Projet de recherche doctoral numero :2851

Date depot: 1 janvier 1900
Titre: Analyse des traces de navigation des apprenants dans un environnement de formation dans une perspective de détection automatique des styles d apprentissage
Directeur de thèse: Jean-Marc LABAT (LIP6)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini

Resumé: 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 indicateurs. 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 œuvre 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 l’auto-détection 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 indicateurs, 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’auto-détecter 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 de haut niveau sur l’apprenant (styles d’apprentissage), à partir des traces de navigation de bas niveau (parcours suivi). 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 indicateurs intervenants dans leurs calculs, à travers une approche automatisant leurs calculs à base de traces de navigation. Pour valider cette approche, nous avons proposé et implémenté un système à base de traces, et nous avons détaillé la méthode de calcul de l’un des indicateurs de base pour décrire les comportements de navigation des apprenants, celui de « type de navigation ». La méthode de calcul proposée pour cet indicateur a été validée avec trois expérimentations, dont la dernière a également confirmé la possibilité d’auto-détecter les styles d’apprentissage à partir

Doctorant.e: Bousbia Nabila