Connaissances d’explications sur les erreurs

Les connaissances d’explications font suite au diagnostic. Elles permettent de don-ner à l’apprenant des explications pertinentes en cas d’erreur. Il s’agit alors de définir un ensemble de réponses fausses attendues et d’y associer des messages explicatifs. La Fi-gure 3.19 représente le méta-modèle proposé pour décrire ces messages d’explications.

Figure ^{3.19 – Méta-modèle permettant de décrire un message d’explications}

Ces messages représentent les différentes rétroactions à envoyer à l’apprenant. Elles peuvent se présenter sous plusieurs formes :

— Une phrase explicative de l’erreur : par exemple lors de la rédaction de la phrase de réponse dans AMBRE-add, il est fréquent que les apprenants écrivent une phrase qui est dans l’énoncé. Dans ce cas, le système explique « Ce que tu as écrit est vrai, mais ce n’est pas la réponse à la question ».

— Un énoncé généré par le système correspondant à la réponse de l’apprenant. Cette génération d’énoncé peut souvent lui permettre de comprendre en quoi sa réponse est erronée. Cette fonctionnalité de génération d’énoncé est par exemple utilisée dans AMBRE-add pour expliquer à l’apprenant pourquoi sa reformulation à l’aide d’un schéma n’est pas correcte : le système génère un énoncé de problème correspondant au schéma donné par l’apprenant (cf. Figure 14).

— Des éléments graphiques : le recours aux éléments graphiques peut se faire lorsque le système ne sait pas interpréter la réponse de l’apprenant ou lorsque ce format est plus facile à comprendre que des explications textuelles complexes. Par exemple, le système colorie en vert des éléments de la réponse qui sont corrects et en rouge ceux qui sont erronés (cf.Figure 3.20). Lorsque la réponse de l’apprenant est incorrecte, comme sur la Figure 12 par exemple, l’apprenant peut cliquer sur le point d’interrogation à côté de chaque champ encadré en rouge pour afficher le message d’erreur.

Figure ^{3.20 – Exemple de message d’explications généré à partir de la réponse de}

l’apprenant

3.4 Conclusion

Dans ce chapitre, nous avons présenté les différentes connaissances identifiées comme étant nécessaire à expliciter lors de la conception d’un EIAH AMBRE. Ces connaissances peuvent être classées en deux grandes catégories : les connaissances sur la méthode à enseigner permettant de résoudre des problèmes, et celles destinées à accompagner l’ap-prenant durant son apprentissage en lui fournissant aide, diagnostic de ses réponses et explications pertinentes sur ses erreurs. Pour formaliser ces différentes connaissances, nous avons proposé des méta-modèles décrits par des schémas XML. Ces méta-modèles permettent de décrire la forme des connaissances à acquérir, cherchent être indépendants du domaine.

L’objectif de ce travail était surtout d’identifier les types de connaissances à acqué-rir et de les formaliser. Même si les méta-modèles proposés ont été proposés en s’appuyant sur les connaissances des EIAH AMBRE, leur utilisation reste ouverte à d’autres types d’applications. Par exemple, le méta-modèle portant sur la description des problèmes

peut être utilisé dans des domaines nécessitant de modéliser des problèmes.

Dans[84] par exemple les auteurs présentent un outil auteur web permettant d’as-sister l’enseignant dans la création d’exercices portant sur les équations algébriques. Cet outil repose sur un résolveur de problèmes qui utilise les informations du problème et ac-compagne l’apprenant durant sa résolution en lui fournissant un feedback. Les problèmes sont décrits en termes de variables, d’unités de mesures, de formules. Les méta-modèles du vocabulaire et des problèmes que nous avons proposés peuvent, par exemple, être utilisés dans le cadre de cet outil auteur web, afin de mieux assister l’auteur dans la définition des connaissances. Le méta-modèle permettant de décrire les fonctions peut être utilisé pour cet outil afin de faciliter la description des formules. De même, les méta-modèles permettant d’accompagner l’apprenant peuvent être utiles ici pour donner des explications pertinentes aux apprenants sur leurs erreurs.

