Développement des agents avec JESS

Développement des agents avec JESS

Problématique générale

Durant la réalisation de projets de laboratoire associés à des cours en ingénierie, les étudiants se retrouvent souvent face à des obstacles qui les empêchent d’avancer correctement dans leurs travaux (par exemple : compréhension déficiente de la matière, mauvaise organisation du travail,…). Tel est le cas pour le cours d’introduction aux systèmes intelligents offert au département de génie logiciel et des TI de l’ETS. D’ailleurs, à la session d’été 2008, 55% des étudiants de ce cours ont estimé que leur premier projet de laboratoire était difficile à réaliser (voir chapitre 6, la section pré-test). Il en résulte que les étudiants ne profitent pas des avantages des projets de laboratoire qui consistent à comprendre et à maîtriser les notions théoriques vues dans le cours en les appliquant dans le cadre d’un problème réel (Prince et Felder, 2006). Il faut également considérer que chaque étudiant a son propre rythme d’apprentissage et degré de connaissance (Emmanuel, Capus et Tourigny, 2006).

En effet, bien que la majorité des étudiants arrive à comprendre un concept théorique présenté dans le cours, il existe une minorité qui n’arrive pas à saisir ce même concept. De son côté, l’enseignant n’a souvent pas les moyens nécessaires, mis à part les examens et les travaux de laboratoire, pour suivre de manière continue, chacun de ses étudiants et de repérer cette minorité qui a besoin de plus d’encadrement; spécialement lorsqu’il s’agit d’un cours où le nombre d’étudiants par classe peut être supérieur à 50. Il s’agit ici bien sûr de l’un des défis rencontrés en éducation : comment adapter le discours pédagogique à des apprenants ayant différents niveaux de compétences?

Nous remarquons aussi la réticence des étudiants face aux tâches impliquant une réelle collaboration. C’est d’ailleurs le cas pour la participation aux forums de discussions associés à certains cours. En effet, 74% des étudiants du cours mentionné plus haut ne participent pas aux forums associés à certains de leurs cours (voir Chapitre 5, section pré-test). Par conséquent, les étudiants ne profitent pas des avantages liés à la collaboration comme le partage efficace des connaissances et l’amélioration du processus d’apprentissage. Parmi les solutions envisageables, les environnements informatiques d’apprentissage humain ou EIAH visent, justement, à palier aux problèmes mentionnés précédemment. Comme son nom l’indique, un EIAH est un environnement informatique dont la finalité est de soutenir l’apprentissage humain (Tchounikine, 2002a). D’ailleurs, l’essor important connu par les technologies de l’information et de la communication (TIC), et spécialement Internet, a engendré un nombre important d’environnements d’apprentissage dans tous les domaines et à tous les niveaux d’enseignement (du primaire à l’université). Aussi, grâce à l’intelligence artificielle et aux agents pédagogiques, une personnalisation et une adaptabilité des EIAH ont été rendues possibles. Plusieurs environnements basés sur les agents pédagogiques existent.

Certains de ces systèmes peuvent être très complexes à mettre en oeuvre (comme AutoTutor(Institute for intelligent systems, 2008)) et, en conséquence, difficiles à adapter rapidement. D’autres systèmes se spécialisent dans l’observation d’activités pédagogiques basées sur l’analyse de « trace » (Loghin, Carron et Marty, 2007a). Il existe également des systèmes comme ABALS (Chen et Zhang, 2006), incitant les étudiants à participer à des activités collaboratives.

