Mô hình hóa tin học quyết định phương pháp giảng dạy và sư phạm trong bối cảnh đào tạo diện rộng

UNIVERSITÉ NATIONALE DU VIETNAM, HANOI INSTITUT FRANCOPHONE INTERNATIONAL (IFI) MEDOU DANIEL MAGLOIRE MODÉLISATION INFORMATIQUE DE LA DÉCISION DIDACTIQUE ET PÉDAGOGIQUE DANS UN CONTEXTE DE FORMATION MASSIVE MƠ HÌNH HỐ TIN HỌC QUYẾT ĐỊNH PHƯƠNG PHÁP GIẢNG DẠY VÀ SƯ PHẠM TRONG BỐI CẢNH ĐÀO TẠO DIỆN RỘNG MÉMOIRE DE FIN D’ÉTUDES DU MASTER RECHERCHE EN INFORMATIQUE HANOI - 2018 UNIVERSITÉ NATIONALE DU VIETNAM, HANOI INSTITUT FRANCOPHONE INTERNATIONAL (IFI) MEDOU DANIEL MAGLOIRE MODÉLISATION INFORMATIQUE DE LA DÉCISION DIDACTIQUE ET PÉDAGOGIQUE DANS UN CONTEXTE DE FORMATION MASSIVE Mơ hình hố tin học định phương pháp giảng dạy sư phạm bối cảnh đào tạo diện rộng Spécialité : Systèmes Intelligents et Multimédia Code : Programme pilote MÉMOIRE DE FIN D’ÉTUDES DU MASTER RECHERCHE EN INFORMATIQUE HANOI - 2018 Travail réalisé au Laboratoire d’Informatique de l’Université du Mans (LIUM), Université du Mans, France Sous la direction de : (Titre, Grade universitaire et Nom de l’encadrant) — Sébastien IKSAL, Maˆıtre de conférence HDR, Responsable du projet de recherche HUBBLE au sein du LIUM — Jean-Marie GILLIOT, Maˆıtre de conférence IMT Atlantique – Lab-STICC Membres du jury : — Président du jury : Dr Nguyễn Hồng Quang — Rapporteur : Dr PIAU-TOFFOLON Claudine — Rapporteur : Dr Hồ Tường Vinh — Secrétaire : Phùng Danh Thắng — Examinateur : Dr Vũ Thị Hương Giang Le mémoire est soutenu devant le jury de lInstitut Francophone International, Hanoă - Vietnam et de l’Université du Mans - France ˆ / 2018 Date : 21 / Aout A: h 00 min, heure de Laval - France 14 h 00 min, heure de Hanoă - Vietnam Le mộmoire est accessible : Au Centre dInformations et de Bibliothốque, Universitộ Nationale du Vietnam, Hanoă A lInstitut Francophone International, Universitộ Nationale du Vietnam, Hanoă ATTESTATION SUR L’HONNEUR J’atteste sur l’honneur que ce mémoire a été réalisé par moi-même et que les données et les résultats qui y sont présentés sont exacts et n’ont jamais été publiés ailleurs La source des informations citées dans ce mémoire a été bien précisée LỜI CAM ĐOAN Tôi cam đoan cơng trình nghiên cứu riêng Các số liệu, kết nêu Luận văn trung thực chưa công bố cơng trình khác Các thơng tin trích dẫn Luận văn rõ nguồn gốc Signature de l’étudiant MEDOU Daniel Magloire Remerciements Il serait impossible de rédiger ce mémoire sans toutefois remercier et de manière très sincère tous ceux et celles qui ont contribué de près ou de loin pour la réalisation de ce dernier A vous, dans cette page très précieuse dont les mots exprimés viennent dans mon émoi, je vous invite trouver l’expression sincère de nos remerciements tout ce que vous avez apporté comme conseil pour l’amélioration et l’avancement de notre travail Nos remerciements vont tout d’abord l’encontre de la Francophonie via l’AUFa en particulier bureau de l’Asie-Pacifique pour nous avoir retenu parmi ceux des candidats bénéficiaires de la bourse d’étude de Master Recherche en Informatique Nous remercions sincèrement l’Institut Francophone International (IFI) pour avoir ouvert grandement ses portes afin d’assurer notre formation, le corps administratif et professoral très dynamique pour la qualité des enseignements mis la disposition des étudiants Nous remercions le LIUMb en général et toute l’équipe IEIAHc du site de Laval France en particulier pour l’occasion idoine offerte de réaliser en son sein notre stage de fin de Master Recherche en informatique dans le cadre du projet de recherche HUBBLEd ainsi que toutes les conditions réunies et mises en place en notre faveur pour passer une bonne période de stage Nous remercions très sincèrement M Sébastien IKSAL, M Jean-Marie GILLIOT respectivement encadrant principal et encadrant secondaire et Mme Inès DABBEBI, doctorante du projet de recherche HUBBLE pour le temps, l’écoute, la disponibilité et leurs conseils dans l’avancement du stage et pour l’atteinte des objectifs Nous terminons lorsque nous adressons nos parents, amis et connaissances qui nous ont apporté un soutien quelque soit sa nature pour atteindre nos objectifs nos sincères remerciements a b c d AUF : Agence Universitaire de la Francophonie LIUM : Laboratoire d’Informatique de l’Université du Mans IEIAH : Ingénierie des Environnements