Les Environnements Interactifs d’Apprentissage avec Ordinateur (EIAO)

Télécharger le fichier pdf d’un mémoire de fin d’études

L’enseignement assisté par ordinateur

Le terme EAO doit être pris dans son sens littéral : il s’agit d’un enseignement où l’ordinateur est utilisé en tant qu’outil pour l’enseignement. Les premiers didacticiels sont apparus dès la fin des années 60, ils étaient créés à partir de « langages auteurs ». Cela permettait aux enseignants de créer des scénarios séquentiels dans lesquels ils incluaient leurs connaissances de la discipline. Le déroulement de ces scripts consistait à apporter des informations à l’élève et à vérifier par des questions que ces informations avaient été assimilées. Une telle organisation interdisait au système de résoudre des problèmes (ou à l’apprenant de poser des questions, voire de proposer des énoncés) non explicitement prévus à sa conception. D’autre part, tous les élèves devaient suivre un cheminement identique, sans que les connaissances initiales de l’élève ou son comportement ne soient pris en compte.

L’Enseignement Intelligemment Assisté par Ordinateur (EIAO)

On situe généralement les débuts de L’EIAO aux Etats-Unis, avec le célèbre système SCHOLAR de Carbonell [Lor 01], relatif à la géographie de l’Amérique du Sud. La représentation de la connaissance dans des structures d’information permettait de déterminer les questions à poser à l’apprenant et de vérifier ses réponses mais également de répondre à des questions formulées par ce dernier, et ce, en langage naturel (anglais limité à des phrases simples). Ce système qui possédait également un mécanisme d’évaluation des connaissances de l’apprenant présentait déjà les idées fondamentales de l’EIAO que l’on va trouver dans les travaux postérieurs à 1970. Ces idées sont les suivantes :
une modélisation des connaissances du domaine et des mécanismes de raisonnement, qui dote les systèmes de la capacité de résoudre des problèmes et de répondre à des questions non explicitement prévues.
une modélisation (ou prise en compte) de l’apprenant pour permettre au système de s’adapter dynamiquement et de façon individualisée à son interlocuteur, connaissant son degré de maîtrise des connaissances du domaine et son comportement.
• une modélisation des stratégies tutorielles, qui autorise le système à intervenir en fonction de la situation, d’objectifs pédagogiques ou du modèle de l’apprenant.
• des capacités de communication souples et variées, avec des possibilités d’intervention et de prise d’initiative de l’apprenant.
Ces idées justifient l’adverbe « intelligemment » ajouté au sigle EAO, à la fois en terme d’intelligence du système et en terme de problématique et de techniques relevant de l’IA.

Les Systèmes tuteur intelligent STI

En très forte liaison avec le développement en IA des systèmes à base de connaissances et en particulier des premiers systèmes experts, les STI (Intelligent Tutoring Systems – ITS) sont nés dans les années 90 à partir d’une idée simple : on dispose d’un système expert pour la résolution de problèmes, d’une base de connaissances pour un domaine, on ajoute un module pour assurer le transfert de connaissances du système vers l’utilisateur et on obtient un système d’apprentissage individualisé qui va servir à former les étudiants en complément à un enseignement classique dispensé par exemple sous forme de cours magistraux.
Dans un STI, l’apprenant peut être acteur ou observateur dans la résolution d’un problème (problème proposé par le système ou par l’apprenant). Il est acteur s’il résout lui-même le problème, le système assurant un guidage et un contrôle ; il est observateur et reçoit les explications que lui fournit le système si ce dernier résout le problème. C’est le cas par exemple du système Aplusix [Lor 01] dans le domaine de la factorisation de polynômes aux niveaux collèges et lycées et qui date de 1987.

Les Environnements Interactifs d’Apprentissage avec Ordinateur (EIAO)

C’est aux environs de 1990 que s’opère un changement dans la vision de l’apprentissage. On passe d’une vision qui était jusqu’alors centrée sur le transfert de connaissances (fourniture de résultats aux données saisies) à une vision selon laquelle l’apprenant construit son apprentissage en interagissant avec un environnement [Lor 01]. Il s’agit de confronter l’apprenant à un environnement dont le niveau de connaissances est supérieur au sien, provoquant ainsi un écart qu’il va essayer de combler en acquérant et remettant en cause ses connaissances, au fur et à mesure de ses interactions avec le système. Ainsi, l’appellation Environnements Interactifs d’Apprentissage avec Ordinateur (EIAO) est proposée pour se démarquer de l’ancien sigle, trop limité aux travaux concernant les STI, et concevoir des environnements d’apprentissage (Interactive Learning Environments – ILE) regroupant également les approches du type micromonde.
L’évolution rapide des matériels, des logiciels et interfaces de communication homme-machine ont permis d’accroître fortement l’interactivité pour concevoir des systèmes interactifs d’aide à la résolution de problèmes avec une forte communication tout au long du processus, tout en assurant des tâches de guidage tutoriels et de contrôle des activités de l’apprenant pour favoriser son apprentissage.

