que l’apprenant à une préférence modérée pour une des deux catégories de la dimension, il est réflexif plus qu’actif, intuitif plus que sensoriel, verbal plus que visuel ou global plus que séquentiel, selon la dimension concernée par le score.
— (0, 1) : Si le score obtenu par l’apprenant dans la dimension Di ∈ {9a, 11a}. Ceci signifie que l’apprenant à une forte préférence pour une des deux catégories de la dimension, il est actif, intuitif, verbal ou global, selon la dimension concernée par le score.
Concernant la modélisation des langues connues, nous définissons une liste LAppqui contiendra l’ensemble des étiquettes représentant les langues maîtrisées par l’apprenant.
7.5 Cas d’utilisation de la recommandation
Dans cette section, nous allons détailler chaque cas d’utilisation de notre module de recommanda-tion en précisant (1) comment nous détectons les lacunes chez un apprenant ce qui déclenchera le processus de recommandation pour lui ? (2) Quelles sont les interactions effectuées avec le profil d’un MOOC particulier pour récupérer certaines de ses caractéristiques ? (3) Quelles sont les interactions effectuées avec le profil d’un certain apprenant que ce soit pour récupérer ou mettre à jour certaines de ses caractéristiques ?
7.5.1 Au début du MOOC
Le premier cas d’utilisation de la recommandation proposé par notre système tel que représenté dans la figure7.3, est au début du MOOC, dès que l’apprenant s’inscrit au MOOC et décide donc de le suivre. Le module de recommandation de notre système MORS lui recommande des REL portant sur les prérequis du MOOC quand l’apprenant n’a pas le degré de performance requis tel que défini dans le profil du MOOC. La première étape consiste à mettre à jour le profil de l’apprenant en ajoutant ses degrés de performance dans chaque prérequis du MOOC. Pour cela, nous commençons par consulter la base de connaissances générale de la plateforme.
Il est utile de remarquer que la base de connaissances de l’apprenant ne fait pas partie de son profil. En effet, chaque apprenant possède un profil par MOOC. Ce profil contient les caractéristiques de l’apprenant liées à son utilisation d’un MOOC bien spécifique de la plateforme et qui évoluent tout au long de son suivi. IL s’agit des degrés de performance de l’apprenant dans les éléments de connaissance du MOOC. Le profil contient aussi les caractéristiques de l’apprenant qui ne changent pas en fonction du MOOC suivi et qui sont son style d’apprentissage et les langues qu’il maîtrise. Quant à la base de connaissances de l’apprenant, elle stocke tous les éléments de connaissance connus par l’apprenant avec les degrés de performance acquis, suite à son utilisation de toute la plateforme de MOOC. Le profil de l’apprenant est utilisé pour détecter un manque de connaissance de l’apprenant dans les éléments de connaissance du MOOC et calculer des recommandations adaptées à ses caractéristiques. La base de connaissances de l’apprenant est utilisée pour construire ce profil.
Une fois la base de connaissances de l’apprenant consultée, le profil de l’apprenant est mis à jour avec ses degrés de performance dans les éléments de connaissance qui correspondent aux prérequis du MOOC (1 dans la figure7.3). Si un prérequis ne se trouve pas dans la base de connaissances de
46 CHAPITRE 7. Recommandation
Figure7.3 – Recommandation au début du MOOC
l’apprenant, un quiz de connaissances est présenté à l’apprenant (1’ dans la figure7.3). Dans ce quiz nous lui posons des questions permettant de déduire son niveau dans ce prérequis. Une fois que nous avons récupéré les réponses de l’apprenant au quiz, nous mettons à jour sa base de connaissances ainsi que son profil avec son degré de performance dans cet élément de connaissance (1’ dans la figure7.3).
Une fois le profil de l’apprenant mis à jour, le module de recommandation compare les degrés de performance requis dans les prérequis du MOOC avec les degrés de performances acquis par l’apprenant (2 dans la figure7.3).
Dans le cas où l’apprenant n’aurait pas le niveau requis dans un certain prérequis, le processus de recommandation est déclenché. En se basant sur les informations stockées dans le profil du MOOC qui sont le degré de performance requis dans ce prérequis et l’effort requis pour chaque section du MOOC et sur les informations qui caractérisent l’apprenant dans son profil qui sont le style d’apprentissage et les langues connues (3 dans la figure7.3), le module de recommandation interroge les entrepôts des descriptions de REL tout en se basant sur les résultats fournis par le module de réutilisation des REL. Un ensemble de liens vers des REL est offert à l’apprenant pour lui permettre d’améliorer son niveau et atteindre le degré de performance requis pour pouvoir suivre le MOOC (4 dans la figure7.3).
À la fin, le même quiz de connaissance est présenté à l’apprenant et selon ses réponses, sa base de connaissance sera mise à jour (5 dans la figure7.3).
7.5.2 Recommandation à la fin de chaque section du MOOC
Le deuxième cas d’utilisation de la recommandation proposé par notre système est à la fin de chaque section du MOOC. Il s’agit de recommander à l’apprenant des REL portant sur les objectifs d’apprentissage de la section.
Pour une section n du MOOC, dès que l’apprenant répond au quiz d’évaluation de cette section, son profil est mis à jour avec les nouveaux degrés de performance acquis lors de cette section. Ensuite, nous comparons le profil de l’apprenant et le profil du MOOC pour voir si les degrés acquis par l’apprenant correspondent aux degrés de performance censés être acquis par celui-ci lors de l’étude de la section (2 dans la figure7.4) .
Si ce n’est pas le cas, le processus de recommandation est déclenché. En se basant sur les informa-tions stockées dans le profil du MOOC qui sont le degré de performance à acquérir dans l’objectif d’apprentissage , l’effort requis pour chaque section du MOOC et le nombre de ressources de chaque
7.5. Cas d’utilisation de la recommandation 47
Figure7.4 – Recommandation à la fin de la section n du MOOC
Figure7.5 – Module de recommandation
section du MOOC et sur les informations qui caractérisent l’apprenant dans son profil qui sont le style d’apprentissage, les degrés de performance et les langues connues (3 dans la figure7.4). Le module de recommandation interroge les entrepôts des REL tout en se basant sur les résultats fournis par le module de réutilisations des REL. Un ensemble de liens vers des REL est proposé à l’apprenant pour lui permettre d’améliorer son niveau de performance dans l’objectif d’apprentissage du MOOC (4 dans la figure). À la fin le même quiz d’évaluation de la section n est présenté à l’apprenant et selon ses réponses, sa base de connaissances sera mise à jour (5 dans la figure7.4).
Dans la section suivante, nous allons décrire le fonctionnement du module de recommandation de notre système MORS. Comme présenté dans la figue7.5, le module de recommandation est constitué de quatre processus. Chaque processus a un rôle bien défini dans le module de recommandation et génère un résultat qui est utilisé par les autres processus afin qu’ils accomplissent leur rôle.
48 CHAPITRE 7. Recommandation
Figure7.6 – Modélisation des éléments de connaissance du MOOC