Informatiques pour l’Apprentissage Humain HUBBLE : HUman oBservatory Based on analysis of e-learning traces Résumé Dans notre travail, il est question pour nous de mettre la disposition des utilisateurs (enseignants) des plate-formes d’apprentissage en ligne communément appelées MOOCa , une gamme variée de tableaux de bord pouvant leur permettre de visualiser les données générées par l’interaction des apprenants avec les plate-formes et de pouvoir prendre des décisions et ceci selon un objectif bien précis Pour réaliser notre travail, nous partons sur une étude de trois points Le premier est celui lié aux différents types d’objectifs décisionnels retenir et mettre la disposition de l’utilisateur final qui est dans notre cas enseignant ou tuteur Le second est celui lié l’acquisition des données d’interactions des apprenants avec la ou les plate-forme(s) Le troisième est celui lié la visualisation proprement dite Dans le premier point, une étude est faite pour catégoriser les décisions qui peuvent être prises en visualisant les données des apprenants via un tableau de bord d’apprentissage Cette étude nous a permis de mettre en place trois niveaux de décision savoir stratégique, tactique et opérationnel [4] Ces trois niveaux de décision traduisent respectivement en terme de visualisation des données au long, au moyen et au court terme D’où les tableaux de bord stratégiques, tactiques et opérationnels [10] Dans le second point, un traitement est appliqué aux données d’interactions provenant des plate-formes et seules les données d’interactions répondant aux objectifs visés sont retenues pour exploitation Ces données d’interactions appelées dans le domaine des Learning Analytics traces d’apprentissage sont analysées et de cette analyse, nous retenons des indicateurs pertinents répondant aux besoins de visualisation exprimés par l’utilisateur Le troisième point est celui qui fait appel la visualisation des indicateurs retenus via des graphique tels que les camemberts, les histogrammes bâtons, des tableaux (maps), etc Ici le travail de conception est fait en amont afin de mettre la disposition de l’utilisateur final des graphiques et données ayant du sens en un coup d’œil et facile interpréter Pour une conception des tableaux de bord répondant aux objectifs de l’utilisateur, l’équipe de recherche constituée de Jean-Marie GILLIOT, Sébastien IKSAL, Inès DABBEBI et moi avons mis en place un outil de capture des besoins d’observation de l’utilisateur pour une conception participative (confère partie 3, section 3.3) Cet outil donne la possibilité l’utilisateur des tableaux de bord d’exprimer ses besoins de visualisation Cet dernier est constitué d’un plateau, d’un ensemble de trois jeux de cartes décision, données et visualisation Mots clés : Tableau de bord, Tableau de bord d’apprentissage, Learning Analytics, MOOC, Visualisation, indicateur, traces d’apprentissage a MOOC : Massive Open Online Course Abstract In our work, we focus on providing to users (teachers and learners) of online learning platforms commonly called MOOCa , a diverse range of dashboards that can allow them to view the data generated by the interaction of the learners with the platforms and to be able to make decisions according to a specific objective To carry out our work, we start on a study of three points The first is the one related to the different types of decisional objectives to retain and make available to the end user who is in our case teacher or tutor The second is the one related to the acquisition of learners’ interaction data with the platform (s) The third is the one related to visualization itself In the first point, a study is done to categorize the decisions that can be made by visualizing the learners’ data via a learning dashboard This study allowed us to set up three levels of decision namely strategic, tactical and operational [4] These three levels of decision translate respectively in terms of visualization of data in the long, medium and short term In the second point, a processing is applied to the interaction data coming from the platforms and only the interaction data corresponding to the targeted objectives are selected for exploitation These interactions data called in the field of Learning Analytics learning traces These traces are analyzed and we