Dans Andes [76, 83], un EIAH destiné à l’enseignement de la Physique, l’auteur doit définir formellement le problème, de sorte que le système puisse le résoudre. Utiliser un méta-modèle permettant de décrire les problèmes peut être très utile pour faciliter l’élicitation. Les méta-modèles des connaissances sur la méthode peuvent quant à eux être utilisés dans le domaine de l’aide à prise de décision, et plus particulièrement pour la conception d’outils de prévision. Par exemple, le méta-modèle des connaissances de classification peut être utilisé pour organiser les différentes informations, le méta-modèle des connaissances pour décrire les règles, et les techniques pour représenter les différentes prévisions en fonction des cas.

Nous nous sommes appuyées sur ces méta-modèles pour mettre en place un pro-cessus d’acquisition des connaissances décrit dans le chapitre 4.

Un processus interactif d’acquisition

des connaissances pour des EIAH

destinés à enseigner des méthodes

Ce chapitre présente le processus interactif que nous avons proposé pour acqué-rir les connaissances nécessaires à conception d’un EIAH AMBRE. Il se consacre pour l’essentiel à l’élicitation des connaissances portant sur la méthode à enseigner, ainsi que l’assistance fournie à l’auteur durant le processus. Cependant, même si l’élicitation des connaissances destinées à guider l’apprenant n’est pas présentée ici, nous montrons com-ment elle est prise en compte dans le processus. Ce chapitre se termine par le feedback proposé à l’auteur à la fin de l’élicitation.

Sommaire

4.1 Étapes du processus d’acquisition des connaissances . . . . 97 4.1.1 Définition du vocabulaire pour le domaine . . . 98 4.1.2 Description des problèmes à résoudre . . . 99 4.1.3 Élicitation des connaissances sur la méthode . . . 100 4.1.4 Conception de l’interface de l’EIAH . . . 104 4.1.5 Élicitation des connaissances destinées à accompagner

l’appre-nant . . . 104 4.2 Feedback après l’élicitation des connaissances . . . 104 4.3 Synthèse . . . 106

L’acquisition des connaissances pour la conception d’EIAH est l’un des principaux obstacles à leur développement. Cette difficulté est liée au fait qu’elle repose en général sur des experts humains mais aussi sur un processus d’explicitation de leurs connais-sances. Outre le fait qu’il est difficile d’amener l’expert à expliciter ses connaissances, cette pratique s’avère également longue et ardue. En effet, elle nécessite de recommencer l’explicitation des connaissances pour chaque nouveau domaine. La mise en place d’un processus interactif pourrait favoriser une acquisition plus aisée de ces connaissances. C’est dans ce sens que nous proposons un processus pour permettre à un auteur d’élici-ter sans programmer les connaissances nécessaires à la conception d’un EIAH AMBRE.

4.1 Étapes du processus d’acquisition des

connais-sances

La Figure 4.1 résume l’approche générale que nous avons adoptée pour la mise en place d’un processus d’élicitation des connaissances nécessaires à la conception d’un EIAH AMBRE. Ce processus permet à un auteur, expert des connaissances qu’il sou-haite enseigner, de pouvoir expliciter les connaissances nécessaires à l’EIAH sans aucune programmation. Ce processus s’appuie sur les méta-modèles indépendants du domaine et proposés dans le Chapitre 3 : un modèle pour décrire le vocabulaire, un méta-modèle pour décrire les problèmes, des méta-méta-modèles pour les connaissances portant sur la méthode à enseigner, et des méta-modèles pour les connaissances destinées à accompagner l’apprenant. Pour rappel, ces méta-modèles permettent de décrire les dif-férents types des connaissances que l’auteur doit définir pour construire des modèles de connaissances spécifiques à un domaine. Ces méta-modèles contraignent ainsi les diffé-rentes étapes du processus d’acquisition des connaissances.

Figure ^{4.1 – Approche générale du processus d’élicitation}