Gestion Consolidée de Ressources Numériques Architectures Logicielles et Mécanismes

Transcription

1 Gestion Consolidée de Ressources Numériques Architectures Logicielles et Mécanismes Daouda Sawadogo Ronan Champagnat & Pascal Estraillier Laboratoire : L3i S2IM - Séminaire Thématique Automne

2 Plan 1 Contexte et Motivation 2 Problématiques 3 Nos Travaux 1 Utilisateur & Ressource Numérique(RN) 2 Pertinence et adaptabilité des RN 4 Expérimentations & Résultats 5 Futures travaux 2

3 Laboratoire L3i : Notre équipe L3I ASPIC Système interactif et adaptatif Pertinence Contenu Interaction Caractériser les ressources pour l utilisateur usage Ressource Adapter les ressources à l utilisateur Ressources Adaptative q Conception de système de gestion consolidée de ressources numériques q Architecture de système adaptatif 3

4 Positionnement L3i Daouda Sawadogo (2012) Ressource Contextualisation Cyrille Suire (2014) Sémantique Soraya Chachoua (2013) Hoang Nam Ho (2012) Fabrice Trillaud ( ) Décision Médiation L3I ASPIC Scénarisation Cohérence Dang Kim Dung ( ) Guylain Delmas ( ) Pham Phuong Thao ( ) François Picard ( ) Pilotage Structuration Nicolas Rempulski ( ) q POLARIS(Plateforme Ouverte de blended-learning Adaptative interactive et Scénarisée) q Démo : 4

5 Motivation [G. Delmas (2008) and D.K. Dung(2013): Scenarisation F. Picard (2011): Pilotage N. Remplusik (2013) : Structuration F. Trillaud (2013) : Mediation P.P. Thao (2013): Consistency ] q POLARIS(Plateforme Ouverte de blended-learning Adaptative interactive et Scénarisée) q Demo : 5

6 Motivation q Select the best resource for the right user q Propose the best resource for the right situation (activity) q Have right use of any adaptive resource 6

7 Contexte, Objectifs & Problématiques 7

8 Contexte, Objectifs & Problématiques q Proposer des modèles d architectures logicielles pour la gestion de ressources numériques (RN) q Proposer des approches méthodologiques et algorithmes pour caractériser la pertinence d une RN q Proposer des mécanismes et algorithmes pour l exécution adaptative d une RN 8

9 Contexte, Objectifs & Problématiques q Proposer la bonne ressource numérique au bon utilisateur q Proposer la bonne ressource numérique pour la bonne situation 9

10 Donnée Vs Ressource Numérique : Concepts 10

11 Gestion Consolidée - Ressources Numériques Profil Utilisateur 2 Application Interactive Use Create Evaluate Share 1 Pertinence Cohérence Profil Ressource 3 Profil Processus 4 11

12 Expérimentations q Utilisateur Représentation de l utilisateur IMS-LIP extension q Ressource Numérique Représentation des RN LOM Profil d application q Contexte Scénario à base de Situation IMS-LD 12

13 Profil Utilisateur & Pertinence q Profil : q Informations Statiques (Nom, prénom, âge, nom, style d apprentissage ) q Informations Dynamiques (Objectif, intention, intérêts, expertise ) q Pertinence q Avant : Librairie de ressources numériques (critères généraux) q Pendant : Calcul en temps de réel Sélection adaptative q Après : Recommandation q Contexte de l activité 13

14 Pertinence des Ressources Numériques q Travaux existants : q Machine Learning [Wetzler P. et al., 2013], [Cristian C. et al., 2011] q Data provenance [Peter B. et al., 2010] q Eléments manquants: Usage du profil pour déterminer la pertinence q Approche : Mesure de distance entre le profil et la ressource q Approche MRPE (Multi-criteria Rating-based Preference elicitation) : Choix et Evaluation des critères q Approche TF-IDF : calcul de la pertinence Profile (JSON OBJECT) Terme : Weight() - Domaine.: w(d) - Language : w(l) - Keyword 1 : w(m1) - Keyword 2 : w(m2) - Keyword 3: w(m3) - Intention : w(i) Resource (JSON OBJECT) Terme : Weight() - Title : w(t) - Domaine R. : w(d) - Language : w(l) - Keyword 1 : w(k1) - Keyword 2 : w(k2) - Keyword 3: w(k3) - Date : w(dp) - Source : w(s) - Objective : w(i) Situation (JSON OBJECT) Terme : Weight() - Title : w(t) - Domaine R. : w(d) - Language : w(l) - Pre-condition: w(p1) - Post-Condition 2 : w(p2) - Objectif : w(i) 14

