. Il ne se soucie pas du titre du cours ; il se soucie des mots réellement prononcés en classe.
La Carte (la partie symbolique) : C'est une carte structurée géante de l'université. Elle sait que le « Cours A » est composé de la « Leçon 1 », de la « Leçon 2 » et de la « Leçon 3 ». Elle connaît aussi les règles : « Vous avez besoin de 3 crédits », « Ceci est destiné aux majors en informatique », et « Vous devez suivre Mathématiques 101 en premier ». Cette carte garantit que les recommandations ont du sens dans la structure de l'université.

2. Le problème de la simple « sommation »

Dans le passé, si un robot trouvait 10 phrases correspondantes dans un cours, il se contentait de dire : « Ce cours est bon car il contient 10 correspondances ».

RAGEAR a réalisé que cela ne suffisait pas. Imaginez deux cours :

Cours A : Contient 10 phrases correspondantes, mais elles sont toutes entassées dans un seul clip vidéo de 5 minutes.
Cours B : Contient 10 phrases correspondantes, mais elles sont réparties uniformément sur 10 cours différents tout au long du semestre.

Le Cours B est probablement un meilleur choix car le sujet constitue une partie majeure de l'ensemble du cours, et non une simple note de bas de page. L'astuce spéciale de RAGEAR est une fonction d'« Agrégation consciente du graphe ». Imaginez cela comme un responsable du contrôle qualité qui vérifie non seulement combien de correspondances vous avez trouvées, mais où elles se situent. Il attribue un score plus élevé aux cours où l'information pertinente est répartie sur de nombreuses leçons et apparaît près du sommet des résultats de recherche.

3. Fonctionnement en pratique

Vous tapez une question : « Je veux apprendre l'aspect juridique de la protection des données. »
Le Scanner lit : Il plonge dans les transcriptions et trouve des phrases spécifiques dans différents cours qui parlent de « RGPD », de « lois sur les données » et de « réglementations sur la confidentialité ».
La Carte organise : Elle regroupe ces phrases dans leurs cours et leçons d'origine.
Le Score est calculé : RAGEAR calcule un score final. Il récompense les cours qui ont :
- Beaucoup de texte pertinent.
- Le texte le plus pertinent apparaissant tôt dans les résultats de recherche.
- Le texte pertinent apparaissant dans de nombreuses leçons différentes (montrant qu'il s'agit d'un sujet central et non d'un hasard).
Le Résultat : Vous obtenez une liste de cours, et le système vous montre même les phrases exactes des cours qui l'ont amené à recommander ce cours, afin que vous puissiez voir pourquoi c'est un bon match.

4. Est-ce que cela a fonctionné ?

Les chercheurs ont testé ce système contre deux autres méthodes :

Méthode 1 (L'ancienne façon) : Seule consultation des titres de cours et des courtes descriptions (comme lire uniquement la couverture du livre).
Méthode 2 (La façon simple) : Lecture des transcriptions mais simple addition des correspondances sans vérifier si elles étaient réparties à travers le cours.

Les Résultats :

La lecture des transcriptions complètes (Méthode 2) était déjà bien meilleure que la simple lecture des titres (Méthode 1).
Mais RAGEAR (le système complet avec le scoring de « contrôle qualité ») était le meilleur de tous. Il était particulièrement efficace pour placer les cours les plus pertinents tout en haut de la liste.

Résumé

RAGEAR est comme un guide académique personnel qui lit l'ensemble de la bibliothèque de notes de cours pour vous. Au lieu de deviner quel cours pourrait être le bon en se basant sur un titre, il trouve les moments spécifiques dans les cours qui correspondent à vos intérêts, vérifie si ces moments sont répartis tout au long du cours, et vous donne la meilleure recommandation possible avec la preuve de pourquoi il les a choisis.

