Un système de recommandation pour un réseau social d’apprentissage. Un système basé sur les réseaux bayésiens


Mémoire de Maîtrise, 2015

104 Pages, Note: 15.5/20


Lire gratuit en ligne

INTRODUCTION GÉNERALE

CHAPITRE 1 : Les réseaux sociaux
INTRODUCTION
1. Le Web 2.0
2. Qu'est-ce qu'un réseau social ?
3. Pourquoi s'inscrire sur un réseau social ?
4. Comment se présente un réseau social ?
5. Les caractéristiques des réseaux sociaux
6. Les architectures des réseaux sociaux
6.1. Architecture centralisée
6.2. Les architectures décentralisées
7. Les principaux réseaux sociaux
8. E-learning via les réseaux sociaux
8.1. Facebook
8.2. Twitter
9. Plateforme social Learning
10. Les secrets des réseaux sociaux
10.1. Les réseaux sociaux et l'attraction publique
11. Les inconvenants des réseaux sociaux
CONCLUSION

CHAPITRE 2 : Presentation des approches d'appui
INTRODUCTION
1. La définition du style d'apprentissage
2. Quelques modèles de styles d'apprentissage
3. Styles d'apprentissage et enseignement
4. L'application des techniques de datamining dans les systèmes
d'apprentissage
4.1. Réseaux Bayésien
4.1.1. Définition formelle des réseaux bayésiens
4.1.2. Définitions supplémentaires
4.1.3. Domaines d utilisation principaux
4.1.4. Pourquoi les réseaux bayésiens?
CONCLUSION

CHAPITRE 3 : Conception d'un réseau sociale pour l'enseignement et l'apprentissage
INTRODUCTION
1. OBJECTIFS
2. L'ARCHITECTURE DU SYSTEME
2.1. Première phase : Détection du style d'apprentissage
2.1.1. Mesure du style d'apprentissage : Questionnaire ILS
2.1.2. Mesure de l'étude
2.2. Deuxième phase : Extraction des caractéristiques
2.2.1. Méta-modèle conceptuel du processus de profilage
2.3. Troisième phase : Classification
2.3.1. Structure du réseau
2.3.1.1. Variable observables
2.3.1.2. Le comportement du l'apprenant
2.3.1.3. Les variables Non observables
2.3.1.4. Les dépendances entre ces variables
2.3.1.5. Inference
3. Identification et représentation de cas d'utilisation
3.1. Construction d'un diagramme de cas d'utilisation
3.1.1. Les acteurs
3.1.2. Les cas d'utilisations
3.1.3. Les associations entre les cas d'utilisations et les acteurs
3.2. Description et représentation des Scénarios
3.2.1. Identification des scénarios
3.2.2. Le scénario du système
4. Diagramme de class
4.1. Description des classes
CONCLUSION

CHAPITRE 4 : Implémentation et Presentation de l'application
INTRODUCTION
1. Environnement de travail
1.1. Partie matérielle
1.2. Partie logicielle
2. Le déroulement de notre système
2.1. Partie site web
2.2. Partie de réseau bayésien
2.2.1. Les données
2.2.2. Prétraitement
2.2.3. Datamining
3. Evaluation
CONCLUSION

CONCLUSION GÉNÉRALE

BIBLIOGRAPHIE

ANNEXE

Dédicace

Je remercie le bon Dieu de m'avoir donné le courage d'accomplir ce travail.

Je dédie ce présent mémoire :

A celui qui est pour moi, le symbole de la force et l assistance, A celui qui a supporté mais caprices et m'a permis de vivre dans un milieu riche en connaissance, qui m'a pris le sens de la fierté et que m'a soutenu et encouragé dans toutes les étapes de ma vie.

A mon très cher P ère (que D ieu le protège et garde pour nous).

A celle qui m'a toujours entouré d'amour et de tendresse, A celle qui m'apporte aide et assistance afin que je puisse réussir ma vie.

A ma chère M aman (que D ieu la protège et garde pour nous).

A mes chers frères M oncef et Mehdi, et mes chers smurs R adia et Ibtissem.

A mes toute grandes familles

la promotion d’informatique 2015 de l’umversité de Annaba.

Remerciements

Nous tenons tout dabord a. remercier Dieu le tout puissant et miséricordieux, qui nous a donné la force et la patience d'accomplir ce Modeste travail.

En second lieu, nous tenons a remercier particulièrement notre encadreur M me Lamia MAHNANE pour son encadrement et pour l'intérêt qu'il a manifesté a notre travail.

Nos vifs remerciements vont également aux membres du jury : M CA. TALEB Nora, M AA. MERZOUGUI Warda pour l'intérêt qu'ils ont porté a notre recherche en acceptant d'examiner notre travail Et de l'enrichir par leurs propositions.

Enfin, nous tenons également a remercier tous ceux qui ont contribué de près ou de loin a la réalisation de ce travail.

Abbildung in dieser Leseprobe nicht enthalten

RÉSUMÉ

Les systèmes de recommandation des ressource sont devenus, a l'instar des moteurs de recherche, un outil incontournable pour tout site Web focalisé sur un certain type d'articles disponibles dans un catalogue riche, que ces articles soient des objets, des produits culturels, des éléments d'information ou encore simplement des pages.

Dans ce contexte le travail réalisé porte sur la conception d'un modèle a base de traces, donc nous allons essayer de suivre l'utilisateur pour la détection du style d'apprentissage de l'apprenant et l'adaptation du cours suivant son style. Puisque ce dernier est une caractéristique changeable au cours d'une formation. Donc, l'objective de cet mémoire consiste a suivre les apprenants dans leur apprentissage et qui passe par trois phases : la première est le test de Felder pour la détection du styles d'apprentissage initiale puis en deuxième phase le prétraitement des données pour extraire les différentes caractéristiques en observant les différents comportements de l'utilisateur au cours d'une formation puis a la fin et en utilisant le réseau bayesien pour changer les caractéristiques de ce dernier pour avoir le nouveau style d'apprentissage.

Mots-clés: style d'apprentissage, réseaux bayesien, recommandation.

ABSTRACT

Resource of recommendation systems have become, like engines research, an essential tool for any website focused on a certain type of items available in a catalog, These items are objects, cultural products, some information or simply pages. In this context the work involves the design of a trace-based model, so we will try to follow the user to detect the learning style learner and adaptation of the course according to his style. Since the latter is a changeable characteristic during a training. So the objective of this memory is to follow the students in their learning and passes through three stages: the first is the Felder test for the detection of learning styles Initial then second phase data preprocessing to extract the different characteristics observing different behaviors of the user during training and at the end and using the Bayesian network to change the characteristics of the latter for the new learning style.

Keywords: style of apprentissage, Bayesian network, recommendation.

Abbildung in dieser Leseprobe nicht enthalten

Introduction Générale

Depuis que l'Internet a été adopté et développé comme un moyen de communication par les établissements d'enseignement dans les années 1970, les universitaires ont eu connaissance de son énorme potentiel comme outil d'apprentissage 1.

Dans la évaluation de l'apprentissage, nous devons considérer que les étudiants pourraient avoir différents besoins et caractéristiques individuelles telles différents niveaux d'expertise et les connaissances préalables, les capacités cognitives, les styles d'apprentissage, la motivation, ainsi de suite. C'est pourquoi, il est nécessaire de rassembler ces ensembles d'informations sur l'apprenant, afin que l'enseignant ait un bilan de l'utilisation du système d'apprentissage, pour assurer l'individualisation de la formation et son amélioration.

Pour atteindre cet objectif, De nombreuses recherches se sont orientées vers l'analyse du comportement de l'apprenant a partir de l'interprétation des informations recueillies pendant la session d'apprentissage 9 appelées « traces ». L'exploitation de ces traces, définies comme une séquence temporelle d'observés, fournit des « connaissances sur l'activité » que nous appelons «caractéristiques ».

Problématique

De nos jours, un réseau social est un terme désignant un site internet permettant a l'internaute de s'y inscrire et d'y créer une carte d'identité virtuelle appelée généralement "profil".

Un réseau est dit social lorsqu'il permet un échange avec d'autres membres inscrits sur le même réseau. Les internautes peuvent le plus souvent envoyer des messages publics mais aussi privés, publier des photos et vidéos, partager leurs opinions en postant un statut parlant de leur humeur du jour ou organiser des évènements sur leur page.

Dans les réseaux sociaux, les utilisateurs subissent une surcharge informationnelle liée a la multitude de ressources présentes dans le système et une surcharge d'interactions liée a la multitude de relations sociales. Pour répondre a ce problème nous proposons de ne recommander aux utilisateurs que des ressources pertinentes en se basant sur les techniques de datamining plus précisément le réseau bayésien.

Malgré les avantages qu'apportent ces systèmes d'apprentissage se heurte a plusieurs problèmes sur différents plans :

- Du coté du formateur pas de contacts directs avec l'apprenant ainsi que le passage d'une communication majoritairement orale a écrite.
- La problématique consiste donc a inférer diverses informations et caractéristiques sur l'utilisateur a partir des traces de navigation (liens, suivis, clicks, etc.) pour déterminer son style d'apprentissage qui nous aidera a adapter sont parcours.

Contributions

Les systèmes de recommandation des ressource sont devenus, a l'instar des moteurs de recherche, un outil incontournable pour tout site Web focalisé sur un certain type d'articles disponibles dans un catalogue riche, que ces articles soient des objets, des produits culturels, des éléments d'information ou encore simplement des pages.

Le but des systèmes de recommandation est de prédire l'affinité entre un utilisateur et un article, en se fondant sur un ensemble d'informations déja acquises sur cet utilisateur et sur d'autres, ainsi que sur cet article et sur d'autres

Dans ce contexte le travail réalisé porte sur la conception d'un modèle a base de traces, donc nous allons essayer de suivre l'utilisateur pour la détection du style d'apprentissage de l'apprenant et l'adaptation du cours suivant son style 3. Puisque ce dernier est une caractéristique changeable au cours d'une formation 4. Nous avons choisi les réseaux bayesien pour changer ces caractéristiques pour avoir le nouveau style d'apprentissage. Et pour modéliser la dépendance entre la nature de la tache, le style d'apprentissage et l'approche pédagogique.

Les travaux de cette mémoire ont abouti aux contributions scientifiques suivantes :

- une étude empirique montrant la dépendance entre les variables observables qui décrit les activités d'évaluation, et le comportement des apprenants, et les variables non observables le style d'apprentissage, qui représente les dimensions du style d'apprentissage.
- Un réseau bayésien pour estimer par renforcement le style d'apprentissage et recommander les ressources pertinentes de la séquence pédagogique adaptée.

Plan de travail

En plus de cette introduction générale, Ce mémoire est structuré en cinq chapitres.

Nous conseillons une lecture linéaire des chapitres. Une conclusion générale revient sur les limitations de nos travaux et les perspectives que nous en déduisons pour nos futures recherches. Un apergu du contenu de chaque chapitre est donné ci-après.

Chapitre 1 : Les réseaux sociaux

Ce chapitre présent un apergu sur les réseaux sociaux. Nous expliquerons qu'est ce qu'un réseau social et leurs influences sur la société humaine.

Chapitre 2 : Présentation des approches d'appui (style d'apprentissage, bayésien)

Ce chapitre présent un apergu sur l'approche de notre modèle. Nous expliquerons ce en quoi ils consistent le style d'apprentissage, le réseau bayésien et On donnera quelques exemples intuitifs afin d'en illustrer le fonctionnement. Nous fournirons également certaines définitions et règles de base les concernant. Puisqu'il s'agit du domaine du notre application.

Chapitre 3 : Conception d'un réseau sociale pour l'enseignement et l'apprentissage.

A la base des résultats obtenus au chapitre précédent, Le troisième chapitre servira a expliquer la démarche de nos tests, Ainsi la conception de notre modèle, un réseau sociale pour l'enseignement et l'apprentissage. Il s'git de détailler les principaux composants et modules qui constituent l'architecture du système.

Chapitre 4 : Implémentation et Présentation de l'application.

Le quatrième chapitre nous illustrons la réalisation concepts les plus importants apparus dans l'architecture de notre modèle a présenter nos résultats (le style d'apprentissage de l'élève).

Au final, ce modeste travail se conclut par la présentation des perspectives futures de ce projet, qui sera appliquées dans les prochaines versions de l'application.

Chapitre 1: Les réseaux sociaux

INTRODUCTION

De tous les temps, les être humain n'ont cessé de communiquer, quelque soit leur origine, leur age ou leur situation. Il est vrai que depuis toujours, les moyenne de communication se sont continuellement diversifiés et perfectionnés.

De l'écriture il y a plus de trois mille ans, au télégraphe au XVIIème siècle, en passant par le téléphone, la radio ou le télévision, plus récemment, les outils de communication ont poursuivi un objectif commun : rapprocher l'être humain.

Ce but, ils l'ont attient, sans exception, plus ou moins rapidement.

Mais la révolution la plus impressionnante est celle qui voit le jour a l'aube du XXIème siècle : Internet, et surtout les réseaux sociaux.

Aujourd'hui, les réseaux sociaux sont devenus les médias qui règnent sur la sphère grace leurs grandes influences sur la société humaine, Ce qui il fallait plusieurs stratégies créatives ont vu le jour dans le but de changer la manière efficace d'utilisation dans certains domaines. La présence de l'empreinte sociale dans les domaines d'éducations a donné de nouvelles démarches pour créer ce qu'on appelle le social-Learning, tout en se basant sur les outils des réseaux sociaux qui devenu non seulement un jeu pour réduire le temps inutile, mais ils sont la vraie arme qui change l'équation d'éducation d'un peuple au complet. Par contre, toute cette technologie créative innovante ne change pas l'idée que ce type de formation n'est pas le parfait mode d'enseignement prédominent.

