Traces de navigation des apprenants dans un environnement de formation sur le Web Nabila Bousbia Laboratoire de Méthodes de Conception de Systèmes (LMCS),

Traces de navigation des apprenants dans un environnement de

formation sur le Web

Nabila BousbiaLaboratoire de Méthodes de Conception de Systèmes (LMCS), Ecole nationale Supérieure

d’Informatique, (ESI), Alger, Algérie [email protected]

Laboratoire de Paris 6 (LIP6), Paris , [email protected]

mailto:[email protected]

mailto:[email protected]

Apprenants

Enseignant

Collecte d’informations

Suivi, Assistance, Adaptation,..

nombre de connexions, durée de la session, dernière partie visitée, etc.

nombre de connexions, durée de la session, dernière partie visitée, etc.

2

Environnement de formation sur le Web (ex. Plateforme de

formation)Résultats, Pré-requis,

Progression, Objectifs, Caractéristiques individuelles

Atelier Partage de Traces - EIAH 2011

3

Idée de baseDétection automatique des Styles d’Apprentissage en se

basant sur l’analyse des comportements

Style Comportement Trace

d’Apprentissage

Objectifs Informer l’enseignant sur les préférences

d’apprentissage de l’apprenant et percevoir son comportement

Aider l’apprenant à avoir un regard réflexif sur ses méthodes d’apprentissage


4

« Un indice de l’activité des acteurs d’une situation d’apprentissage qu’elle soit ou non instrumentée ..» [PERNIN 05]

« Tout objet informatique dans lequel s’accumulent des données à propos des interactions entre un système informatique et son utilisateur » [CRAM et al. 07]

« Un objet pédagogique au même titre que les ressources ou les scénarios pédagogiques »[CHOQUET & IKSAL 07]

« La trace est définie comme une séquence temporelle d’observés » [SETTOUTI et al. 06]


Apprenant

EnseignantTuteur Plateforme

de formation sur le Web

Collecte de traces de navigation

Suivi, Assistance, Adaptation,..

IndicateursComportements

Styles d’Apprentissage

Chercheur

Concepteur

Plate-forme de formation à distanceCours avec un contenu hypermédiaTrace numériques de navigation des activités

individuelles 5Atelier Partage de Traces - EIAH 2011

Distinguer les trace des indicateurs Traces brutes, primaires ou primitives, généralement enregistrées

dans des fichiers, communément appelés des fichiers de traces ou des logs

Les indicateurs sont des caractéristiques calculées à partir des traces élémentaires.

Classification des indicateurs Niveau d’interprétation : Bas, Intermédiaire, Haut Niveau d’interaction : Page, Cours, Plate-forme, Local, Web

Tracer toutes les interactions : Approche centrée utilisateur

6Atelier Partage de Traces - EIAH 2011

Plusieurs modèles en EIAH Musette

Représente la trace par une ontologie RDF-S décrivant des évènements ainsi que des états et des transitions observés lors d’une activité

UTL Permet d’orienter l’étape de collecte à travers la définition en

terme de besoin des traces nécessaires pour la production des indicateurs

Mais Absence d’un modèle standard de traces Peu d’informations sur le déroulement de la phase d’analyse Difficile de transposer ces modèles dans notre contexte

S’inspirer des modèles existants pour proposer un modèle générique


Parcours de l’apprenant : séquence temporelle

Nœuds : Pages URI des pages Web

visitées, Fichier, chemins des programmes…

Transitions : Actions action clavier/souris Temps d’exécution


Collecte centrée utilisateur

Enregistrer les traces pour chaque apprenant (user) du début et jusqu’à la fin (time_start, time_end)de la session d’apprentissage, avec son accord

Comment? Programme installé sur

la machine de l’apprenant Minikey pour les tests


Traitement des Traces

Nettoyage : Éliminer le bruit (pages non trouvées : erreur 403, 404, programmes à écarter, pages intermédiaires de la plateforme, etc.) Filtrage : Vérifier la validité du format des URI avec des expressions régulières Transformation : Transformer le fichier de traces selon notre modèle


Enseignant/Chercheur

ConfigurationConfigurationApprenant

InteractionEnvironnement d’apprentissageEnvironnement d’apprentissage

Etape2 : Déroulement de l’observation

Local Web PF

Données Additionnelles

Etape1 : Préparation de l’observation

Log.xmlBase des indicateurs

Graphe de dépendances

Dictionnaire des données additionnelles

Préférences

Processus d’apprentissage

Habilités

Sty

le

d’a

pp

ren

tiss

age

Niveau épistémique

Vis

uali

sati

on

Etape3 : IDLS, Analyse et interprétation

Niveau Comportemental

Iden

tifi

cati

on

des

parc

ours

Calcul des indicateurs



13

Contexte Cours sous format SCORM Plate-forme eFAD Keylogger installé sur tous les postes : Minikey Observateur Humain : Enseignant

Population 1ère Expérimentation : 8 étudiants en Post-Graduation 2ème Expérimentation : 33 étudiants en Graduation 3ème Expérimentation : 136 étudiants des différentes années, 116 considérés

Nombre de fichiers de traces (observations) collectés 1ère Expérimentation : 32 observations 2ème Expérimentation : 97 observations 3ème Expérimentation : 387 + 45 observations

14

Taille des échantillonsAppliquer des méthodes statistiques et de fouille de

données nécessite des corpus de très grande taille pour affirmer les hypothèses

Comparaison des résultats Indisponibilité des corpus des travaux antérieurs Nécessité de partager les corpus

Ne permet qu’évaluer les indicateurs dans de nouveaux contextes

Tous les paramètres sont différents: Contexte & Déroulement Échantillon de test : participants, taille

Nécessité d’un corpus de référence

15

Comment peut-on réutiliser les traces et produire des corpus de référence (benchmarks) pour pouvoir comparer les résultats de différents travaux ? Nécessité d’un consensus commun sur la définition de la notion de

trace: distinguer entre traces et indicateursDéfinir un modèle de traces riches à partir duquel chacun pourrait

produire les analyses (indicateurs) souhaitéesAccompagner les fichiers de traces à partager de :

Leurs modèle de traces, Environnement (y compris les contenus) Contexte, objectif, et déroulement de l’observation Situations d’apprentissage (individuelle, collective, etc.) Sources de traçage (centrée utilisateur, serveur, etc.).

Prévoir des transformations entre les modèles de traces Préparer (nettoyer et filtrer ) le fichier de traces avant de le

partager

16

Le partage des données peut se situer à deux niveaux

Partage des fichiers de traces Partage des méthodes de calcul des indicateurs

Plusieurs projets et travaux de recherche Modélisation des traces

KTBS [SETTOUTI et al. 09] UTL [PHAM THI NGOC et al. 09]

Plateforme de partage de Corpus de traces d’apprentissage MULCE [REFFAY & BETBEDER 09]: environnements

d’apprentissage collaboratifs PSLC datashop : interactions de type « action/réaction »

Documents

Traces de navigation des apprenants dans un environnement de formation sur le Web Nabila Bousbia Laboratoire de Méthodes de Conception de Systèmes (LMCS),