keep the data of the relevant indicators answering the needs of visualization expressed by the user The third point is the one that uses the visualization of indicators selected via graphs such as pie charts, bar graphs, maps, etc Here the design work is done upstream to make available to the end user graphics and data that make sense at a glance and easy to interpret For a dashboard design meeting the objectives of the user, the research team consisting of Jean-Marie GILLIOT, Sebastien IKSAL, Inès DABBEBI and I have set up a tool for capturing the observation needs of the user user for participatory design (confers part 3, section 3.3) This tool gives the user the opportunity to express his visualization needs The latter consists of a board, a set of three sets of deciding cards, data and visualization Keywords : Dashboard, Learning Dashboard, Learning Analytics, MOOC, Visualization, Indicator, Learning Traces a MOOCs : Massive Open Online Course Mục lục Introduction 1.1 Contexte 1.2 Objectif du stage 1.3 Déroulement et opportunités du stage 2 3 État de l’art 2.1 Learning Analytics 2.2 Tableau de bord dans le cas général 2.3 Tableau de bord dans le cas particulier de MOOC 5 15 Travail sur l’expression des besoins 3.1 Les points d’intérêt 3.2 Les enjeux 3.3 Outil de capture des besoins de l’utilisateur des tableaux de bord 3.3.1 Le plateau ou espace de conception 3.3.2 Les cartes 3.3.3 Prototypage 3.4 Les premiers tests de l’outil 3.4.1 Expérimentation de l’IUT Laval France 3.4.2 Expérimentation des Rencontres des ORMES Marseille 3.4.3 Atelier de IMT Atlantique Rennes 22 22 25 28 29 31 36 36 36 40 43 Processus de génération des tableaux de bord dérivé de l’expression des besoins 4.1 Démarche 4.2 Le processus de génération des tableaux de bord 4.2.1 Identification et sélection des éléments de contenu 4.2.2 Organisation et structuration du contenu 4.2.3 Génération proprement dite du tableau de bord 46 46 46 47 47 48 Résultats, Analyse et Validation des tableaux de bord 5.1 État de l’art de la plate-forme existante 5.2 Rappel des besoins d’observation de l’utilisateur 50 50 50 5.3 Résultats 5.3.1 Résultat de la vue tactique 5.3.2 Résultat des vues opérationnelles Conclusion et perspectives Références 51 51 53 56 57 Danh sách hình vẽ 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 Types de visualisations les plus fréquemment utilisés (Schwendimann et al., 2017, p.34) Types de visualisation utilisés en fonction de l’utilisateur cible (Schwendimann et al., 2017, p.35) Une chaˆıne causale qui représente les effets d’un tableau de bord sur les pratiques des enseignants (Xhakaj et al, 2017, p.3) Prototype de tableau de bord individuel (Luna) Les noms des apprenants sont obscurcis (Xhakaj et al, 2017, p.4) Participation hebdomadaire des apprenants (à gauche) pour l’optimisation discrète (C Coffrin et al., 2014, p.3) Histogramme de la performance des apprenants (à droite) pour l’optimisation discrète (C Coffrin et al., 2014, p.3) Distributions cumulatives du rendement des élèves pour les principes de la macroéconomie gauche et l’optimisation discrète droite (C Coffrin et al., 2014, p.4) Participation hebdomadaire des étudiants aux sous-groupes d’étudiants sur les principes de la macroéconomie gauche et sur l’optimisation discrète droite (C Coffrin et al., 2014, p.6) Plateau de caractérisation de tableaux de bord d’apprentissage [12] 3.2 Navigateur web pour illustrer la disposition des tableaux de bord et son organisation 3.3 Espace de conception participative [12] 3.4 Exemple de carte visualisation non renseignée 3.5 Exemple de carte visualisation vierge et renseignée 3.6 Exemple de cartes données renseignées 3.7 Exemple de carte visualisation non renseignée (à gauche) 3.8 Exemple de carte visualisation vierge et renseignée (à droite) 3.9 Exemple de cartes données associées aux cartes visualiser 3.10 Prototype du tableur dessiné par les participants 3.11 Prototype du tableau de bord d’apprentissage dessiné par les participants 3.12 Espace de conception de tableau de bord d’apprentissage exploité 9 12 13 17 17 18 19 3.1 28 29 31 33 33 34 35 35 35 38 39 40 Modélisation informatique de la décision didactique et pédagogique, contexte de formation massive Hình 3.15 – Espace navigateur web exploité IMT Rennes Du point de vue visualisation, les utilisateurs ont