Les Environnements Informatiques d’Apprentissage Humain (EIAH)

Cette appellation est très récente, elle est portée par l’équipe de recherche du même nom du laboratoire Leibniz et a été entérinée en 1997 lors des journées nationales du Programme de Recherche Concertées en Intelligence Artificielle (PRCIA).
Les travaux actuels en EIAH doivent prendre en compte une transformation radicale de l’informatique dont la référence technologique est moins l’ordinateur individuel que les systèmes permettant aux hommes et aux machines de communiquer et d’interagir tout en étant distribués dans l’espace et le temps. Le développement du World Wide Web et l’évolution des technologies associées conduisent à envisager des systèmes coopératifs d’apprentissage où acteurs humains et artificiels communiquent à travers des réseaux.

Les composants d’un EIAH

Dans ce paragraphe ,nous présentons deux composantes classiques des EIAH qui sont le modèle du domaine et le modèle de l’apprenant.

Modèle du domaine

L’une des composantes essentielles de la conception d’un EIAH est la modélisation des connaissances à transmettre.
Plusieurs méthodes d’Intelligence Artificielle peuvent être utilisées pour modéliser ces connaissances. Parmi les formalismes qui permettent de représenter le modèle du domaine, on trouve [Del 00] :
§ Formalismes basés sur l’utilisation des graphes : ils consistent à réunir sous la forme d’un graphe les concepts représentant la connaissance et à les interconnecter par des liens.
§ Formalismes basés sur la logique : la logique est un système formel composé d’un langage, d’axiomes, de règles de production et d’une fonction d’interprétation qui permet de déterminer la validité d’une formule. La logique permet de représenter le savoir par l’intermédiaire de son langage et le savoir faire par l’intermédiaire des règles de production.
§ Formalismes basés sur l’utilisation de bases de règles : ce type de formalisme repose sur des règles de production et une base de faits.
§ Formalismes basés sur l’utilisation de langages de Frames : le principe de ces langages est de regrouper sous une même entité nommée Frame des connaissances déclaratives et des connaissances procédurales. Ce formalisme associe à chaque savoir un savoir faire qui lui est propre.

Modèle de l’apprenant

Le modèle de l’apprenant est une composante indispensable dans un EIAH car il va permettre de représenter le niveau de connaissance de l’élève en temps réel, évaluer ce qui est appris et donc contrôler le processus didactique. Il permet au système de s’adapter à son interlocuteur pour un enseignement individualisé. Il doit être dynamique, c’est-à-dire que son contenu se modifie au fur et à mesure de l’interaction. Pour le construire et le faire évoluer, il est indispensable que le système possède un certain nombre d’informations sur l’apprenant. C’est au niveau de l’interface du dispositif informatique que le système va percevoir le comportement de l’apprenant [Bal 97].

Classification des EIAHs

Un bon moyen de classifier les EIAH est de le faire par rapport au degré de directivité du système (ou de façon duale au degré de liberté d’initiative laissé à l’élève) [Bal 94][Bal 00]. On distingue ainsi trois catégories : les tuteurs sont les plus directifs, les micromondes sont ceux qui le sont le moins, et entre les deux se trouvent les systèmes à découverte guidée qui laissent une liberté apparente à l’élève.

Tuteurs

Le système suit l’élève pas à pas dans sa démarche et ne tolère aucune erreur. Le système contrôle ainsi que l’apprenant dispose des connaissances de référence mais ne laisse pas l’apprenant exprimer sa propre compréhension du problème car l’élève doit suivre le raisonnement prévu par le système.
Geometry Tutor, présenté dans [Lor 01], est un système tuteur conçu pour apporter un retour immédiat à l’élève sous forme de message de diagnostic en cas d’erreur. Le travail de l’élève consiste à décrire pas à pas le raisonnement et dès qu’un pas est incorrect, le système le prévient. En cas de difficultés, le tuteur lui propose la solution.

