ANALYSE DE L’OBJET D’APPRENTISSAGE

Analyse de l’espace sémantique

Vu la nature didactique des objets d’apprentissage nous proposons un outil d’analyse supplémentaire dédié à la sémantique du contenu. L’objectif de cet outil est de permettre d’analyser le contenu de l’objet d’apprentissage en prenant comme référentiel le modèle de domaine. C’est dans ce contexte que nous introduisons la notion d’espace sémantique. En se basant sur cette notion, nous proposons des méthodes d’analyse permettant d’assister l’auteur afin de décortiquer les spécificités sémantiques de son objet d’apprentissage et de lui permettre d’améliorer son objet (en ajoutant ou en retirant des concepts du contenu). Nous allons introduire au départ les notions d’espace sémantique et de composante sémantique telles que nous les avons définies. Ces notions seront utilisées afin de dégager les propriétés et caractéristiques relatives au contenu de l’objet d’apprentissage. 4.1. Notion d’espace sémantique L’espace sémantique d’un objet d’apprentissage est défini comme étant l’ensemble des concepts traités au niveau du contenu d’un objet d’apprentissage, ainsi que les relations de type spécifique/générique qui les relient. L’espace sémantique est déduit du modèle de domaine qui représente un référentiel commun dans les systèmes d’apprentissage en ligne sémantiques tel que SIMBAD. Pour y parvenir il suffit de marquer les concepts du modèle de domaine qui font partie du contenu et de retenir les relations spécifique/générique qui les relient. Ainsi, l’espace sémantique d’un objet d’apprentissage « clo » est définit de la façon suivante : ESclo = {SCclo, SRclo} L’ensemble SCclo est formé par les concepts du modèle de domaine qui décrivent le contenu de l’objet d’apprentissage « clo ». L’ensemble SRclo est formé par les relations spécifique/générique qui existent entre les concepts qui font partie de SCclo. En fait, nous ne nous intéressons qu’aux relations de type spécifique/générique car nous ne voulons garder que la hiérarchie entre les concepts. Ce type de relations à notre avis est suffisant pour pouvoir étudier les aspects cohérence, continuité et complexité de contenu d’un point de vue sémantique. Soit un objet d’apprentissage, dont l’identifiant est LO_222, avec le contenu suivant : { , , , , , , , , , , , , , , , , , , , , , , , < Itération, Exemple>, < Itération, Exercice> } Et soit cette version simplifiée d’un modèle de domaine qui couvre le domaine de l’algorithmique :L’espace sémantique de l’objet d’apprentissage LO_222 est le suivant (c’est un sous-graphe du modèle de domaine) :

Calcul de l’espace sémantique 

Nous allons noter O’clo l’ensemble des objets d’apprentissage qui appartiennent au graphe de composition concret. Et soit R l’ensemble de toutes les associations de type spécifique/générique dans le modèle de domaine. L’algorithme suivant permet de calculer l’espace sémantique d’un objet d’apprentissage composé :Algorithme 9 : Calcul de l’espace sémantique calculerEspaceSémantique (clo : ObjetComposé) Debut Pour tout ( ‘ ) O clo i∈ Faire Pour tout ( ) Ci c∈ Faire AddConceptToSC(c, SC) Fin Pour Fin Pour Pour tout (r ∈ R ) Faire 91 Si fromConcept (r, ci) et toConcept(r,cj) et {ci, cj} ⊂SC Alors addRelationshipToSR (r, SR) Fin Fin Fin Afin d’automatiser l’interprétation de l’espace sémantique et d’en tirer les propriétés qui seront présentées à l’auteur de l’objet d’apprentissage, nous allons introduire le concept de composante sémantique.Afin d’automatiser l’interprétation de l’espace sémantique et d’en tirer les propriétés qui seront présentées à l’auteur de l’objet d’apprentissage, nous allons introduire le concept de composante sémantique.

