Chapitre 4 : Implémentation et expérimentation du système
3. Présentation du système
Dans cette partie, nous allons donner une description des différentes interfaces et fonctionnalités de notre système.
Figure 6: Interface principale du système 3.1.Inscription
Les utilisateurs peuvent être s’inscrire à notre système, pour avoir leurs propres comptes.
Figure 7: Inscription au système
3.2.Connexion au système
Après avoir connecté au système, les actualités des utilisateurs et leurs amis sont affichées en fil tout en respectant la date et l’heure de chacune. La figure 9 présente les actualités, la figure 10 présente les informations personnelles de l’utilisateur.
Figure 8: Les actualités.
Figure 9 : Les informations personnelles d’un utilisateur. 3.3.La recherche
L’interface de recherche permet aux utilisateurs de rechercher d’autres utilisateurs et aussi de rechercher des ressources. La figure 11 présente la recherche des utilisateurs, la figure 12 présente la recherche des pages et des groupes.
Figure 10 : Recherche des utilisateurs.
Figure 11 : Recherche des pages et groupes.
3.4.Messagerie électronique
Les amis peuvent communiquer entre eux, à travers un outil de communication (messagerie électronique) comme il est présenté dans la figure suivante.
Figure 12: La messagerie électronique. 3.5.Groupe(s) et page(s)
Notre système offre à leurs utilisateurs de créer des groupe ou pages, rejoindre un groupe, inviter des amis pour rejoindre un groupe, et d’aimer des pages.
La figure 14 présente la création des groupes, et la figure 15 présente les groupes de chaque utilisateur.La figure 16 présente la création des pages, les pages de chaque utilisateur, et les invitations reçues pour aimer des pages.
Figure 14: Les groupes de chaque utilisateur
Figure 15 : Les pages 3.6.Test
Chaque apprenant passe leur test proposé par leur enseignant comme il est présenté dans la figure 17, et chaque enseignant peut ajouter plusieurs tests comme il est présenté dans la figure 18. La note est donnée automatiquement par le système.
Figure 17 : Ajout d’un test par l’enseignant. 3.7.Visualisation des traces
La visualisation des traces est offerte en deux parties : visualisation des traces qualitatives, et visualisation des traces quantitatives (Voir figure 19 et 20).
Figure 19 : Visualisation des traces qualitatives.
3.8.Recommandation des bons collaborateurs et des ressources
La figure suivante présente la recommandation offerte par l’approche d’adaptation basé sur la technique des abeilles.
Figure 20 : Recommandation des ressources. 3.9.Interprétation des traces
La figure suivante présente une interprétation automatique des traces d’apprentissage dans un réseau social adaptatif.
Figure 21 : Interface d'interprétation des traces.
4. Conclusion
Dans ce chapitre, nous avons présenté notre système réalisé qui est un système d’interprétation automatique des traces sur un réseau social éducatif, avec les différentes interfaces accessibles et leurs fonctionnalités offertes.
Conclusion générale
Ces dernières années l’utilisation des réseaux sociaux a beaucoup évolué et s’est diversifié. Ils ont utilisé dans plusieurs domaines tel que : le commerce, la médecine, la communication, l’enseignement, etc. Ces plateformes sociales offrant toujours plus de nouvelles fonctionnalités.
Les réseaux sociaux peuvent être utilisés à des fins éducatives et avoir un impact positif sur les apprenants, nous citons quelques avantages :
✓ Améliorer la relation classique entre les apprenants et les enseignants.
✓ Améliorer l’apprentissage des apprenants et soutenir leurs activités.
✓ Faciliter le processus de communication entre les apprenants et les enseignants
✓ Permettre aux communautés de se former rapidement et de communiquer efficacement.
Notre travail a pour objectif de concevoir un environnement adaptatif basé sur les traces des apprenants et de fournir une interprétation automatique de ces dernières afin d’améliorer le comportement des apprenants.
Comme perspectives, nous envisageons :
✓ Proposer une méthode d’interprétation générique, ✓ D’utiliser d’autres types de traces d’apprentissage.
Bibliographie
Webographie
[1] https://dumas.ccsd.cnrs.fr/dumas-01469812/document [2] http://www.standard-du-web.com/easyphp.php [3] https://www.01net.com/telecharger/windows/Programmation/creation/fiches/130819.html [4] http://projet.eu.org/pedago/sin/tutos/easyphp.pdf [5] http://glossaire.infowebmaster.fr/html/ [6] http://glossaire.infowebmaster.fr/javascript/ [7] https://api.jquery.com/ [8] http://glossaire.infowebmaster.fr/css/Bibliographie
Ahmed, H., et Glasgow, J. (2012). Swarm intelligence: concepts, models and applications. School Of Computing, QueensUniversityTechnicalReport.
Anders, A. D. (2018). Networked learning with professionals boosts students' self-efficacy for social networking and professional development. Computers & Education, 127, 13-29.
Boyd, D. M., & Ellison, N. B. (2007). Social network sites: Definition, history, and scholarship. Journal of computer‐mediated Communication, 13(1), 210-230.
Brady, K. P., Holcomb, L. B., & Smith, B. V. (2010). The use of alternative social networking sites in higher educational settings: A case study of the e-learning benefits of Ning in education. Journal of interactive online learning, 9(2).
BEHAZ, Amel. Environnement Numérique de Travail de type Hypermédia Adaptatif Dynamique. 2012. Thèse de doctorat. Université de Batna 2.
