Recommandation de Ressources Éducatives Libres dans le projet X5GON

Recommendation of Open Educational Resources in the X5GON project

• Auteur / Autrice : Victor Connes
• Direction : Colin de La Higuera, Hoël Le Capitaine
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 05/01/2023
• Etablissement(s) : Nantes Université
• Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des Sciences du Numérique de Nantes
• Jury : Président / Présidente : Élisa Fromont
• Jury : Examinateurs / Examinatrices : Marc Tommasi, Marie Lefèvre
• Jury : Rapporteurs / Rapporteuses : Marc Tommasi, Jean-Christophe Janodet

Mots clés

Mots clés contrôlés

Données ouvertes

Science ouverte

Ressources éducatives libres

Mots clés libres

Education Ouverte

Système de recommandation

Educationnal Data Mining

Technologies to Enhance Learning

Résumé

Ces dernières années, les pratiques d’apprentissage en ligne n’ont cessé de croitre, la pandémie mondiale du COVID- 19 a encore accéléré cette tendance. Pour atteindre l’objectif de développement durable numéro 4 : « l’éducation de qualité et tout au long de la vie », l’UNESCO fait de l’apprentissage en ligne et des REL (Ressources Educatives Libres) les aspects centraux de cette politique. Dans un contexte où le nombre de ressource et d’utilisateur est pléthorique, des algorithmes de recommandation de contenu semblent indispensables pour guider les apprenants à travers les ressources. Néanmoins, l’emploi de la recommandation à des fins pédagogiques soulève des problématiques spécifiques non étudiées jusqu’alors. De plus, le manque de jeux de données libres disponibles complexifie l’évaluation et la comparaison des approches et ne permet pas l’emploi de méthodes gourmandes en données qui semblent pourtant les plus prometteuses. Dans ce document, nous nous intéressons à la problématique de la recommandation à visée pédagogique à large-échelle et dans un contexte éducationnel non-formel où les données sont non structurées. En particulier, nous explorerons la question d’un ordre satisfaisant de consultation des ressources ainsi que celle de mise à disposition de jeux de données libres pour cette tâche.

In recent years, e-learning practices have continued to grow, with the global pandemic of COVID-19 further accelerating this trend. In order to achieve the sustainable development goal number 4: “quality education throughout life”, UNESCO makes online learning and OERs (Open Educational Resources) the central aspects of this policy. In a context where the number of resources and users is plethoric, content recommendation algorithms seem indispensable to guide learners through the resources. Nevertheless, the use of recommendation for pedagogical purposes raises specific issues that have not been studied so far. Moreover, the lack of available free datasets makes it difficult to evaluate and compare approaches and does not allow the use of data-driven methods that seem to be the most promising. In this paper, we focus on the problem of pedagogical recommendation on a large scale and in a non-formal educational context where the data is unstructured. In particular, we will explore the question of a satisfactory order of consultation of resources as well as that of making available free datasets for this task.