Objectifs généraux et spécifiques de la recherche

Notre recherche a pour objectif principal d’aider l’étudiant et l’enseignant, durant les projets de laboratoire associés au cours, à travers un environnement informatique d’apprentissage humain (EIAH) intitulé « AARTIC » (acronyme pour Apprentissage, Adaptatif, Repère, et Technologies de l’Information et de la Communication). AARTIC est basé sur les stratégies d’apprentissage par l’exemple et d’auto-explication associées à l’approche d’enseignement par étape (Ratté et Caron, 2002). Cet environnement permet de répondre aux faiblesses mentionnées précédemment en aidant l’étudiant à maîtriser les concepts théoriques nécessaires à la réalisation de son projet de laboratoire, tout en proposant une familiarisation rapide avec la programmation JESS. L’approche par étape permet de mieux orienter l’étudiant tout au long de la réalisation de son projet de laboratoire. En effet, cette approche répond à un besoin actuel des étudiants dans l’organisation de leurs travaux. D’après un sondage effectué à l’École de technologie supérieure, 42,7% des étudiants planifient leur temps de travail « rarement ou jamais » (Viau, 2006).

Dans AARTIC, chaque étape définit une section importante dans la réalisation du projet et comporte un ensemble de concepts théoriques (généralement présenté au préalable dans le cours) qu’il faut retenir. Pour pouvoir passer à l’étape suivante, l’étudiant doit réussir un questionnaire d’évaluation en ligne. Le système assiste l’étudiant dans l’assimilation des concepts théoriques du cours à travers des exemples qu’il lui propose selon le niveau de connaissance de l’étudiant. Ce niveau est calculé à partir des résultats des questionnaires d’évaluation proposés dans AARTIC. L’étudiant a la possibilité de proposer sa propre explication de l’exemple qu’il vient de voir à travers le forum de discussions intégré à l’environnement d’apprentissage. De ce fait, tous les étudiants peuvent commenter l’explication proposée ou en fournir une nouvelle. Ceci toujours sous l’encadrement de l’enseignant ou de l’auxiliaire de laboratoire qui peut intervenir à tout moment dans le forum.

Les environnements informatiques d’apprentissage humain (EIAH)

L’appellation « environnement informatique d’apprentissage humain » (EIAH) peut être divisée en trois parties : l’environnement informatique, l’apprentissage et le caractère humain. Le terme « environnement informatique » désigne l’ensemble des composantes informatiques, de la « structure organisationnelle » (Grand dictionnaire terminologique, 2009) et des procédés fonctionnant dans le but d’offrir un certain nombre de services. L’« apprentissage» signifie l’acquisition d’une information ou d’un savoir par une personne. L’adjectif « humain » spécifié à la fin permet de souligner l’importance de l’utilisateur concerné par ces environnements. L’ensemble de tous ces termes forment l’acronyme « EIAH » signifiant les environnements au service de l’éducation à travers un outil informatique. Nous adopterons, pour la suite de ce travail, la définition de Tchounikine : « Un EIAH est un environnement informatique conçu dans le but de favoriser l’apprentissage humain, c’est-à-dire la construction de connaissances chez un apprenant. La conception d’un EIAH est un processus complexe, profondément pluridisciplinaire. » (Tchounikine, 2002a, p. 62)

Le terme EIAH est apparu à la fin des années 90; sa venue introduisait une nouvelle approche et de nouvelles normes (des notions comme la « réutilisation d’objets pédagogiques » ou encore des normes comme SCORM «Sharable Content Object Reference Model»). En réalité les EIAH découlent d’une grande lignée des dispositifs pédagogiques et d’approches pour la conception de ces dispositifs (Kreczanik, 2008) . Les premières machines à enseigner existent depuis bien longtemps : pour cela il faut remonter jusqu’au début du siècle dernier en 1926 quand Sidney L. Pressey a développé une machine proposant des questions à choix multiples et une rétroaction rapide à l’utilisateur (ITS) . Plus tard, dans les années 50 et 60 est apparue la notion d’«enseignement programmé ». Dans le courant des années 70 et avec l’essor de l’intelligence artificielle, on parlait plutôt de « EAO » ou Enseignement Assisté par Ordinateur. C’est à ce moment qu’apparaissent les premières applications éducatives de l’informatique.

