Construction de l’ontologie Diag-K

Construction de l’ontologie Diag-K

contexte du travail

Notre travail de recherche s’inscrit dans le cadre du projet « Personnalisation des Environnements Informatiques pour l’Apprentissage Humain » (EIAH) du cluster ISLE de la région Rhône-Alpes. L’objectif global de ce projet est de mettre en place les outils théoriques et informatiques pour comprendre le comportement de l’apprenant utilisant un EIAH et adapter son activité. Les méthodes et les formes de cette adaptation pouvant être nombreuses et variées, ce projet se décompose en cinq tâches étudiant chacune une certaine modalité de personnalisation. Interdépendantes et complémentaires, ces tâches s’intéressent à des objets théoriques et pratiques allant des traces d’interaction et scénario pédagogique à l’analyse des activités d’apprentissage et l’élaboration des modèles de connaissances de l’apprenant Un travail de recherche qui est en cours de réalisation dans le cadre d’une thèse exécutée au laboratoire LIRIS (Laboratoire d’Informatique en Image et Systèmes d’information), se place à l’intersection des objectifs de deux de ces tâches : la tâche 1 étudiant les traces d’interaction et la tâche 3 cherchant à élaborer le modèle de l’apprenant à partir de l’analyse de ces traces.

Ce travail de thèse a aboutit à la mise en place d’un cadre conceptuel permettant d’assister et d’aider le concepteur de l’EIAH pour la réalisation du diagnostic. Par la suite, le cadre conceptuel devra déboucher sur la réalisation d’une plateforme utilisable par le concepteur d’un EIAH afin de lui faciliter la mise en ÷uvre de l’analyse automatique des traces d’activité pour l’élaboration de prolos d’apprenants, en explicitant les connaissances nécessaires à inscrire dans le système pour son accomplissement. Ainsi, le concepteur d’un EIAH pourra expliciter le modelé des traces issues de son EIAH, le profil de l’apprenant qu’il souhaite constituer, et expliciter également les connaissances devant intervenir pour interpréter les traces d’interactions de l’apprenant avec l’EIAH afin de calculer et/ou inférer des éléments de son profil. Ce cadre inclut donc des modèles de connaissances permettant de représenter explicitement le profil de l’apprenant, les observations sur les interactions de l’apprenant avec un EIAH, et d’exprimer les connaissances nécessaires pour l’interprétation des traces en vue de l’élaboration du profil de l’apprenant. Notre travail se situe à ce niveau, et consiste d’une part à définir une liste exhaustive des connaissances d’interprétation des traces pour la mod Éolisation des connaissances de l’apprenant et d’autre part de proposer un vocabulaire RDF (une ontologie RDF/RDFS) permettant au concepteur d’un EIAH de décrire les connaissances qu’il juge pertinentes pour inférer l’état des connaissances de l’apprenant par rapport au domaine enseigné.

Motivation et objectif

En général, le modèle de l’apprenant est constitué d’une part d’éléments indépendants du domaine d’application tels que ses préférences ou ses performances, et d’autre part d’éléments dépendants du domaine et du contexte d’application, tels que ses connaissances et ses compétences [MFdCC08, dK01]. Le travail de SETTOUTI [SGML10] consiste à élaborer les éléments « indépendants du domaine » pour la modélisation du profil de l’apprenant (informations personnelles, performances, préférences, etc.). Les connaissances permettant de diagnostiquer ces éléments sont regroupées au sein d’un méta-modèle (vocabulaire RDF) qu’elle a défini et est constitué entre autres de patterns de requêtes (requêtes SPARQL) génériques pour inférer une performance (par exemple : le temps mis par l’apprenant pour résoudre un exercice) ou inférer une stratégie de résolution de problème (par exemple : pour répondre à une question, l’apprenant consulte d’abord l’aide ou un exemple illustrant la résolution de l’exercice, ensuite il donne la réponse ; ou bien l’apprenant donne une réponse ensuite il demande au système de l’évaluer jusqu’à ce qu’il trouve la bonne réponse), et de seuils de comparaison prédéfinis par l’enseignant. Cette approche consiste à fournir au concepteur de l’EIAH les moyens nécessaires pour faire un diagnostic indépendamment des connaissances du domaine d’application. Notre travail a pour objectif de compléter cette approche, en tenant compte des éléments dépendants du domaine d’application et donc des connaissances de diagnostic permettant leur élaboration. Nous avons orienté notre étude de l’état de l’art et des travaux existants dans ce sens afin d’étendre ce méta-modèle.