Composante sémantique

 Une composante sémantique est un groupement de concepts qui sont en proximité. La proximité sémantique se traduit au niveau de l’espace sémantique par une distance entre les concepts qui est inférieure à un seuil fixé. Cette distance correspond au chemin le plus court entre deux concepts donnés pour qu’ils puissent faire partie de la composante sémantique. Les composantes sémantiques forment des graphes connexes. A titre d’exemple, la distance entre les concepts « Itération » et « Type simple » dans l’exemple ci-dessus est égale à cinq. D’autre part, la distance entre les concepts « Itération » et « Affectation » est deux. Ainsi, une distance faible reflète une proximité sémantique. Ainsi, nous pouvons ainsi définir un espace sémantique d’un objet d’apprentissage comme un couple {CS, s}, avec CS est l’ensemble de composantes sémantiques et s est le seuil de proximité sémantique. Nous pouvons définir une composante sémantique csi comme étant un ensemble de concepts C tel que : {c c } C d c c s ∀ x , y ⊂ (, x , y ) ≤ Prenons comme exemple l’objet d’apprentissage du paragraphe précédant. Définissant, l’espace sémantique comme étant l’ensemble de composantes sémantiques conformes à un seuil s égal à deux. La figure suivante montre les différentes composantes sémantiques au niveau de l’espace sémantique de l’objet d’apprentissage LO_222.Nous allons utiliser ces notions d’espace sémantique et de composante sémantique afin d’analyser les caractéristiques sémantiques des objets d’apprentissage.

Complexité sémantique du contenu 

L’un des facteurs qui peuvent rendre un contenu éducatif compliqué à assimiler est sa densité sémantique. Celle-ci peut être considérée comme étant proportionnelle au nombre de concepts traités au niveau du contenu. Sauf que le fait que certains concepts sont en proximité sémantique doit être pris en compte. En effet, si nous disposons de douze concepts traités au niveau d’un contenu éducatif et que ceux-ci font partie d’une même composante sémantique cela doit être plus simple à assimiler par l’apprenant que si ces concepts font partie de douze composantes sémantiques différentes. Rappelons qu’une composante sémantique reflète une proximité sémantique. Ce qui justifie le fait qu’acquérir douze concepts en proximité sémantique est certainement moins difficile qu’acquérir douze concepts qui font partie de douze composantes sémantiques. C’est-à-dire des concepts qui ne sont pas en proximité sémantique et donc nécessitent de la part de l’apprenant plus d’effort pour les assimiler. Ainsi, la complexité du contenu (d’un point de vue sémantique) peut être évaluée en fonction du nombre des concepts et du nombre de composantes sémantiques. Soient x le nombre de concepts et y le nombre de composantes sémantiques au sein de l’espace sémantique d’un objet d’apprentissage. Nous proposons la formule suivante pour évaluer la complexité sémantique du contenu : ∑ ×        + i c E Max y y c Max x x c log( )),( log( ) log( )),( log( ) 1 2 α β 93 Les deux termes de la formule permettent d’avoir une variation logarithmique des valeurs permettant de contribuer à l’évaluation de la complexité du contenu. Si le contenu de l’objet ne traite qu’un seul concept alors forcément nous avons une seule composante sémantique. Les deux termes vont avoir la valeur minimale zéro car log(1) = 0. La valeur maximale de la complexité nécessite un avis d’experts qui vont décider du nombre de concepts α qui représente un seuil à partir duquel la complexité du contenu est considéré comme maximale. Un avis similaire est nécessaire pour avoir un seuil relatif au nombre de composantes sémantiques maximale β à partir duquel la complexité du contenu est considéré comme maximale. La nature du domaine de l’apprentissage, l’âge des apprenants, le niveau des apprenants et le niveau de détails retenu dans la description du modèle de domaine ont une influence sur les seuils α et β . Finalement, pour normaliser la valeur maximale à un nous allons diviser la valeur logarithmique de x (respectivement de y) par le maximum entre α et x (respectivement de β et y). Les coefficients c1 et c2 permettent de pondérer l’impact du nombre de concept et du nombre de composantes sémantiques sur la valeur estimative de la complexité sémantique du contenu. La valeur peut s’adapter à une échelle de mesures de 0 à E. Dans le cas de l’objet LO_222 si on prend les coefficients c1 et c2 égaux à 1, une mesure sur une échelle de 10, une valeur α égale à 100 et une valeur β égale à 10, la complexité est calculée ainsi : 28,6 2 10 log( ))10 log( )5 log(100)) log( )13 × =         + L’auteur peut en déduire que la complexité sémantique de cet objet d’apprentissage est plutôt moyenne. Alors que s’il n’y avait que 2 concepts et une composante sémantique, par exemple, la complexité aura la valeur suivante : 15,0 2 10 log( ))10 log( )1 log(100)) log( )2 × =         + L’auteur peut en déduire que la complexité sémantique de cet objet d’apprentissage est faible. 94 D’autre part s’il y avait 50 concepts regroupés en 20 composantes sémantiques, par exemple, la complexité aura la valeur suivante : 25,9 2 10 log( ))20 log( )20 log(100)) log( )50 × =         + L’auteur peut en déduire que la complexité sémantique de cet objet d’apprentissage est très élevée.