Ce chapitre fait son empreinte sur les notions de Web 2.0 et les réseaux sociaux. Ensuite, nous observerons comment les réseaux sociaux ont modifié le processus de communication et d'apprentissage entre les différent acteurs des domaines d'éducations.

Enfin nous distinguerons les vrais secrets d'influences des réseaux sociaux et leur attraction sur le monde des utilisateurs.

1. Le Web 2.0

Introduite par Tim O'Reilly en 2005, la notation de ‘Web 2.0' désigne l'évolution des techniques, des usages et des modèles économiques de Web Ces évolutions font basculer l'internaute d'un état de passivité a un état d'interactivité, La collaboration et la participation sont véritablement les maïtres-mots de cette nouvelle génération du Web 5.

En effet, alors que l'internaute était autrefois cantonné au role de lecteur, ce dernier peut dès lors devenir contributeur et créer ses propres contenus Web. Selon Marc Fanelli-lsla "dans le 2.0 l'homme est au creur du projet Internet, il est acteur et producteur s'il le souhaite. Tout est fait pour lui : on peut parler de co-conception." On passe ainsi du site Web a la plateforme Web, dont les usages sont multiples (discussion, lecture, écriture...).

Cette évolution peut en quelque sorte être comparée a la notion de "feedback" (ou "retour d'information") introduite par Norbert Wiener. Avec cet accent mis sur l'interactivité, c'est tout le schéma traditionnel de communication qui est bousculé 5.

Le Web 2.0 va également contribuer a la naissance de sites "nouvelle génération" (forums, réseaux sociaux, comparateurs...), qui vont très vite rencontrer le succès et se propager en ligne 5.

Pour des raisons de droits d’auteur, cette illustration n’estpas incluse dans lapublication.

Figure 1 : Schéma de communication dans le Web 2.0.

2. Qu'est-ce qu'un réseau social ?

Apparus il y a tout juste une dizaine d'années, les réseaux sociaux sont les véritables "stars" du Web 2.0, fédérant les utilisateurs les uns après les autres dans un laps de temps très court. Bien qu'étant une entité de web 2.0, la notion de réseau social n'est pas née dans les années 2000. Son origine est en réalité bien plus ancienne. En effet le terme ‘réseau social' voit le jour en 1954, suite al'étude de l'anthropologue John A. Barnes, sur les classes sociales. Ce dernier le définit alors comme ‘un ensemble d'entités sociales telles que des individus ou des organisations, reliées entre elle par des liens crées lors d'interaction sociales 5.

Si on transpose cette définition au cadre numérique, un réseau social sur internet s'apparenterait alors a ‘un site Web sur lequel les internautes échangent des informations personnelles (textes et images), créant ainsi une communauté d'amis virtuelle et interactive'.

Cette notion de communauté est particulièrement importante. En effet, comme nous l'abordions précédemment, le Web 2.0 a humanisé la communication sur Internet. Ainsi les réseaux sociaux s'inscrivent définitivement dans cette mouvance d'interactivité et de partage, car comme le dit Dan Serfaty, fondateur et PDG de Viadeo9 : "ici c'est l'individu qui est placé au centre. Ce sont ses spécificités qui font sa force.

Le Web s'humanise, les échanges se concrétisent Des échanges dont la richesse permet désormais a tous de partager bien plus que de simples mots, pour échanger des idées, des lectures, des expériences ou des opinions".

3. Pourquoi s'inscrire sur un réseau social ?

Avec plus de deux milliards d'individus connectés, il est intéressant de savoir ce qui peut pousser un internaute a s'inscrire sur un réseau social. Quel est le sens de cet engagement devenu presque anodin ? En créant un profil personnel sur l'une de ces plateformes, un individu accepte ainsi de s'exposer au monde entier, c'est en quelque sorte une carapace qui tombe. Il y a 70 ans, lorsque Maslow parlait de la théorie de la motivation, en présentant le fait que l'homme cherche a satisfaire ses besoins par ses actes, les réseaux sociaux tels que nous les connaissons aujourd'hui n'existaient par encore, pourtant son modèle est loin d'être anodin dans le processus d'inscription 5.

Que dit Maslow ? Au regard de sa pyramide des besoins, on se rend compte que tout homme cherche a apaiser son corps, se mettre en sécurité, se sentir entouré, reconnu et accompli. Ainsi, on peut dire que les réseaux sociaux peuvent a leur niveau conduire eux-aussi a l'assouvissement de plusieurs besoins. C'est tout d'abord un lieu de rencontre et de retrouvailles, c'est-a-dire un environnement propice au bien-être, un endroit dans lequel on se sent bien. C'est aussi un lieu ou Ton noue des relations, en intégrant des communautés, donc un endroit ou l'on s'exprime et s'accomplit grace a la reconnaissance des autres. Ainsi, bien que les réseaux sociaux ne permettent pas d'assouvir des besoins physiologiques, ils peuvent cependant être un moyen de se sentir estimé et reconnu, du fait de l'appartenance a diverses communautés.

4. Comment se présente un réseau social ?

Tout d'abord, il est important de préciser qu'il n'y a pas un réseau social, mais des réseaux sociaux. Effectivement, on peut les classer dans plusieurs catégories différentes :

- Les réseaux sociaux généralistes privés: (plusieurs communautés réunies en un seul et même lieu. Exemples : Facebook, Twitter, Google+...).
- Les réseaux sociaux généralistes professionnels (plusieurs communautés de métiers réunies au même endroit. Exemples : Linkedln, Viadeo...).
- Les réseaux sociaux spécialisés privés (un réseau dédié a une communauté particulière Exemples : Copains d'avant, Kasavox, Carenity...).
- Les réseaux sociaux spécialisés professionnels (un réseau dédié a un corps de métier spécifique. Exemples : Hub Avocats, Medeclic, Pacioli...).

Cependant, malgré la multitude de réseaux existants, ils ont tous deux objectifs bien précis :

- Faciliter la communication entre les internautes.
- Etre vecteurs d'information.

5. Les caractéristiques des réseaux sociaux

Globalement, ce qui change d'un réseau a l'autre, c'est sa structure, c'est-a-dire son organisation et son aspect graphique final. Toutefois, on retrouve sur chacun d'entre eux des points communs :

- Le profil d'utilisateur : C'est une page ou l'internaute inscrit des informations personnelles et sa photo, soit en quelque sorte sa "carte d'identité virtuelle."
- Le fil d'actualité : C'est un espace qui va recenser l'ensemble des contenus auxquels l'internaute s'est abonné. C'est une sorte de journal en ligne, classé selon ses propres choix.
- Le carnet d'adresse : C'est la liste de tous les individus de la communauté.
- La messagerie : C'est la boïte aux lettres virtuelle d'un abonné. Elle permet de rentrer directement en contact avec le reste de la communauté.

Les deux points détaillés ci-dessous sont considère les composantes principales des réseaux sociaux :

Fil d'actualité (News Feeds)

Les flux d'actualité sont des outils utiles pour rester en contact avec les « Amis ». Par exemple, les messages sur le blog, les photos et vidéos publiées sont souvent diffusées sous forme de « news feeds » (voir la figure 2) 6.

Pour des raisons de droits d’auteur, cette illustration n’estpas incluse dans lapublication.

Figure 2 : Fil d'actualité sur Twitter.

- Le profil d'utilisateur

Les profils peuvent être considérés comme les briques de base du réseau social. Les profils contiennent généralement des informations démographiques basic sur l'utilisateur tels que son nom, son date de naissance et sa ville natale .etc. Parallèlement a ces informations personnelles considérées essentielles pour chaque profil, la plupart des réseaux sociaux encouragent également les utilisateurs a écrire une courte biographie sur eux-mêmes et de partager leurs goüts et leurs intéréts. Pourtant ces types d'informations ne sont pas obligatoires pour pouvoir s'inscrire sur les réseaux sociaux, de nombreux utilisateurs mettent beaucoup de détails facultatifs sur leurs profils. La figure suivante montre le profil d'un utilisateur sur Facebook (Figure 3) 6.

Pour des raisons de droits d’auteur, cette illustration n’estpas incluse dans lapublication.

Figure 3 : Profil d'utilisateur sur Facebook.

6. Les architectures des réseaux sociaux

Il existe plusieurs type d'architectures des réseaux sociaux comme :

6.1. Architecture centralisée

Les systèmes centralisés (Figure 4) sont généralement présenté par le système client- serveur qui se base sur un serveur central auquel se connectent les utilisateurs. Ce serveur est chargé de les mettre en relation directe et de stocker toutes leurs données. L'intérêt de cette technique réside dans la recherche rapide des ressources partagées par les utilisateurs du système. Cependant, cette architecture pose des problèmes de sécurité, de robustesse et de limitation de la bande passante 6.

Les réseaux sociaux les plus connues actuellement, tels que Facebook, Twitter, et Google+ sont des systèmes centralisés.

Pour des raisons de droits d’auteur, cette illustration n’estpas incluse dans lapublication.

Figure 4 : Architecture centralisée.

6.2. Les architectures décentralisées

Les systèmes P2P sont des systèmes répartis de neuds interconnectés. Ils forment un réseau logique construit au-dessus de la structure physique. Le but de ces réseaux est de construire un réseau de pairs capables de s'auto-organiser afin d'échanger ou partager des services et des ressources tels que des données, des programmes, des capacités de stockage ou de calcul.

Parmi les réseaux sociaux décentralisés on trouve le projet Diaspora qui a été résumé par ses créateurs comme un "réseau décentralisé, ou les ordinateurs totalement indépendants (non liés) se connectent les uns aux autres directement 6.

Pour des raisons de droits d’auteur, cette illustration n’estpas incluse dans lapublication.

Figure 5: Architecture d'un P2P décentralisé.

7. Les principaux réseaux sociaux :

- Facebook

Créé en 2004, le site est très vite devenu l'un des "Big four" d'Internet. Avec son milliard de membres et son caractère international, la plateforme de Mark Zukerberg se révèle être une étape incontournable pour les marques. Cependant, cela ne veut pas dire qu'elle est indispensable. Il est vrai que l'age médian des utilisateurs reste a ce jour assez bas (22 ans), ce qui peut être inadapté si l'on s'adresse a un public senior. De plus, il n'est pas parfaitement adapté non plus aux entreprises présentes sur un secteur B to B. Ces types d'entreprises trouveront en effet plus facilement leur public sur Twitter ou des réseaux professionnels, tels que Viadeo ou Linkedln par exemple.

- Twitter

Légèrement plus jeune (age médian : 28 ans) 10 et moins peuplé que Facebook (517 millions de membres), Twitter est véritablement la plateforme qui monte depuis quelques années. Son atout majeur est sa rapidité, ce qui peut aussi s'avérer être un inconvénient, car les membres attendent une réactivité quasi-immédiate des marques. Toutefois, les abonnés sont légèrement plus agés et plus "corporate" que sur Facebook. L'avantage de Twitter réside donc principalement dans l'interactivité avec les communautés, ce qui en fait un bon outil de gestion de la relation client (CRM).

- Viadeo et Lïnkedln

Lancés a la même période que Facebook, Viadeo et Linkedln sont des réseaux sociaux professionnels généralistes, c'est-a-dire qu'ils s'adressent a tout le monde mais concernent uniquement des échanges professionnels entre les utilisateurs (recherche de candidats, diffusion d'informations financières...), Ainsi, ces outils peuvent être intéressants pour les entreprises, dans une logique de recrutement 2.0, mais ne jouent pas un role primordial sur l'image de marque et la communication globale [ 21].

Il existe plus de 150 réseaux sociaux et certains ayant une thématique bien spécifique. La figure 6 présente les principaux réseaux sociaux en termes (historique, mode de fonctionnement etc..) :

Tableau 1: Les principaux réseaux sociaux .

Abbildung in dieser Leseprobe nicht enthalten

8. E-learning via les réseaux sociaux

Aujourd'hui, nous avons une grande variété d'outils a notre disposition pour le social­Learning, les plus notables et les plus populaires sont Facebook et Twitter. Il y a de nombreuses suggestions sur la fagon d'utiliser ces derniers pour le e-learning 16. Commengant par Facebook, il existe plusieurs applications Facebook pour l'e-learning, dans la suite, on va citer quelques applications:

8.1. Facebook

a- Izzui :

Est une application Facebook pour l'e-learning développée en brésil exactement Rio de Janeiro, elle permet aux utilisateurs de créer et de publier des cours et des présentations en ligne, inviter des amis a vérifier et consulter les cours et les présentations. Elle permet de s'abonner a des postes d'autre utilisateur d'Izzui. Les utilisateurs peuvent également évaluer, commenter et partager les cours et les présentations 7.

b- Udutu :

Udutu LMS est une application congu pour s'intégrer dans les réseaux sociaux tels que Facebook. Elle permet aux utilisateurs de publier des cours, contröler l'accès a ces cours, suivre les progrès des apprenants. L'application est supportée par un logiciel de création des cours MyUdutu pour permettre a toute personne la facilité et la rapidité de créer son propre cours 7.

8.2. Twitter

La meilleure fagon pour rester a jour de toute nouvelle sur un domaine c'est de s'abonner au Twitter des professionnels ou a des communautés de ce dernier. Beaucoup de personnes utilisent Twitter comme un réseau d'apprentissage personnel ou on peut dire un micro­blogging ou ils peuvent partager des informations, des liens vers des ressources d'information, liens des vidéos... donner aux utilisateurs la possibilité d'avoir une expérience formidable avec les Professionnels qui utilisent Twitter comme une backChannel durant les conférences et d'avoir des interactions avec eux.