Modèle de traçage (MT) Certains systèmes implémentent une approche par expertise partielle étendue, mais avec un suivi de l’apprenant plus contraignant : on parle alors de modèle de traçage. Dans cette variante, le système interagit avec l’apprenant à chaque pas de résolution d’un problème, intervenant dès qu’il s’éloigne d’une solution correcte. Anderson en (1983) a travaillé sur la théorie ACT (Active Control of Trought) et a mis l’accent sur la différence entre la connaissance déclarative (le savoir faire) et la connaissance procédurale (le savoir). Cette technique de traçage consiste à analyser étape par étape le raisonnement de l’apprenant à partir de règles de production réparties en deux sous-ensembles : règles correctes et règles erronées, et à intervenir immédiatement lorsque l’apprenant effectue ou commet une erreur. Comme exemple pour cette technique, il y a le Système LISP Tutor [Anderson et Reiser 1985]. Il propose un exercice de programmation à l’apprenant qui y répond tout en tapant son programme, à chaque fois que l’étudiant étudie une nouvelle partie de son code, le tuteur tente d’associer cette étape à une des règles de la base. Si la règle associée est incorrecte, alors le tuteur montre et explique l’erreur. Si l’étudiant ne peut pas continuer en suivant une solution correcte alors le tuteur peut lui montrer comment faire avec une démonstration de l’algorithme à programmer ou il lui montre l’étape correcte.[Aux09] L’avantage de cette technique est de suivre et de guider systématiquement l’apprenant vers l’élaboration d’une solution correcte. Cependant, l’apprenant ne peut pas explorer des chemins corrects mais sous-optimaux, et encore moins des chemins incorrects au bout desquels il se rendra compte de ses erreurs par lui-même.

Autrement dit, en contraignant toutes les possibilités lors de l’utilisation du système, le concepteur limite l’apparition du phénomène du comportement de l’apprenant dus aux enchaînements d’erreurs, mais se prive en même temps des observations de séquences d’actions extrêmement révélatrices des difficultés profondes de l’élève. De plus, selon Gui (1989), dans un tel contexte d’apprentissage où l’environnement est trop contraignant, il est peu probable que l’apprenant ait l’occasion de développer les aptitudes heuristiques (les _ essais-erreurs _) indissociables de toute acquisition opérationnelle de connaissances. [Ren05] Ces systèmes basés sur ces approches ont l’avantage de pouvoir évaluer l’utilité d’un pas de raisonnement (c’est à dire, pas uniquement les vrai et les faux). Le modèle de traçage est composé de : règles de l’expert, règles de bogue, un traceur du modèle et une interface utilisateur. Dans ce qui suit, nous allons présenté les règles de l’expert et les règles erronées (BUGGY rule).

Table des matières

1 Introduction
1.1 contexte du travail .
1.2 Motivation et objectif
1.3 Plan du mémoire
2 État de l’art
2.1 Introduction
2.2 Les EIAH
2.2.1 Les types d’EIAH
2.2.2 Les composants d’un EIAH
2.3 Modélisation des connaissances de l’apprenant
2.3.1 Approches de modélisation de l’apprenant
2.3.2 Techniques de diagnostic des connaissances de l’apprenant
2.4 Cadres théoriques
2.4.1 Cadre théorique de Dillenbourg et Self
2.4.2 Cadre théorique pour l’élaboration du modèle de l’apprenant à partir des traces d’interactions modélisées
2.5 Travaux existants sur la modélisation de l’apprenant
2.6 Conclusion
2.7 Formulation de notre problématique
3 Construction de l’ontologie Diag-K
3.1 Introduction
3.2 Méthodes d’ingénieurie ontologique
3.2.1 La méthode METHONTOLOGY
3.3 construction de l’ontologie « Diag-K »
3.3.1 Cadrage
3.3.2 Conceptualisation
3.3.3 Formalisation
3.3.4 Instanciation
3.4 Conclusion
4 Conclusion et perspectives

Télécharger le rapport complet