Dans le courant des années 80, le terme EAO s’est modernisé avec l’intégration des notions d’intelligence artificielle pour devenir « EIAO » ou Enseignement Intelligemment Assisté par Ordinateur (Tchounikine, 2002b). Grâce aux EIAO, on mettait à l’avant-plan les théories d’apprentissage. Dix ans plus tard, l’EIAO est devenu acronyme de « Enseignement Interactif d’Apprentissage avec Ordinateur». Lui-même devenu à la fin des années 90 EIAH ou Environnement Informatique pour l’Apprentissage Humain. Ainsi, on mettait en exergue, à la fois, l’aspect informatique et humain de ce genre de dispositifs (De Vries, 2001). La recherche dans ce domaine, comme l’indique son historique, est étendue et comporte une revue de littérature abondante compte tenu de la pluridisciplinarité du domaine. En effet, en EIAH deux grandes disciplines se rencontrent : d’un côté les environnements informatiques qui connaissent un essor exponentiel durant ces dernières décennies, de l’autre, les sciences de l’éducation dont les théories ne cessent de changer et de se diversifier.

Table des matières

INTRODUCTION
CHAPITRE 1 PROBLÉMATIQUE
1.1 Problématique générale
1.2 Problématique spécifique
1.3 Objectifs généraux et spécifiques de la recherche
1.4 Méthodologie générale
CHAPITRE 2 REVUE DE LA LITTÉRATURE
2.1 Les environnements informatiques d’apprentissage humain (EIAH)
2.1.1 EIAH et EAI : quelle appellation choisir?
2.1.2 Impacts et avantages en enseignement
2.2 Les agents intelligents
2.2.1 Les AI en enseignement dans les EIAH
2.2.2 Impacts et avantages des AI en enseignement
2.3 Notre apport à la littérature
CHAPITRE 3 ANALYSE ET CONCEPTION PRÉLIMINAIRES AVEC MISA
3.1 Présentation de MISA
3.2 Analyse et conception préliminaires avec MISA
3.2.1 Définition du problème de formation
3.2.2 Identification des objets d’apprentissage
3.2.3 Définition de l’approche pédagogique
3.2.4 Définition de l’approche médiatique
3.3 Critique de la méthode MISA
CHAPITRE 4 
4.1 Le langage UML
4.2 Description et Architecture de l’environnement AARTIC
4.2.1 Description d’AARTIC
4.2.2 Architecture de l’environnement AARTIC
4.3 Diagramme de classe UML de l’environnement AARTIC
4.3.1 Modules « etudiant » et « communicationBD »
4.3.2 Module « etape »
4.3.3 Le module enseignant
4.4 Diagramme d’activité UML de l’environnement AARTIC
4.4.1 L’environnement AARTIC du côté enseignant
4.4.2 L’environnement AARTIC du côté étudiant
CHAPITRE 5 CHOIX TECHNOLOGIQUES
5.1 Développement des agents avec JESS
5.2 La logique métier : technologie Java
5.3 Site Web AARTIC: SPIP versus développement HTML
5.3.1 Présentation SPIP
5.3.2 Inconvénients de SPIP pour AARTIC et choix
d’une programmation HTML
5.4 Représentation des concepts théoriques du cours avec Freemind
5.5 Développement des questionnaires à choix multiple
CHAPITRE 6 RÉALISATION
6.1 Pré-test
6.2 Test de l’application AARTIC
6.2.1 Réalisation
6.2.2 Évaluation de AARTIC
6.3 Effort de l’enseignant
6.4 Impact sur l’apprentissage
CONCLUSION
ANNEXE II QUESTIONNAIRE D’ÉVALUATION DE L’ENVIRONNEMENT
AARTIC
ANNEXE III JAVA ET JESS
APPENDICE A LES MACHINES À ENSEIGNER
BIBLIOGRAPHIE

Télécharger le rapport complet