9. Plateforme social Learning

a. EFront

EFront Learning est une plateforme open source d'e-learning LMS, elle utilise la technologie du Web 2.0 ainsi que plusieurs outils sociaux pour faciliter le social Learning dans la Plateforme. Elle permet aux utilisateurs de créer et de gérer facilement des cours en ligne, gérer les apprenants. Elle possède également des nombreuses fonctionnalités et divers outils tels que :

- Éditeurs de contenu (dispose d'un éditeur de contenu flexible visuel et qui supporte les images, son, vidéo, flash ou java).
- Gestionnaire de fichiers et de bibliothèque numérique (pour le partage de fichiers).
- Possibilité d'attribuer des projets et des devoirs 7.

b. Teamie

Teamie est une plateforme social Learning en Cloud 24/7 pour former les gens, elle fournit beaucoup d'activités et des fonctionnalités ou les enseignants peuvent créer leur cours et quiz en ligne a l'aide d'un éditeur simple mais riche, ou tout simplement en uploadant du contenu pour les cours. Tous les cours seront sauvegardés dans la banque de connaissances.

Sur Teamie on trouve aussi une partie pour les parents qui ont un accès a la Plateforme afin de suivre leurs enfants et ils peuvent aussi consulter certaines annonces et activités scolaires de l'école et même avoir une discussion avec les enseignants.

Teamie est un Babillard ou les utilisateurs seront notifiés de n'importe quelles activités, annonces et rappels des évènements. De plus, Teamie donne aux utilisateurs la possibilité de rendre les cours et les documents interactifs, en utilisant des outils pour dessiner, encadrer, barrer, souligner et commenter les cours.

La Plateforme Teamie est accessible via n'importe quel navigateur web et même sur les appareils Android ou iOS 7.

10. Les secrets des réseaux sociaux

10.1. Les réseaux sociaux et l'attraction publique

Ce terme n'est pas aussi étrange pour le définir, la majorité des utilisateurs du web 2.0 connaissent ce que les réseaux sociaux présentent comme soutien soit du cöté personnel ou professionnel, le reste est le fait d'utiliser ces plateformes sans connaitre leurs définitions donne l'envie de ne pas se baser sur leurs logistiques cachées, et rien n'oblige les propriétaires de ces plateformes de faire une longue liste du mode d'emploi, ou une approche méthodologique pour attirer les utilisateurs 7.

Le secret de cette attraction réside dans le fait que les utilisateurs batifolent et s'amusent bruyamment dans leurs entourages sur leurs écrans, ils passent un temps sans rien sentir, s'ennuyer ou désespérer. Tout cela pose des questions bien précises, pourquoi sommes-nous aussi accro aux réseaux sociaux ? Qu'elles sont les secrets de ces plateformes qui nous donnent l'envie de rester accoler et fixer sur eux ? Et est ce qu'ils ont des aspects douteux?

Les réseaux sociaux peuvent être créés stratégiquement pour agrandir ou rendre plus efficient son propre réseau social (professionnel, amical). Un réseau social représente une structure sociale dynamique se modélisant par des sommets et des arêtes. Les sommets désignent généralement des gens et/ou des organisations et sont reliées entre elles par des interactions sociales. » (Barnes, 1954) 7.

Pour bien éclairer le cöté positif de ces réseaux, on commence par poser une question, Qu'est-ce qui se passe quand vous mettez des gens différents dans une même pièce?

Tout le monde va s'engager a partager ses pensées, ses cultures, d'aborder des sujets qu'il connait, entendre les autres ce qu'ils partagent avec lui et les aide a construire leurs pensées et leurs points de vues personnelles d'une fagon bien collaborative. C‘est ce point qui fait du réseau social un outil des plus attractifs par leurs utilisateurs.

La communication et la discussion dans ces plateformes reste préférable, elle apporte beaucoup de soutien et valorisation de celle de la vraie vie, et l'important, c'est qu'on veut se sentir apprécier dans notre environnement, nous avons besoin de s'entendre dire qu'on est beau et qu'on a fait du bon travail, et qu'on ne veut pas se sentir ignorer ou rejeter.

Aussi la fréquentation de ces plateformes nous donne l'occasion de faire preuve d'imagination, créativité et de l'excellence de point de vue, si on prend l'exemple d'une personne qui structure son propre blog ou sa page personnelle, et qu'elle fait une empreinte créative personnelle sur le design, c'est parce qu'elle a une motivation de créer tout cela 7.

Beaucoup d'autres points de vues qui font d'un réseau social un outil efficace pour répondre a certain besoin. Juste le fait qu'il donne a l'utilisateur la motivation pour créer et organiser son propre environnement avec les autres et élargir son domaine de spécialité, en travaillant ensemble pour résoudre un problème ou réaliser un but, fait de cette outil l'endroit le plus préférable pour batir toute une stratégie d'éducation basée sur la motivation et la collaboration, une stratégie qui utilise les outils attractifs de ces réseaux, en les débarrassant de leurs négativités, et qui offre un champs éducationnel bien amusant pour les étudiants.

La question qui se pose maintenant: quelles sont les points noirs de ces réseaux sociaux?

11. Les inconvenants des réseaux sociaux

Les étudiants consacrent la majeure partie de leur temps aux réseaux sociaux tels que Facebook, Twitter et autres. Ils se sentent socialement bien dans le cyberespace, mais l'effet sur eux a été un sujet de débat houleux. Certains prétendent que les réseaux sociaux détournent les élèves en les droguant du fait d'être trop collés a leur source 7.

D'autres prétendent que c'est une ressource précieuse qui enrichit l'apprentissage. Les réseaux sociaux, sont-ils des outils pour détruire les étudiants, ou leur rendre la vie meilleure? La réponse n'est pas si simple 7.

Bien que la réponse ne soit pas si simple, on peut la diviser en quelques questions pour mieux comprendre les effets des réseaux sociaux. Quel est l'impact académique des réseaux sociaux sur le rendement des étudiants? Comment l'effet de l'utilisation des réseaux sociaux affecte les étudiants? Est-ce que ce réseau social peut développer l'apprentissage des étudiants? Si oui, comment ? Et pour avoir les réponses a ces questions plusieurs étude concentré sur l'usage de ces plateformes par les étudiants et les enseignants, afin de déterminer et trouver la meilleure fagon d'utiliser ces réseaux sociaux pédagogiquement pour cette catégorie d'utilisateurs et pour évitant le plus possible les points négatives :

- Activités inutiles : D'après ses statistiques, 82% des étudiants utilisent ces réseaux pour rester en contact avec leurs amis, avec un taux d'utilisation d'une heure a 8 heures par jour, ce qui fait de ces plateformes l'endroit de perte et de gaspillage de temps 8.
- Effets sur les études : Si en se basant sur les étudiants qui utilisent ces réseaux, on trouve que rien n'est bon d'une manière globale pour eux, d'après des questionnaires concernant les enseignants, on déduit que les notes moyennes des étudiants qui utilisent ces réseaux ont chuté de 0,12 a 3 points après s'avoirs inscrit dans ces plateformes, dans le cas contraire, ces même enseignants trouvent que ces réseaux peuvent êtres le soutien pédagogique le plus efficace mais s'ils sont bien équipés des outils de suivis bien élaborés pour cette catégorie d'étudiants, un suivi qui sera gérer soit par les parents ou les enseignants 8.
- L'addiction : La majorité des utilisateurs sont devenus dépendants et additifs aux réseaux sociaux, c'est une des raisons qui démontre qu'ils ne sont pas capables de contröler leurs usages de ces plateformes, qui peuvent causer plusieurs problèmes sur la mentalité de l'étudiant connecté en permanence : tendances narcissiques, problèmes de sommeil, anxiété, manque de concentration, paranoia... 8.
- Vie privée et vols d'identité: La notion de vie privée dans ces endroits reste loin a cause des spammeurs qui peuvent mettre la vie privée en risque, rien qui garantit que les informations personnelles diffusées restent privées, que l'emplacement ne sera pas révélé.

CONCLUSION

Aujourd'hui, avec l'apparition de réseaux sociaux numériques et d'outils informatiques toujours plus performants, la recherche sur l'impact des réseaux sociaux sur l'apprentissage devient plus passionnante que jamais. Les possibilités offertes par le réseautage social pour effectuer des recherches axées sur la conception, collecter des données quantitatives et qualitatives, analyser des réseaux sociaux ou élaborer des modèles informatiques sont infinies. Que ce soit dans la pratique ou dans la recherche, le recours aux réseaux sociaux dans des contextes d'enseignement et d'apprentissage n'en est qu'a ses débuts.

Chapitre 2: Présentation des approches d'appui

INTRODUCTION

La personnalisation de l'apprentissage humain remonte aux travaux sur les interactions entre aptitudes et traitements qui pronent l'adaptation de l'instruction aux caractéristiques de l'individu (Cronbach et Snow, 1977). A cette fin, de nombreux travaux de recherche se sont focalisés sur l'identification des dimensions des différences individuelles. Ces recherches ont mené a la naissance du domaine du style d'apprentissage 20. Ce dernier attire dans l'ensemble une variété de disciplines (science de l'éducation, psychologie, etc.), bien que la psychologie cognitive soit dominante 9.

Cependant, malgré l'importance accordée par les spécialistes en psychologie de l'éducation aux styles d'apprentissage depuis trois décennies, ils n'ont été mis en place dans les systèmes éducatifs qu'assez récemment (Carver, Howard et Lane, 1999) (Laroussi et Benahmed 1998). Au cours des dernières années, ils ont eu une attention particulière, et plusieurs environnements éducatifs basés sur les styles d'apprentissage sont apparus 9.

Notre travail de recherche s'inscrit dans ce contexte d'environnements de formation et vise a produire un système de recommandation basée sur les réseaux bayesien pour un réseau social d'apprentissage, Pour cela, et vu la richesse et la complexité de ce domaine, ce chapitre est consacré a l'étude de la théorie des styles d'apprentissage.

Ce chapitre fait son empreinte sur la notion de style d'apprentissage. Par la suite, nous étudions les différents modèles des styles d'apprentissage proposés dans la littérature, Nous analysons ensuite les implications des styles d'apprentissage pour l'enseignement, Enfin, la dernière section est consacrée a l'utilisation des techniques datamining « le réseau bayésien » dans les systèmes d'apprentissages.

1. La définition du style d'apprentissage

Comment définir le style d'apprentissage ? C'est une question a laquelle il est difficile de répondre de manière simple. La lecture des nombreux écrits sur le style d'apprentissage met rapidement en évidence la pluralité et la diversité des définitions de ce concept (Bonham, 1987; Curry, 1990b; Riding et Rayner, 1998). Il semble y avoir peu d'accord entre les auteurs, et Bonham (1987) n'hésite pas a parler de « confusion ». Certains mettent l'accent sur les caractéristiques du comportement lui-même, d'autres sur le processus ou la structure inférée a partir du comportement.

Pour certains, le style, c'est la " manière personnelle d'agir et de se comporter... " (ROBERT). Par extension, le style d'apprentissage d'un individu, c'est son mode personnel de saisie et de traitement de l'information. En pratique, et en d'autres termes, le style d'apprentissage c'est donc la manière préférentielle d'aborder et de résoudre un problème.

2. Quelques modèles de styles d'apprentissage

Diverses théories de styles d'apprentissage ont été élaborées avec une fréquence accrue au cours des dernières décennies. (Coffield et al, 2004) recensent 71 modèles, parmi lesquels 13 sont considérés les plus importants en raison de leurs apports, leurs larges usages et leurs influences sur d'autres modèles. Parmi ces derniers, cette section présente certains modèles que nous avons sélectionnés, vu leur implémentation dans des EIAH 9.

- Modèle de Kolb

Le modèle de style d'apprentissage de (Kolb, 1984) est basé sur sa théorie du processus d'apprentissage expérientiel en quatre étapes (Kolb, 1974) : expérience concrète, observation réfléchie, conceptualisation abstraite et expérimentation active. L'expérience concrète est la base des observations et des réflexions. Ces observations sont utilisées pour former des concepts abstraits et des généralisations, ce qui agit en tant que base pour l'expérimentation de ces nouveaux concepts dans des situations nouvelles. La mise en reuvre des expérimentations résulte en l'expérience concrète, qui clot le cycle d'apprentissage. Sur la base de ce processus, (Kolb, 1974) suggère l'existence de deux dimensions : concret/abstrait, actif/réfléchi, qui, combinés deux a deux, forment quatre styles d'apprentissage (Chevrier et al. 2000) 19:

- le style divergeant (concret-réfléchi) se caractérise par l'interprétation de situations concrètes de différents points de vue,
- le style assimilateur (réfléchi-abstrait) s'explique par l'appropriation d'une gamme étendue d'informations et leur intégration concise et logique,
- le style convergeant (abstrait-actif) se caractérise par la recherche d'applications pratiques aux concepts et aux théories,
- le style accommodateur (concret-actif) présente de fortes capacités de mise en oeuvre d'expériences pratiques et l'implication personnelle dans de nouvelles expériences comportant un défi 9.

