SYNTHÈSE SUR LES GÉNÉRATEURS D’EXERCICES

Dans cette section, nous faisons un bilan des forces et faiblesses de chacun des trois types de générateurs que nous venons de présenter. Dans ce bilan, nous utilisons le terme utilisateur pour parler indifféremment d’un enseignant ou d’un EIAH utilisant les générateurs.

En prenant comme premier critère l’implication de l’utilisateur lors de la génération des exercices, nous retenons que les générateurs automatiques ne laissent aucune possibilité d’intervention de l’utilisateur, tandis que les générateurs semi-automatiques ou manuels laissent intervenir l’utilisateur, quoiqu’{ des degrés divers, dans le processus de génération. Dans les générateurs semi-automatiques, les utilisateurs peuvent contraindre le contenu pédagogique de l’exercice. Ainsi, l’utilisateur pourra générer des exercices allant du tout aléatoire au tout déterminé. Ces générateurs ne permettent néanmoins de créer des exercices que dans des domaines pour lesquels ils possèdent les bases de connaissances. En revanche, les générateurs manuels laissent beaucoup plus de possibilités { l’enseignant. Celui-ci ne contraint pas le contenu pédagogique de l’exercice, mais le définit entièrement.

En prenant comme second critère l’efficacité, nous retenons que les générateurs automatiques ou semi-automatiques permettent de créer rapidement un grand nombre d’exercices. À l’inverse, les générateurs manuels demandent { l’enseignant de créer l’énoncé et la correction de chaque exercice, ce qui est beaucoup plus couteux en temps.

En conclusion de cette revue de l’existant sur les différents générateurs d’exercices, nous retenons que seuls les générateurs semi-automatiques d’exercices permettent { la fois une prise en compte de besoins de l’utilisateur et une génération rapide d’un grand nombre d’exercices. Dans notre contexte de personnalisation en fonction des buts pédagogiques de l’enseignant, ce type de générateurs semble donc le plus pertinent.

1.3.2. CRÉATION DE LISTES D’EXERCICES

Nous venons de voir comment un exercice pouvait être généré, avec ou sans intervention extérieure. Nous regardons maintenant comment certains systèmes proposent de combiner des exercices existants pour fournir { l’apprenant ou { l’enseignant des listes d’exercices correspondant à un thème à étudier, une connaissance à tester, etc.

Pour générer automatiquement une feuille d'exercices portant sur des connaissances données, [Hibou et al. 2003] proposent d’indexer les exercices en fonction des connaissances utiles pour les résoudre. Pour cela, les auteurs utilisent le démonstrateur automatique de théorèmes ARGOS

[Spagnol 2001] afin de réaliser une indexation d'exercices de géométrie à partir des théorèmes et propriétés qui servent à leur résolution. Il est alors possible d’obtenir une liste d'exercices sur un sujet donné, dans le cas présent un théorème de géométrie, en interrogeant la base de données. Cette approche implémentée pour la géométrie pourrait être réutilisée pour aider la planification d'activités dans un EIAH dans la mesure où celui-ci intègre un résolveur de problèmes et dans la mesure où il est possible de le faire communiquer avec un module d’indexation d’exercices.

L’hypermédia adaptatif de langue basque HEZINET [Lopez-Cuadrado et al. 2007] propose une évaluation intelligente qui se fait par l’intermédiaire d’un test adaptatif regroupant un ensemble de questions nommées items. Les items proposés sont issus d’une banque de 252 items avec à chaque fois quatre réponses possibles. Pour pouvoir choisir un item dans la base, la banque d’items a été calibrée selon trois paramètres : la difficulté, la discrimination et la pseudo-chance. La difficulté représente le fait qu’un apprenant possédant une habileté de niveau N doit savoir répondre à des items de difficulté N. La discrimination indique si un item catalogue une habilité de l’apprenant. La pseudo-chance représente la chance de réponse juste en n’ayant pas l’habilité requise. Lors du passage du test par l’apprenant, l’item suivant dépend des réponses fournies précédemment et est choisi avec un niveau de difficulté proche de l’habilité { estimer, une capacité de discrimination élevée et une probabilité de pseudo-chance basse.

Ces exemples illustrent la nécessité d’indexer les bases d’exercices en fonction d’un certain nombre de métadonnées (compétences mises en jeu, niveau de difficulté, etc.). Lors de la sélection des exercices, l’enseignant ou le module pédagogique d’un EIAH peuvent ainsi contraindre les choix du système en spécifiant des valeurs pour une ou plusieurs de ces métadonnées.

1.3.3. CRÉATION DE LOGICIELS PÉDAGOGIQUES

La troisième facette de la création de ressources pédagogiques concerne les logiciels pédagogiques. De nombreux outils auteurs ont été proposés pour aider l’enseignant { concevoir

un logiciel correspondant à ses besoins pédagogiques. Nous présentons dans cette section des exemples de ces systèmes.