opté une visualisation correspondant au niveau de décision tactique Leurs choix sont portés sur trois types de graphiques : Les jauges qui pourront renvoyer les informations générique sur les vidéos, les quiz, les cours, les activités et le forum Le Burn Up chart qui donnera une information générique sous la forme itérative des micro-compétences de la cohorte le map qui donnera son tour des informations générique de chaque apprenant et pour toutes les micro-compétences L’implémentation des besoins de visualisation recueillis des utilisateurs des MOOC est réalisée et présentée dans le chapitre où nous auront présenter les résultats de la plate-forme existante en première partie et en deuxième partie notre apport a b c COO : Conception Orientée Objet POO : Programmation Orientée Objet ENT : Espace Numérique de Travail Master Recherche en Informatique, IFI - VNU 44 Modélisation informatique de la décision didactique et pédagogique, contexte de formation massive Chương Processus de génération des tableaux de bord dérivé de l’expression des besoins 4.1 Démarche La génération d’un tableau de bord se fait selon un processus bien défini en quelques étapes En fonction de besoins d’observation de l’utilisateur demandeur de tableau de bord, le développement de ce(s) tableau(x) d’apprentissage doit se faire selon les objectifs de visualisation de l’utilisateur final Dans le cadre de notre stage, nous nous intéressons aux besoins d’observation exprimés par un enseignant des MOOC car, c’est un contexte particulier notre stage pour le projet de recherche ANR HUBBLE La plate-forme de génération de tableaux de bord déjà développée, nous allons procéder une extension de la plate-forme existante Le but pour nous c’est de mettre la disposition des utilisateurs de tableaux de bord décisionnel dans le domaine des Learning Analytics Ces tableaux de bord seront développés selon les objectifs décisionnels retenus trois niveaux savoir stratégique, tactique et opérationnel [4] Nous partons des propositions de visualisation de l’informatique décisionnelle qui, dans la pratique de conception et développement des tableaux de bord tient compte de l’utilisateur final et de son rôle dans une organisation Nous aurons dans l’extension de la plate-forme, développer si possible trois types de tableaux de bord d’apprentissage but décisionnel et selon les besoins exprimés par les utilisateurs finaux 4.2 Le processus de génération des tableaux de bord Le processus de génération de tableau de bord d’apprentissage qui est expliqué dans ce mémoire est celui adopté par le "Lot : Tableaux de bord" du projet de recherche ANR HUBBLE dont notre stage est directement lié La génération de tableaux de bord se fait en fonction des besoins de l’utilisateur Ce processus se déroule en trois étapes qui sont les suivantes : Identification et sélection des éléments de contenu ; Master Recherche en Informatique, IFI - VNU 45 Modélisation informatique de la décision didactique et pédagogique, contexte de formation massive Organisation et structuration du contenu ; Génération proprement dite du tableau de bord ; Le principe du processus est d’adapter et d’organiser la fois le contenu et la structure du tableau de bord pour offrir une meilleure expérience d’utilisation chaque utilisateur du tableau de bord [13] Pour ce faire, l’organisation de ce dernier est basée sur les questions telles que “Qui, Pourquoi, Comment, Quoi, Quand, avec Qui” Confère la sous-section 3.3.1 La Figure 4.1 ci-dessous présente l’architecture du processus de génération de tableaux de bord Hình 4.1 – Les étapes de génération de tableaux de bord [13] 4.2.1 Identification et sélection des éléments de contenu Cette première étape permet de sélectionner, en fonction de l’utilisateur et de de son objectif de visualisation courant[13] : — une liste d’indicateurs extraite de la bibliothèque d’indicateurs disponibles, correspondant son objectif déclaré dans le déroulement de sa session d’apprentissage, de son activité d’apprentissage courante et son rôle dans la plate-forme en cours d’utilisation ; — Une liste de patrons d’affichage de tableaux de bord utilisés pour une telle activité ; 4.2.2 Organisation et structuration du contenu Durant cette étape, sont identifiés les relations entre indicateurs, dérivés de l’objectif de visualisation de