Pour une adaptation du contenu pédagogique en ligne au profile de l’apprenant
Type de document | Site actuel | Cote | Statut | Date de retour prévue | Code à barres | Réservations |
---|---|---|---|---|---|---|
Livre | La bibliothèque des sciences de l'ingénieur | TH-621.382 CHA (Parcourir l'étagère) | Disponible | 0000000028330 |
PH.D Université Mohammed V 2015
L’apprentissage à distance est une technique utilisée par la majorité des instituts d’enseignements privés et publics. Plusieurs plateformes sur le marché répondent à ce type d’enseignement, en offrant diverses fonctionnalités. Cependant, rare sont celles qui offrent une adaptation au profile de l’apprenant.
Dans cette thèse, on s’intéresse à l’adaptation du contenu du cours, et plus précisément à la proposition des séquences d’unités de cours convenables aux profiles des apprenants. On propose un système d’adaptation où le profile de l’apprenant est évalué à partir de quatre critères (le temps passé dans l’évaluation globale, le temps passé dans la consultation de l’unité, le score obtenu dans le test global et le nombre de tentatives). La logique floue permet d’obtenir un score global qui positionne le profile de l’apprenant dans une catégorie. Ainsi, on permet aux débutants d’évoluer dans leurs parcours, aux apprenants moyens d’améliorer leurs connaissances et à évaluer continuellement les experts pendant leur apprentissage. Dès que la définition du profile établie, on s’intéresse à la personnalisation du contenu. La méthode qui consiste à proposer les unités automatiquement et en temps réel est une des méthodes de l’intelligence artificielle ou de l’optimisation comme l’algorithme de colonie de fourmis et l’algorithme génétique. Avant de réaliser la personnalisation, on a été amené à améliorer la motivation de l’apprenant ainsi à proposer un modèle de regroupement des unités du cours par séquence pédagogique : sensibilisation, exposition, appropriation, assimilation et production. En se basant sur ce modèle, on devait choisir quelle méthode donnera de meilleurs résultats pour encourager les unités dans une séquence avec le plus de succès et décourager les unités qui sont proposés dans une mauvaise séquence et où la majorité des apprenants échouent. On a testé le modèle avec l’algorithme de colonie de fourmis et avec l’algorithme génétique.
La définition du profile avec la logique floue a donnée de bons résultats dans le sens ou si on se base sur les quatre critères il faudrait définir les règles pour chaque critère. Ainsi, l’application de l’algorithme de colonie de fourmis au modèle proposé nous a donnée des résultats satisfaisants c’est-à-dire que notre objectif de proposer les unités les plus pertinentes est vérifié avec cette conception de regroupement des unités par séquence pédagogique. L’application de l’algorithme génétique au modèle proposé a également donnée de bons résultats vu qu’il y a une convergence de la fonction moyenne de fitness avec la fonction maximale de fitness ce qui veut dire qu’on a atteint la fonction de fitness maximale avec cette conception d’unités en catégorie par séquence pédagogique.
Il n'y a pas de commentaire pour ce document.