An educational component model for adaptative web-based courses.

• Auteur / Autrice : John Freddy Duitama Munoz
• Direction : Guy Bernard
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2005
• Etablissement(s) : Evry, Institut national des télécommunications

Mots clés

Mots clés contrôlés

Métadonnées

Web sémantique

Résumé

Cette thèse se situe dans le domaine des objets pédagogiques (« learning objects ») et propose à la fois un modèle de description favorisant la réutilisation et la composition et un modèle d'apprentissage adaptatif qui permet différents modes d'apprentissage pour les apprenants. Ce modèle est basé sur un modèle de domaine qui décrit les concepts utilisés dans différents domaines de connaissance et sert de référentiel. Un modèle utilisateur qui définit les profils et un modèle de composants éducatifs basé sur un ensemble de métadonnées sémantiques (pour le contenu, les pré-requis, la gestion des échecs ainsi que les entrées et sorties). Cette approche étend les standards dans le domaine des objets pédagogiques. Le modèle de composants éducatifs formalise à la fois des opérateurs de composition et des composants intentionnels. Les opérateurs permettent de construire des composants complexes par assemblage de composants plus simples. Les composants intentionnels pour leur part ajoutent de la flexiblité en sélectionnant des composants au moyen de requêtes. L'accès aux composants éducatifs peut se faire selon trois modes adaptatifs : le mode composant (l'apprenant sélectionne un objet pédagogique qui est ensuite adapté), le mode concept (l'apprenant sélectionne un concept sur lequel il souhaite travailler et le système lui fournit les objets pédagogiques satisfaisant de concept) et le mode requête (analogue au mode concept, mais la sélection est basée sur d'autres critères que le contenu). L'adaptation est faite via un langage de règles. Cela permet d'inférer des connaissances sur l'utilisateur non explicites dans le modèle utilisateur et de fournir l'adaptation du contenu en fonction des connaissances de l'utilisateur et de ses préférences. Le langage de règles permet aux experts du domaine de spécifier les interactions entre les différents concepts du modèle de domaine. Le profil utilisateur, les métadonnées sémantiques de chaque objet pédagogique et les besoins de l'apprenant afin que le système d'apprentissage soit capable de construire des présentations personnalisées. Cette approche est implantée en utilisant les technologies du Web sémantique pour décrire la partie sémantique des différents modèles utilisés. Cela permet d'utiliser des mécanismes de raisonnement sur ces modèles.

This thesis proposes an educational component model as a means to specify learning objects. Its aims are power their réusing and compositon in an adaptive learning system. In this one, a domain model is used as a referential that allows describing each knowledge domain ; a user model stores user profiles where as semantic metadata describes learning objects (contents, prerequisites, acquisition fuction, failure handle strategies, inputs and outputs). This approach extends well-known educational metadata standards : besides, the component model formalizes composition operators ans intentional components. The operators address sequencing and navigation capabilities in composed components. The intentional components permit to define educational goals instead of selecting specific learning objects powering content customization. Educational components use the adaptive learning system as framework. It provides several learning strategies : course-based (learner selects the learning object he/she wants to work on), goal-based (learner selects the concept he/she wants to work on and the system builds or selects the corresponding learning object) and query-based (the same as goal-based but the selection criteria is not based on concepts). Adaptation is supported by a rule-bases system that is able to infer learner knowledge non-explicit in the user model and to support content adaptation with respect to user knowledge and preferences. A rule language allows to domaine experts specifying how differents aspects of domain model, user model, semantic metadata of learning objects and user requirements interact to build a personalized presentation. The approach is implemented using semantic web technologies in order to describe semantic of differents models. Semantic web features allow an automatic processing of these models and make available basic reasoning capabilities in the learning system.