Micromondes

A l’opposé des systèmes « tuteurs », un système de type « micromonde » laisse toute l’initiative à l’élève. Ce type de système fournit un certain nombre d’objets ou primitives de base que l’élève utilise pour concevoir des objets plus complexes au fur et à mesure de l’exploration. Une illustration de ce type de système est donnée par le logiciel Cabri-Géomètre [Lor 01], un micromonde pour expérimenter la géométrie. Il permet à son utilisateur de construire des figures géométriques possédant certaines propriétés à partir d’objets élémentaires comme des points, droites, etc. Ces figures peuvent ensuite être déformées tout en conservant leurs caractéristiques géométriques.
Un micromonde est un environnement riche car il permet à l’utilisateur d’exprimer sa propre compréhension (cas de la création et déformation des figures dans Cabri- Géomètre) mais nécessite la présence d’un enseignant qui guide et contrôle les activités de l’apprenant. Un micromonde doit être inclus dans un dispositif didactique (artificiel ou humain) pour assurer un apprentissage efficace.

Découverte guidée

Dans les systèmes à découverte guidée, les décisions d’interaction ne sont pas définies de façon statique mais dépendent du contexte de l’apprenant. Le système peut aussi bien décider d’intervenir de façon directive que de différer son intervention s’il estime que l’élève a une chance d’aboutir au résultat. Il peut aussi l’aider en lui suggérant une démarche.
On trouve cette flexibilité dans le projet Mentoniezh [Lor 01], où les étapes dans la résolution de problèmes par l’élève peuvent être découpées en sous-problèmes, eux-mêmes énoncés dans un ordre quelconque.
Un autre exemple est donné par Cabri-Euclide [Lor 01], un micromonde de preuve mis en œuvre sur Cabri-Géomètre. L’élève interagit avec un tuteur artificiel pour lequel il exprime les connaissances qu’il souhaite utiliser afin de résoudre un problème et construire une preuve. Le tuteur réagit en fonction de la cohérence du raisonnement de l’élève et non à ce que devraient être a priori les étapes pour arriver à la solution.

L’architecture des hypermédias adaptatifs

L’architecture des hypermédias adaptatifs, comme pour beaucoup de systèmes assistés par ordinateur, s’appuie principalement sur deux modèles :
– Le modèle de domaine ;
– Le modèle de l’utilisateur.
Les différents types d’hypermédias adaptatifs se caractérisent par la relation qu’ils entretiennent entre le modèle du domaine et les médias utilisés pour présenter les concepts à l’utilisateur. Les systèmes ont successivement emplois différents techniques. Dont la technique la plus évoluée calque la structure de l’hyperespace sur la structure du modèle du domaine [Vas 97]. Ainsi chaque concept est relié à une ou plusieurs pages physiques et ces relations sont représentés par des liens hypertextes.

Modèle de domaine

Le modèle de domaine est la composante d’un système qui permet à l’ordinateur de connaître ce qui va être présenté à l’utilisateur. Ce modèle est dès lors définit par des experts d’un domaine précis [Del 00]. Par exemple dans l’enseignement, les enseignants jouent le rôle des experts qui sélectionnent et annotent les documents du domaine (les cours), et les apprenants sont considérés comme des utilisateurs qui consultent ces cours.

Modèle de l’utilisateur

le modèle de l’utilisateur est composé de deux sous modèles : un modèle épistémique et un modèle comportemental.

Modèle épistémique

Le modèle épistémique est la composante qui permet au système de connaître ce que l’utilisateur est supposé savoir ou ne pas savoir. Sachant que cette connaissance est en rapport avec la connaissance représentée dans le modèle du domaine, le modèle épistémique peut être considéré comme un dérivé du modèle du domaine. Ainsi, chaque concept du modèle du domaine est associé au modèle épistémique de l’utilisateur. Jusqu’à présent, les systèmes d’enseignement utilisent trois types de pondération [Bru 96b]. Elle peut être:
Ø Binaire (connaît ou ne connaît pas le concept).
Ø Discrète, en définissant des catégories d’apprenant (par exemple novice, moyen ou expert).
Ø Continue (les valeurs appartiennent alors à un intervalle).
C’est cette dernière technique (continue) qui représente le mieux la connaissance de l’utilisateur, de plus, elle est la seule qui permet de prendre en considération le temps [Jor 89]. En effet, afin d’améliorer le modèle épistémique le temps est introduit comme variable d’une fonction d’oubli, car toute personne qui ne revoit pas régulièrement une connaissance particulière, risque de l’oublier partiellement voire complètement.