Le système auteur SIMQUEST [SimQuest 1996, Van Joolingen et al. 2003, De Jong 2004] permet de créer des tuteurs intelligents de simulation. Il fournit aux enseignants un cadre à la fois conceptuel (permettant de créer le modèle de simulation) et technique (permettant de créer l’interface du simulateur) lors de la création des logiciels. Son éditeur (cf. Figure 1-13) propose une liste de composants. Chaque composant est lié à une variable du modèle de simulation ou à une action spécifique (lecture, pause, etc.). SIMQUEST a permis de créer une vingtaine de logiciels de simulation dans différents domaines scientifiques, comme le simulateur de génie mécanique MOMENT présenté sur la Figure 1-14.

Figure 1-13 : Éditeur de simulations dans SIMQUEST [Van Joolingen et al. 2003].

Figure 1-14 : Simulateur créé avec SIMQUEST [De Jong 2004].

L’atelier d’ingénierie pédagogique ADISA (anciennement AGD ou AGDI) [Paquette et al. 1996a] est destiné à outiller les différentes étapes du processus de construction des systèmes d’apprentissage. Il contient des éditeurs facilitant la modélisation des connaissances enseignées, permettant la définition des événements d’apprentissage et leur structuration en différents scénarios, ainsi que la définition des publics cibles, de leur niveau d’habileté de départ et du niveau visé, etc. Cet atelier s’appuie sur la méthodologie d’ingénierie des systèmes d’apprentissage MISA [Paquette et al. 1997a, Paquette et al. 1997b] qui permet de modéliser la tâche de conception de cours se déroulant sur des logiciels ou des sites internet pédagogiques. Pour aider l’enseignant lors de l’utilisation de l’atelier ADISA, celui-ci a été doté d’un système conseiller. Un système conseiller est un système informatique qui propose une aide active « intelligente » aux utilisateurs d’un logiciel particulier, conseils fondés sur une analyse des actions et des productions de l’utilisateur ([Winkels 1992] cité dans [Paquette et al. 2002]). Le système conseiller d’ADISA [Paquette et al. 1996a] analyse les interactions entre l’utilisateur (le concepteur du système d’apprentissage) et l’atelier logiciel pour aider cet utilisateur à mener à bien sa tâche, en l’occurrence { concevoir son système d’apprentissage.

Plus récemment, l’idée de méta-outils auteurs est apparue [Bourdeau et al. 2002, Murray 2003a]. Un méta-outil auteur correspond { un outil créateur ou paramétreur d’outils auteurs génériques et permet à un utilisateur expert de créer une ontologie correspondant aux besoins d’un enseignant ou d’un formateur spécifique. Une ontologie est une spécification explicite d’un conceptualisation [Gruber 1993], c'est-à-dire un ensemble de termes représentant le sens des concepts d’un domaine et des relations qui les lient. Une fois qu’un expert a créé une ontologie

spécifiquement pour un enseignant et paramétré l’outil auteur générique { l’aide des méta-outils, l’outil auteur est utilisable par l’enseignant lui-même. Ainsi, l’enseignant dispose d’un outil adapté à ses besoins. Le système auteur EON [Murray 2003a] a été conçu selon ce principe. Cet outil générique, une fois paramétré par un expert, devient un outil auteur spécifique à un enseignant. Dans EON, l’expert peut adapter le vocabulaire utilisé pour décrire le domaine de l’enseignant, pour créer le modèle de l’apprenant, ainsi que celui de l’éditeur de stratégies d’enseignement. EON a été utilisé pour construire plusieurs prototypes de tuteurs dans des domaines aussi variés que l’apprentissage du japonais (cf. Figure 1-15) ou de la chimie (cf. Figure 1-16) et mettant en œuvre des stratégies d’enseignements différentes.

Figure 1-15 : KEIGO TUTOR, tuteur intelligent pour l’apprentissage du japonais, créé avec EON [Murray 2003a].

Figure 1-16 : CHEMISTRY WORKBENCH, tuteur intelligent de chimie, créé avec EON [Murray 2003a].

Les outils actuellement à disposition des enseignants pour les aider à concevoir des logiciels, éventuellement augmentés de systèmes conseillers ou paramétrés par un expert, possèdent les mêmes forces et les mêmes faiblesses que les générateurs manuels d’exercices : ils laissent une totale liberté { l’enseignant tant dans le domaine d’application que dans le contenu pédagogique du logiciel créé, mais demandent une forte implication de l’enseignant et requièrent un temps d’utilisation assez important.

1.4. ADAPTER LES EIAH À CHAQUE APPRENANT

Pour aider l’enseignant dans sa tâche de personnalisation, une troisième approche consiste { adapter les logiciels pédagogiques aux spécificités de chaque apprenant. Nous indiquons à présent, en nous appuyant sur des exemples, ce qui peut être personnalisé dans un EIAH, avant de parler de l’acteur de cette personnalisation.

