La vue « modèle de l’apprenant »

Dans le domaine de l’ingénierie des systèmes adaptatifs, l’adaptation des contenus, des présentations et des parcours d’apprentissage se fait en fonction des caractéristiques de l’apprenant. La description des apprenants est donc essentielle pour obtenir un degré de personnalisation satisfaisant. Les propriétés descriptives à prendre en compte peuvent être très variées, il peut s’agir de préférences de couleurs, de niveau de compétences ou d’expériences sur le sujet d’enseignement ou encore de préférences en matière de méthodes d’apprentissage. Des typologies de propriétés relatives aux apprenants ont été proposées dans de nombreux travaux [Beaumont, 1994], [Brusilovsky, 1996], [Hothi, 1998], [Murray, 1999] et [Wu & al., 2000]. Notons que la modélisation de l’apprenant rejoint la notion de modèle utilisateur défini notamment dans le contexte de la recherche d’information personnalisée [Koutrika & al., 2005], [Ihaddadene, 2006], [Dinoff & al., 2006], [Lin & al., 2005] et [Wen & al. 2004].

Les modèles de l’apprenant peuvent être caractérisés par quatre facettes : la facette «

niveau d’abstraction », la facette « nature des connaissances », la facette « structure du modèle apprenant » et la facette « gestion ». La première, précise si le modèle permet de

décrire les apprenants à un niveau « individu » ou à un niveau « stéréotype », la deuxième définit les types de connaissances que le modèle permet de capturer sur les apprenants, la troisième porte sur la structure de représentation utilisée pour représenter les connaissances sur l’apprenant et la quatrième précise le mode d’acquisition des connaissances sur l’apprenant.

2.3.2.1 La facette « niveau d’abstraction »

Nous considérons que les connaissances sur l’apprenant peuvent être représentées à différents niveaux d’abstraction. On peut représenter et gérer chaque apprenant avec ses propriétés individuelles ou bien considérer des stéréotypes ou profil-types d’apprenants (expert, novice, …). On considère donc deux valeurs pour cette facette : « stéréotype » et

« individu ».

Le niveau « stéréotype » permet de définir des classes d’apprenants. Un apprenant

parce qu’il facilite le processus d’instanciation des modèles utilisateurs. Dans un même système, il peut exister plusieurs ensembles de stéréotypes, par exemple un ensemble de stéréotypes définissant le niveau de connaissance sur les concepts généraux de l’informatique (novice, débutant, intermédiaire et expert) et un ensemble de stéréotypes décrivant les connaissances sur UNIX qui est le sujet d’enseignement. Les stéréotypes peuvent être organisés selon une hiérarchie. Par exemple la figure 2.3 donne un exemple de hiérarchie de stéréotypes. En général, ce niveau permet de définir des parcours types par stéréotype mais il n’est pas suffisant pour une personnalisation « fine » des parcours.

Figure 2.3 – Exemple de hiérarchie de stéréotypes d’apprenant [Koch, 2000]

Le niveau « individu » correspond au niveau d’abstraction le plus fin, chaque apprenant

est décrit avec ses propres caractéristiques [Tsiriga & al., 2003]. Il s’agit d’informations pouvant être soit renseignées par l’apprenant lui-même, soit déduites par le système, soit acquises lors de l’utilisation de l’application.

2.3.2.2 La facette « nature des connaissances »

La qualité de l’adaptation est directement liée à la richesse du modèle utilisé pour décrire toutes les connaissances relatives aux apprenants. De façon générale, les connaissances sur l’apprenant qui ont un intérêt du point de vue de l’adaptation s’organisent autour de quatre catégories [Brusilovsky, 1996] et [Behaz & al., 2007] :

Les compétences et les connaissances de l’apprenant sur le sujet d’enseignement. Ces

propriétés décrivent le savoir et le savoir-faire de l’apprenant. Bien sûr ces compétences et ces connaissances évoluent durant les processus d’apprentissage.

Les objectifs. Il s’agit des intentions pédagogiques de l’apprenant. Ces intentions sont très

variables puisqu’elles peuvent changer d’une session d’apprentissage à une autre. Ce type d’information est essentiel dans un contexte d’adaptation, en effet l’objectif poursuivi est déterminant pour l’organisation de parcours. La description des objectifs peut être plus ou moins riche. Par exemple dans [Vassileva, 1996], les objectifs sont décrits par une hiérarchie de tâches, décrivant de véritables « plans » pour les satisfaire.

Les préférences sont des propriétés qui dans les systèmes d’apprentissage, lorsqu’elles

sont prises en compte, sont exprimées directement par l’apprenant. Ces préférences peuvent concerner la présentation des ressources, les méthodes d’apprentissage…

L’historique concerne l’expérience et le passé de l’apprenant. Il s’agit de garder la trace de

l’état des actions ou de la navigation que l’apprenant a suivie lors de son processus d’apprentissage.

On considère que la facette « nature des connaissances » peut prendre quatre valeurs non exclusives : compétence, objectif, préférence et historique.

2.3.2.3 La facette « structure du modèle de l’apprenant »

Il existe plusieurs approches pour structurer et représenter le modèle apprenant. Le modèle le plus utilisé dans le domaine de l’apprentissage est le modèle de type « Overlay ». Il existe des modèles plus riches tels que les réseaux bayésiens et les ontologies.

Les structures de type « overlay », elles associent des mesures aux connaissances de

prendre leurs valeurs sur un ensemble discret. Il y a de nombreux exemples de modèles de ce type dans la littérature, ils contiennent en général les connaissances sur le domaine mais aussi sur les tâches de l’apprenant. Par exemple, les systèmes HyperTutot [Gutiérrez & al., 1995]ELM-ART [Brusilovsky & al., 1996] et[Talhi & al., 2007] sont de ce type.

Les structures de type « réseaux bayésiens », elles utilisent des techniques numériques

pour « inférer » des connaissances sur l’apprenant. Ces inférences mettent en œuvre des probabilités qui sont fournies le plus souvent sur la base de l’expérience. Dans un réseau de ce type, les nœuds correspondent à des variables (propriétés de l’apprenant) et les liens correspondent à des probabilités d’associations d’influence [Hibou & al., 2006] et [Vu Minh & al., 2007]. On donne ci-dessous un exemple partiel d’un réseau bayésien.

Figure 2.4 – Exemple de réseau bayésien [Koch, 2000]

Les ontologies peuvent être aussi utilisées pour structurer les connaissances sur

l’apprenant. Cette approche s’inspire des ontologies utilisateurs proposées dans le domaine de la recherche d’informations [Zhu & al.,1999] et [Razmerita & al., 2004].

On considère que cette facette peut prendre trois valeurs : overlay, réseaux bayésiens, et ontologies.

2.3.2.4 La facette « gestion »

apprenant adaptatif [Oppermann & al., 1994]. Un modèle est adaptatif lorsque les informations sur les apprenants sont mises à jour de manière automatique par le système. Cette mise à jour est réalisée en fonction du comportement de l’apprenant, par exemple ses actions, ses erreurs et ses interactions avec le système [Ardissono & al., 1999]. Un modèle apprenant est adaptable lorsque les mises à jour sont faites par un administrateur et sont déclenchées par cet administrateur. Une approche mixte combine les deux approches, une partie du modèle est renseignée manuellement lors d’une première connexion, à l’aide de questionnaires par exemple, le modèle est ensuite mis à jour par le système en inférant de nouvelles valeurs en fonction du comportement de l’apprenant et de ses interactions [Billsus & al., 1999].

On considère que la facette « gestion » peut prendre les valeurs : adaptable, adaptatif et mixte.