Résumé Technique : RAGEAR – Recommandateur Académique Amélioré par la Récupération et les Graphes

Énoncé du Problème

Les systèmes de recommandation de cours académiques font face à un défi majeur : les étudiants expriment souvent leurs intérêts d'apprentissage par des requêtes en langage naturel qui ne correspondent pas à la terminologie formelle présente dans les métadonnées officielles des cours (titres, résumés, programmes). Les recommandateurs traditionnels, reposant uniquement sur des métadonnées au niveau du cours, peuvent capturer des similarités thématiques larges mais échouent à identifier des preuves conceptuelles fines, présentes uniquement au sein des matériels pédagogiques réels. Bien que les universités en ligne disposent de ressources riches telles que des vidéos de cours complètes et leurs transcriptions, l'exploitation de ces données nécessite de dépasser les représentations grossières au niveau du cours pour passer à une récupération fine, suivie d'un mécanisme permettant d'agréger ces preuves fragmentées en classements de cours significatifs.

Méthodologie

RAGEAR (Recommandateur Académique Amélioré par la Récupération et les Graphes) est un système neurosymbolique hybride conçu pour répondre à ces limitations. Il intègre un composant de récupération neuronale avec un graphe de connaissances (KG) symbolique pour combler le fossé entre le contenu non structuré des cours magistraux et les contraintes académiques structurées.

1. Architecture du Système

Le système fonctionne à travers quatre composants principaux :

Interface Utilisateur : Collecte les requêtes en langage naturel concernant les intérêts académiques ou les objectifs d'apprentissage.
Graphe de Connaissances (Composant Symbolique) : Un KG basé sur une ontologie modélise le domaine académique, incluant les étudiants, les plans d'études, les cours, les leçons, les crédits, les prérequis et les disciplines académiques. Crucialement, il représente la hiérarchie pédagogique : Cours $\rightarrow$ Leçon $\rightarrow$ Segment de Transcription. Cette structure permet un filtrage symbolique déterministe (par exemple, par crédits ou prérequis) et fournit l'épine dorsale structurelle pour l'agrégation des preuves de récupération.
Module de Récupération Dense (Composant Neuronale) : Ce module effectue une récupération dense sur des segments de transcriptions de cours. En utilisant le modèle de transformateur de phrases multilingual-e5-large, il encode à la fois la requête de l'étudiant et les segments de transcription (unités textuelles cohérentes alignées avec les horodatages vidéo). Il renvoie les $k$ meilleurs segments (spécifiquement les 200 premiers) basés sur les scores de similarité sémantique.
Algorithme de Recommandation : Ce composant propage les scores de similarité au niveau des segments jusqu'au niveau du cours en utilisant une nouvelle fonction d'agrégation consciente du graphe.

2. La Fonction d'Agrégation RAGEAR

La contribution méthodologique centrale est une fonction de notation, $RS(C, q)$, qui calcule un score de recommandation au niveau du cours en multipliant trois composantes distinctes :

$RS(C, q) = GE(C, q) \cdot RE(C, q) \cdot LC(C, q)$

Preuve Globale ($GE$) : Mesure la part de la similarité totale récupérée attribuée aux segments appartenant à un cours spécifique $C$ . Il s'agit d'une agrégation SumP normalisée, représentant le volume de base des preuves.
Preuve Classée ($RE$) : Pèse les segments en fonction de leur rang dans la liste de récupération. Les segments mieux classés (ceux plus similaires à la requête) contribuent de manière plus significative. Ce composant utilise un paramètre de lissage $t_q$ pour garantir que les preuves hautement classées dominent le score.
Couverture des Leçons ($LC$) : Évalue la distribution des preuves pertinentes à travers les leçons du cours. Elle récompense les cours où les segments pertinents sont répartis sur plusieurs leçons plutôt que concentrés dans un seul fragment. Ceci est normalisé par le nombre total de leçons pour éviter un biais en faveur des cours plus longs.

