Interprétation des traces dans les environnements d’apprentissage collaboratif

Abstract

Dans ces dernières années, plusieurs travaux ont été réalisés sur l’utilisation des traces dans les Environnements d’Apprentissage Collaboratif Assisté par Ordinateur (ACAO) afin de valoriser la collaboration et l’interaction entre les apprenants. Quelques outils et langages ont été définis pour la description et l’exploitation de ces traces. Ces dernières concernent toutes les activités réalisées par les acteurs humains. Les traces sont analysées pour faire ressortir des informations sur le comportement ou sur le parcours des apprenants. Les informations sur le comportement fournissent des données d'entrée en vue d’une analyse objective de l'activité des apprenants. Tandis que les informations sur les parcours montrent leurs stratégies au cours des activités pédagogiques. Mais, plusieurs problèmes sont apparus après l’utilisation de ces traces : leur nombre volumineux, leurs différentes natures et classes et le manque de leur aspect sémantique. Si les processus de collecte et d’exploitation des traces ont été mieux étudiés, la phase d’interprétation de ces traces est peu étudiée. C’est dans ce contexte qu’entre ce travail de recherche qui consiste à interpréter les traces dans les environnements d’ACAO. Dans ce travail, premièrement une nouvelle méthode a été proposée pour la détection des mauvais parcours des apprenants pendant leurs processus d’apprentissage afin de minimiser la quantité des traces à interpréter et ne garder que celles pertinentes. Afin d’effectuer cette tâche, des mécanismes des systèmes immunitaires artificiels ont été utilisés. En effet, un algorithme a été proposé pour détecter les traces pertinentes et par conséquent les bons et les mauvais parcours des apprenants. Deuxièmement, les traces pertinentes ont été utilisées pour l’interprétation des comportements des apprenants. Cette interprétation assiste les acteurs humains pour la compréhension du comportement des apprenants et l’analyse des résultats obtenus (quantitativement et qualitativement), ce qui facilite leurs tâches. Cette tâche d’interprétation a été déléguée aux agents conversationnels animés. Toutes les idées proposées ont été testées par des étudiants universitaires où des bons résultats ont été enregistrés. En effet, plusieurs sous-systèmes ont été implémentés et testés dans des situations réelles. Les résultats obtenus sont jugés très encourageants et très promoteurs.