Modèle comportemental

Alors que le modèle épistémique est toujours présent dans les systèmes, le modèle comportemental est le plus souvent très limité voire absent. Or le système adaptatif se veut très proche de l’utilisateur, ce qui signifie qu’il doit prendre en compte aussi bien ses préférences, ses objectifs, que ses capacités naturelles [Del 00 ].
Ø Les préférences de l’utilisateur vont avoir un impact sur l’organisation des pages qui lui seront présentées. En effet, lors de l’initialisation de son modèle, l’utilisateur spécifiera les caractéristiques de ce que l’on nomme un canevas. Ce canevas servira de modèle pour la construction de toutes les pages qui lui seront adressées. Il définira de façon séquentielle l’organisation des informations de chaque page.
Ø Les objectifs de l’utilisateur auront aussi une influence sur le comportement du système. En effet, par exemple dans un cadre éducatif, si l’apprenant veut réviser pour un examen, ou qu’il veut approfondir de façon informelle sa connaissance, le système devra être plus ou moins souple et adopter un point de vue sur l’organisation de la connaissance plus ou moins large. Donc, les capacités de l’étudiant seront prises en compte, non pas de façon globale, mais par type de matière. Ainsi, suivant la matière enseignée, on supposera ou exigera un certain niveau pour l’étudiant, de même la pondération temporelle du modèle épistémique variera suivant les matières.

Modélisation de modèle utilisateur

La modélisation de l’utilisateur est le processus de suivi du cycle de vie entier d’un modèle de l’utilisateur ; comprenant l’acquisition des connaissances sur l’utilisateur, construction, de la mise à jour, l’exploitation du modèle de l’utilisateur.
Les buts principaux de la modélisation de l’utilisateur sont pour :
• Aider un utilisateur pendant l’apprentissage,
• Offrir l’information adaptée à l’utilisateur,
• Adapter l’interface à l’utilisateur,
• Aider un utilisateur à trouver l’information,
• Donner à l’utilisateur son feedback sur ses connaissances,
• Supporter le travail de collaboration,
• Donner l’aide personnalisée dans l’utilisation d’un système.
Les connaissances de système sur l’utilisateur peuvent être représentées de différentes manières, telles que les modèles par recouvrement (en couches), réseaux sémantiques, profils d’utilisateur, modèles basés stéréotypes, réseaux bayésiens ou modèles de logique floue. Les représentations les plus fréquemment utilisées sont [Koc 00][Del 00] : les modèles en couche, les modèles des erreurs, les modèles stéréotypés.

Le modèle en couche (overlay model)

Cette méthode, nommée aussi méthode de représentation par recouvrement, apparue avec les premiers systèmes d’enseignement, considère le modèle de l’utilisateur comme un sous-ensemble du modèle du domaine, auquel il manque des informations. Dans ce cas le but de l’apprentissage est d’obtenir finalement une superposition parfaite du modèle de l’apprenant sur le modèle du domaine.
La forme la plus simple et la plus ancienne de représentation des connaissances de l’utilisateur est une valeur binaire « connue – inconnue ». La majorité de systèmes utilise ce modèle en associant à chaque concept du modèle du domaine un poids qui peut distinguer plusieurs niveaux de connaissance de l’utilisateur d’un concept en utilisant une valeur qualitative, une valeur quantitative : nombre entier, ou une probabilité que l’utilisateur connaît le concept. Dans le modèle en couche la connaissance de l’utilisateur peut être représentée comme ensemble de paires « valeur — concept », pour chaque concept de domaine. Le modèle en couche est puissant et flexible parce qu’il peut mesurer indépendamment la connaissance de l’utilisateur de différents concepts.

Le modèle des erreurs (buggy model)

Cette deuxième méthode est une extension de la précédente. Introduite par [Del 00], elle consiste à adjoindre aux données issues de la méthode en couche une liste d’erreurs qu’a commises l’apprenant. Le but est alors d’examiner ces bugs et d’essayer de comprendre leurs origines en les comparant à une liste d’erreurs typiques déjà observée, permettant alors d’améliorer les stratégies pédagogiques du système.

Le modèle stéréotypé

Dans un modèle stéréotypé les propriétés et les connaissances’ des utilisateurs sont également  N représentées avec des combinaisons des valeurs, qui sont assignées aux stéréotypes, tels que le : débutant, intermédiaire, expert. Un utilisateur hérite alors toutes les propriétés définies pour un stéréotype.

