Interprétation automatique de traces d'activités d'apprenants issues de différents contextes pour une modélisation du diagnostic
Résumé
Learners work more and more with learning environments involving them in various activities thanks to various tools, generating activities' trails which have to be considered and combined to establish a diagnosis as precise as possible on the learner's activity. This paper presents a diagnosis model, DiagElec, establishing a diagnosis on the learner's activity, in considering trails coming from various tools. DiagElec integrates a notion of uncertainty in the generated diagnoses, thanks to a degree of belief (DB) defined inside the diagnosis'rules. To evaluate our model, we have carried out a two phases experiment, with learners then with teachers. From the corpus of diagnosis done by the teachers, we are looking for the emergence of a model of human behaviour to recalibrate DB.
Les apprenants travaillent de plus en plus sur des environnements informatiques leur offrant un panel d'activités réalisables à l'aide d'outils de différentes natures, générant des traces d'activités qu'il faut considérer et combiner, afin d'établir un diagnostic aussi fin que possible de l'activité de l'apprenant. Cet article présente le modèle de diagnostic informatique DiagElec dont la finalité est l'établissement d'un diagnostic de l'activité de l'apprenant, établi en considérant les traces issues de différents outils. Les diagnostics générés intègrent une notion d'incertitude grâce à un degré de croyance (DC) embarqué dans les règles de diagnostic. Pour évaluer DiagElec, nous avons réalisé une expérimentation en deux phases, avec des apprenants, puis avec des enseignants. À partir du corpus de diagnostics faits par les enseignants, nous cherchons l'émergence d'un modèle de diagnostic humain pour réajuster les DC et ainsi améliorer le diagnostic automatique.