15 Expérimentations q Etude de cas: PRISE (PeRsonal Interactive research Smart Environment) q Gestion de ressource dans le domaine de la recherche scientifique q Assistant (Calcul pertinence et cohérence, Adaptabilité des RN) Profile TF- IDF() Digital Resource Trace- based system and TF- IDF() pondera=on TF- IDF() Situa=on 15

16 Expérimentations [Lucene in ac=on, 2010] 16

17 Expérimentations q Etude de cas: PRISE (PeRsonal Interactive research Smart Environment) q Gestion de ressource dans le domaine de la recherche scientifique q Assistant (Calcul pertinence et cohérence, Adaptabilité des RN) 17

18 Architecture q Proposition de méthodes pour évaluer la pertinence d une ressource numérique en temps réel q Proposition d une architecture logiciel pour la gestion des RN 18

19 Profil Utilisateur & Ressource Adaptative The user model is a representation of information about an individual user that is essential for an adaptive system to provide the adaptation effect. i.e. to behave differently for different users [P. Brusilovsky, 2007]. Differentiated Learning describes the case where there are different pathways that students can take within a learning environment, typically organized as pre-set categories. Personalized Learning describes the case where there is a different pathway for each individual student, often implemented in a rules-based method with a decision tree. Students might take a diagnostic test on the first day that will be fed into a rules engine to lay out that individual s path and content. Adaptive Learning is data-driven and continually takes data from students and adapts their learning pathway to change and improve over time for each student. [Jess Nepom Knewton, 2013] 19

20 Expérimentations Exemple 1 : Conférence Proceeding Exemple 2 : Ebook (EDUPUB) User 1 : Paper 5, 7, 9 User 2 : Paper 4 & 8 Adapter suivant le niveau de l utilisateur User 3 : Paper 1, 10, 15, 25 Adapter suivant les mots-clés de l utilisateur 20

21 Expérimentations q «the process used to integrate multiple resources into a coherent learning environment has not been well established. Learners and designers are accustomed to using resources for specific purposes. We are not generally accustomed to reusing resources developed for one purpose for other purposes» [R. Doiron and J. Davies, 1998] q Research is needed to demonstrate how resources can be linked to meet varied needs. 21

22 Bilan Travaux & Contributions q q Profil IMS-LIP++[Daouda S. et al., 2014] - UMAP-PALE 2014 Publié User Interaction [Daouda S. et al., 2014] Revue IJAIED 2014 En cours Profil de l utilisateur 2 q q Archit. syst. PRISE[Daouda S. & al., 2014] UMAPProS 2014 Publié Consolidation RN[Daouda S, 2014] RJC-EIAH - Publié Application interactive 1 Pertinence Cohérence q q Resource relevance[daouda S. et al., 2014] CSCL - Soumis Adaptive Resource [Daouda S. et al.] CoDIT 14 - Publié Profil de la ressource 3 q Connected digital resource [Daouda S. et al., 2014] AETIE Publié Profil de traitement 4 22

23 Conclusion et Travaux Futures q Pertinence des ressources numériques pour ses utilisateurs q Adapter chaque ressource à son utilisateur q Connexion de plusieurs ressources numériques Travaux futurs : q Système de gestion de traces pour améliorer l expérience des utilisateurs : User Experience (UX) q Construire un moteur d exécution de ressource numérique adaptative plus autonome et interoperable : Adaptive resource execution environment q Meilleure système de compagnon : User assistance 23

24 Merci pour votre attention J 24

25 Références q [J-P Pernin, 2003] q [J. Pinon et al., 1997] q [T. H. Davenport et al., 1997] q [Wetzler P. et al., 2013] q [Cristian C. et al., 2011] q [Peter B. et al., 2007] q [Peter B. et al., 2010] q [M. McCandless, E. Hatcher, and O. Gospodnetic, 2010] 25