- Modèle de Dunn et Dunn

Le modèle de style d'apprentissage de Dunn et Dunn a été proposé initialement en 1974, puis affiné au fil des années (Dunn et Dunn, 1978) (Dunn et Griggs, 2003). Le modèle adopte une perspective de construction d'un profil d'apprentissage de l'apprenant et comprend cinq variables qui peuvent être sources de différences individuelles, chacune est composée de plusieurs facteurs (Chavrier et al, 2000) 18:

1. Les facteurs environnementaux (son, lumière, température et design).
2. Les facteurs affectifs (motivation, persistance, responsabilité et structure).
3. Les facteurs sociologiques (apprendre mieux seul, avec un autre, en équipe, avec un adulte ou de manière variée).
4. Les facteurs physiologiques (modalités perceptives efficaces visuelles, auditives, tactiles/kinesthésiques1, fluctuation du niveau d'énergie selon le moment de la journée, besoin de nourriture et de mobilité pendant l'apprentissage).
5. Les facteurs psychologiques (traitement global vs analytique, degré de spécificité hémisphérique2 et fonctionnement réfléchi vs impulsif).

Pour mesurer ces variables, Dunn et Dunn ont élaboré le LSI (Learning Styles Inventory) qui existe en plusieurs versions : trois versions pour les enfants (de la maternelle a la 2ème année, 3ème et 4ème, les classes de 5 a 12) avec 104 questions qui emploient 3 ou 5 choix (Dunn et al, 1996) ; et le Building Excellence Inventory (Rundle et Dunn, 2000) pour les adultes avec 118 questions (Graf, 2007) 9.

- Modèle de Felder et Silverman

Parmi les modèles de styles d'apprentissage les plus utilisés, celui proposé par (Felder et Silverman, 1988). Ce modèle est définit en répondant aux cinq questions suivantes :

1. Quel type d'information l'apprenant préfère-t-il percevoir : sensoriel (externe), des sons, des sensations physiques ; ou intuitif (interne), des possibilités, des idées, des intuitions ?
2. A travers quelle modalité sensorielle l'information externe est-elle efficacement pergue : visuelle, des images, des diagrammes, des graphiques, des démonstrations, ou auditive, des mots, des sons ?
3. Avec quelle organisation de l'information l'apprenant est-il le plus a l'aise : inductive, a partir des faits et des observations les principes sont déduits, ou déductive, allant des principes les conséquences et les applications sont déduites ?
4. Comment l'apprenant préfère-t-il traiter l'information : activement par l'engagement dans des activités physiques ou des discussions ; ou de manière réfléchie, grace a l'introspection ?
5. Comment l'apprenant progresse-t-il pour comprendre : de fagon séquentielle avec des petits pas dans un ordre linéaire ; ou de manière globale avec de grands sauts dans un ordre aléatoire, jusqu'a ce qu'il saisisse l'ensemble du concept ?

Ainsi, dans cette première version du FSLSM (Felder and Silverman Learning Style Model), le modèle comprenait 5 dimensions : perception (sensoriel/intuitif) tirée de (Myers et Briggs, 1962) et aussi analogue a la dimension concret/abstrait du modèle de Kolb (Kolb, 1984); réception (visuel/auditif), organisation (inductif/déductif), traitement (actif/réfléchi) définie aussi dans le modèle de (Kolb, 1984) ; et compréhension (séquentiel/global) fondée sur le modèle de style d'apprentissage de (Pask, 1976). Ce modèle a été réduit en quatre dimensions dans (Felder et Henriques, 1995), par la suppression de la dimension organisation (inductif/déductif), et le changement de nom de la dimension réception (visuel/auditif) vers visuel/verbal pour renvoyer aux représentations textuelles, indépendamment du fait qu'elles soient écrites ou parlées. Les raisons de ces changements sont détaillées dans (Felder, 2002).

Bien que ces dimensions ne soient pas nouvelles, la fagon de décrire les styles d'apprentissage est innovante. En effet, ce modèle utilise des échelles de -11 a +11 pour chaque dimension des styles, en ne considérant que les valeurs impaires. Ces échelles facilitent la description des préférences de style d'apprentissage plus en détail, comparée a la construction de types d'apprenants, comme dans les autres modèles. De plus, Felder et Silverman considèrent ces préférences comme des tendances, ce qui signifie que même un apprenant avec une forte préférence pour un style d'apprentissage peut parfois agir différemment. Par ailleurs, (Felder et Silverman, 1988) proposent pour chacune des dimensions des styles d'apprentissage les styles d'enseignement qui correspondent le mieux, afin d'être utilisés comme des recommandations pour la personnalisation des enseignements aux préférences des apprenants, ce qui explique sa forte popularité.

Enfin, pour identifier les styles d'apprentissage selon FSLSM, (Felder et Soloman, 1996) ont développé ILS (Index of Learning Styles), un questionnaire de 44 questions (11 questions pour chaque dimension). Les préférences sont exprimées avec des valeurs impaires comprises entre -11 et +11 par dimension, pour exprimer une faible, moyenne, ou forte préférence 9.

3. Styles d'apprentissage et enseignement

Plusieurs recherches en psychologie et en science de l'éducation affirment l'impact du style d'apprentissage sur le processus d'apprentissage et encouragent sa prise en compte dans les stratégies d'enseignement afin de faciliter la tache aux apprenants et améliorer leurs résultats.

Dans ce sens, chaque modèle de style d'apprentissage suggère un ensemble de recommandations relatives aux stratégies et aux types de ressources pédagogiques qui doivent être utilisés avec les apprenants, se rapportant a leurs préférences en termes de styles d'apprentissage. FSLSM par exemple, exprime clairement les styles d'enseignement nécessaires pour chaque dimension des styles d'apprentissage (Felder et Silverman, 1988).

En outre, Felder signale que l'inadéquation des styles d'enseignement aux styles d'apprentissage peut avoir de graves conséquences (Felder, 1993): « les apprenants ont tendance a obtenir des résultats inférieurs que ceux dont les styles d'apprentissage sont mieux adaptés au style d'enseignement et sont moins susceptibles de développer un intérêt au cours » (Popescu, 2008). (Dunn et Griggs, 2003) suggèrent également d'adapter l'environnement d'apprentissage pour permettre aux apprenants de travailler avec leurs fortes préférences.

D'autres psychologues soutiennent un point de vue opposé : utiliser une variété de styles d'enseignement et fournir des ressources et un environnement d'apprentissage qui ne sont pas forcément adaptés aux styles d'apprentissage peuvent aider les apprenants a développer de nouvelles stratégies d'apprentissage, a recouvrir leurs faiblesses et a développer des compétences, qui ne font pas partie de leurs préférences afin de se préparer a de futures situations auxquelles ils sont tenus a s'adapter (Grasha, 1984)(Kolb, 1984)(Apter, 2001). Par exemple, en fournissant aux apprenants ayant des préférences verbales que des ressources visuelles, cela les oblige a développer et a utiliser les compétences visuelles. Pour (Grasha, 1984) cette approche est pertinente pour rendre l'apprentissage intéressant et stimulant pour les apprenants. Pour (Kolb, 1984) les objectifs éducatifs de cette approche sont relatifs au développement personnel et a la créativité 9.

Pour résumer, nous pouvons conclure que l'intégration des styles d'apprentissage au processus de formation est bénéfique. Elle permet d'accroitre l'efficacité de l'apprentissage, que ce soit dans une approche d'adéquation ou d'inadéquation des styles d'apprentissage aux enseignements. L'approche d'adéquation peut être utilisée pour l'adaptation et la personnalisation de la formation rendant la tache d'apprentissage plus facile aux apprenants.

Tandis que l'approche d'inadéquation peut être par exemple utilisée pour déstabiliser ponctuellement les apprenants afin de les inciter a développer leurs capacités.

Une première étape serait donc de rendre les apprenants conscients de leurs styles d'apprentissage afin d'acquérir un savoir métacognitif sur leurs différences individuelles.

En effet, plusieurs études affirment que généralement les étudiants ignorent leurs styles d'apprentissage, et ont du mal a l'exprimer (Stash et al., 2006) (Merrill, 2002). Ce savoir métacognitif permet donc a l'apprenant d'avoir une réflexion sur ses méthodes et préférences d'apprentissage pour mieux comprendre ses difficultés, autoréguler son apprentissage, prendre conscience de l'existence d'autres manières d'apprendre et de s'exercer a les apprivoiser 9.

Dans le même ordre d'idées, force est également de constater que le plus souvent « l'enseignant fagonne son enseignement selon sa manière d'apprendre » (Kinsella, 1995) cité dans (Théberge et LeBlanc, 1998). C'est pourquoi, le fait de décrire ces différences peut amener l'enseignant a les reconnaitre, a les comprendre, et a être plus en mesure de les prendre en compte.

4. L'application des techniques de datamining dans les systèmes d'apprentissage

La fouille de données dans le domaine d'éducation est une discipline naissante, qui s'intéresse aux développements des méthodes d'explorations des données éducatives (seulement). On les utilise pour bien comprendre l'apprenant ou l'étudiant, et l'environnement d'apprentissage. On applique les techniques de datamining dans les systèmes d'apprentissage afin d'améliorer l'apprentissage, cela peut être considéré comme une technique d'évaluation continue.

Les techniques de datamining peuvent découvrir des informations utiles qui peuvent être utilisées dans l'évaluation continue pour aider les éducateurs a prendre des décisions lors de la conception ou de la modification d'environnement ou de l'approche pédagogique. L'application de datamining dans les systèmes éducatifs est un processus itératif de l'hypothèse du cycle de formation, d'essai et de raffinement. Datamining doit entrer dans la boucle du système et doit guider, faciliter et améliorer l'apprentissage. Non seulement transformer les données brutes en connaissances, mais aussi le filtrage de connaissances significatives pour la prise de décision.

Les éducateurs et les responsables universitaires sont en charge de la conception, la planification, la construction et la maintenance des systèmes d'enseignement. Les élèves utilisent et interagis avec eux a partir de toutes les informations disponibles sur les plates-formes. Donc, les différentes techniques de datamining peuvent être appliquées afin de découvrir des connaissances utiles qui contribuent a améliorer le E-Learning.

4.1. Réseaux Bayésien

Les réseaux bayésiens sont apparus a la fin des années 70. Ils sont venus, au milieu des années 80 [Pearl, 1986], compléter les technologies des systèmes experts par leur capacité de coordonner des inférences bidirectionnelles et se sont imposés comme un schéma de représentation général de la connaissance incertaine.

Un réseau bayésien est un ensemble de chemins composés de neuds, qui représentent les variables du système, et d'arcs, qui représentent les relations de cause a effet entre ces variables. Chaque neud peut avoir plusieurs états (valeurs) possibles. A chaque neud est associée une table de probabilités conditionnelles énumérant les différentes probabilités que le neud soit dans l'un ou l'autre de ses états en fonction de tous les états possibles de son (ses) neud(s) parent(s) 22.

4.1.1. Définition formelle des réseaux bayésiens

[Becker, 1999], et [Corméjols, 2002] donnent la définition formelle suivante d'un réseau bayésien, Un réseau bayésien est :

- un graphe dirigé sans cycle G, G=(X, A) ou X est 1'ensemble des nreuds de G et A l'ensemble des arcs de G ;
- un espace probabilisé fini (Q, P) ;
- un ensemble de variables aléatoires associées aux nreuds (X1, X2, Xn) du graphe et définies sur [Q, P] tel que : P(X1, X2, Xn) = n P (X i | Pa (X i)), ou Pa (Xi ) est l'ensemble des parents de Xi dans le graphe.

4.1.2. Définitions supplémentaires

Comme les réseaux bayésiens sont des graphes orientés (en fait, ils sont des graphes connectés acycliques orientés, que nous définissons plus bas),

Abbildung in dieser Leseprobe nicht enthalten

Figure 2.1 : Exemple d'un Réseau Bayésien .

4.1.3. Domaines d utilisation principaux

Les réseaux bayésiens sont surtout utilisés pour le diagnostic (médical et industriel), l'analyse de risques, la détection des spams et le datamining, détection de fraudes, exploitation du retour d'expérience, modélisation et simulation de systèmes complexes, détection d'intrusions, Text-Mining...

4.1.4. Pourquoi les réseaux bayésiens?

L'utilisation de réseaux bayésiens comporte a la fois des avantages et des inconvénients. Nous allons parler des avantages liés a 1'utilisation des réseaux bayésiens tandis que nous aborderons les inconvénients.

Un des aspects intéressants des réseaux bayésiens est leurs cötés intuitif et visuel en ce qui concerne la représentation des connaissances. Comme ces réseaux sont des graphes connectés acycliques orientés dans lesquels les causes et les effets sont reliés par des flèches, il est relativement facile de comprendre le sens, i.e. la signification, du graphe. Du point de vue de la lisibilité , les réseaux bayésiens sont donc très intéressants.

Évidemment, l'aspect gestion de l'incertitude par l'utilisation de probabilités est également un point important en faveur de l'utilisation de réseaux bayésiens, De plus, les réseaux bayésiens sont également, règle générale, assez facilement modifiables. Il est possible de les construire avec un certain nombre de nreuds et d'ajouter ou d'enlever des «morceaux de réseau» plus tard.

De plus, avec les réseaux bayésiens, nous n'avons pas besoin d'avoir toutes les informations a notre disposition pour pouvoir calculer la probabilité d'un fait ou d'un événement, Un autre aspect intéressant est qu'il est possible pour un réseau bayésien d'initialiser ses tables de probabilités (CPTS) en apprenant a partir de cas réels en utilisant des algorithmes d'apprentissage éprouvés. Ceci constitue un avantage de taille pour nous.

Les points forts des réseaux bayésiens sont habituellement vrais. Par contre, il arrive que cela s'avère faux dans les cas ou les graphes sont très gros et très complexes (a la fois beaucoup de nreuds et de relations de dépendance).

CONCLUSION

A travers ce chapitre, nous avons fait un bref survol des principaux styles d'apprentissages Ainsi, nous avons présenté quelques définitions, par la suite nous avons également parlé, sur l'application des techniques de datamining dans les systèmes d'apprentissage, Enfin Nous avons également citions les avantages et les inconvénients des réseaux bayésiens.

