systèmes d’Éducation adaptatifs et intelligents › ~aimeur › cours › ift6261 ›...

Systèmes d’éducation adaptatifs et intelligents 1

Informatique et recherche opérationnelle

Systèmes d’Éducation Adaptatifs et Intelligents

Présenté par : KIARED Abou-Sofiane Professeur : Esma Aimeur


Plan

Introduction

Concepts fondamentaux

Travaux réalisés

Proposition d’une nouvelle approche

Conclusion


Introduction

L’enseignement à distance est devenu une réalité(Système d’enseignement à distance SED) :

Cours sans frontières

Accessible via l’Internet

Moins de restrictions par rapport à l’enseignement traditionnel (pré-requis, contraintes temporelle)


Introduction (suite)

Des milliers d’applications on vu le jour durant les dix dernières années La plupart sont des réseaux

statiques de pages hypertextesProblèmes avec les systèmes existants :

Liberté de navigation: Quel sont les liens appropriés pour un utilisateur donné ?

Traces d’évolution: Qu’est ce que l’usager a vu avant d’atteindre un certain noeud (dans le réseau d’hypertexte) ?

présentation: L’usager est-il visuel ? Auditif ? Quel sont ses préférences en matière de présentation


Introduction (suite)

Besoin de personnalisation ?

Systèmes adaptatifset intelligents

• Pourquoi un système adaptatif ?•Quoi adapter ?•Adapter à quoi ?


Concepts fondamentaux

Qu’est-ce que l’enseignement adaptatif ?

Un SED est dit adaptatif s’il [8, 3]:

Est capable de surveiller les activités des utilisateurs

Peut les interpréter selon un modèle donné

Considère les préférences des utilisateurs

Peut intervenir dynamiquement pour faciliter le processus d’apprentissage


Concepts fondamentaux (suite)

Classification des méthodes d’adaptation

L’interaction adaptativeAdaptation de l’interface La considération des préférences de l’usager en matière de représentations graphiques (couleurs, multimédia)

Cours adaptatifOffrir un contenu qui s’accommode le plus avec les connaissances et les objectifs de l’apprenant.Cette catégorie est la catégorie la plus convoitée par les travaux de recherche actuellement.

Assemblage des objets du cours Par exemple, présenter les exemples en premier, et puis les images et graphique et enfin les définitions.

Adaptation de la collaboration



Les entités à modéliser

Le modèle du domaine

Contient généralement la structure du cours

Spécifie les relations et les interdépendances entre les différentes parties du cours.

Ces éléments sont utilisés lors de l’adaptation.



Figure tirée de [6]

Le modèle de l’apprenant :Contient les données personnelles et les préférences de l’usagerSa structure varie d’un système à un autreCependant, pratiquement tous les systèmes existants permettent de mettre à jour, dynamiquement, le modèle de l’apprenant.



Le modèle d’adaptation :Renferme la théorie de l’adaptation pour un SDE donné. Ce modèle doit spécifier (implicitement ou explicitement) :

Qu’est-ce qui peut être adapter ? Quand adapter ? Et Comment procéder ?

Ces spécifications, peuvent prendre la forme de règles préprogrammées déclenchées automatiquement ou bien des règles générées par le système (systèmes intelligents) qui sont le résultat des observations du comportement des usagers



Le modèle de groupe : Modèle d’apprenant étendu à plusieurs utilisateurs

Permet de regrouper des apprenants possédants les même caractéristiques sous un même profil.

Le système fait profiter les éléments du groupe des activités decertains membres du même groupe

Cette technique est grandement utilisée dans les applications recommandation de produits, et le collaborative filtering et elle est prometteuse dans les SEDs [8].



Quelques techniques d’adaptation Séquencement de leçons (planification de leçons) :

Actif Planification pas à pas

Passif D’appoint ou encore correctif

Aide à la résolution de problèmesRésolution interactiveRésolution par l’exemple

Adaptation de la présentationQuelle information afficherComment l’afficher


Travaux réalisés

Deux classes de systèmes :

Systèmes Hypermédia et tutorial intelligents adaptatifs

Systèmes basés sur les agents intelligents


Travaux réalisés (suite)

Systèmes Hypermédia et tutorial intelligents adaptatifs Trois grandes familles [3]:

Systèmes de la famille des hypermédia adaptatifs :InterBook, AST, ADI, ART-Web, ACE, Rmedial Multimedia System, PT, AHA, WEST-KBNS, MetaLinks ,KBS HyprebookSystèmes de la famille des systèmes tutorial intelligentsCALAT, Medtec, Manic, DCG, SIETTE, ILESA, PAT-Online, PAT-Java, WITS, WITS-II, Belvedere, ADIS, (Yang-Akahori), D3-WWW-Trainer, AlgeBrain, ADELE, TEMAISystèmes hybrides

ELM-ART, ELM-ART-II, PAT-Interbook, VC Prolog Tutor


Systèmes de la famille des hypermédia adaptatifs [3]

