Conclusion du chapitre VI

Dans ce chapitre, nous avons présenté un Framework destiné à l’implémentation du système SAMSSP. Ce Framework permet de faire une orchestration dynamique des activités pertinentes pour l’apprentissage en fonction de la localisation de l’apprenant et l’historique de la visite. La logique de nos travaux repose sur une comparaison entre les variantes de recommandation simulées dans le chapitre précédent et la réalité du comportement des apprenants. Ces simulations sont destinées à éclairer les expérimentations de terrain. Toutefois, l’analyse des traces d’activités, les choix faits par les étudiants ainsi que les résultats du contrôle des connaissances permettront d’approfondir le modèle simulé. Par conséquent, ces différentes expérimentations permettent de valider en partie les aspects d’orchestration et d’usage relatifs au système SAMSSP.

Conclusion et perspectives

I. Résumé de nos contributions

Nos travaux de recherche ont porté sur l’étude de l’apprentissage mobile dans des situations de sortie pédagogique. Pour ces situations, nous avons proposé le système d’apprentissage SAMSSP qui prend en compte la mobilité des apprenants, la contextualisation de l’apprentissage et la coopération pendant la visite. Les contributions de cette thèse se concentrent sur les aspects suivants :

I.1.Etat de l’art

Nous avons dressé un état de l’art sur l’orchestration des activités d’apprentissage mobile où les principales techniques utilisées dans ce domaine ont été recensées. Nous avons étudié les architectures représentatives permettant la conception et la mise en œuvre de ces différentes techniques. A travers cette étude, nous avons constaté que les plateformes de type ad hoc peuvent fournir un apprentissage adaptatif selon le contexte dynamique de l'apprenant qui dépend fortement de sa position instantanée. Cependant, la majorité des techniques d'orchestration présentées dans le cadre de cet état de l'art supportent peu les situations imprévues qui peuvent surgir pendant le déroulement du scénario d'apprentissage. Pour approfondir cette question, nous avons exploré d'autres pistes basées sur la recommandation dynamique des POIs pour sélectionner le chemin le plus approprié par rapport aux objectifs associés à la sortie pédagogique. Dans ce contexte, nous avons étudié également la description des scénarios et les formalismes de modélisation. Cependant, nous avons constaté qu’il n’existe aucun modèle complet qui permet aux instructeurs d’ancrer les activités d’apprentissage en fonction de la localisation des apprenants.

I.2.Conception du système SAMSSP

Nous avons conçu le système SAMSSP qui se base sur la notion de POI pour exploiter le contexte de localisation d’un apprenant et afficher les contenus multimédias adaptés à ses attentes. Ce système pend en compte le caractère adaptatif du scénario de la visite des POIs afin de permettre à l’instructeur de guider les apprenants pendant la sortie pédagogique. Ensuite, nous avons mis en place un mécanisme intégré à ce système capable de prendre en compte des dimensions comme le voisinage des POIs, la fréquentation des chemins, la pédagogie de l’enseignant (le scénario pédagogique), le score des apprenants et la collaboration pendant la visite dans le processus d’orchestration. Ce mécanisme permet de recommander des parcours d’apprentissage construits à partir des POIs. Ces chemins représentent des séquences d’activités à réaliser par les apprenants afin d’atteindre les objectifs visés par l’instructeur.

Le système SAMSSP permet l’organisation dynamique (orchestration) de ces activités d’apprentissage pendant le déroulement des sorties pédagogiques. Ce type d’orchestration offre une alternative à l’apprentissage traditionnel (visite assistée par un guide) car elle permet de réduire le coût lié à l’accompagnement des apprenants. En outre, ce système utilise des techniques de recommandation des POIs inspirées de l’intelligence en essaim conciliant les contraintes pédagogiques avec l’autonomie des apprenants.

I.3.Simulation de la recommandation des POIs

Nous avons développé un outil de simulation qui permet de définir plusieurs styles de comportement des apprenants. Cependant, chaque style s’adapte à une situation d’apprentissage particulière. Par exemple, la recommandation selon le voisinage des POIs peut être utilisée pour recommander le POI le plus proche géographiquement par rapport à la position actuelle de l’apprenant. D’autre part, la recommandation selon la pédagogie de l’instructeur recommande les POIs en fonction des objectifs de la sortie pédagogique. Dans ce contexte, cet outil permet d’évaluer l’influence de certains paramètres comme le nombre d’apprenants ou le taux d’acceptation sur les différentes techniques d’orchestration des activités d’apprentissage mobile. Ce type de simulation permet d’associer les contraintes de formation avec l’autonomie et la collaboration entre apprenants pendant le déroulement du scénario d’apprentissage mobile.

I.4.Implémentation du système SAMSSP

Pour valider notre système d’orchestration des activités d’apprentissage mobile, nous avons réalisé un simulateur (voir le chapitre IV) et défini un Framework logiciel nommé SAMSSP (voir le chapitre V). Le simulateur nous a permis de tester les différentes techniques de recommandations susceptibles d’être utilisées pour la prise du contexte des scénarios d’apprentissage mobile alors que les expérimentations nous ont permis de mieux approcher le comportement des apprenants. En effet, l’architecture du système SAMSSP utilise des services Web REST basés sur les méthodes Http (GET, POST, PUT et DELETE) ainsi que sur le format JSON pour l’échange entre le serveur et le Smartphone. Cette architecture permet au système SAMSSP de prendre en compte deux types d’interfaces : une interface pour les PCs disposant d’une connexion internet et une autre interface destinée aux Smartphones équipés du GPS et d’internet. En outre, ce système intègre une interface qui permet à l’instructeur de paramétrer le mécanisme de recommandation en fonction des valeurs α, β, θ et γ et ω de la formule 5 du chapitre V.

