Aperçu de l’approche

3.3 Similarité sociale ... 61 3.4 Types de recommandations ... 64

3.4.1 Recommandation des ressources visitées récemment ... 64 3.4.2 Recommandation des ressources populaires ... 65 3.4.3 Recommandation des ressources utiles ... 65

3.5 Gestion de la sparsity ... 66 3.6 Mise à jour du profil ... 66 3.7. Validation avec des données simulées ... 67

3.7.1. Objectif ... 67 3.7.2. Données de la simulation ... 68

3.7.2.1. Caractéristiques des apprenants ... 68 3.7.2.2. Relations sociales entre apprenants... 69 3.7.2.3. Visites et évaluation des ressources ... 71

3.7.3. Similarité sociale ... 71 3.7.4. Ressources recommandées ... 71

3.7.4.1. Ressources visitées récemment ... 71 3.7.4.2. Ressources populaires ... 72 3.7.4.3. Ressources utiles ... 72

3.8 Conclusion ... 73

Dans ce chapitre, nous allons présenter dans un premier temps le principe général de notre approche et la base formelle qui sera utili-sée par la suite dans notre proposition. Ensuite, nous présenterons les quatre parties de notre proposition : 1) calcul de la similarité entre les utilisateurs (apprenants) dans un environnement d'apprentissage so-cial, 2) sélection des ressources qui conviennent le mieux aux préfé-rences des utilisateurs, 3) traitement du problème de la sparsity et 4) mise à jour les profils utilisateurs. À la fin de ce chapitre, avant de conclure, nous présenterons un exemple qui illustre notre approche. Cet exemple a servi de dataset pour faire une première évaluation de notre approche et ainsi affiner le modèle formel.

3.1 Aperçu de l’approche

L'approche proposée repose sur les principes de :

• l'influence sociale (Sun et Tang 2011) : deux amis ont ten-dance à avoir les mêmes intérêts ;

• la régularité co-citation (Bhagat et al. 2011) (Co-citation

regu-larity) : les personnes qui ont des similitudes sont susceptibles

d'avoir les mêmes intérêts.

Figure 3.1 Architecture globale de l’approche proposée

Comme le montre l’architecture de la figure 3.1, notre ap-proche repose sur quatre types d’information :

• les informations du profil utilisateur qui décrivent ses préfé-rences, ses connaissances, ses expérience, etc.,

• les informations sociales qui décrivent les liens entre les sateurs et les groupes d’utilisateurs et les liens entre les utili-sateurs eux-mêmes,

• les informations qui décrivent les actions effectuées par les uti-lisateurs sur les ressources éducatives telles que les visites ou les évaluations et

• les informations qui décrivent les résultats des exercices effec-tués par les apprenants, telles que les résultats d'un quiz qu'ils ont fait. Recommended resources list Données du profil Données des actions Données sociales Système de recommandation Recommended resources list Listes de ressources recommandées Données des tests Mise à jour du profil

Ces données seront toutes utilisées pour recommander des ressources éducatives pertinentes. L'environnement d'apprentissage récupère les résultats des exercices effectués par les apprenants et met à jour leurs niveaux de connaissances stockés dans leurs profils. Les actions des apprenants et les données sociales sont aussi utilisées dans la mise à jour du profil.

Le principe général de notre approche (Tadlaoui 2014. dlaoui et al. 2014. Tadlaoui et al. 2015a. Tadlaoui et al. 2015b. Ta-dlaoui et al. 2018) est illustré par la figure 3.2. Chaque utilisateur de l’EIAH est décrit par des informations qui caractérisent son profil et est lié par des liens d’amitié avec d'autres utilisateurs du système. Dans cette approche, nous définissons la relation d'amitié comme un lien explicitement déclaré par un utilisateur du système. Les relations d’amitié sont déclarées par les utilisateurs via des demandes d’ajout à la liste d’amis comme sur Facebook ou LinkedIn⁵. Deux types d'ami-tié sont pris en charge, des amis que l'utilisateur connaît dans la vraie vie et a déclarés comme des amis sur le réseau social et ceux qu'il ne connaît que sur le réseau social. Dans les deux cas, suivant le prin-cipe de l'influence sociale, ces amis peuvent avoir les mêmes intérêts d’apprentissage, et suivant le principe de la régularité de la co-citation, si ces amis ont des points communs, ils seront donc suscep-tibles d'avoir les mêmes intérêts d’apprentissage. Les utilisateurs peuvent effectuer trois types d'actions sur les ressources éducatives, à savoir : visiter, évaluer la qualité des ressources et évaluer leur utili-té. L’utilité est donnée suivant un domaine d’intérêt de l’utilisateur alors que la qualité est donnée par l’utilisateur indépendamment de son domaine d’intérêt (si le système est utilisé dans une université, les domaines peuvent être les modules enseignés ou les spécialités).

Le système de recommandation utilise toutes les informations ci-dessus pour générer des recommandations personnalisées pour chaque utilisateur de l'environnement d'apprentissage.

Les apprenants sont intéressés à obtenir des recommandations appropriées pour leurs besoins pédagogiques. Ils peuvent être intéres-sés par les ressources les plus populaires chez leurs utilisateurs simi-laires. Ils peuvent également être intéressés par les ressources qui ont été récemment visitées par leur réseau d'amis pour les encourager à

collaborer avec leurs amis sur ces ressources. Les utilisateurs peuvent également être intéressés par des ressources qui sont utiles dans leurs domaines d'intérêt. Contrairement aux systèmes de recommandation sociale existants pour les EIAH, qui ne traitent que le premier type de recommandation, notre approche traite ces trois types de ressources : populaires, récemment visités et les ressources utiles pour un do-maine d’apprentissage.

Figure 3.2 Principe général de l’approche proposée

L’algorithme de recommandation s’appuie sur des modèles formels qui calculent la similarité sociale entre les utilisateurs d'un environnement d'apprentissage pour générer trois types de recom-mandation, à savoir la recommandation 1) des ressources populaires, 2) des ressources récemment visitées et 3) des ressources utiles.

Le processus de recommandation comprend les étapes sui-vantes :

1. L'utilisateur courant sélectionne l'un des trois types de recom-mandation ;

2. Le système de recommandation sélectionne les amis de l'utili-sateur courant ;

3. Le système calcule le niveau de similarité entre l'utilisateur courant et ses amis. Le calcul de similarité est présenté dans la section 3.3 ;

4. Le système calcule le score des ressources éducatives en se ba-sant sur les visites et les évaluations effectuées par les amis de l'utilisateur courant sur les ressources. La formule de calcul de ce score est présentée dans la section 3.4 ;

5. Le système affiche à l'utilisateur courant une liste de res-sources pédagogiques, classées par les scores en fonction du type de recommandation sélectionné.

L'approche utilise un modèle formel pour appuyer ce processus de recommandation. Il est présenté ci-dessous.