Apport des Systèmes Multi-Agent et de la logique floue pour l'assistance au tuteur dans une communauté d'apprentissage en ligne

• Main Author: Chaabi, Youness
• Other Authors: Belfort-Montbéliard
• Language: fr
• Published: 2016
• Subjects: Apprentissage collectif; Analyse de texte; Acte langage; Système Multi-Agents; Naïve bayésienne; Profils sociaux; Logique floue; CSCL; Pédagogie de projet; Collaborative Learning; Conversation Analysis; Fuzzy Logic; Multi-Agent System; Naïve Bayes; Social Profiles; 006
• Online Access: http://www.theses.fr/2016BELF0293/document

La place importante du tutorat dans la réussite d'un dispositif de formation en ligne a ouvert un nouvel axe de recherche dans le domaine des EIAH (Environnements Informatiques pour l'Apprentissage Humain). Nos travaux se situent plus particulièrement dans le champ de recherches des ACAO. Dans un contexte collaboratif, le tutorat et les outils « d'awareness » constituent des solutions admises pour faire face à l'isolement qui très souvent, mène à l'abandon de l'apprenant. Ainsi, du fait des difficultés rencontrées par le tuteur pour assurer un encadrement et un suivi appropriés à partir des traces de communication (en quantités conséquentes) laissées par les apprenants, nous proposons une approche multi-agents pour analyser les conversations textuelles asynchrones entre apprenants. Ces interactions sont révélatrices de comportements sociaux-animateur, indépendant, etc... qu'il nous paraît important de pouvoir repérer lors d'une pédagogie de projet pour permettre aux apprenants de situer leurs travaux par rapport aux autres apprenants et situer leur groupe par rapport aux autres groupes d'une part, et d'autre part permettre au tuteur d'accompagner les apprenants dans leur processus d'apprentissage, repérer et soutenir les individus en difficulté pour leur éviter l'abandon. Ces indicateurs seront déduits à partir des grands volumes d'échanges textuels entre apprenants.L'approche a été ensuite testée sur une situation réelle, qui a montré une parfaite concordance entre les résultatsobservés par des tuteurs humains et ceux déterminés automatiquement par notre système. === The growing importance of online training has put emphasis on the role of remote tutoring. A whole new area of research, dedicated to environment for human learning (EHL), is emerging. We are concerned with this field. More specifically, we will focus on the monitoring of learners.The instrumentation and observation of learners activities by exploiting interaction traces in the EHL and the development of indicators can help tutors to monitor activities of learners and support them in their collaborative learning process. Indeed, in a learning situation, the teacher needs to observe the behavior of learners in order to build an idea about their involvement, preferences and learning styles so that he can adapt the proposed activities. As part of the automatic analysis of collaborative learner¿s activities, we describe a multi agent approach for supporting learning activities in a Virtual Learning Environment context. In order to assist teachers who monitor learning processes, viewed as a specific type of collaboration, the proposed system estimates a behavioral (sociological) profile for each student. This estimation is based on automatic analysis of students textual asynchronous conversations. The determined profiles are proposed to the teacher and may provide assistance toteacher during tutoring tasks. The system was experimented with students of the master "software quality" of the Ibn Tofail University. The results obtained show that the proposed approach is effective and gives satisfactory results.