Pour implémenter notre approche on a besoins d'une étude conceptuelle de système, Car cette étape nous donnera une vision globale sur l'architecture de système qu'on doit réaliser C'est qu'on va présenter dans le chapitre suivant.

Chapitre 3 Conception d'un réseau sociale pour l'enseignement et l'apprentissage

INTRODUCTION

Le présent chapitre illustre les approches de la conception proposées et la méthodologie utilisée pour suivre les étudiants dans leur apprentissage et qui passe par trois phases :

1. La première phase est la détection du style d'apprentissage initial en utilisant le test de Felder.
2. La deuxième phase est l'extraction des caractéristiques en observant les différents comportements de l'utilisateur.
3. Puis a la fin et en utilisant le réseau bayesien pour la classification c'est-a-dire on va chercher a retrouver le nouveau style d'apprentissage de l'apprenant selon leurs caractéristiques retiré dans la phase précédente, qui nous aidera a recommandation et l'adaptation du cours a l'utilisateur spécifique 23.

Nous aborderons dans ce qui suit les objectifs de cette approche, ensuite nous présenterons l'architecture du système en expliquant les techniques et les algorithmes utilisés dans chaque phase, après nous présenterons les différents scénarios sur les trois phases, et nous terminerons par une conclusion.

1. OBJECTIFS

Notre objectif est d'implémenter une approche qui permet de rendre le système de recommandation plus performant et plus précis, et offre des recommandations personnalisées adaptées aux préférences des apprenants, et de minimiser la complexité de l'algorithme de recommandation utilisé pour les grosses bases de données.

Etudiant modèle bayésien souvent le style est représenté a l'aide de multiples dimensions estimées statistiquement. Chaque modèle suggère un instrument pour mesurer le style de l'individu. Ils partagent tous la même méthode: estimer le style, qui est une information cachée, a partir de données observables représentant le comportement de l'utilisateur.

Cette section présente un réseau bayésien pour estimer le style d'apprentissage d'un élève a partir de données observables caractérisant les activités d'évaluation et la performance de l'étudiant.

Notre travail est nouveau car il propose l'utilisation de réseaux bayésiens pour modéliser un style d'apprentissage de l'étudiant, un aspect pas pris en compte dans les modèles d'étudiants bayésiens précédents 29.

2. L'ARCHITECTURE DU SYSTEME

La Figure 1 présente l'architecture du système, qui passe par trois phases qui utilise les techniques mentionnées dont les données sont représentées par un fichier log qui contient l'historique et la trace de chaque apprenant, dans les bases des apprenants et des cours qui sont :

Figure 1 : Architecture du modèle proposé.

Abbildung in dieser Leseprobe nicht enthalten

2.1. Première phase : Détection du style d'apprentissage

En début de séquence pédagogique. Nous avons commencé par mesurer le style d’apprentissage d’élève. Chaque élève répondu a des questions de Felder liées aux nouvelles connaissances qui présente les quatre dimensions de style d’apprentissage initial.

2.1.1. Mesure du style d'apprentissage : Questionnaire ILS

Dans cette étude, nous avons utilisé un seul instrument de mesure : la version frangaise du questionnaire ILS (Index Learning Style) adaptée pour les élèves.

Le questionnaire comporte 12 questions fermées a deux modalités (a et b) qui forment 4 groupes de 3 questions. Chaque groupe de questions définit une dimension pour le modèle cognitif de l'élève qui est donc composé de 4 dimensions Réflexion (actif, Réfléchi), Raisonnement (Inductif, Déductif) Sensorielle (Verbal, Visuel), Progression (Séquentiel, Global).

Tableau 1 : Les dimensions de Felder.

Abbildung in dieser Leseprobe nicht enthalten

2.1.2. Mesure de l'étude

Chaque groupe de questions définit une dimension pour le modèle cognitif de l'élève qui est donc composé de 4 dimensions(Tableau 2):

Tableau 2 : Question ILS par dimension du style.

Abbildung in dieser Leseprobe nicht enthalten

Pour localiser l'élève sur une dimension, il suffit de comptabiliser le nombre de réponses a et de réponses b sur les 11 questions correspondantes et d'en faire la soustraction afin d'obtenir un nombre positif. Soient A et B respectivement ces nombres.

La différence A-B permet de situer le style de l'élève (Figure 2). Un nombre négatifindique que l'élève est proche de l'extrémité b et inversement. On attribut a ce style un degré de confiance calculé par d =| A - B |. Le Tableau 2-2 donne la sémantique de cette mesure.

Abbildung in dieser Leseprobe nicht enthalten

Figure 2 : Dimension du style.

La première dimension D1 (Figure 3) représente la dimension sensorielle, Elle mesure la manière avec laquelle l'élève préfère percevoir l'information. Son domaine de définition est un continuum qui varie de visuel a verbal 10.

Abbildung in dieser Leseprobe nicht enthalten

Figure 3 : Dimension sensorielle (D1).

Dans un contexte d’enseignement, connaitre cette capacité sensorielle aide a choisir les médias appropriés pour présenter l'information a l'élève.

Une personne ayant D1= -11, préférera des documents en grande partie illustrés avec des images, des graphiques, etc. Alors qu’un élève ayant D1 = 11 préfèrera le texte ou le son 10.

La seconde dimension D2 (Figure 4) représente la dimension de progression.

Elle définit la manière, globale ou séquentielle, que la personne préfère pour progresser (naviguer) dans une séquence pédagogique. Un élève global préférerait plutöt choisir librement son parcours dans la séquence. Alors qu’une personne séquentielle se sentira mieux quand elle est contrainte a progresser pas a pas. Un matériel pédagogique devrait, donc, fournir une navigation et une progression linéaire contrainte pour les élèves séquentiels et une navigation sélective pour les élèves globaux 10.

Abbildung in dieser Leseprobe nicht enthalten

Figure 4 : Dimension de progression (D2).

La troisième dimension D3 (Figure 5 ) représente la dimension de la réflexion.

Elle varie de réfléchi a actif. Les personnes actives réussissent mieux en faisant des activités pratiques individuelles ou collectives. Les personnes réfléchies préfèrent les activités qui nécessitent un effort personnel d’analyse. Pour atteindre un objectif d’apprentissage donné, un matériel pédagogique approprié pour les élèves actifs devrait donner plus de poids a la pratique, au travail de groupe et a l'expérimentation. Inversement, pour être plus efficace avec un élève réfléchi, le matériel pédagogique devrait être la plupart du temps basé sur la théorie, les démonstrations et d’autres activités personnelles 10.

Abbildung in dieser Leseprobe nicht enthalten

Figure 5 : Dimension de réflexion (D3).

La dernière dimension D4 (Figure 6) représente le raisonnement. Elle varie de déductif a inductif. Les personnes déductives préfèrent progresser de la théorie vers la pratique. Elles sont considérées comme penseurs abstraits. Alors que, les personnes inductives préféreraient progresser des faits, exemples, et pratiques vers la théorie. Elles sont considérées comme penseurs concrets. Un matériel pédagogique adapté aux élèves déductifs devrait commencer par des définitions et des théories et progresser vers lapratique 10.

Abbildung in dieser Leseprobe nicht enthalten

Figure 6 : Dimension du raisonnement (D4).

2.2. Deuxième phase : Extraction des caractéristiques

Le modèle de l'élève est un composant fondamental de tout système adaptatif d'enseignement. Il permet de décrire les caractéristiques de l'élève. Ce genre de modèle contient des informations utilisées pour adapter les séquences d'enseignement. Ces systèmes doivent identifier pour chaque élève : ses objectifs d'apprentissage 28, son niveau de connaissances 32, ses préférences 27, ses stéréotypes 25, ses préférences cognitives 24 et ses styles d'apprentissage 26.

L'identification de ces caractéristiques se fait généralement par l'observation du comportement de l'élève au cours de la séquence d'enseignement. La méthode de transformation des observations en informations pédagogiques exploitables se nomme profilage.

C'est ainsi que dans l'ensemble des informations présentées ci-dessus, certaines sont considérées comme des données que l'on peut recueillir par l'analyse du choix de l'élève. Par exemple, l'élève peut indiquer dans une liste, les sujets qu'il désire consulter.

Le système est alors capable de garder une trace des choix faits au cours de différentes sessions et de construire ainsi une classification des élèves par stéréotype 30. Ce genre de classification serait ensuite utilisé pour composer dynamiquement le prochain contenu a présenter a l’élève.

2.2.1. Méta-modèle conceptuel du processus de profilage

Reprenant la définition du profilage, nous proposons un modèle conceptuel qui manipule deux catégories d’informations :

- Les paramètres non observables: l’ensemble des paramètres non observables se compose de caractéristiques qu’il est impossible de mesurer directement. Ce sont généralement des caractéristiques intrinsèques. Par exemple, mesurer le style d’apprentissage d’un élève ne peut pas se faire directement lors d’une séquence pédagogique.

Dans notre cas, les paramètres non observables sont les seules variables associées aux dimensions du style d’apprentissage de Felder vue en premier phase de la méthodologie utilisée dans l’apprentissage de l’apprenant.

- Les paramètres observables: l’ensemble des indicateurs observables se compose de caractéristiques dont les valeurs peuvent être mesurées concrètement ou bien contrölées par le système. Dans notre cas les variables observables sont les activités d'évaluation.

Les activités d'évaluation sont les éléments donnés par les enseignants aux étudiants pour leur donner une meilleure compréhension de l'information.

Pour résume cette phase occupe le prétraitement (nettoyer et transformer les données) des caractéristiques, qui est un processus fastidieux et complexe dü principalement a la grande quantité de données (les fichiers logs) et a la faible qualité de l'information qu'on trouve dans les fichiers logs (fichier texte qui enregistre les différentes actions faites par l’utilisateur même le simple click). Dans ce travail, nous avons converti les données de fichier log en base de données (figure 7).

Abbildung in dieser Leseprobe nicht enthalten

Figure 7 : Base de données.

2.3. Troisième phase : Classification

Cette étape est la plus critique du point de vue algorithmique. Les méthodes de fouille de données permettent de découvrir ce que contiennent les données exploitées et filtrées résultantes de l'étape précédente afin de découvrir des modèles comportementaux qui décrivent les navigations des utilisateurs.

Le style d'apprentissage de l'apprenant détecté lors de la première phase est erroné, puisque la majorité des apprenants répondent aléatoirement au questionnaire de Felder et ne lui donne pas assez d'importance ou ne comprennent pas toutes les questions (terme psychologique).

Par conséquent, les réseaux bayesien vont classifier les caractéristiques de l'apprenant ont comparant ce dernier avec ceux prédéfinis pour chaque style.

2.3.1. Structure du réseau

Le réseau bayésien proposé est basé sur le style d'apprentissage Index (SLI) établi par Felder et de Salomon. Deux types de ncwds sont utilisés:

- Variables observables : qui décrivent les activités devaluation, et le comportement des apprenants.
- Les variables non observables : qui représentent les dimensions du style d'apprentissage.

2.3.1.1. Variable observables :

Les activités d'évaluation sont les éléments donnés par les enseignants aux étudiants pour leur donner une meilleure compréhension de l'information. Sa doit être attrayante pour les étudiants afin qu'ils se sentent encouragés a observer, analyser, exprimer des opinions, de créer des hypothèses, chercher des solutions et de découvrir par eux-mêmes connaissances. Cette évaluation contient: jeux et simulations, l'apprentissage basé sur la résolution de problèmes, la discussion, étude de cas, question / réponse ou méthode de projet 13.

2.3.1.2. Le comportement du l'apprenant

L'identification des informations utiles sur les apprenants est un facteur important pour l'activité de suivi de la planification. Car il fournit des indicateurs typiques pour évaluer l'activité de l'apprenant. Des exemples d'indicateurs comprennent le nombre de connexions a la formation, le temps passé sur elle, la dernière partie est rendue. Les évaluations sont généralement basées sur les scores obtenus.

Cette information doit être résumée pour obtenir un apergu du comportement de l'apprenant et de faciliter le processus d'analyse de données 31.

Pour identifier le comportement de l'apprenant, nous avons l'intention de produire des indicateurs comportementaux informatifs de traces dans AIHS « un systèmes hypermédias adaptatifs et intelligents »

La liste des variables est donnée ci-dessous :

- Performance (EVAL): Le score obtenu par l'étudiant sur l'activité d'évaluation.
- Intensité de l'apprentissage (LI): Évaluer l'intensité de l'élève sur l'activité.

Elle est exprimé e comme suit :

LI = nombre de visiteurs activité / temps passé par l'élève sur l'activité.

- Résistance a l'apprentissage (RL): Évaluer la résistance des étudiants sur l'activité. Elle est exprimée comme suit :

RL = (nombre moyen de visites d'une activité) A 2 / (nombre total d'activités visités)

- L'effort d'apprentissage (EL): Évaluer l'effort de l'élève sur l'activité.

Elle est exprimé e comme suit :

EL = niveau de difficulté d'une activité * RL * LI A 2 * temps passé par l'élève sur l'activité.

- Niveau de l'adaptation (AL): Niveau d'adaptation de l'activité d'évaluation.

Elle est exprimé e comme suit :

AL = (nombre d'activités visités) / (RL * LI A 2 * temps passé par les étudiants sur l'activité)

- Attention (DA): Évaluer l'attention des élèves sur l'activité.

Elle est exprimé e comme suit :

DA = RL * LI

- L'énergie d'apprentissage (Elth): Représenter apprentissage énergie théorique d'une activité.