Système hypermédia adaptatif ou adaptable

Une distinction claire doit être faite entre les systèmes hypermédias personnalisables, appelés  adaptables, et les systèmes adaptatifs [Koc 00]. Dans les deux cas l’utilisateur joue un rôle central et le but final est d’offrir un système personnalisé.
Ø Un système hypermédia adaptable permet à l’utilisateur de configurer le système en changeant quelques paramètres, ce qui permet au système d’adapter son comportement.
C’est un système externe où l’utilisateur qui décide quand son modèle devrait être changé, par exemple au début d’une session.
Ø Un système hypermédia adaptatif
Est un système qui s’adapte de façon autonome au modèle de l’utilisateur. Il suit le comportement de l’utilisateur et l’enregistre dans un modèle de l’utilisateur et adapte le système dynamiquement à l’état actuel du modèle d’utilisateur. Le système utilise les actions de la navigation de l’utilisateur, ses réponses aux questionnaires et l’information initiale que l’utilisateur a fourni pour adapter les nœuds et la navigation. Ces adaptations peuvent être faites en changeant des présentations prédéfinies ou en construisant les pages d’après des pièces d’informations. Dans le dernier cas, une génération dynamique des pages est effectuée, ces systèmes sont également connus en tant que systèmes hypermédias dynamiques [Bra 99] [Koc 00].

Avantages des hypermédias adaptatifs

Les hypermédias adaptatifs représentent une avancée non négligeable vis-à-vis des hypermédias classiques. Ils sont un atout pour les utilisateurs de système : les enseignants et les apprenants.
Ø les différentes techniques utilisées permettent à l’étudiant d’être guidé dans son apprentissage. Ainsi, sans toutefois annihiler la liberté de navigation intrinsèque aux hypermédias, l’étudiant est constamment guidé dans son cheminement.
Ø Permettent aux enseignants de mieux structurer leur travail. En effet, le fait de distinguer entre les connaissances et les outils qui permettent de la présenter, éclaircit le travail de l’enseignant. Ce dernier peut alors mieux structurer son travail en pensant tout d’abord à l’organisation des connaissances, et ensuite à la façon de les exposer.

Inconvénients des hypermédias adaptatifs

Ø L’accent a surtout été mis sur l’adaptation des liens afin de guider l’apprenant dans son cheminement. Or l’adaptation du contenu qui a souvent été mise à côté. Parce que la méthodologie de développement et l’architecture de ces systèmes hypermédias adaptatifs sont issues de systèmes hypermédias classiques déjà définis. Auxquels les chercheurs ont ajouté des techniques d’adaptation.
Ø Tout comme un enseignant, il faut que le système puisse utiliser immédiatement toute nouvelle connaissance, ou tout nouveau média pour présenter une nouvelle connaissance.

Agent d’interface

L’agent d’interface joue le rôle d’une interface entre l’apprenant, l’agent pédagogique d’adaptation, l’agent du modèle de l’apprenant et l’agent de filtrage.
L’agent d’interface utilise deux moyens de communication ; le protocole HTTP pour la communication avec l’apprenant, le langage KQML pour la communication avec les autres agents.

Agent pédagogique d’adaptation

Le rôle de l’agent pédagogique d’adaptation est la structuration pédagogique de la page de concept ou la page index du cours selon les relations entre concepts dans le modèle du domaine, le modèle des activités pédagogiques et le niveau pédagogique de l’apprenant par requête à l’agent de modèle de l’apprenant.

Agent de filtrage

Le rôle de l’agent de filtrage est le filtrage de documents multimédias selon les critères spécifiés par l’agent pédagogique d’adaptation, puis il lui répond par l’envoi des adresses de ces documents.

Agent de modèle de l’apprenant

Le rôle de l’agent du modèle de l’apprenant est de créer, initialiser, mémoriser et traiter le modèle de l’apprenant.

Prototype

la communication entre agents est implantée à l’aide des sockets JAVA, qui assure une communication en utilisant le protocole TCP/IP.
Chaque agent lors de son fonctionnement ouvre son socket serveur et attend les messages des autres agents, si un message arrive il lance un thread pour le traiter, donc il n’y a pas de message en attente de traitement ; c’est à dire plusieurs messages peuvent être traités en parallèle.
Un agent lorsqu’il a besoin de communiquer avec les autres agents il ouvre une communication avec un socket client, qui communique avec socket serveur de l’agent récepteur , en spécifiant l’adresse de la machine et le port puis il envoie le message.