System Adaptive sequencing

Adaptive navigation support

Adaptive presentation

InterBook Page Annotation Parfois

AST CoursAnnotation

Parfois

ADI Cours Annotation Parfois

ART-Web Cours, tests Annotation Parfois

ACE Cours Annotation Hiding

Rmedial Multimedia System

Hiding

PT Hiding

AHA Annotation Hiding

WEST-KBNS Annotation

MetaLinks Page

KBS Hyprebook Cours Annotation Hiding


Systèmes de la famille des systèmes tutorial intelligents [3]

System Adaptive sequencing Problem solving support

Intelligent solutionanalysis

CALAT Cours, passif

Medtec tâche

Manic Sujet

DCG Cours

SIETTE Question

ILESA Leçon, problèmes Serveur, Java

PAT-Online Partiel Serveur

PAT-Java Java

WITS Server

WITS-II Serveur, Java

Belvedere Serveur, Java


Systèmes hybrides [3]

System Adaptive sequencing

Adaptivenavigation

support

Problem solving support

Intelligent solutionanalysis

Adaptive presentation

ELM-ART Page Annotation Partiel Serveur Parfois

ELM-ART-II Cours, tests Annotation Partiel Serveur Parfois

PAT-Interbook Page, passif Annotation Partiel Serveur Parfois

VC Prolog Tutor Tâche, passif Annotation Partiel Serveurr


Systèmes basés sur les agents intelligents

Agent de confiance “Confidence Agent” [2]Université de Montréal (Canada)

Le système multi-agents MAS-PLANG [6,7]Université de Girona (Espagne)


Agent de confiance “Confidence Agent” [2]

Basé sur “Confidence Intelligent Tutoring System” (CITS) [4]Architecture Client / Serveur


Agent de confiance “Confidence Agent” [2](suite)

Basé sur deux modèles :Modèle de l’apprenant (décrit en utilisant XML)

les objectifs de l’apprenant, son style d’apprentissage, son comportement et ses préférences

Modèle du domaine (décrit en utilisant XML)une arborescence de conceptsChaque concept est décrit par un certain nombre de mots clés qui reflètent le plus sont contenuUn concept consiste en cinq fragments : le cœur du concept, définition, les problèmes, les exemples et les exercices Chaque fragment pointe vers trois segments qui le définisseChaque segment renferme des unités atomiques tel que du texte, de images ou bien des enregistrement audio/vidéo


Agent de confiance “Confidence Agent” [2] (suite)

Exemple : Cours de structure de données, description de la structure Heap (tas)

Modèle de l’apprenant Modèle du domaine<Fragment description=”Fragment”><Concept>Heap<Concept><ID>1</ID><Prerequisites><ID ref=”0”><Prerequisites><Name>Background</Name><Chunk1>C11</Chunk1><Chunk2>C21</Chunk1><Chunk3>C1</Chunk1></Fragment>

<Model description=”user model”><Name>A</Name><Learner-style>Visual</Learner-style><Visit><Concept>C1</Concept><Chunks-Recommended>C11, C12</Chunks-Recommended><Chunks-Erased>C21</Chunks-Erased></Visit></Model>



Fonctionnement :

Les valeurs enregistrées dans le modèle de l’usager qui seront utilisés pour évaluer l’importance d’un segment donné dans la compréhension du concept (granularity level& dominant meaning probability [4]). L’algorithme d’adaptation trie les différents segments par ordre décroissant d’importance et retourne les trois premiers segments pour être présenter dans le fragment courant.


Agent de confiance “Confidence Agent” [2] (suite)<Chunkdescription=” Chunk” Visible-Image=”yes”Visible-Audio=”yes” Visible-Applets=”yes” Granularity-Value=”yes”><Concept>Heap</Concept><ID>C11</ID><Type>Background</Type><Granularity>0.97</Granularité><Dominant-Meaning><D1>Binary tree</D1><D2>Complete tree</D2></Dominant-Meaning><Text>Heaps are based on the notion of a complete tree, for which we gave an informal definition earlier. Formally: A binary tree is completely full if it is of height, h, and has 2h+1-1 nodes</Text><Media><Condition Learner-style=”Visual” Images=”heap1.jpg”></Condition><Condition Learner-style=”Auditory” Images=”heap1.wav”></Condition><Condition Learner-style=”Visual” Images=”Animation1.jpg”></Condition></Media></Chunk>



Affichage du segment “Coeur” du concept “Heap”


Le système multi-agents MAS-PLANG [6,7]

Développé pour donner des caractéristiques adaptatives à un système tutorial intelligent existant appelé USD (Unitats de Suport une La Docència) Missions :

Adaptez l'information et les liens présentés en fonction du modèle de l’apprenantFait en sorte que l’apprenant ne se perde pas, en limitant son espace de recherche, lui suggérant les liens les plus appropriés, lui fournissant des commentaires sur les liens visibles et en lui offrant des outils de navigation plus sophistiqués