1.4.1. QUE PEUT-ON PERSONNALISER DANS UN EIAH ?

Le paramétrage d’un EIAH « concerne la possibilité de contrôler, de modifier à son gré les caractéristiques du logiciel, non seulement pour l’adapter { des situations d’apprentissage particulières, mais aussi pour en adapter le contenu, l’agencement ou le comportement

pédagogique » [Hû 2001]. La personnalisation d’un EIAH peut donc porter sur plusieurs facettes de l’EIAH.

Concernant les tuteurs intelligents et les hypermédias adaptatifs, [Brusilovsky 1999] présente un inventaire des technologies utilisées pour adapter ces systèmes. Cet inventaire se focalise sur les technologies mais permet, { travers les éléments cibles de l’adaptation, de connaître les éléments personnalisables dans les systèmes étudiés.

L’auteur regroupe les technologies permettant l’adaptation en deux grandes catégories : celles agissant sur le parcours des apprenants dans les systèmes et celles concernant l’aide { la résolution de problèmes.

Les technologies agissant sur le parcours des apprenants permettent : d’adapter l’ordre des leçons et des exercices à faire pour chaque apprenant, comme dans SIETTE [Ríos et al. 1999] ou ILESA [López et al. 1998] ; de guider l’apprenant en lui indiquant quel élément de la formation serait { faire en fonction de ses connaissances actuelles et de son but d’apprentissage, comme dans INTERBOOK [Brusilovsky et al. 1998] ou ELM-ART [Brusilovsky et al. 1996] ; de masquer ou rendre inactifs des liens qui mènent vers des informations que l'apprenant ne pourra pas encore comprendre, comme dans REMEDIAL MULTIMEDIA SYSTEM [Anjaneyulu 1997] ; et de présenter la même information différemment selon l’apprenant en détaillant, masquant, résumant ou illustrant des parties de la formation, comme dans PT [Kay et al. 1997], AHA [De Bra et al. 1998] ou METALINKS [Murray et al. 1998, Murray 2003b].

Les technologies de cette catégorie agissent sur l’organisation des activités, mais également sur le choix des activités elles-mêmes, et sur l’interface du logiciel.

Les technologies concernant l’aide { la résolution de problèmes permettent : de corriger et d’aider l'apprenant au cours de la résolution, comme dans LISP-TUTOR [Anderson et al. 1985] ; de déterminer, { partir de l’analyse des réponses de l’apprenant (si une réponse finale est correcte/incorrecte, si les connaissances utilisées sont correctes, etc.), les rétroactions à fournir et de mettre à jour le modèle de l'apprenant, comme dans PROUST [Johnson 1986] ; de fournir un exemple de résolution expliqué ou des problèmes résolus du même type, comme dans ELM-PE

[Weber 1996] ou ELM-ART [Brusilovsky et al. 1996].

Les technologies de cette catégorie agissent sur les fonctionnalités du logiciel (aide, diagnostic, etc.) et permettent dans certains cas de modifier les rétroactions à fournir { l’apprenant.

En complément de cet inventaire centré sur les tuteurs intelligents et les hypermédias adaptatifs, nous avons étudié trente logiciels pédagogiques. Ces logiciels sont très variés de part leurs types (tuteurs intelligents, micromondes, simulateurs, exerciseurs, applications web), leurs provenances (issus de la recherche, des pratiques enseignantes ou du commerce), leurs publics (formation scolaire, universitaire ou professionnelle) mais également de part les domaines d’apprentissage traités. La liste complète des logiciels étudiés et leur description sont fournies en Annexe A page 283. Nous avons établi que dans ces logiciels, la personnalisation peut porter sur :

les activités proposées, en générant de nouvelles activités ou en choisissant une activité adaptée parmi celles contenues dans le logiciel ;

la séquence des activités, en choisissant le nombre d’activités et l’ordre dans lequel les activités sont proposées ;

les fonctionnalités, en définissant celles disponibles (par exemple autoriser l’accès { l’aide, au diagnostic, aux compagnons, aux outils de dessins, de calculs) et selon quelle temporalité (constamment, { certains moments, avec un nombre d’accès autorisés, etc.) ;

les rétroactions proposées aux apprenants, en changeant l’accessibilité et le contenu des messages (adapter le vocabulaire ou la présentation de ceux-ci) ;

l’interface du logiciel, en choisissant la langue du logiciel, en paramétrant la police (taille, style, etc.), en adaptant les couleurs (pour les dyslexiques par exemple), en activant la synthèse vocale, etc.

Nous reviendrons plus en détail sur l’identification de ces cinq facettes dans la section 6.4.1.

1.4.2. QUI PERSONNALISE L’EIAH ?

Nous venons de voir ce qui pouvait être personnalisé dans un EIAH. Nous nous intéressons à présent aux différents acteurs pouvant mettre en place une personnalisation : l’apprenant lui-même, l’enseignant et le module pédagogique d’un EIAH. Pour chaque type d’acteur, nous donnons des exemples avant de résumer les possibilités offertes, les forces, ainsi que les faiblesses de la personnalisation par un acteur donné.