Maria Cutumisu

Biographie

Maria Cutumisu est professeure agrégée en sciences de l'apprentissage au Département de psychologie de l'éducation et de counseling de la Faculté des sciences de l'éducation de l'Université McGill. Elle est également professeure associée à l'Université de l'Alberta, à la fois au Département d'informatique et à la Faculté des sciences de l'éducation. Auparavant, elle était professeure agrégée titulaire au Département de psychologie de l'éducation de la Faculté des sciences de l'éducation de l'Université de l'Alberta, où elle a fondé en 2015 son laboratoire spécialisé en mesure, évaluation et science des données, affilié au Centre de recherche en mesure et évaluation appliquées (CRAME).

Elle est titulaire d'une maîtrise et d'un doctorat en informatique du Département d'informatique de l'Université de l'Alberta et a effectué un stage postdoctoral en sciences de l'apprentissage au AAA Lab de la Graduate School of Education de l'Université Stanford. Ses travaux de recherche, qui s'appuient à la fois sur l'informatique et la psychologie de l'éducation, sont financés par des subventions et bourses des trois organismes subventionnaires canadiens, que ce soit à titre de chercheuse principale (subventions de découverte du CRSNG, BES D du CRSNG, subvention de savoir du CRSH et subventions de développement de savoir du CRSH) ou de cochercheuse principale (subventions de savoir du CRSH, subvention de développement de savoir du CRSH, subvention de développement de partenariat du CRSH, programme FONCER du CRSNG et IRSC). En 2025, elle a été intégrée au classement d'Elsevier et de l'Université Stanford figurant parmi les 2 % des scientifiques les plus cités au monde selon les données de 2024.

Ses domaines de recherche comprennent le traitement du rétroaction et la mémoire (subventions de développement de savoir du CRSH), l'apprentissage automatique et l'exploration de données éducatives pour la génération automatisée de rétroactions (subventions de découverte du CRSNG), l'évaluation basée sur le jeu favorisant l'apprentissage et l'apprentissage fondé sur la performance (subventions de savoir du CRSH), la pensée informatique et la littératie des données (subventions CanCode Callysto, tests CCTt et subvention de savoir du CRSH), l'IA dans les jeux (apprentissage par renforcement dans les jeux de rôle informatisés) et le comportement des personnages non-joueurs (PNJ) (BES D du CRSNG), ainsi que les jeux sérieux (le jeu RETAIN pour la réanimation néonatale; FRQS). Elle utilise l'analyse de l'apprentissage (learning analytics) pour étudier l'impact des choix des élèves du primaire au universitaire (comme la volonté de rechercher des rétroactions constructives et de réviser) et de l'état d'esprit sur les résultats d'apprentissage dans un contexte d'évaluation en ligne basée sur le jeu, afin de comprendre à quel point les apprenants sont préparés à apprendre et à innover. Elle a recours aux technologies psychophysiologiques (oculométrie et capteurs d'activité électrodermale) pour offrir une compréhension approfondie des processus d'apprentissage et de mémoire des élèves (subvention de développement de savoir du CRSH, Killam).