Le système multi-agents MAS-PLANG [6,7]

Architecture


Le système multi-agents MAS-PLANG [6,7](suite)

Fonctionnement :

IA-NAVIGATION

PDA-NAVIGATION

IA-EXERCISES

PDA-EXERCICESIA-EVALUATION

IA-SEARCH

PDA-SEARCH

IA-HISTORY

PDA-HISTORY


Proposition : une approche exploitant le modèle de groupe

Exploitation du modèle de groupe :Construit dynamiquement en prenant pour base les modèles usagers participants au cours. Il spécifiera aussi les conditions qui font qu’un ensemble d’apprenants sont jugés semblables et classés dans un même groupe. Les avantages d’une telle approche sont nombreux, entre autre elle permet:

D’avoir une idée des actions des apprenants sensés être au même niveau que l’apprenant en question et ayants les mêmes objectifs.De profiter des expériences certains participants pour avertir l’apprenant (pro-activité).Répondre efficacement aux besoins de l’industrie en offrant une formation solide et « pratique ».Mettre l’apprenant au même diapason que les autres participants


Proposition : une approche exploitant le modèle de groupe (suite)

ExempleÉtant donné un système d’éducation à distance qui offre un cours de « troubleshooting » dans un SGBD (i.e : Oracle, DB2 etc.) donné. Le modèle de groupe permet de départager les participants au cours. Voici quelques groupes possibles :

Les DBAs seniors : Ceux qui ont une longue expérience dans le domaine et suivent ce cours pour ce perfectionner.Les DBAs intermédiaires : Ceux qui travaillent dans le domaine mais rencontrent beaucoup de difficultés face à certains problèmes.Les débutants


Proposition : une approche exploitant le modèle de groupe (suite)

Description de la méthode

un agent intelligent que nous appelons agent de groupe (GA) :Roule du coté serveur Observe les actions des participants et les enregistre dans une base de données (BD1).Établit une classification pour tous les apprenants (construction des groupes)Pour chacun des groupes, établit une liste de problèmes à traiter et/ou de concepts importants pour les membres du groupeAdapte le cours présenté à l’apprenant en utilisant le résultat de l’étape précédente


Conclusion

Les techniques d’adaptations apportent un plus au systèmes d’éducationLa plupart des travaux réalisés jusqu’à présent sont encore au stade de laboratoire Le jeune age des systèmes d’enseignement à distance facilitera l’intégration des techniques d’adaptation intelligentesL’utilisation des agents intelligents est une voie prometteuse (interactivité, autonomie, pro activité, apprentissage)


Références

[1] Maes, Pattie, “Agents that reduce work and information overload”, Communications of the ACM 37, 7 (July 1994), 31-40[2] Abdel Razek M., Frasson C., Kaltenbach M. An Intelligent Agent for Automatically Course Adaptation Lecture Notes in Artificial Intelligence Springer-Verlag 2003, 4th International Syposium on Methodologies for Intelligent Systems (ISMIS 2003). October 28-31, 2003 Maebashi City, Japan[3] 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.[4] Abdel Razek M., Frasson C., Kaltenbach M. A Context-based Information Agent for Supporting Education on the Web. Lecture Notes in Computer Science, Springer-Verlag 2003, The 2003 International Conference on Computational Science and Its Applications (ICCSA 2003), May 18-22, 2003 Montreal, Canada.[5] Firefly Network, Inc & Netscape Communications“Proposal for an Open Profiling Standard Document Version 1.0” ,June 2, 1997


Références (suite)[6] Peña, C. I. and Marzo, J. L. Adaptive Intelligent Agent Approach to Guide the Web Navigation on the PLAN-G Distance Learning Platform, IEE Colloquium"Lost in the Web - Navigation on the Internet", London, November 1999, UK ISSN 0963-3308.[7] Peña, C. I., Marzo, J. L., De la Rosa, J. Ll. Intelligent Agents in a Teaching and Learning Environment on the Web, 2ond IEEE International Conference on Advanced Learning Technologies (ICALT2002), Kazan (Russia), September 9-12, 2002, ISBN 0-473-08801-0.[8] Alexandros Paramythis, Susanne Loidl-Reisinger - Adaptive Learning Environments and e-Learning Standards; in: Roy Williams, w.w Associates (Eds.): Proceedings of the 2nd European Conference on e-Learning, Glasgow (Scotland), 6.-7.11.2003, pp. 369-379 Academic Conferences International Reading 2003; ISBN: 0-9544577-4-9 (2003)[9] Brusilovsky, P. (2001) “Adaptive hypermedia” in User Modeling and User Adapted Interaction, Vol. 11, No.1/2, pp87-110.

.

systèmes d’Éducation adaptatifs et intelligents › ~aimeur › cours › ift6261 ›...

Documents