Elth = niveau de difficulté d'une activité * nombre total d'activité visité

2.3.1.3. Les variables Non observables

L’ILS (Learning Styles questionnaire) estiment que les approches de l'apprenant a percevoir et mentalement informations de processus peuvent être classés selon quatre dimensions. Cette théorie suppose que le style d'apprentissage d'un élève peut être estimé par une mesure de croyance projetée sur quatre dimensions.

La liste des variables et l'ensemble des valeurs possibles est donnée ci-dessous:

- (D1) Dimension sensorielle: Visuel/verbal: variable discrète (visuel, verbal). Précise le genre de l’apprenant sur l’axe visuel-verbal du modèle de Felder.
- (D2) Dimension de progression Séquentiel/global (D2): variable discrète (séquentiel, global). Précise le genre de l’apprenant sur l’axe séquentiel-global du modèle de Felder.
- (D3) Dimension de réflexion Actif/réfléchi : variable discrète (actif, réfléchi). Précise le genre de l’apprenant sur l’axe actif- réfléchi du modèle de Felder.
- (D4) Dimension du raisonnement Intuitif/déductif : variable discrète (intuitif, déductif). Précise le genre de l'apprenant sur l'axe intuitif-déductif du modèle de Felder.

2.3.1.4. Les dépendances entre ces variables

Les dépendances entre ces variables sont fondées sur des hypothèses pédagogiques. La pertinence d'une activité d'évaluation pour atteindre un objectif de cours donné dépend du style d'apprentissage de l'étudiant. En d'autres termes, l'objectif de cours et le style d'apprentissage ont une influence causale sur le choix des activités d'évaluation. La deuxième hypothèse consiste a considérer que les comportements de l'élève dépendent de l'adéquation entre les activités d'évaluation et le style d'apprentissage de l'étudiant. Cela signifie que les activités d'évaluation et le style d'apprentissage ont ensemble une influence causale sur le comportement (voir la figure 8)

Abbildung in dieser Leseprobe nicht enthalten

Figure 8 : Les dépendances entre ces variables.

2.3.1.5. Inférence

Une première série de données recueillies a partir d'une étude empirique a été utilisée pour calculer les probabilités conditionnelles pour chaque nreud. Le réseau résultant est instancié pour chaque nouvel élève. Les expériences d'apprentissage des différents étudiants sont régulièrement utilisées pour renforcer les tables de probabilités du travail net. Pour un nouvel étudiant, nous attribuons la plus probable dans les Variables-a-dire de la population de style de l'élève sont réglés avec les valeurs correspondant aux probabilités les plus élevées dans le réseau initial. Ce sera affiné après la première activité d'évaluation.

Pour les utilisations ultérieures du système, les variables de style sont mis au style de l'élève estimé au cours de la dernière activité. Une inférence directe est, par la suite, effectué dans le réseau de calculer les probabilités conditionnelles des variables d'évaluation. Les valeurs correspondant aux plus hautes probabilités sont sélectionnées. Ces métadonnées sont utilisées pour composer une activité d'évaluation qui est proposé a l'étudiant. La surveillance du comportement de l'élève pendant la tache d'apprentissage mène a la mesure de leur performance.

Il est défini comme preuve dans le réseau et une conclusion en arrière est effectuée pour affiner le style de l'élève. Après un certain nombre d'itérations, le réseau converge vers une estimation stable du style d'apprentissage.

L'algorithme d'inférence est présenté comme suit :

Algorithme inférence-évaluation-activité;

Début

Calcul des caractéristiques les plus probables de l'activité d'évaluation;

Observer le comportement des élèves et de calculer des indicateurs de comportement;

Tant que (performances ne sont pas satisfaisantes) faire

Début

Faire une nouvelle estimation du style d'apprentissage;

Observer le comportement des élèves et de calculer des indicateurs de comportement;

3. Identification et représentation de cas d'utilisation

Un cas d’utilisation est une manière spécifique d’utiliser un système. Les acteurs sont a l’extérieur du système, ils modélisent tout ce qui interagit avec lui.

Un cas d’utilisation réalise un service de bout en bout, avec un déclenchement, un déroulement et une fin, pour l’acteur qui l’initie

3.1. Construction d'un diagramme de cas d'utilisation

Une démarche couramment utilisiez pour construire un diagramme de cas d’utilisation consiste a :

1. Trouver les acteurs.
2. Trouver les cas d’utilisation.
3. Trouver les associations entre les cas d’utilisation et les acteurs.

3.1.1. Les acteurs

Les acteurs sont :

- Administrateur.
- Apprenant.

3.1.2. Les cas d'utilisations

- gestion de comptes.
- gestion de recommandation.
- gestion de contenu.
- Inscription.
- Suivie des cours.

3.1.3. Les associations entre les cas d'utilisations et les acteurs

Abbildung in dieser Leseprobe nicht enthalten

Figure 9 : Diagramme de cas d'utilisation du système.

3.2. Description et représentation des Scénarios

3.2.1. Identification des scénarios

1. Scénario de cas d'utilisation : « Gestion de recommandation »

Trois scénarios caractérisent ce cas d'utilisation :

- Scénario 1.1 calcul des caractéristiques (test de Felder)
- Scénario 1.2 calcul des caractéristiques (a partir de la navigation)
- Scénario 1.3 recommandation d'une ressource.

2. Scénario de cas d'utilisation : « Gestion des profils »

Trois scénarios peuvent être considérés :

- Scénario 3.1 inscription
- Scénario 3.2 connexion

3.2.2. Le scénario du système

La figure suivante présente les différents scénarios qui se passent dans les trois cas d’utilisation mentionnés (gestion de comportement, gestion de recommandation, gestion des profils).

Abbildung in dieser Leseprobe nicht enthalten

Figure 10 : Diagramme récapitulatif de tous les scénarios.

Scénario 1.1 calcul des caractéristiques (test de Felder).

Description textuelle

Ce scénario correspond a :

1. Répondre au questionnaire de Felder
2. Calculer les caractéristiques de l'utilisateur

Chaque réponse du questionnaire de Felder va définir une caractéristique de l'utilisateur. Ces caractéristiques vont être regroupées dans un vecteur définissant l'utilisateur.

Ce scénario présente la première phase de notre travail.

Abbildung in dieser Leseprobe nicht enthalten

Figure 11 : Diagramme de séquence système «Test de Felder».

Abbildung in dieser Leseprobe nicht enthalten

Figure 13 : Diagramme de séquence système «recommandation d’une ressource».

Abbildung in dieser Leseprobe nicht enthalten

Figure 16 : Diagramme de classe du système.

4.1. Description des classes :

- Classe Utilisateur :

Les utilisateurs ce sont les personnes qui utilisent le système et dans notre cas c'est : L'apprenant et l'administrateur, Chaque utilisateur est défini dans le système par les informations suivantes :

Nom d'utilisateur, mot de passe, Nom, Prénom, adresse email.

L'utilisateur se connecte au système en fournissant leur nom d'utilisateur et mot de passe.

- Classe Apprenant:

La classe Apprenant hérite de la classe père (Utilisateur) est caractérise par les attribue suivant : IDApprenant, Catégorie.

L'apprenant peuvent connecter et accéder au service du système, Déconnecter () pour quitter le système, suivre des contenu d'apprentissage (des cours, test d'évaluation),

- Classe Administrateur:

Le role de l'administrateur est :

- Géré les comptes.
- Géré les traces.
- Modérer les contenus d'apprentissage (des cours, des tests devaluations).

Un administrateur est caractérisé par des attribues et des méthodes suivant :

- L'attribue : IDAdministrateur
- Les méthodes : Gestion des comptes, Gestion des traces, Gestion des cours.

- Classe Contenu d'apprentissage :

La classe Contenu d'apprentissage collecté toutes les informations nécessaires (cours, td, TP, test d'évaluation) pour la formation des apprenants.

La classe est caractérise par les attribue suivant : IDCours, NomduCours, lienemplacement.

- Classe Cours:

La classe Cours est caractérise par les attribue suivant : IDCours, NomduCours, lienemplacement.

Cette classe est constitue d'un ensemble d'unité d'apprentissage Unité, et pour chaque unité est associé plusieurs parties.

- Classe TestEvaluation :

La classe TestEvaluation est caractérise par les attribue suivant : IDTestEvaluation.

Cette classe contient des séries QSM d'évaluation. Qui l'apprenant doit rependre a la fin du chaque séquences pédagogiques.

- Classe recommandation :

La classe recommandation est caractérise par les attribue suivant : IDCours, IDApprenant, lDRecommandation C'est une relation entre deux classes l'apprenant et le cours. Leur fonction d'orienter l'apprenant vert un cours selon leur nouveau style d'apprentissage estimé par le réseau bayésien.

- Classe Estimation

C'est une classe association qui est identifié par : IDEstimation, la méthode Inférence détermine qu'un apprenant n'avait pas de difficulté dans le test d'évaluation et qu'il n'est pas besoin des recommandations par contre la méthode intervenant dans le cas échec et montre qu'il faut recommander aux apprenants les ressources pertinentes adéquates a leur style d'apprentissage et équivalent a leurs préférences .

CONCLUSION

Dans ce chapitre, nous avons présenté la conception générale et détaillée Architecture global de notre système. Le modèle de connaissances est utilisé pour séquencer les objectifs d'apprentissage alors que le modèle de préférences est utilisé pour estimer le style d'apprentissage de l'élève et inférer ses préférences pédagogiques. En effet, il en hérite la structure des dépendances. Cette structure a été complétée pour établir un modèle probabiliste. A la base de ce modèle, nous avons établi l'architecture de notre système adaptatif.

Le fonctionnement de chaque étape est exposé par une description textuelle, enrichi ensuite par des diagrammes du cas d'utilisation.

Cette phase va nous permettre d'aboutir a la phase de realisation qui fera l’objet d'étude du chapitre suivant.

Chapitre 4: Implémentation et Présentation de l'application

INTRODUCTION

L'objectif principal de ce chapitre est de présenter le produit final , C'est la phase finale de la réalisation de notre système, Le chapitre est composé de deux parties :

1. La première partie présente l'environnement de développement.
2. La deuxième partie concerne l'implémentation et les principales interfaces graphiques (présentation de l'application).

Pour réaliser notre application nous avons utilisé plusieurs outils de développement, Nous avons choisi le langage « Java » et le SGBD Objet-Relationnel « MySQL » pour gérer la base de données.

Dans ce chapitre, nous avons présenté l'environnement de travail ainsi que les différents choix techniques utilisés. Puis nous passons a la partie implémentation, et nous présenterons les différents résultats : le prétraitement des données sortie du test de Felder. Nous avons appliqué la technique de datamining « Réseaux bayesien » pour recommander aux apprenants les ressources pertinentes adéquates a leur style d'apprentissage et équivalent a leurs préférences 14 .

1. Environnement de travail

1.1. Partie matérielle

- Micro-processeur : Intel (R) Core (TM) i3-2348M CPU (2.30 GHz, 2.30 GHz)
- Mémoire installée (RAM) : 4.00 Go
- 500 GB HDD d'espace disque
- Type du système : système d'exploitation 32 bits

1.2. Partie logicielle

- java

Java est un langage de programmation a usage général, évolué et orienté objet dont la syntaxe est proche du C. Le langage Java est un langage de programmation informatique orienté objet créé par James Gosling et Patrick Naughton employés de Sun Microsystems (constructeur d'ordinateurs et un éditeur de logiciels américain) avec le soutien de Bill Joy (co-fondateur de Sun Microsystems en 1982), présenté officiellement le 23 Mai 1995 au SunWorld 3.

Abbildung in dieser Leseprobe nicht enthalten

Figure 1 : IDE Eclipse « java ».

- Star UML

Start UML écrit en java, Le but de ce StarUML est de guider l'utilisateur dans l'utilisation du logiciel et de la notation UML au travers d'un mécanisme de critiques et d'assistants. L'utilisateur bénéficie de plus de toute la puissance de la notation UML.

StarUML supporte plusieurs types des diagrammes : cas d'utilisation, classes, séquence, état, collaboration, activité et déploiement. La génération de code a partir de diagrammes de classes est supportée dans les langages suivants: Java, C++, PHP, C# et SQL.

Abbildung in dieser Leseprobe nicht enthalten

Figure 2 : L'outil StarUML.

- Weka (Waikato Environment for Knowledge Analysis)

C'est un ensemble d'outils permettant de manipuler et d'analyser des fichiers de données, implémentant la plupart des algorithmes d'intelligence artificielle, entre autres, les arbres de décision et les réseaux de neurones. Il est écrit en java, disponible sur le web 11. Il se compose principalement :

- De classes Java permettant de charger et de manipuler les données.
- De classes pour les principaux algorithmes de classification supervisée ou non supervisée.
- D'outils de sélection d'attributs, de statistiques sur ces attributs.
- De classes permettant de visualiser les résultats.

On peut l'utiliser a trois niveaux : Via l'interface graphique, pour charger un fichier de données, lui appliquer un algorithme, vérifier son efficacité.

Utiliser les classes définies dans ses propres programmes pour créer d'autres méthodes, implémenter d'autres algorithmes, comparer ou combiner plusieurs méthodes.

C'est cette première possibilité qui sera utilisée dans notre travail.

Abbildung in dieser Leseprobe nicht enthalten

- MySQL

MySQL est un système de gestion de base de données (SGBD). Il fait partie des logiciels de gestion de base de données les plus utilisés au monde, autant par le grand public (applications web principalement) que par des professionnels, en concurrence avec Oracle et Microsoft SQL Server. MySQL est un serveur de bases de données relationnelles SQL développé dans un souci de performances élevées en lecture 2.

