CAMLearn* : une architecture de système de recommandation sémantique sensible au contexte : application au domaine du m-learning

CAMLearn : a semantic context-aware recommender system architecture : application on m-learning domain

• Auteur / Autrice : Fayrouz Soualah Alila
• Direction : Christophe Nicolle, Florence Mendès
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 18/03/2015
• Etablissement(s) : Dijon
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Electronique, Informatique et Image (LE2i) (Dijon, Côte d'Or ; Auxerre, Yonne ; Chalon-sur-Saône, Saône-et-Loire ; Le Creusot, Saône-et-Loire ; 1996-2018)
• Jury : Président / Présidente : Jacky Akoka
• Jury : Examinateurs / Examinatrices : Ioan Roxin, Catherine Faron, Sandra Bringay
• Jury : Rapporteurs / Rapporteuses : Jacky Akoka, Myriam Lamolle

Mots clés

Mots clés contrôlés

Téléphonie mobile en éducation

Web sémantique

Mots clés libres

M-learning

Contexte

Recommandation

Web sémantique

Algorithmes combinatoires

M-learning

Context

Recommendation

Semantic Web

Combinatorial algorithms

Résumé

Au vu de l'émergence rapide des nouvelles technologies mobiles et la croissance des offres et besoins d'une société en mouvement en formation, les travaux se multiplient pour identifier de nouvelles plateformes d'apprentissage pertinentes afin d'améliorer et faciliter le processus d'apprentissage à distance. La prochaine étape de l'apprentissage à distance est naturellement le port de l'apprentissage électronique vers les nouveaux systèmes mobiles. On parle alors de m-learning (apprentissage mobile). Jusqu'à présent l'environnement d'apprentissage était soit défini par un cadre pédagogique soit imposé par le contenu d'apprentissage. Maintenant, nous cherchons, à l'inverse, à adapter le cadre pédagogique et le contenu d'apprentissage au contexte de l'apprenant.Nos travaux de recherche portent sur le développement d'une nouvelle architecture pour le m-learning. Nous proposons une approche pour un système m-learning contextuel et adaptatif intégrant des stratégies de recommandation de scénarios de formations sans risque de rupture.

Given the rapid emergence of new mobile technologies and the growth of needs of a moving society in training, works are increasing to identify new relevant educational platforms to improve distant learning. The next step in distance learning is porting e-learning to mobile systems. This is called m-learning. So far, learning environment was either defined by an educational setting, or imposed by the educational content. In our approach, in m-learning, we change the paradigm where the system recommends content and adapts learning follow to learner's context.