Modélisation et évaluation des apprenants dans les MOOCs basées sur l’approche ODALA

Loading...
Thumbnail Image

Date

2018-10-01

Journal Title

Journal ISSN

Volume Title

Publisher

Université Mouloud Mammeri

Abstract

Le monde de l'enseignement supérieur est en pleine ébullition depuis l'apparition des MOOCs (Massive Open Online Courses). Il s'agit d'une innovation pédagogique qui permet à des dizaines de milliers d'apprenants de suivre en même temps et pendant quelques semaines des cours. L'évaluation des apprenants dans ces MOOCs est considérée comme l'un des défis majeurs, vue le nombre élevé de participants à un même cours. Cette évaluation se base sur des outils de type Questionnaires à Choix Multiples (QCM),textes à trous, applications numériques, etc. Or, avec ce type d'outils, il est difficile de savoir si l'apprenant a répondu par rapport à ses connaissances acquises ou par coup de chance. De plus, l'état cognitif de l'apprenant tel qu'il est considéré dans ces systèmes, ne concerne qu'une simple notation des outils proposés alors qu'il serait souhaitable d'aller dans les détails des notions constituant le cours, pour proposer des contenus plus pertinents et plus accessibles en prenant compte les connaissances antérieures des apprenants. Notre contribution dans cette thèse est de proposer une architecture d'un système MOOC qui prenne en charge les problèmes précités, notamment la modélisation et l'évaluation des apprenants. Cette architecture intègre un modèle apprenant (MA) ainsi qu'une nouvelle approche d'évaluation des apprenants. LeMA a pour but de faciliter la planification des activités d'évaluation. Nous proposons en plus des outils précités d'autres activités d'évaluation notamment des exercices d'application et des situations problème. La dimension état cognitif du MA doit couvrir toutes les connaissances acquises par l'apprenant durant son apprentissage. Concernant les activités d'évaluation et l'évaluation elle-même, nous avons adopté l'approche ODALA (OntologyDriven for Auto-evaluation Learning Approach). Cette dernière fournit une ontologie de la discipline concernée (Onto-TDM) que nous avons emprunté comme colonne vertébrale du processus d'ingénierie du système MOOC proposé. La structure de l'ontologie nous a servi dans la modélisation cognitive de l'apprenant. Afin de faciliter l'évaluation, nous avons proposé de classer les activités dans une pyramide en quatre paliers : questions fermées, semi-ouvertes, ouvertes et situations problème. Ces paliers sont conçus selon un degré de difficulté croissant. Le processus d'évaluation proposée repose sur deux méthodes d'évaluation : une évaluation automatisée et une évaluation semi-automatique par les pairs. La méthode d'évaluation automatisée concerne les activités (questions fermées, semi-ouvertes et ouvertes) de bas niveaux de la pyramide. L'évaluation semi-automatique concerne d'évaluation par les pairs de l'activité situation problème située en haut de la pyramide. Les résultats des évaluations sont consignés dans le modèle cognitif de l'apprenant. Afin de vérifier la faisabilité de nos propositions, nous avons développé deux prototypes. Le premier concerne les trois premiers paliers de la pyramide d'évaluation et le deuxième concerne le dernier palier. Nous avons testé le premier prototype avec deux disciplines LMD (License Master Doctorat) : l'algorithmique (de la première année universitaire) et les bases de données relationnelles (de la deuxième année de licence en informatique). Nous avons ensuite testé le deuxième prototype avec deux disciplines enseignées en Master: les bases de données relationnelles et l'assurance qualité.

Description

153 p. : ill. ; 30 cm. (+ CD-Rom)

Keywords

MOOCs;, Evaluation Automatisée;, Evaluation par les pairs;, Modéli;, Sation des Apprenants;, Pyramide d'Activités d'apprentissage par l'exercice;, Apprentissage en Ligne;, l'approche ODALA, Onto-TDM.

Citation

Ingénierie des connaissances appliquées à la recherche d’information et à la e-Education