Bhagwat, S., & Goutam, A. (2013). Development of social networking sites and their role in business with special reference to Facebook. Journal of Business and Management, 6(5), 15-28.
Bicen, H., Sadıkoglu, S., & Sadıkoglu, G. (2015). The impact of social networks on undergraduate students learning foreign language. Procedia-Social and Behavioral Sciences, 186, 1045-1049.
Badri, M., Al Nuaimi, A., Guang, Y., & Al Rashedi, A. (2017). School performance, social networking effects, and learning of school children: Evidence of reciprocal relationships in Abu Dhabi. Telematics and Informatics, 34(8), 1433-1444.
Chohra, C., & Halimi, K. (2013). Outil d’analyse des réseaux sociaux à base de Web Sémantique pour les environnements d’apprentissage. Mémoire de Master, Université 8 Mai 45 Guelma, Algérie.
DURAK, Gürhan, CANKAYA, Serkan, YUNKUL, Eyup, et al. THE EFFECTS OF A SOCIAL LEARNING NETWORK ON STUDENTS’PERFORMANCES AND ATTITUDES. European Journal of Education Studies, 2017.
Ergün, E., & Usluel, Y. K. (2016). An Analysis of Density and Degree-Centrality According to the Social Networking Structure Formed in an Online Learning Environment. Journal of Educational Technology & Society, 19(4).
Forsé, M. (2008). Définir et analyser les réseaux sociaux. Informations sociales, (3), 10-19. FARAH, Joseph. Enjeux et défis de la contribution des réseaux sociaux numériques à une transmission réussie: le cas de l’Eglise catholique. 2014. Thèse de doctorat. Reims.
Gabriela, M., Loredana, N., & Alina, T. F. (2012).Bio-Inspired E-Learning Systems–A Simulation Case: English Language Teaching. Methodologies, Tools and New Developments for E-Learning. Tech.
Höök, K. (1998). Evaluating the utility and usability of an adaptive hypermedia system. Knowledge-BasedSystems, 10(5), 311-319.)
Idris, N., Yusof, N., & Saad, P. (2009). Adaptive course sequencing for personalization of learning path using neural network. Int. J. Advance. Soft Comput. Appl, 1(1), 49-61.
Işık, F. (2013). Comparison of the use of social network in education between North and South Cyprus. Procedia-Social and Behavioral Sciences, 103, 210-219.
Kinane Daouadji, A. (2012). Contrôle d’accès des utilisateurs aux réseaux sociaux. Mémoire de Magister. Université Mohamed Boudiaf des sciences et de la technologie d'Oran, Algérie. Kamal Z. (2016). Les réseaux sociaux, avantages et inconvénients.
Lin, Y. T., Lin, Y. C., Huang, Y. M., & Cheng, S. C. (2013). A Wiki-based Teaching Material Development Environment with Enhanced Particle Swarm Optimization. Journal of Educational Technology & Society, 16(2).
Mahnane, L. (2017). Recommending Learning Activities in Social Network Using Data Mining Algorithms. Journal of Educational Technology & Society, 20(4), 11-23.
Phobun, P., &Vicheanpanya, J. (2010). Adaptive intelligent tutoring systems for e-learning systems. Procedia-Social and Behavioral Sciences, 2(2), 4064-4069.)
Piwek, L., & Joinson, A. (2015). “What do they snapchat about?” Patterns of use in time-limited instant messaging service. Computers in Human Behavior, 54, 358-367.
Philippon L. (2016). Cours Inter-entreprises, Les avantages et dangers des réseaux sociaux. Romain Rissoan : Les réseaux sociaux : Facebook, Twitter, Linkedln, Viadeo, Google+ : comprendre et maîtriser ces nouveaux outils de communication. Editions ENI, 2011.
Ricoy, M. C., & Feliz, T. (2016). Twitter as a learning community in higher education. Journal of Educational Technology & Society, 19(1), 237-248.
Rana, K et Abbas, A.(2016).International Journal of Intelligent Information Systems Volume 5, Issue 6, December 2016, Pages: 104-108.
Riad, B., Ali, S., Mourad, H., & Hamid, S. (2012). An adaptive learning based on ant colony and collaborative filtering. Proceedings of the World Congress on Engineering (Vol. 2, pp. 851-855).
Semet, Y, Lutton, E, & Collet, P. (2003, April).Ant colony optimisation for e-learning: Observing the emergence of pedagogic suggestions. Swarm Intelligence Yann Semet, Evelyne Lutton, Pierre ColletSymposium, 2003. SIS'03. Proceedings of the 2003 IEEE (pp. 46-52). IEEE
Stash, N. (2007). Incorporating cognitive/learning styles in a general-purpose adaptive hypermedia system. Dissertation Abstracts International, 68(04).
Wang, T. I., Wang, K. T., & Huang, Y. M. (2008). Using a style-based ant colony system for adaptive learning. Expert Systems with applications, 34(4), 2449-2464.
Wattenhofer, M., Wattenhofer, R., & Zhu, Z. (2012). The YouTube Social Network. ICWSM. Nummila, M. (2015). Successful social media marketing on Instagram. Case@ minoshoes. Yin, P. Y., Chang, K. C., Hwang, G. J., Hwang, G. H., & Chan, Y. (2006). A particle swarm optimization approach to composing serial test sheets for multiple assessment criteria. Educational Technology& Society, 9(3), 3-15.