l’utilisateur et des scénarios d’analyse (décrivent les Master Recherche en Informatique, IFI - VNU 46 Modélisation informatique de la décision didactique et pédagogique, contexte de formation massive objectifs de l’analyse, le contexte d’usage et les indicateurs ou modèles attendus) dans lesquels ils sont utilisés Ces relations permettent de regrouper les différents indicateurs au sein de sections du futur tableau de bord Les moyens de visualisation sont également sélectionnés et intégrés dans la structure du tableau de bord qui va être généré Partant des patrons d’affichages sélectionnés durant l’étape : La liste est révisée en fonction des différentes sections établies durant l’étape qui est celle de le l’organisation et de la structuration du contenu du tableau de bord générer ; Un patron d’affichage est sélectionné en fonction des préférences utilisateurs, ou par défaut selon le cas d’utilisation lié l’objectif de visualisation D’autre part les moyens de visualisation : sont sélectionnés pour chaque indicateur retenu ; mis en cohérence avec les autres moyens de perception des autres indicateurs de la même section ; mis en cohérence avec le patron retenu ; hiérarchisés en fonction des préférences utilisateur A l’issue de l’étape qui est celle de la génération des tableaux de bord, l’ensemble des éléments permettant de composer le tableau de bord sont identifiés 4.2.3 Génération proprement dite du tableau de bord Cette étape constitue l’instanciation du tableau de bord répondant aux besoins de l’utilisateur dans l’accompagnement de sa prise de décision dans son activité d’apprentissage Les données correspondantes aux indicateurs sur la période considérée pour remplir l’objectif sont chargées dans les moyens de visualisation retenus Le format XML est celui utilisé pour les données d’interactions des apprenants extraites de la plate-forme du MOOC edX IMT Atlantique du campus de Rennes La base de données exist-db est notre SGBD utilisé et communiquant avec tous les moyens de visualisation retenus Les deux premières étapes du processus sont pour l’instant manuelles, dans le sens où cette description est dérivée des indications recueillies et encapsulées sous la forme d’un fichier de description en XML La génération du tableau de bord est effectuée l’aide d’un moteur de transformation écrit en PHP, qui interprète le fichier de description et génère un tableau de bord stratégique, tactique et opérationnel intégrant des indicateurs issus de la base de données exist-db et ces tableaux de bord sont visualisés sur un navigateur La page générée est basée sur la technologie jquery Le fichier de description intègre un ensemble de regroupements d’indicateurs Chaque regroupement est défini par un titre qui représente un aspect sémantique lié Master Recherche en Informatique, IFI - VNU 47 Modélisation informatique de la décision didactique et pédagogique, contexte de formation massive au tableau de bord Le fichier comporte également une description détaillée des composants graphiques sélectionnés et leurs caractéristiques comme le type de moyen de visualisation choisi Le prototype peut réutiliser une liste complète de moyens de visualisation dans le but de faciliter la personnalisation de la visualisation Les moyens d’interactions disponibles sont liés directement aux moyens de visualisation et sont dérivés des API graphiques utilisées Pour géné Master Recherche en Informatique, IFI - VNU 48 Modélisation informatique de la décision didactique et pédagogique, contexte de formation massive Chương Résultats, Analyse et Validation des tableaux de bord 5.1 État de l’art de la plate-forme existante Le projet de recherche HUBBLE est un projet reparti en sept (7) lots Le lot est celui de la visualisation des données d’interactions des apprenants avec les plate-formes d’apprentissage en ligne via les tableaux de bord Dans ce lot, il est question de modéliser, développer et tester les tableaux de bord selon les exigences de visualisation des utilisateurs dans un cas d’étude spécifique Pour ce lot 5, une plate-forme de génération des tableaux de bord existe La génération de tableaux de bord via cette plate-forme se déroule en trois étapes tel que nous l’avons décrit dans le chapitre précisément dans la section 4.2 Notre travail de stage dans le processus de génération de