construction d'un systéme e-learning adaptatif basé sur les technologies du web sémantique

Abstract

Les avanc ees rapides des technologies de l'information et de la communication ont des cons equences capitales sur l' evolution des m ethodes d'apprentissage. A ce propos, le elearning appel e aussi l'apprentissage electronique recouvre toutes les m ethodes de formation a distance qui s'appuient sur les technologies de l'information et de la communication. L'enjeu pour ce type d'apprentissage est de fournir un acc es e cace a la connaissance et un contenu adapt e aux attentes des apprenants. La majorit e des e-learning d'aujourd'hui manquent de m ethodes pour assister le besoin des apprenants qui sont g en eralement h et erog enes en termes de capacit es intellectuelles, rythme d'apprentissage, pr ef erences, etc. Il faut alors fournir des m ecanismes puissants pour organiser un tel apprentissage et adapter les d ecisions p edagogiques aux comp etences et aux besoins particuliers de chaque apprenant. Notre contribution dans ce domaine de recherche porte sur le d eveloppement d'une plateforme e-learning adaptatif qui permet de g en erer des parcours d'apprentissage adapt es au pro l de l'apprenant et a l'objectif p edagogique x e par l'enseignant. Nous avons etudi e la probl ematique de l'adaptation comme un probl eme d'optimisation , en utilisant les algorithmes g en etiques qui sont fond es sur la th eorie de l' evolution. Le but principal de notre approche est de chercher un parcours optimal a partir du pro l de l'apprenant jusqu' a l'objectif p edagogique escompt e en passant par des g en erations interm ediaires. En outre, nous proposons un syst eme de recommandation, consid er e comme un sousensemble de syst emes e-learning adaptatifs. Ce syst eme de recommandation s emantique permet de retourner des documents susceptibles d'int eresser l'apprenant. Une telle recommandation est bas ee sur une m ethode hybride de calcul de similarit e s emantique qui combine entre une ressource linguistique externe (WORDNET) et la repr esentation vectorielle des documents. Notre objectif nal est d'orienter les apprenants et leurs sugg erer des ressources a la base de leurs exp eriences d'apprentissage. Par ailleurs, la gestion intelligente des connaissances circulant sur une plateforme elearning est un d e majeur pour les concepteurs. C'est la raison pour laquelle nous avons con cu une solution que nous appellerons MASET (Syst eme Multi Agents pour E-Tutorat des apprenants engag es dans le Travail collaboratif en ligne) qui vise essentiellement a aider les tuteurs a surveiller le travail collaboratif des apprenants a travers leurs diverses interactions. Ce syst eme est fond e sur le middleware JADE (Java Agent Development Framework). Ainsi, nous utilisons le paradigme agent, dans notre syst eme, pour b en e cier des points forts de ce paradigme notamment la modularit e, l'autonomie et la exibilit e. Notons aussi que nous avons appliqu e des algorithmes qui rel event du domaine de datamining pour construire un mod ele pr edictif bas e sur les arbres de d ecision a n de pr edire le niveau des apprenants dans leur parcours d'apprentissage au cours d'une formation en ligne.