2. Le déroulement de notre système

Notre système est subdivisé en deux parties

2.1. Partie site web

- Fenêtre d'accueil du système réalisé

L'IHM (Interface Homme Machine) est un élément clé dans l'utilisation de tout système informatique et conditionne pour une large part son succès. En théorie, une interface doit être naturelle, efficace, intelligente, fiable, de compréhension et d'utilisation facile.

Abbildung in dieser Leseprobe nicht enthalten

Figure 4 : Page d'accueil.

- Page d'administrateur

Dans cette partie seule l'administrateur aurai le droit d'accéder a cette partie via un nom d'utilisateur et un mot de passe. Dans cette partie l'administrateur peut modifier des comptes et les trace des apprenants et ajouter des cours a la base de données.

Pour des raisons de droits d’auteur, cette illustration n’estpas incluse dans lapublication.

Abbildung in dieser Leseprobe nicht enthalten

Figure 5 : La page d'administrateur.

-Les fonctionnalités du système

1. Inscription

Lorsqu'un nouvel étudiant se présente sur le système pour suivre une séquence pédagogique il doit s'inscrit en remplirent un formulaire d'inscription

Abbildung in dieser Leseprobe nicht enthalten

Figure 6 : Partie d'inscription.

Abbildung in dieser Leseprobe nicht enthalten

Figure 7 : Partie d'inscription (partie code).

2. Test de Felder

Au début de la séquence l'étudiant se trouve face un QCM de Felder qui doit le rependre

Abbildung in dieser Leseprobe nicht enthalten

Figure 8 : QSM de Felder.

Abbildung in dieser Leseprobe nicht enthalten

Figure 9 : QSM de Felder (partie code).

Abbildung in dieser Leseprobe nicht enthalten

Figure 10 : Les cours selon le style d'apprentissage initial.

Abbildung in dieser Leseprobe nicht enthalten

Figure 11 : Les cours selon le style d'apprentissage initial (partie code). Voici un exemple de cours qui donne une introduction sur les bases de la logique selon le style d'apprentissage

Abbildung in dieser Leseprobe nicht enthalten

Figure 15 : Exemple de cours (séquentiel).

Voici un autres exemple de cours selon les activités d'évaluation : jeux et simulations, l'apprentissage basé sur la résolution de problèmes, la discussion, étude de cas, question / réponse ou méthode de projet.

Abbildung in dieser Leseprobe nicht enthalten

Figure 16 : Exemple de cours selon les activités devaluations.

Abbildung in dieser Leseprobe nicht enthalten

Figure 17 : Exemple de cours selon l'activité devaluation « jeux et simulations ».

Abbildung in dieser Leseprobe nicht enthalten

Figure 18: Exemple de cours selon l'activité d'évaluation « la résolution de problèmes».

Abbildung in dieser Leseprobe nicht enthalten

Figure 19 : Exemple de cours selon l'activité d'évaluation « la discussion».

Abbildung in dieser Leseprobe nicht enthalten

Figure 20 : Exemple de cours selon l'activité d'évaluation « étude de cas».

Abbildung in dieser Leseprobe nicht enthalten

Figure 21 : QSM d'évaluation.

Après la validation de question l'étudiant peut quitter cette séquence. Et le système garde la trace de tout comportement d'un apprenant qui navigue dans le site, ces traces sont enregistrées dans un fichier log qui contient toutes les informations de l'action effectuée.

2.2. Partie de réseau bayésien

Dans cette partie nous avons utilisé les résultats de la séquence pédagogique (partie site) donc on va convertir les données de fichier log texte en base de données.

2.2.1. Les données

Notre approche garde la trace de tout comportement d'un apprenant qui navigue dans le site, ces traces sont enregistrées dans un fichier log qui contient toutes les informations de l'action effectuée.

Dans la base de données, on trouve ces actions structurées et enregistrées dans une table nommé «Users ». Cette table contient tout l'historique de comportements effectués par les apprenants.

Pour des raisons de droits d'auteur, cette illustration n'est pas incluse dans la publication.

Figure 22 : Présente une partie des données extraites de la table Users.

2.2.2. Prétraitement

C'est la première phase de notre approche, qui permet d'extraire les données nécessaires a partir de la table «Users», et d'appliquer sur ces derniers l'algorithme l'inférence via l'outil Weka.

Pour pouvoir utiliser ces données par l'outil Weka, le résultat de requête doit être enregistré sous le format (.CSV) qu'on le nome « Test.csv»

Abbildung in dieser Leseprobe nicht enthalten

Figure 23 : Fichier Test en format csv.

2.2.3. Datamining

- Inférence bayésienne

Une première série de données recueillies a partir d'une étude empirique a été utilisée pour calculer les probabilités conditionnelles pour chaque nreud. Le réseau résultant est instancié pour chaque nouvel élève. Les expériences d'apprentissage des différents étudiants sont régulièrement utilisées pour renforcer les tables de probabilités du travail net. Pour un nouvel étudiant, nous attribuons la plus probable dans les Variables-a-dire de la population de style de l'élève sont réglés avec les valeurs correspondant aux probabilités les plus élevées dans le réseau initial. Ce sera affiné après la première activité d'évaluation. Pour les utilisations ultérieures du système, les variables de style sont mis au style de l'élève estimé au cours de la dernière activité. Une inférence directe est, par la suite, effectué dans le réseau de calculer les probabilités conditionnelles des variables d'évaluation. Les valeurs correspondant aux plus hautes probabilités sont sélectionnées. Ces métadonnées sont utilisées pour composer une activité d'évaluation qui est proposé a l'étudiant. La surveillance du comportement de l'élève pendant le processus d'apprentissage 17 mène a la mesure de leur performance.

Il est défini comme preuve dans le réseau et une conclusion en arrière est effectuée pour affiner le style de l'élève. Après un certain nombre d'itérations, le réseau converge vers une estimation stable du style d'apprentissage.

Abbildung in dieser Leseprobe nicht enthalten

Figure 24: Algorithme d'inférence.

- La structure de réseau

Nous avons choisi l'outil Weka pour créer la structure de notre réseau bayesien qui est possible via la fenêtre «Tools» puis « Bayes net editor ».

Ces données représente les entrées de notre réseau (T, EVAL, EL, DA, LI, AL, Elth, RL, D1, D2, D3, D4) pour chaque élève.

Abbildung in dieser Leseprobe nicht enthalten

Figure 25 : Conception du réseau bayésien via Weka.

La sortie du réseau c'est dans le cas ou la performance <10 le système va appliques l'algorithme d'inférence afin de recommandé des ressource pertinentes a qui permettre a l'apprenant d'obtenir des meilleurs résultats (performance>=10) par rapport a leur style d'apprentissage.

3. Evaluation

Les expérimentations présentées dans ce chapitre permet de :

- Créer un environnement éducatif aux étudiants en gardant le lien entre eux et leurs enseignants.
- Mesuré la performance d'un apprenant par une évaluation sommative. (Après une séquence d'enseignement, l'apprenant répond a un questionnaire sous forme de QCM. Il obtient une note comprise entre [0,20]).
- Eviter de recommander des ressources qui ne sont pas importantes.
- Permet au système de recommander que les ressources adaptées aux préférences des apprenants.

Conclusion

Nous avons présenté dans ce chapitre les différentes expérimentations faites sur des données crées par la navigation de quelques apprenants dans le site.

Les outils utilisés pour développer notre approche sont expliqués ici. Ces derniers nous ont aidés a mettre en reuvre les phases d'adaptation des ressources a nos apprenants. L'outil Weka nous a permis l'appliquer la classification sur les données présentées par un fichier .csv, afin d'exploiter ce résultat pour appliquer l'algorithme d'inférence, le langage java a été utilisé pour nous faciliter la manipulation des formules mathématiques Les résultats des expérimentations nous montre une grande efficacité de cette approche proposée, d'autre, le scénario proposé est adéquat sur le contenu présenté. L'utilité de la première phase (Test de Felder) est de détecter le style initial, puis a chaque session d'apprentissage on le pour lui recommandé un nouveau ressources estimer par le réseau bayésien.

Abbildung in dieser Leseprobe nicht enthalten

CONCLUSION ET PERSPECTIVES

Les réseaux sociaux sont de plus en plus utilisés dans les entreprises, les écoles et les universités. Ceci a été permis par leur facilité d'utilisation et les fonctions de communication et de collaboration qu'ils offrent. Dans le cadre de cette thèse de master, nous nous sommes intéressés aux applications des réseaux sociaux pour l'apprentissage 1.

Notre travail a concernant la conception d'un système de recommandation basée sur les réseaux bayésien pour un réseau social d'apprentissage. L'objectif principal de notre système est de recommandé aux apprenant des ressources adéquates a leur style d'apprentissage et équivalent a leurs préférences .

Nous avons pris connaissance dans le premier chapitre d'exposé les réseaux sociaux et son role comme un outil efficace dans la stratégie d'apprentissage, Dans le deuxième chapitre, nous avons présenté l'approche d'appui, Le troisième chapitre nous avons exposé les modules de l'architecture conceptuelle de notre modèle, Dans le quatrième chapitre, on a présenté l'environnement de programmation utilisé et quelques outils, ainsi que les interfaces de l'apprentissage réalisées.

Finalement, ce projet de fin d'étude représente le fruit de tant d'années d'études, il nous a permis d'avoir de nouvelles connaissances dans différents domaines comme : la programmation JAVA EE, JAVASCRIPT, HTML, CSS, ainsi la manipulation de la base de donnée via MYSQL, m'a initié aussi a maitrisé la boite outils Weka et l'apprentissage des différentes techniques utilise en datamining et plus précisément le réseau bayésien , nous avons également appris plusieurs techniques et de concrétiser nos connaissances en web design et en développement web.

Au terme de ce présent mémoire, nous considérons notre travail comme un pas en avant. Il n'est pas parfait, mais perfectible. Les futures recherches pourraient en apporter plus de solutions avec plus de précision.

Comme perspectives de recherche, nous proposons d'intégrer notre approche sur l'un des réseaux sociaux et l'améliorer, parmi les améliorations possibles citons :

- Essayer de publier sur une plateforme mobile.
- proposons d'intégrer notre approche sur l'un des réseaux sociaux d'apprentissage comme étant un plugin.

Abbildung in dieser Leseprobe nicht enthalten

BIBLIOGRAPHIE

1 A.BELHABIB, M.A.MATAHRI, 2014. Conception d'un système de recommandation pour un réseau sociale d'apprentissage. Master en Informatique option: Système d'Information et de Connaissances (S.I.C), Université Abou Bakr Belkaid- Tlemcen, 5 p.

2 TERFAYA.K, 2013 . Site portail qui relie les différèrent sites universitaire en Algérie.Licence en Informatique, Universite d'Annaba, 26 p.

3 O. §im$ek, N. Atman, M. inceoglu, and Y. Arikan, 2010. « Diagnosis of learning styles based on Active/Reflective dimension of Felder and Silverman's learning style model in a learning management system». Paper presented at the computational science and Its applications-ICCSA.

4 P.Gartfa, A.Amandi, S. Schiaffino, and M. Campo. 2007. “Evaluating Bayesian networks' precision for detecting students' learning styles”. Computers & Education, 49(3), 2007, pp. 794-808.

5 Mémoire "Les réseaux sociaux, enjeux pour les marques ?" visité le 10-06-2015 a 08:13 http://fr.calameo.com/read/0006918747b0bf8ddee53

6 BEKRAR.M, 2014. Protection de la vie privée a base d'agents dans un système d'e­learning. Ingénieur d'Etat en Informatique option : Systèmes d'information, Ecole Nationale Supérieur d'informatique, 35-40 p.

7 BENMAMMAR.A, BENSAHA.M, 2013. Conception et mise en place d'un dispositif social-Learning pour l'enseignement secondaire. Master en Informatique option: Système d'Information et de Connaissances (S.I.C), Université Abou Bakr Belkaid- Tlemcen, 12-22 p.

8 Les différentes facettes des réseaux sociaux, visité le 12-06-2015 a 09:25 http://tpe- reseaux-sociaux.emonsite.com/pages/-/partie-3-avantages-et-inconvenients-des-reseaux- sociaux.html

9 BOUSBIA .N, 2011. Analyse des traces de navigation des apprenants dans un environnement de formation dans une perspective de détection automatique des styles d'apprentissage. Thése de doctrat en Informatique, Université Pierre Et Marie Curie (France) et l'Ecole Nationale Supérieure D'Informatique (Algérie), 16-36 p.

10 Piombo.C, 2007. Modélisation probabiliste du style d'apprentissage et application a l'adaptation de contenus pédagogiques indexés par une ontologie. Thése de Doctrat en Informatique, Université de Toulouse, 90-93 p.

11 BOUCHEKOUF .A, 2013. Perception du comportement de l'apprenant dans un environnement d'apprentissage.Magister en Informatique, Université d'Annaba, 107 p.

12 C. Conati, A. Gertner and K.Van Lehn, 2002.Using Bayesian Networks to Manage Uncertainty in Student Modeling. User Modeling and User-Adapted Interaction , 371-417 p.

13 A.L Franzoni, and S. Assar, 2009. “Student learning styles adaptation method based on teaching strategies and electronic media”. Educational Technology & Society, 12(4),15-29 p.

14 F. V. Jensen. « An Introduction to Bayesian Networks ». Springer-Verlag, 1996, New York.

15 Resnick, P., and Varian, H. R. 1997. Recommender systems. Communications of the ACM. 40(3): 56-58 p.

16 Conseil de l'Union Européenne, « Résolution du conseil sur le e-learning », Journal Officiel des Communautés européennes, Vol. 20, n°7, 2001.

