Perception du comportement de l’apprenant dans un environnement d’apprentissage
No Thumbnail Available
Date
2013
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
De nombreux Environnements Informatiques d’Apprentissage Humain (EIAH) se sont
appuyés principalement sur la détection de caractéristiques relatives aux connaissances, aux
intérêts, aux objectifs, aux pré-requis et aux traits individuels pour le suivi et l’adaptation des
contenus. Cependant, l’identification de ces caractéristiques est un problème difficile dans le
domaine de l’enseignement à distance. En effet, l’observation de l’apprenant, est rendue difficile
par l’absence du contact face-à-face. Par conséquent, les recherches se sont orientées vers
l’analyse du comportement de l’apprenant dans l’environnement d’apprentissage pour remplacer,
en partie, l’observation informelle de son activité. Cette analyse est basée sur l’interprétation
d’informations recueillies pendant la session d’apprentissage, appelées traces. Ces traces, définies
comme une séquence temporelle d’observés, fournissent des connaissances sur l’activité grâce à
des variables calculées que nous appelons caractéristiques.
Parmi les caractéristiques individuelles, nous nous intéressons dans cette thèse, plus
particulièrement, aux styles d’apprentissage. Ce concept est lié à la fois à un ensemble de
conduites et de stratégies dans la manière de gérer et d'organiser l'information et à la manière de
mettre en oeuvre ces conduites et stratégies. Les EIAH qui utilisent ces styles s’appuient
généralement sur l’un des modèles proposés dans la littérature, ou proposent un modèle qui n’est
qu’une sélection de dimensions ou de préférences pouvant être déterminées dans de tels
contextes. Par ailleurs, pour la détection automatique de ces styles, les nouveaux travaux se sont
orientés vers l’utilisation des traces via des méthodes de datamining.
L’objectif de cette recherche est de proposer des caractéristiques, aussi indépendants que
possible de la conception de l’environnement de formation, permettant de fournir aux enseignants
une perception du comportement de leurs apprenants et d’identifier leurs styles d’apprentissage.
La proposition d’une solution à cette problématique vise à fournir un service à de nombreux
EIAH, utilisant les styles d’apprentissage pour l’adaptation, sans la nécessité de modifier le
système pour y ajouter une nouvelle fonctionnalité. Cela permet également d’enrichir le modèle
de l’apprenant, et d’améliorer la tâche de suivi, en offrant aux tuteurs une perception de l’activité
de leurs apprenants, et leurs préférences d’apprentissage, sans avoir à analyser dans le détail
toutes leurs interactions. Elle permet également à l’apprenant d’acquérir un savoir métacognitif
sur ses méthodes d’apprentissage.
Pour répondre à cette problématique, nous nous sommes intéressés aux environnements
Web, sur lesquels sont basés la majorité des EIAH, notamment les plates-formes de formation à
distance, et sur lesquels plusieurs études ont été menées pour interpréter les comportements des
utilisateurs à base de traces de navigation. Nous visons à appliquer les résultats de ces travaux
dans le contexte d’apprentissage, où la navigation de l’apprenant peut être assimilée à celle d’un
internaute dans la situation particulière d’apprentissage. Cette approche est bien fondée, vu que
plusieurs recherches en psychologie et sciences de l’éducation ont montré une forte relation entre
le style d’apprentissage et le comportement de navigation des apprenants avec des ressources en
ligne.
Par conséquent, nous visons dans cette thèse à exploiter cette relation afin de confirmer la
possibilité d’inférer automatiquement de telles informations sur l’apprenant (styles
d’apprentissage), à partir des traces de navigation (parcours suivi) et essayer d’adapter ce dernier.
Pour atteindre cet objectif, nous avons adopté une approche pragmatique et
pluridisciplinaire. D’une part, nous avons étudié l’état de l’art sur les trois axes de recherches liés
à cette problématique, à savoir : les styles d’apprentissage, les comportements de navigation sur
le Web, et les traces numériques dans les EIAH. D’autre part, nous avons cherché les besoins des
enseignants en termes d’informations sur les comportements et les préférences d’apprentissage de
leurs apprenants, ainsi que les interprétations qu’ils peuvent associer à leurs parcours, afin de
définir des indicateurs permettant d’identifier les styles d’apprentissage qui leurs sont utiles.
Ainsi, nous avons défini les styles à identifier, et les caractéristiques intervenants dans leurs
calculs, à travers l’utilisation des techniques de datamining pour classifier les utilisateurs et plus
précisément en utilisant l’algorithme de fourmis qui ont prouver leur importance dans les
domaines d’optimisation et de classification.
Nous sommes ainsi convaincus de la validité de notre démarche qui nous permettra de
poursuivre le travail dans cette chaîne opératoire visant le suivi et l’adaptation des EIAH à base
de styles d’apprentissa