Conseil scientifique de l’éducation nationale

Membres du CSEN

Afficher le sommaire

Jill-Jênn Vie

CHARGÉ DE RECHERCHE A L’INRIA ET ENSEIGNANT A L'ÉCOLE POLYTECHNIQUE

Jill-Jênn Vie est membre de l'équipe Soda à l’Inria. Il enseigne l'algorithmique avancée à l'École polytechnique et à l'ENS Paris-Saclay, et l'apprentissage statistique profond à l’ENS Ulm. Il fait partie du jury de l'agrégation d'informatique et a publié deux ouvrages d'algorithmique (l'un traduit en 4 langues) pour préparer les concours d'informatique.

Ses recherches portent sur la conception de modèles d'apprenants basés sur la psychométrie et l'optimisation des connaissances par
apprentissage par renforcement. Il a appliqué ses travaux dans deux startups d'État : la certification des compétences numériques Pix lancée par le ministère de l'Éducation nationale (6 millions d'utilisateurs actifs) et actuellement le Pass Culture (3,3 millions d'utilisateurs actifs). Il a par ailleurs été General Chair de la conférence « Educational Data Mining 2021 » avec François Bouchet. Il accorde une importance majeure à la publication en licence libre des codes sources d'algorithmes de l'État traitant des données d'humains pour des décisions individuelles (Pix, Pass Culture, Parcoursup, code des impôts, etc.).

https://jill-jenn.net/

Parmi ses publications

  • Dürr C., and Vie J-J,. 2016. Programmation efficace : Les 128 algorithmes qu’il faut avoir compris et codés dans sa vie. Ellipses. https://tryalgo.org.
  • Vie, J-J, and Kashima H.. 2019. “Knowledge Tracing Machines: Factorization Machines for Knowledge Tracing.” In Proceedings of the  33th AAAI Conference on Artificial Intelligence, 750–57. https://arxiv.org/abs/1811.03388.
  • Choffin B., Popineau F., Bourda Y., and J Vie J-J. 2019. “DAS3H: Modeling Student Learning and Forgetting for Optimally Scheduling Distributed Practice of Skills.” In Proceedings of the Twelfth International Conference on Educational Data Mining (EDM 2019), 29–38. Best Paper Award. https://arxiv.org/abs/1905.06873.
  • Bergner .Y, Halpin P., and Vie J-J. 2022. “Multidimensional Item Response Theory in the Style of Collaborative Filtering.” Psychometrika 87 (1): 266–88. https://rdcu.be/cAcgu.
  • Vie, J-J, Popineau, F., Tort F., Marteau, B., and Denos N.,. 2017. “A Heuristic Method for Large-Scale Cognitive-Diagnostic Computerized Adaptive Testing.” In Proceedings of the Fourth (2017) ACM Conference on Learning @ Scale, 323–26. ACM. https://github.com/jilljenn/las2017-wip/.