Résumés
Résumé
Dans cet article, nous présentons la mise en oeuvre, l’expérimentation et l’évaluation d’une approche pour la recommandation des chemins d’apprentissage dans un cours en ligne. Le processus de recommandation est inspiré de l’intelligence en essaim et plus particulièrement de l’optimisation par colonies de fourmis (OCF) (ant colony optimization [ACO]). Dans ce contexte, nous avons considéré une différenciation des chemins d’apprentissage en fonction de l’activité explorée pour l’apprentissage d’un cours.
Dans l’objectif de recommander des chemins d’apprentissage considérés optimaux et d’évaluer ainsi leur impact sur l’apprentissage d’un cours en ligne, l’approche proposée est basée à la fois sur la recommandation de chemins pertinents par l’enseignant et sur les résultats stockés au fur et à mesure par les apprenants sur les chemins empruntés. Notre approche a été validée expérimentalement et les résultats obtenus ont montré l’émergence d’un chemin d’apprentissage favorisant la réussite d’un nombre d’apprenants relativement considérable.
Mots-clés :
- Intelligence en essaim,
- optimisation par colonies de fourmis,
- activité pédagogique
Abstract
In this article, we present the implementation, the experimentation and the evaluation of an approach for the recommendation of learning paths in an online course. The recommendation process is inspired by swarm intelligence and especially the ant colony optimization (ACO). In this context, we considered a differentiation of the learning paths based on the explored educational activity for learning a lesson.
With the aim to recommend learning paths considered optimal and thus assess their impact on the learning of an online course, the proposed approach is based both on the recommendation of relevant paths by the teacher and the result stored progressively by learners on the paths taken. Our approach was validated experimentally and the results showed the emergence of a learning path promoting the success of a relatively considerable number of learners.
Keywords:
- Swarm intelligence,
- ant colony optimization,
- educational activity
Parties annexes
Bibliographie
- Aqqal, A., Haidine, A., Dahbi, A. et Labouidya, O. (2014, octobre). On supporting nature-inspired modeling to optimize production of WBTs via a human mind mapping. Communication présentée à l’International Conference on Metaheuristics and Nature Inspired Computing (Meta2014), Marrakech, Maroc. Récupéré du site de la conférence : http://meta2014.sciencesconf.org
- Blum, C. (2005). Ant colony optimization: Introduction and recent trends. Physics of Life Reviews, 2(4), 353-373. doi:10.1016/j.plrev.2005.10.001
- Bonabeau, E., Dorigo, M. et Theraulaz, G. (1999). Swarm intelligence: From natural to artificial systems. New York, NY : Oxford University Press.
- Brookfield, S. (1985). Self-directed learning: A critical review of research. Dans S. Brookfield (dir.), Self-directed learning: From theory to practice. New directions for continuing education series (Vol. 25). San Francisco, CA : Jossey-Bass.
- Dahbi, A., El Kamoun, N. et Berraissoul, A. (2007). Adaptation and optimisation of pedagogical paths by ants’s algorithm. Dans Proceedings of the 8th International Conference on Information Technology Based Higher Education and Training (p. 156-161). Kumamoto, Japon.
- Dahbi, A., El Kamoun, N. et Berraissoul, A. (2009). Conception d’un système hypermédia d’enseignement adaptatif centré sur les styles d’apprentissage : modèle et expérience. Revue internationale des technologies en pédagogie universitaire, 6(1), 55-71. Récupéré de http://ritpu.org
- Dieberger, A., Höök, K., Svensson, M. et Lönnqvist, P. (2001). Social navigation research agenda. Dans CHI’01 Extended Abstracts on Human Factors in Computing Systems (p. 107-108). New York, NY : ACM.
- Dorigo, M., Maniezzo, V. et Colorni, A. (1996). Ant system: Optimization by a colony of cooperating agents. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, 26(1), 29-41. doi:10.1109/3477.484436
- Engelbrecht, A. P. (2007). Computational intelligence: An introduction (2e éd.). Hoboken, NJ : John Wiley & Sons.
- Farzan, R. et Brusilovsky, P. (2005). Social navigation support in e-learning: What are the real footprints? Dans B. Mobasher et S. S. Anand (dir.), Proceedings of the Third International Workshop on Intelligent Techniques for Web Personalization (p. 49-56). Édimbourg, R.-U.
- Gutierrez, S., Valigiani, G., Jamont, Y., Collet, P. et Kloos, C. D. (2007). A swarm approach for automatic auditing of pedagogical planning. Dans J. M. Spector et al. (dir.), Proceedings of the Seventh IEEE International Conference on Advanced Learning Technologies (p. 136-138). New York, NY : IEEE Computer Society.
- Höök, K. et Benyon, D. (2003). Designing information spaces: The social navigation approach. Londres, R.-U. : Springer.
- Janssen, J., Tattersall, C., Waterink, W., Van den Berg, B., Van Es, R., Bolman, C. et Koper, R. (2007). Self-organizing navigational support in lifelong learning: How predecessors can lead the way. Computers & Education, 49(3), 781-793. doi:10.1016/j.compedu.2005.11.022
- Monirul, K., Shahjahan, M. et Kazuyuki, M. (2013). Ant colony optimization toward feature selection. Dans H. Barbosa (dir.), Ant colony optimization – Techniques and applications. Rijeka, Croatie : InTech. Récupéré du site de l’éditeur : http://www.intechopen.com
- Niemczyk, S. (2000). On pedagogical-aware navigation of educational media through virtual tutors (document interne). Cambridge, MA : Massachusetts Institute of Technology, Department of Civil and Environmental Engineering.
- Semet, Y., Lutton, E. et Collet, P. (2003). Ant colony optimization for e-learning: Observing the emergence of pedagogic suggestions. Dans Proceedings of IEEE Swarm Intelligence Symposium (p. 46-52). New York, NY : IEEE Computer Society.
- Senach, B. (1990). Évaluation ergonomique des interfaces homme-machine : une revue de la littérature (rapport technique no 383). Récupéré de l’archive ouverte HAL-Inria : http://hal.inria.fr
- Shipman, F., Furuta, R., Brenner, D., Chung, C. et Hsieh, H. (2000). Guided paths through web-based collections: Design, experiences, and adaptations. Journal ofthe American Society for Information Sciences, 51(3), 260-272. doi:10.1002/(SICI)1097-4571(2000)51:3<260::AID-ASI5>3.0.CO;2-J
- Tattersall, C., Manderveld, J., Van den Berg, B., Van Es, R., Janssen, J. et Koper, R. (2006). Swarm-based wayfinding support in open and distance learning. Dans E. Alkhalifa (dir.), Cognitively informed systems: Utilizing practical approaches to enrich information presentation and transfer (p. 167-184). Hershey, PA : IDEA.
- Van den Berg, B., Van Es, R., Tattersall, C., Janssen, J., Manderveld, J., Brouns, F., … Koper, R. (2005). Swarm-based sequencing recommendations in e-learning. Dans Proceedings of the 5th International International Conference on Intelligence Systems Design and Applications (p. 488-493). New York, NY : IEEE Computer Society.
- Wang, T.-I., Wang, K.-T. et Huang, Y.-M. (2008). Using a style-based ant colony system for adaptive learning. Expert Systems with Applications, 34(4), 2449-2464. doi:10.1016/j.eswa.2007.04.014
- Wong L. H. et Looi, C. K. (2009). Adaptable learning pathway generation with ant colony optimization. Educational Technology & Society, 12(3), 309-326. Récupéré de http://www.ifets.info
10.7202/039181ar