17 Ueno M., 2004.« Online outlier detection system for learning time data in e-learning and its evaluation », International conference on computers and advanced technology in education 248-253 p.

18 Dunn R., Dunn K., « Teaching students through their individual learning styles: A practical approach.Reston, VA: Reston. », 1978.

19 Kolb D.A., « Experiential Learning : Experience as the source of Learning and development. », Prentice-Hall, Englewood Cliffs, New Jersey, 1984.

20 Brusilovsky P,1999. Adaptive and Intelligent Technologies for Web-based Education. In C.Rollinger and C. Peylo (eds.), Special Issue on Intelligent Systems and Teleteaching, Künstliche Intelligenz, 4, 19-25 p.

21 JDD 2011 Réseaux sociaux et identité numérique » Les réseaux sociaux : caractéristiques, données chiffrées, principaux réseaux sociaux connus visité le 04-06-2015 a 16:57 http://lewebpedagogique.com/jddreseauxsociaux/2011/04/15/les-reseaux-sociaux%C2%A0- caracteristiques-donnees-chiffrees-principaux-reseaux-sociaux-connus/

22 LERAY.P, 2006.Réseaux bayésiens : apprentissage et modélisation de systèmes complexes.Thése de doctrat en Informatique, Université de Rouen, 69 p.

23 Bransford J. D., Brown, A. L. and Cocking, R. R. (eds.), How People Learn. Brain, Mind, Experience, and School. Committee on Developments in the Science of Learning, Commission on Behavioral and Social Sciences and Education, National Research Council. National Academy Press, Washington, 1999.

24 Chen, S. Y., and R. D. Macredie, Cognitive styles and hypermedia Navigation : development of a learning model, Journal of the American society for information science and technology, 53(1), 3-15, 2002.

25 Zakaria, M.R. & Brailsford, T.J. 2002. User Modelling and Adaptive Educational Hypermedia Frameworks for Education. New Review of Hypermedia and Multimedia, 8, 83 - 97 p.

26 Stach, N., Cristea, A.I. & P. De Bra, P. 2004. Authoring of Learning Styles in AdaptiveHypermedia: Problems and Solutions, WWW'04, 13th International World Wide Web Conference, May, New York, US, 104-113 p.

27 Höök, K., Rudström, A. & Waern, A. 1997. Edited Adaptive Hypermedia: Combining Human and Machine Intelligence to Achieve Filtered Information, 8th ACM International Hypertext Conference (Hypertext'97), Flexible Hypertext Workshop, http://www.sics.se/~kia/papers/edinfo.html,

28 Clifford, R. 2000. Adaptive Hypermedia for Music Instruction, 7th International Technological Directions in Music Learning Conference, TDML ejournal, retrieved August 11,2004 from http://music.utsa.edu/tdml/conf-VII/VII-Clifford/VII-Clifford.html,

29 Millan, E., Loboda, T., Pérez-de-la-Cruz, J. 2010. Bayesian networks for student model engineering. Computers & Education, 55, 4, 1663-1683 p.

30 Messina Enza, Toscani Daniele, and Archetti Francesco, 2006. UP-DRES : User Profiling for a Dynamic REcommendation System, P. Perner (Ed.): ICDM 2006, LNAI 4065, 146 - 160 P.

31 Bousbia, N., Rebaï, I., Labat, JM., Balla, A. 2010. Learners' navigation behavior identification based on trace analysis, User Modeling and User Adapted Interaction. 20, 455­494 p.

32 De Bra, P. and Calvi, L. 1998.AHA! An open Adaptive Hypermedia Architecture. The New Review of Hypermedia and Multimedia, 4, Taylor Graham Publishers, 115-139 p.

Abbildung in dieser Leseprobe nicht enthalten

Annexe 1

Questionnaire adapté par Christophe Piombo (Doctorant INPT) du ILS de Richard M. Felder

Consignes

Entourez la réponse "a" ou "b" pour chacune des questions. Veuillez choisir une seule réponse pour chaque question.

Si "a" et "b" semblent toutes les deux s'appliquer a vous, choisissez la réponse qui s'applique a vous le plus souvent.

Répondez le plus naturellement possible. Il n'y a pas de bonnes ou mauvaises réponses.

1. Pour comprendre la règle d'un jeu de société

(a) Je dois faire une partie.
(b) La lecture de la notice explicative me suffit.

2. Si je devais dessiner un arbre, j'aurai tendance a

(a) faire une reproduction qui soit la plus proche de la réalité.
(b) faire une reproduction avec une touche personnelle.

3. Si je pense a ce que j'ai fait hier, ce qui me vient a l'esprit ce sont

(a) des images.
(b) des mots.

4. Si j'étudie l'histoire de France

(a) je comprends les détails des évènements historiques, mais je reste dans le flou sur les périodes historiques.
(b) je comprends les périodes historiques, mais je reste dans le flou sur les détails des évènements historiques.

5. Quand j'étudie une nouvelle legon, je comprends mieux

(a) si j'en parle avec ma famille.
(b) si j'y réfléchi seul dans ma chambre.

6. Si j'étais un(e) enseignant(e), j'enseignerais plutöt un cours

(a) sur les sciences de la vie et de la terre.
(b) sur la philosophie.

7. Lorsqu'un ami m'explique l'itinéraire pour se rendre chez lui

(a) je préfère qu'il me fasse un plan.
(b) je préfère qu'il me donne des instructions écrites ou verbales.

8. Lorsque j'étudie un texte en Frangais

(a) dès que je comprends tous les paragraphes, je comprends l'idée générale.
(b) dès que je comprends l'idée générale, je comprends mieux les relations entre les paragraphes.

9. Lors d'un travail de groupe au collège

(a) je participe activement et suggère des idées a mes camarades.
(b) j'ai tendance a écouter les idées proposées par mes camarades.

10. Si je dois apprendre la pluviométrie d'un pays,

(a) je préfère étudier un tableau de chiffres présentant les précipitations annuelles du pays.
(b) je préfère comparer le climat du pays avec les climats connus.

11. Dans une bande dessinée

(a) je me concentre sur l'image de la scène.
(b) je me concentre sur le texte des bulles.

12. Lorsque je résous des problèmes de mathématiques

(a) j'ai l'habitude d'élaborer la solution étape par étape.
(b) je vois souvent d'emblée la solution, mais j'éprouve des difficultés a trouver les étapes qui me mèneraient a cette solution.

13. A l'école,

(a) j'ai souvent eu beaucoup de copains (copines).
(b) j'ai rarement eu plus de 2 copains (copines).

14. je préfère lire

(a) un livre qui présente des techniques de bricolage ou de nouvelles recettes de cuisine.
(b) un livre qui parle de l'évolution future et hypothétique de la planète.

15. Pendant un cours

(a) je préfère que mon professeur dessine de nombreux graphiques et schémas au tableau.
(b) je préfère que mon professeur passe beaucoup de temps a expliquer verbalement.

16. Lorsque je lis une histoire ou un roman

(a) je réfléchis aux intrigues et j'essaie de les regrouper afin de comprendre le thème général.
(b) je comprends le thème général seulement lorsque j'ai terminé la lecture, et je suis obligé de retourner au texte pour retrouver les intrigues qui l'illustrent.

17. Lorsque je dois assembler les pièces d'un modèle réduit

(a) j'ouvre la boite et commence l'assemblage des pièces.
(b) j'ouvre la boite et parcours la notice explicative de montage.

18. Dans un cours de sciences de la vie et de la terre sur les mammifères

(a) je préfère étudier leur anatomie en faisant des mesures et des expérimentations.
(b) je préfère étudier la théorie de leur évolution.

19. Je me souviens mieux d'un conte

(a) si je le vois en dessin animé.
(b) si on me le raconte.

20. Il est plus important pour moi qu'un enseignant

(a) présente une matière étape par étape.
(b) présente une vue d'ensemble de la matière et la relie a d'autres sujets.

21. Quand il faut faire un exposé en classe,

(a) je préfère le préparer avec des camarades.
(b) je préfère le préparer tout(e) seul(e).

22. Les enseignants disent de moi que je suis

(a) minutieux (minutieuse), appliqué(e) dans mon travail.
(b) malin(e), débrouillard(e) dans la fagon de faire mon travail.

23. Lorsqu'on me donne des indications pour aller a un nouvel endroit, je préfère

(a) un plan.
(b) des instructions écrites.

24. J'apprends

(a) a un rythme assez régulier. Si je travaille dur, j'y arrive.
(b) par a-coups. Je peux être complètement embrouillé, et puis soudainement avoir un déclic.

25. La première fois qu'un(e) ami(e) m'invite chez lui

(a) l' heure venue, je pars de chez moi et essaie de trouver le chemin.
(b) quelques minutes avant le départ, je réfléchis au chemin en utilisant un plan.

26. Lorsque je lis pour mon plaisir, j'aime les auteurs

(a) qui expriment clairement, simplement, nettement ce qu'ils veulent dire.
(b) qui expriment les choses d'une fagon creative, ingénieuse, intéressante.

27. Lorsque je vois un diagramme ou un croquis en classe, j'ai tendance a mieux me rappeler

(a) de l'image.
(b) du commentaire de l'enseignant.

28. Lorsque je dois faire la somme des pièces de monnaie contenues dans ma tirelire, je préfère

(a) commencer a faire des tas par type de pièces et calculer après.
(b) prendre les pièces les une après les autres, comme elles viennent, pour en faire la somme.

29. Au bout de quelques jours, je me souviens de la règle d'un jeu

(a) seulement si j'y ai joué.
(b) même si je n'ai fait que lire la notice explicative.

30. Lorsque je dois réaliser une tache (exemples : faire un gateau, assembler des legos...), je préfère

(a) maitriser une fagon de faire.
(b) inventer de nouvelles fagons de faire.

31. Lorsque le professeur d'Histoire Géographie nous présente des informations sur les Capitales Européennes

(a) je préfère voir des schémas ou des graphes.
(b) je préfère lire un texte qui résume ces informations.

32. Lorsque j'écris une histoire, j'ai tendance a

(a) travailler (réfléchir ou écrire) a l'introduction puis développer les parties suivantes.
(b) travailler (réfléchir ou écrire) aux différentes parties de l'histoire puis essayer de les assembler.

33. Lorsque je dois préparer un exposé en groupe,

(a) je préfère que chacun apporte ses idées dès le départ.
(b) je préfère réfléchir seul(e) et ensuite comparer les idées en groupe.

34. Je considère comme une qualité d'être

(a) prudent(e), calme et appliqué(e).
(b) imaginatif (imaginative), vif (vive), extravagant(e).

35. De retour de vacances, lorsque je me souviens de mes nouveaux (nouvelles) amis (amies), j'ai tendance a me rappeler

(a) de quoi ils (elles) avaient l'air.
(b) de ce qu'ils (elles) disaient d'eux-mêmes (elles-mêmes).

36. Lorsque je fais un devoir de Mathématiques,

(a) je me concentre sur l'écriture des formules pour avoir tout juste.
(b) je pense aux règles de grammaire du francais pour mieux expliquer ma démarche.

37. Lorsque je suis invité a un anniversaire

(a) je vais facilement vers des personnes qui me sont inconnues.
(b) je reste souvent avec mes copains (copines).

38. Je préfère les cours qui mettent l'accent sur

(a) l' expérimentation afin de mesurer et analyser des données.
(b) des activités intellectuelles.

39. Pour me divertir, je préfère

(a) regarder la télévision.
(b) lire un livre.

40. Lorsque un professeur commence l'heure de cours par un plan de ce qu'il va nous présenter

(a) cela m'aide peu a comprendre les différentes parties du sujet étudié.
(b) cela m'aide beaucoup a comprendre les différentes parties du sujet étudié.

41. Lorsque nous réalisons une expérience de physique en groupe

(a) je préfère que tous les membres du groupe aient la même note.
(b) je préfère que chaque membre du groupe puisse avoir une note individuelle.

42. Lorsque je fais de longs calculs,

(a) j' ai tendance a répéter toutes les étapes afin de vérifier soigneusement mes calculs.
(b) je trouve ennuyeux de devoir vérifier mes calculs et je dois me forcer a le faire.

43. J'ai tendance a me représenter le lieu de mes dernières vacances

(a) avec facilité et exactitude.
(b) avec difficulté et peu de détail.

44. Si je construis des voitures en legos avec mes copains (copines),

(a) je réfléchis a la manière de construire les voitures.
(b) je réfléchis a la manière de jouer avec les voitures construites.

[...]

104 de 104 pages

Résumé des informations

Titre
Un système de recommandation pour un réseau social d’apprentissage. Un système basé sur les réseaux bayésiens
Université
Badji Mokhtar Annaba University  (Département Informatique)
Cours
Réseaux et sécurité informatique
Note
15.5/20
Auteur
Année
2015
Pages
104
N° de catalogue
V520318
ISBN (Livre)
9783346223449
Langue
Français
mots-clé
Système de recommandations, réseau bayésien، réseau sociaux
Citation du texte
Kheireddine Terfaya (Auteur), 2015, Un système de recommandation pour un réseau social d’apprentissage. Un système basé sur les réseaux bayésiens, Munich, GRIN Verlag, https://www.grin.com/document/520318

Commentaires

  • Pas encore de commentaires.
Lire l'ebook
Titre: Un système de recommandation pour un réseau social d’apprentissage. Un système basé sur les réseaux bayésiens



Télécharger textes

Votre devoir / mémoire:

- Publication en tant qu'eBook et livre
- Honoraires élevés sur les ventes
- Pour vous complètement gratuit - avec ISBN
- Cela dure que 5 minutes
- Chaque œuvre trouve des lecteurs

Devenir un auteur