VUE D’ENSEMBLE DE NOTRE APPROCHE D’ASSISTANCE

Dans ce chapitre nous allons présenter notre approche d’assistance aux auteurs des objets d’apprentissage composés de type SCORM ou SIMBAD. Cette approche comporte cinq phases d’assistance et d’aide aux auteurs, à savoir : l’assistance à la recherche des objets d’apprentissage, l’assistance à la composition, l’assistance à la compréhension, le calcul automatique des métadonnées éducatives et la vérification de la conformité à des patrons de conception. Après avoir donné la vue d’ensemble de notre approche, nous allons détailler les phases de recherche des objets à réutiliser et de calcul automatique des métadonnées. Nous terminons le chapitre par la présentation d’un algorithme de transformation d’un objet SCORM en un équivalent SIMBAD ce qui nous permet d’appliquer notre approche à un plus grand nombre d’objets et d’étendre la portée pratique de nos contributions. Nous proposons d’adopter une approche assistée de conception et de développement d’objets d’apprentissage composés [Farhat et al., 2009]. Cette approche comporte cinq phases. Lors de la première phase l’approche propose des mécanismes de recherche et de découverte d’objets d’apprentissage candidats à la réutilisation. L’auteur doit choisir un ensemble d’objets qui doivent couvrir le ou les concepts à traiter (ex. algèbre relationnelle) et les rôles éducatifs à couvrir (ex. exercice, exemple, description, introduction). Il peut ensuite passer à la deuxième phase dans laquelle il va concevoir le graphe de composition abstrait en utilisant les objets retenus lors de la première phase et les opérateurs d’assemblage. Suite à cette phase l’auteur peut revenir à la phase deux s’il souhaite faire des modifications sur l’ensemble des objets à réutiliser. Sinon, il passe à la phase trois dans laquelle une analyse automatique est effectuée sur l’objet créé afin de permettre à l’auteur de mieux comprendre le résultat de la composition.

Déroulement de l’assistance

Le déroulement de processus d’assistance peut prendre plusieurs formes et variantes (prise en compte de toutes les phases ou non). Le diagramme d’activité suivant présente un scénario d’application de notre approche d’assistance : Dans cette thèse nous allons investiguer principalement les phases vérification de la cohérence, de l’analyse et de la vérification de la conformité. Toutefois, nous allons présenter certains aspects relatifs aux phases de recherche et de calcul automatique de métadonnées.  Lors de la conception d’un objet d’apprentissage composé il s’agit de réutiliser des objets d’apprentissage existant et de les combiner ensemble suivant une certaine logique. Ces objets sont traditionnellement stockés dans des banques d’objets d’apprentissage. Ces banques offrent le plus souvent un moteur de recherche permettant à l’utilisateur de trouver les objets d’apprentissage qui répondent à certains critères.  En effet, lors de l’ajout d’un objet d’apprentissage au niveau d’une banque d’objets d’apprentissage les métadonnées sont extraites et sauvegardées. Ainsi, la résolution de toute requête de recherche se base sur les informations disponibles au niveau des métadonnées éducatives des objets d’apprentissage.

Toutefois, nous prenons comme hypothèse que l’auteur a accès à un large corpus d’objets d’apprentissage disposant des métadonnées éducatives nécessaires pour assurer leur accessibilité. Cette hypothèse est à notre avis tout à fait réaliste en partant du principe qu’un grand nombre de ressources éducatives est déjà accessible sur Internet. D’autre part, nous soulignons que de plus en plus d’initiatives d’interconnexion et de partage entre banques d’objets d’apprentissage sont en train de voir le jour, tels que eduSource6 ou VLORN7. Cependant, au cas où l’auteur se trouve avec des objets qui manquent il peut les ajouter lui- même. Ceci va permettre d’une part à l’auteur de ne s’investir que dans un contenu qui n’existe pas, ce qui présente un gain considérable en termes de temps. Et d’autre part, ceci doit encourager les auteurs à contribuer, et d’une façon distincte, à deux niveaux de granularité. La contribution à granularité fine consiste principalement en un effort de production de contenu sous forme d’exercice, de schéma illustratif, de démonstration, etc. La contribution à granularité large consiste principalement en un effort d’ingénierie pédagogique en organisant des éléments de contenu d’une façon particulière afin de permettre à l’apprenant d’atteindre de la façon la plus efficace possible un objectif pédagogique.