Apprentissage dans HEDAYA

– L’apprenant demande le concept.
– L’agent d’interface envoie un message à l’agent pédagogique d’adaptation demandant la page de concept.
– L’agent pédagogique consulte le modèle du domaine pour déterminer les concepts pré requis, et demande de l’agent du modèle de l’apprenant le niveau de l’apprenant sur ces concepts pré requis.
– L’agent de modèle de l’apprenant répond par une liste contenant le niveau de l’apprenant pour chaque concept.
– S’il n’y a de concepts pré requis non étudies, il génère une page index des concepts pré requis.
– S’il n’y a pas de concepts pré requis non étudies, l’agent pédagogique d’adaptation consulte le modèle du domaine pour déterminer le type de concept (conjonction, disjonction, analogie).
– Si le concept est une conjonction, on crée la page de ce concept, qui contient les liens des concepts de conjonction.
– Si le concept est simple, l’agent pédagogique d’adaptation consulte le modèle des activités pédagogiques pour extraire les taches induites par l’activité pédagogique suivie, puis envoie un message à l’agent de filtrage en demandant le filtrage des documents associés aux taches déjà spécifiées.
– L’agent de filtrage filtre les documents et envoie les adresses à l’agent pédagogique.
– L’agent pédagogique construit la structure de la page et ses liens et les envoie avec les adresses des documents à l’agent d’interface comme réponse à la demande de génération de page de concept.
– L’agent d’interface récupère les documents multimédias selon leurs adresses, génère la page et liens selon la structure spécifiée par l’agent pédagogique d’adaptation, puis envoie la page à l’apprenant.

Critiques des systèmes existants

§ Les méthodes utilisées pour interconnecter le composant qui organise la connaissance et celui qui la présente ne permettent pas une adaptation plus fines ( indexation par page, relation directe).
§ Modèle de l’apprenant est pauvre .
§ Absence d ’un personnage physique qui reflète le comportement de l ’enseignant.
§ Difficultés de représenter les différents types de connaissances du domaine
§ Difficultés de représenter des concepts à multi points de vue .
§ Les hypermédias adaptatifs dynamiques sont fondés sur des informations provenant de sources hétérogènes. Comment assurer la réutilisation, le partage et la recherche d’information?.

Conclusion

Même si certains définissent un système hypermédia comme étant un système personnalisable de par le fait que le lecteur est le seul à décider du parcours de lecture en choisissant les liens qu’il va traverser, il apparaît que les hypermédia adaptatifs sont plus que cela. En effet, de nombreuses techniques ont été proposées afin d’adapter le contenu ou encore la présentation de l’information au lecteur. Selon [Deb 98], un système hypermédia adaptatif rend possible le fait de proposer des vues ou versions personnalisées de documents hypermédia qui ne nécessite aucune connaissance de programmation de la part des auteurs.
Dans le cadre des hypermédia adaptatifs et dynamiques (Les HADs), il est intéressant de prendre en compte les méthodes et techniques d’adaptation proposées dans le domaine de l’hypermédia. La personnalisation, l’adaptation pour un utilisateur donné est favorisée par l’utilisation des modèles utilisateurs qui représentent ces utilisateurs.
En ce qui nous concerne, les HADs sont fondés sur des informations provenant de sources hétérogènes, la réutilisation, le partage et la recherche d’information sont des enjeux des HADs qui peuvent être assurés par l’ontologie. En effet, Les ontologies sont une solution pour répondre à un besoin de modélisation et de représentation. Notre approche nécessite de représenter différents types de connaissance, que sont le savoir -faire de l’auteur, le domaine ainsi que les caractéristiques de l’utilisateur. La séparation de ces différentes catégories de connaissance facilite leurs évolutions et leur maintenance. Elle permet aussi d’améliorer leur compréhension et de définir des rôles différents pour chaque ontologie, c’est-à-dire de les spécialiser. Les ontologies sont des paramètres du processus de composition d’un cours adaptatif et dynamique ce qui permet de faire évoluer le système sans remettre en cause le fonctionnement du principe de composition.

Les ontologies

La conception de systèmes, c’est à dire la définition et la modélisation des données, la mise en place et l’optimisation des algorithmes et la maintenance, est une procédure coûteuse. Ce coût est dû en partie à la difficulté de définir un domaine particulier de façon formelle et au temps nécessaire à la modélisation qui en découle. Pourtant chaque application, aussi spécialisée soit-elle, se réfère à un domaine dont d’autres applications utilisent déjà les connaissances et il serait possible de diminuer ce coût de conception en partageant certaines de ces données et en réutilisant certains modules. Pour pallier les problèmes d’échange et de modularité, et favoriser la compréhension et la lisibilité des données, certains membres de la communauté scientifique ont choisi d’utiliser des ontologies.
En Intelligence Artificielle (IA), ce qui existe, c’est ce qui peut être représenté. L’ensemble des connaissances qui peuvent être représentées est alors appelé l’univers du discours. Dans le domaine pédagogique ce domaine peut être commun à plusieurs applications. Différents systèmes proposent des cours traitant du même sujet de façon plus ou moins fouillée. Or comme le soulignent [Ran 00], deux caractéristiques sont fondamentales dans la théorie de conception pédagogique : la représentation du contenu de la matière à enseigner et l’organisation de ce contenu . Il nous semble que les ontologies peuvent être utiles à la réalisation de ces deux étapes.

