Please use this identifier to cite or link to this item: http://dspace.univ-guelma.dz/jspui/handle/123456789/14245
Full metadata record
DC FieldValueLanguage
dc.contributor.authorBoughida, Adil-
dc.date.accessioned2023-05-21T08:16:30Z-
dc.date.available2023-05-21T08:16:30Z-
dc.date.issued2023-05-11-
dc.identifier.urihttp://dspace.univ-guelma.dz/jspui/handle/123456789/14245-
dc.description.abstractDans les environnements informatiques pour l’apprentissage humain, l’adaptation devient de plus en plus importante, elle était considérée comme une solution de la diversité des niveaux et des compétences des apprenants. Pourtant, la majorité de ces systèmes dits adaptatifs ne tient pas compte de l’état émotionnel de l’apprenant lors de la recommandation des activités à entreprendre dans le cas des difficultés d’apprentissage, toutes sortes de blocages ou de démotivation. L’émotion joue un rôle significatif, il est donc essentiel de la prendre en considération dans la conception de ces systèmes adaptatifs. De ce fait, ce travail vise à répondre à cette problématique de recherche en proposant une nouvelle approche d’adaptation à base d’émotion dans le cadre des environnements d’apprentissage social et collaboratif. L’approche va permettre de recommander des ressources/activités qui peuvent motiver et soutenir l’apprenant dans son processus d’apprentissage. Notre première contribution consiste à modéliser l’émotion de l’apprenant en exploitant les expressions faciales générées pendant les activités pédagogiques. Pour cela, un algorithme de quantification de l’émotion basé sur les probabilités a été proposé. Afin de reconnaître les expressions faciales, une nouvelle méthode basée sur les filtres de Gabor et les algorithmes génétiques a été suggérée. Les caractéristiques de Gabor sont extraites des régions d’intérêt du visage humain détectées à l’aide de points des landmarks. En outre, un algorithme génétique a été conçu pour optimiser les hyperparamètres des SVM et sélectionner les meilleures caractéristiques simultanément. Les résultats expérimentaux montrent la surperformance de la méthode et des taux de reconnaissance de 96,30 %, 94,20 % et 94,26 % pour les datasetsJAFFE, CK et CK+, respectivement. Pour recommander les ressources de soutien, nous avons présenté notre approche d’adaptation qui exploite un ensemble de critères d’adaptation adoptés. Ces derniers prennent en compte en plus du profil émotionnel de l’apprenant, ses compétences cognitives et comportementales et ses préférences, aussi, l’historique des degrés de pertinence des ressources de soutien. Les poids de ces critères diffèrent d’une ressource de soutien à l’autre, pour cela, un tableau de bord pour la pondération des coefficients d’importance a été mis à disposition. Pour valider l’approche, les fonctionnalités du système ont été implémentées et intégrées dans une plateforme d’apprentissage social et collaboratif. En effet, une expérimentation visant à valider l’approche a été menée sur deux groupes d’étudiants de l’université de Guelma : test et contrôle. Les résultats montrent l’impact de notre approche sur l’amélioration du niveau cognitif de l’apprenanten_US
dc.language.isofren_US
dc.subjectApprentissage humain, Adaptation, Ressource de soutien, Critère d’adaptation, Modèle de l’apprenant, Émotion, Reconnaissance des expressions facialesen_US
dc.titleAdaptation à base d’émotions dans les environnements d’apprentissage social collaboratifen_US
dc.typeThesisen_US
Appears in Collections:Thèses de Doctorat

Files in This Item:
File Description SizeFormat 
thèse_BOUGHIDA_ADIL.pdf13,34 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.