Cette approche multiplicative favorise les cours qui non seulement possèdent un volume élevé de contenu pertinent, mais qui disposent également de preuves hautement classées distribuées structurellement tout au long du programme.

Contributions Clés

Architecture Neurosymbolique Hybride : L'article présente un système qui combine de manière unique la récupération dense sur des transcriptions complètes de cours avec un Graphe de Connaissances basé sur une ontologie. Cela permet au système de tirer parti du contenu pédagogique fin tout en respectant les contraintes académiques structurées (par exemple, plans d'études, prérequis).
Fonction d'Agrégation Consciente du Graphe : Les auteurs proposent une nouvelle méthode pour propager les scores de récupération au niveau des segments vers les recommandations au niveau du cours. Contrairement aux méthodes de simple sommation, cette fonction prend explicitement en compte la force du rang des segments récupérés et leur distribution à travers la hiérarchie des leçons.
Évaluation Empirique : L'étude fournit une évaluation rigoureuse comparant trois approches :
- Récupération dense basée uniquement sur les métadonnées.
- Agrégation SumP normalisée basée sur les transcriptions (une ligne de base utilisant les mêmes scores de récupération mais une agrégation plus simple).
- L'agrégation RAGEAR complète.

Résultats

Le système a été évalué sur 152 requêtes de type étudiant en utilisant une combinaison d'évaluation humaine (sur un sous-ensemble) et d'une évaluation de pertinence à grande échelle basée sur un LLM (utilisant GPT-4.1 nano, validée pour un fort accord avec les évaluateurs humains).

Transcriptions vs Métadonnées : L'utilisation de transcriptions complètes de cours a nettement surpassé la récupération basée uniquement sur les métadonnées sur toutes les métriques (Précision@1, nDCG@5, MAP@5), démontrant que le contenu pédagogique fin contient des informations précieuses non capturées dans les descriptions de cours.
RAGEAR vs Ligne de Base SumP : L'agrégation RAGEAR complète a davantage amélioré la qualité du classement par rapport à la ligne de base SumP normalisée sur les transcriptions.
- La Précision@1 a augmenté de 10,69 % par rapport à la ligne de base des métadonnées et de 2,8 % par rapport à la ligne de base SumP.
- Le nDCG@1 s'est amélioré de 7,21 % par rapport à la ligne de base des métadonnées.
- Le MAP@5 a enregistré une amélioration de 17,09 % par rapport à la ligne de base des métadonnées.
Performance des Meilleurs Classés : Les gains ont été les plus marqués pour les recommandations les mieux classées (k=1, 3, 5), indiquant que la fonction d'agrégation proposée est particulièrement efficace pour placer les cours les plus pertinents tout en haut de la liste.

Importance et Revendications

L'article affirme que RAGEAR démontre la viabilité de combiner la modélisation structurelle symbolique avec la récupération sémantique fine pour l'orientation académique. Les auteurs affirment que leur contribution principale n'est pas seulement l'utilisation des transcriptions, mais la stratégie d'agrégation consciente du graphe spécifique qui synthétise efficacement les preuves au niveau des segments en classements au niveau des cours.

Les résultats suggèrent que :

Les transcriptions de cours offrent une base de recommandation plus solide que les métadonnées seules.
L'agrégation des preuves en tenant compte à la fois du rang des segments récupérés et de leur distribution à travers les leçons produit une qualité de classement supérieure par rapport aux méthodes de simple sommation.

Les auteurs adoptent une position modeste concernant l'évaluation, notant que l'évaluation basée sur un LLM sert de proxy contrôlé pour la comparaison à grande échelle plutôt que de substitut à des études longitudinales avec de vrais étudiants. Ils soulignent que le composant de filtrage symbolique est déterministe et que l'évaluation s'est concentrée spécifiquement sur la capacité du composant de classement à améliorer la pertinence. Les travaux futurs visent à intégrer le système dans des services opérationnels et à étendre les évaluations à des programmes académiques plus vastes.