Qu’est une ontologie ?

Une définition consensuelle, fondée sur une première proposition de [Gru 95], est la suivante : « Une ontologie est une spécification explicite d’une conceptualisation », cela veut dire qu’une ontologie est définie comme étant un ensemble de définitions, de primitives, de représentation de connaissance spécifique au contenu : classes, relations, fonctions et constantes d’objet.
[Gru 95] donne comme complément de définition : « une ontologie est une description formelle d’entités et leurs propriétés, relations, contraintes, comportement. », c’est à dire une ontologie est définie comme un ensemble de définitions, de concepts et leurs relations. Une ontologie est une description formelle explicite :
Ø des concepts (classes) dans un domaine.
Ø et des relations (propriétés, attributs, restrictions) entre ces concepts.
Une ontologie ainsi que l’ensemble des instances individuelles des classes constituent une base de connaissances.

L’ingénierie ontologique

L’ingénierie ontologique peut être définie comme une discipline visant à proposer des concepts, des méthodes, des outils et langages dédies à la définition au développement d’ontologies exploitable au sein d’un système [Fur 04].

Les niveaux de l’ontologie

[Gua 97a] [[Gua 97b] distingue plusieurs niveaux dans les ontologies qui sont récapitulé dans la figure 2.1.
j Les ontologies de haut niveau contiennent les concepts généraux, commun à tous les domaines (temps, espace, objet, évènement). Les travaux de [Ran 00] tentent de formaliser une telle ontologie ‘universelle’.
k Ontologie du Domaine [Vit 05]. Cette ontologie régit un ensemble de vocabulaires et de concepts spécifiques à un domaine bien défini et sont des spécialisations d’une ontologie de haut niveau. Dans le contexte de la formation à distance, un domaine serait par exemple : le télé apprentissage.
l Ontologie de Tâches [Vit 05]. Ce type d’ontologies est utilisé pour conceptualiser des tâches spécifiques dans les systèmes, telles que les tâches de diagnostic, de planification, de conception, de configuration, de tutorat, soit tout ce qui concerne la résolution de problèmes. Deux exemples d’utilisation de l’ontologie de tâche dans le domaine de l’éducation sont les suivants :
1) l’ontologie de formation par ordinateur – Computer Based Training Ontology – qui régit un ensemble de concepts spécifiques à un système d’apprentissage inhérent à des ontologies de tâche ;
2) l’ontologie des objectifs d’apprentissage – Learning Goal Ontology qui décrit les rôles des apprenants et des agents dans le cadre d’un apprentissage collaboratif.
m Ontologie d’Application. Cette ontologie est la plus spécifique. Les concepts dans l’ontologie d’application correspondent souvent aux rôles joués par les entités du domaine tout en exécutant une certaine activité [Vit 05].
Donc les ontologies d’application dépendent à la fois d’un domaine et d’une tache.