I.5.Expérimentation du système SAMSSP

A partir du système SAMSSP, nous avons mis en œuvre deux prototypes de visite du campus universitaire « Oulad Fares » : le premier prototype permet de faire une visite virtuelle du campus tandis que le deuxième est destiné à accompagner les nouveaux bacheliers dans la découverte du campus à l’aide de smartphone. Ces deux prototypes d’apprentissage mobile s’adaptent selon la localisation réelle ou virtuelle de l’apprenant et nous ont permis d’exploiter l’historique des visites des apprenants afin d’intégrer le score des activités d’apprentissage dans le processus d’orchestration.

D’autre part, les enquêtes de satisfaction (voir annexe V) suggérées à la fin du test final (voir l’annexe IV) nous ont permis l’évaluation empirique de l'expérience des utilisateurs. En outre, l’analyse des traces des visites issues de ces deux prototypes nous a permis de comparer les taux d’acceptation relatifs aux différents types de recommandation.

II. Perspectives

Les travaux accomplis jusqu’à présent nous ont permis de construire un SAMSSP. Il reste cependant de nombreux prolongements qui se situent sur les différents axes de nos travaux de recherche. Dans ce qui suit, nous classons nos perspectives en deux :

II.1.Travaux à court terme :

Nos travaux à court terme concernent notamment les futurs améliorations de notre simulateur, la validation du système SAMSSP et la définition des futurs protocoles d’expérimentation.

a) Amélioration de notre simulateur

Nous souhaitons expérimenter les différentes techniques de recommandation décrites dans le chapitre V sur des jeux de données réelles de grande taille quant au nombre des utilisateurs et des POIs. Le but de ces expérimentations est de comparer les résultats de la simulation associés à un taux d’acceptation réel des recommandations avec les données collectées pendant la visite. Dans le cadre de cette thèse, nous avons déjà expérimenté la technique de recommandation du plus court chemin correspondant au meilleur score obtenu par la majorité des apprenants grâce à deux groupes d’utilisateurs (71 testeurs de la visite virtuelle et 49 testeurs de la visite réelle du campus). Cependant, ces deux types d’expérimentations ne permettent pas d’affiner notre modèle de simulation. Pour atteindre cet objectif, nous envisageons de tester plusieurs variantes de recommandation des POIs afin de mieux définir les paramètres de simulation.

b) Implémentation du système SAMSSP

Notre système est actuellement en cours d'évaluation et n'implémente pas encore toutes les fonctionnalités de notre modèle (cf. Chapitre IV et V). Malgré ses limites, les testeurs de nos deux prototypes soulignent la simplicité de son utilisation et l'utilité des recommandations fournies en temps réel. Ces deux dispositifs d’apprentissage mobile s’adaptent selon la localisation (réelle ou virtuelle) de l’apprenant et selon l’historique de la visite. Cependant, ces dispositifs souffrent encore du problème de démarrage à froid et présentent des limites dans le recensement des contraintes liées au scénario de la sortie pédagogique pendant la phase de planification. Une nouvelle version de notre outil devrait très prochainement combler ces manques. Plus globalement, nous envisageons d’améliorer notre système SAMSSP selon les axes suivants :

(1) l’ajout de nouveaux attributs de POI comme le vote des apprenants dans le processus d’orchestration de l’apprentissage (outre les différentes dimensions d’orchestration, ce vote permet de classer les POIs selon leurs popularités).

(2) le recensement des différents profils d’apprenants existants afin de mieux filtrer l’historique des visites (la recommandation des POIs relatifs aux nouveaux bacheliers peut négliger l’historique des visites effectué par les enseignants).

(3) le développement des interfaces destinées à prendre en compte le rôle de l’expert tout en mettant en place un processus d’élection parmi les apprenants.

(4) la mise en place d’une interface « enseignant » destinée à l’introduction des contraintes pédagogiques liées au scénario d’apprentissage mobile.

(5) l’élaboration d’un tableau de bord qui permet le paramétrage du système de recommandation comme par exemple le fait d’avoir la possibilité d’intégrer les scores des étudiants d’un certain groupe sans les autres.

c) Expérimentation du système SAMSSP

Pour mieux affiner le processus de recommandation du système SAMSSP, de nouvelles expérimentations et des évaluations devraient être faites à chaque rentrée universitaire. La prochaine version de ce système est en cours de construction avec la participation des nouveaux bacheliers et des enseignants. Elle devrait permettre d’ajuster les paramètres relatifs à nos différentes techniques de recommandation en fonction de l’évolution des besoins d’apprentissage de notre scénario. Pour atteindre cet objectif, nous analyserons les évaluations empiriques relatives aux futures expérimentations des deux prototypes réalisés précédemment.

II.2.Travaux à long terme :

Les travaux à long terme concernent les études d’évolution des communautés ou des profils en exploitant les aspects de collaboration entre les apprenants dans le cadre du scénario d’apprentissage mobile. Ces études permettent d’améliorer le système SAMSSP en affinant les recommandations basées sur le filtrage par profil de l’historique des visites.

Nous souhaitons mener des études sur les distributions particulières de probabilités (Poisson, loi de puissance, etc.) pour modéliser les parcours, d'autant que certaines de ces distributions correspondent bien aux fonctionnements en essaims.

Les expérimentations que nous avons réalisées ne sont pas complètes. Des expérimentations et des évaluations devraient être faites après la mise en œuvre du système. La nouvelle version du système SAMSSP devrait permettre l'intégration de plus de contexte pour la recommandation, par exemple, les conditions météorologiques, l'état de l'utilisateur (à pied, en voiture) ainsi que la prise en compte des technologies comme le NFC, RFID,… pour matérialiser les parcours effectués pendant la sortie pédagogique.