Un EIAH pour l’algorithmique
No Thumbnail Available
Date
2015
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Ce manuscrit aborde l’un des axes principaux de recherche dans les EIAH (Environnement
Informatique pour l’Apprentissage Humain), qui est l’évaluation de l’apprenant. Avec
l’évolution technologique, l’évaluation peut être assistée par ordinateur. Cette automatisation
de l’évaluation peut aider les enseignants à créer des modèles éducatifs, par conséquent de
concentrer leurs efforts sur l’enseignement.
L’évaluation des apprenants représente un véritable défi. En effet, les méthodes d’évaluation
jusqu’ici utilisées dans les EIAH (QCM ou Questions à Choix Multiples, Questions à trous)
sont inadaptées à une discipline telle que l’algorithmique. D’un autre coté, si l’utilisation
d’un véritable compilateur, même pour du pseudo code, permet d’éditer des algorithmes et
de les tester, elle ne permet pas, en revanche, d’avoir un feedback détaillé sur les
connaissances et compétences des apprenants. Par conséquent, on ne peut pas ni localiser les
lacunes et difficultés qu’un apprenant peut avoir, ni y remédier.
Dans le contexte d’un EIAH dédié à l’algorithmique, notre objectif est d’éliminer cette tâche
d’évaluation, voire la réduire. Pour cela, nous avons proposé un outil de compréhension des
algorithmes, qui permet aux apprenants d’écrire des algorithmes propositions et aux
enseignants de construire des modèles de propositions. Ces modèles peuvent être corrects ou
incorrects, mais ayant une utilité pédagogique. La compréhension consiste à faire
correspondre l’algorithme proposé avec les modèles existants. Elle ne se limite pas à une
simple comparaison, mais plutôt elle consiste à extraire le maximum d’informations à partir
du code de l’algorithme telles que : les intentions de l’apprenant, la défaillance de la
proposition, etc. Ainsi, notre évaluation sera plus pertinente, puisqu’en plus de la note, on
aura plus de détails sur les apprenants. Dans le cas où une proposition n’a pas de modèle
correspondant, l’expert humain peut l’évaluer et si nécessaire enrichir la base de modèle. Par
conséquent, l’évaluation est garantie. Notre approche favorise la créativité des apprenants, en
leur offrant la possibilité d’engager réellement leurs compétences.