Table des matières

Chapitre 1 : Les hypermédias et Les EIAHs
Introduction
1.1 De L’EAO aux l’EIAH
1.1.1 L’enseignement assisté par ordinateur
1.1.2 L’Enseignement Intelligemment Assisté par Ordinateur (EIAO)
1.1.3 Les Systèmes tuteur intelligent STI
1.1.4 Les Environnements Interactifs d’Apprentissage avec Ordinateur (EIAO)
1.1.5 Les Environnements Informatiques d’Apprentissage Humain (EIAH)
1.2 Les composants d’un EIAH
1.3 Classification des EIAHs
1.3.1 Tuteurs
1.3.2 Micromondes
1.3.3 Découverte guidée
1.4. Structuration des documents pédagogiques et gestion de la navigation
1.4.1 Systèmes hypermédias classiques
1.4.1.1 Hypertexte et hypermédia
1.4.1.2 Avantages des hypermédias classiques
1.4.1.3 Inconvénients des hypermédias classiques
1.4.2 Systèmes hypermédias adaptatifs
1.4.2.1 L’architecture des hypermédias adaptatifs
1.4.2.1.1 Modèle de domaine
1.4.2.1.2 Modèle de l’utilisateur
1.5 Modélisation de modèle utilisateur
1.5.1 Le modèle en couche (overlay model)
1.5.2 Le modèle des erreurs (buggy model)
1.5.3 Le modèle stéréotypé
1.6 Système hypermédia adaptatif ou adaptable
1.6.1 Avantages des hypermédias adaptatifs
1.6.2 Inconvénients des hypermédias adaptatifs
1.7 Les techniques d’adaptation de la navigation
1.7.1 Le guidage direct
1.7.2 L’ordonnancement des liens
1.7.3 Le masquage des liens
1.7.4 L’annotation des liens
1.7.5 Les cartes adaptatives
1.8 Les interconnections entre le modèle du domaine et les documents pédagogiques
1.8.1 Indexation par page
1.8.2 Indexation fragmentée
1.8.3 La relation directe
1.9 Systèmes hypermédias adaptatifs dynamiques
1.10 Etudes sur les systèmes hypermédias adaptatifs dynamiques existants
1.10.1 Le système METADYNE
1.10.1.1 Architecture de METADYNE
1.10.1.2 L’apprentissage dans METADYNE
1.10.1.3 Le prototype
1.10.1.3.1 Une architecture clients-serveurs
1.10.1.3.2 Les fonctionnalités offertes
1.10.2 Le système HYPERGAP
1.10.2.1 Architecture de HYPERGAP
1.10.2.1.a) Modèle du domaine
1.10.2.1.b) Modèle de l’apprenant
1.10.2.1.c) Modèle des activités pédagogiques
1.10.2.1.d) Base de données Multimédia
1.10.2.1.e) Générateur de Cours
1.10.2.2 Prototypes
1.10.2.2.1 Le système AIDERM
1.10.2.2.2 L’accès à AIDERM
1.10.2.2.3 L’apprentissage dans AIDERM
1.10.3 Le système HEDAYA
1.10.3.1 Architecture de HEDAYA
1.10.3.1.1 Agent d’interface
1.10.3.1.2 Agent pédagogique d’adaptation
1.10.3.1.3 Agent de filtrage
1.10.3.1.4 Agent de modèle de l’apprenant
1.10.3.2 Prototype
1.10.3.3 Apprentissage dans HEDAYA
1.11 Critiques des systèmes existants
1.12 Conclusion
Chapitre 2 : Les ontologies
Introduction
2.1 Qu’est une ontologie ?
2.2 L’ingénierie ontologique
2.3 Les niveaux de l’ontologie
2.4 Pourquoi développer une ontologie?
2.5 Degrés de formalisation d’une ontologie
2.6 Méthodologie de développement d’ontologies
2.7 Les langages et formalismes utilisés pour représenter des ontologies
2.8 Les applications utilisant des ontologies
2.9 Les ontologies dans les systèmes éducatifs
2.10 Présentation des systèmes existants
2.11 Critiques des systèmes existants
2.12 Conclusion
Chapitre 3 : Le système HADYAT
Introduction
3.1 Les apports du système HADYAT
3.1.1 Schéma d’adaptation
3.1.2 Représentation des connaissances
3.1.3 Adaptation de l’interface
3.1.4 Filtrage
3.1.5 Renforcement de l’apprentissage
3.1.6 Indexation plus fine
3.1.7 Evaluer des cours grâce aux ontologies
3.1.8 Améliorer l’adaptabilité
3.1.9 Système adaptatif
3.1.10 Adaptation de la communication
3.2 Architecture du système proposé
3.2.1 Modèle du domaine
3.2.2 Modèle des activités pédagogiques
3.2.3 Base de Documents Multimédias
3.2.3.1 Caractéristique d’un document Multimédia
3.2.4 Modèle de l’apprenant
3.2.5 Module d’adaptation
3.2.5.1 Module d’adaptation du contenu
3.2.5.2 Module d’adaptation de communication
3.2.6 Module de synchronisation
3.2.7 Module d’évaluation
3.3 Modélisation du système proposé
3.3.1 Modèle du domaine et ontologie du domaine
3.3.2 Modèle des Activités Pédagogiques
3.3.3 Modèle apprenant
3.3.4 Module d’adaptation du contenu
3.3.6 Modélisation Module adaptation de communication
3.3.7 Modélisation Module de synchronisation
3.4 Architecture logiciel du système proposé
3.4.1 Environnement logiciel
3.4.2 Le choix de représenter les connaissances ontologiques
3.4.2.1 Ontologie du domaine
3.4.2.2 La relation entre l’ontologie du domaine et les documents multimédias
3.5 Scénarios d’utilisation de HADYAT et interaction entre ontologies
3.6 Conclusion
Conclusion et Perspectives
Bibliographie

Télécharger le rapport complet