tableaux de bord est de faire une extension de la plate-forme Cette instanciation devra répondre un cas d’étude particulier qui est celui des MOOC Dans ce travail de développement, nous devons intégrer le côté décisionnel de la visualisation selon les trois niveaux de décision retenus [4] et [10] Ceci dit, nous devons modéliser et développer les tableaux de bord pour ces trois niveaux et qui devront répondre aux besoins de visualisation de l’utilisateur et son niveau dans la hiérarchie de son système éducatif (administration, professeur et apprenants) 5.2 Rappel des besoins d’observation de l’utilisateur L’utilisateur final des tableaux de bord apprentissage but décisionnel a bien exprimé ses besoins de visualisation, confère la sous-section 3.4.3 Cet enseignant souhaite avoir sur son écran d’ordinateur via un navigateur une vue générique de visualisation qui devra être constituée de cinq jauges, un burn Up chart et un map des apprenants et des micro-compétences Tous ces graphes lui permettront de visualiser les données d’interaction des apprenants avec la plate-forme d’apprentissage MOOC edX IMT Atlantique Rennes la fin de chaque session et de prendre une décision La Figure 3.15 du chapitre nous présente le récapitulatif des besoins de l’utilisateur Master Recherche en Informatique, IFI - VNU 49 Modélisation informatique de la décision didactique et pédagogique, contexte de formation massive clairement illustrés par un dessin sur un navigateur web Les sections suivantes présentent les résultats du travail de développement de l’extension effectuée dans la plate-forme de génération de tableau de bord d’apprentissage Deux extensions ont été réalisées Une pour les tableaux de bord tactiques permettant une visualisation hebdomadaire des données des apprenants et l’autre pour les tableaux de bord opérationnels qui permet une visualisation quasi temps réel des données 5.3 Résultats Dans cette partie, nous aurons les captures d’écrans de l’extension de la plateforme en deux parties La première est celle répondant aux besoins de l’utilisateur final pour la vue tactique et la deuxième est constituée des captures d’écran de la partie opérationnelle que nous proposons Cette dernière partie présente les visualisations en temps réel du suivi de la cohorte des mooceurs 5.3.1 Résultat de la vue tactique Dans cette sous partie, nous avons la visualisation générique de la vue tactique encore appelée tableau de bord tactique Ces tableaux de bord tactiques ont pour but de présenter les données d’interactions des apprenants de chaque semaine La formation se déroulant par session et une session correspond une semaine d’activités, il est envisagé qu’à partir de la plate-forme de pouvoir visualiser les données d’une session quelconque Pour le faire, l’utilisateur devra tout simplement renseigner la période d’observation qu’il souhaite visualiser "allant de La Figure 5.1 ci-dessous présente les champs renseigner par l’utilisateur Hình 5.1 – Champs renseigner pour visualiser une période d’activité Master Recherche en Informatique, IFI - VNU 50 Modélisation informatique de la décision didactique et pédagogique, contexte de formation massive Par défaut, les données qui sont affichées sur les différents graphes du tableau de bord tactique sont celles de la semaine précédente et les mises jours des nouvelles données se feront automatiquement la fin de le semaine en cours La Figure 5.2 et la Figure 5.3 présentent les données de la semaine Hình 5.2 – Vue tactique partie Hình 5.3 – Vue tactique partie Master Recherche en Informatique, IFI - VNU 51 Modélisation informatique de la décision didactique et pédagogique, contexte de formation massive Pour passer d’un tableau de bord tactique au tableau de bord opérationnel pour des vues détaillées, l’utilisateur doit tout simplement cliquer sur le bouton "Détail" se trouvant en dessous de chaque jauge 5.3.2 Résultat des vues opérationnelles Dans cette sous partie, nous allons présenter les propositions des tableaux de bord opérationnels de vidéos La Figure 5.4 présente la jauge vidéo extraite du tableau de bord tactique Ce tableau de bord appelé jauge nous donne le nombre exacte de vidéos entièrement lues en une semaine Ce nombre est inscrit au centre de la jauge et dans notre cas d’espèce, 4726 vidéos ont été entièrement lues par les apprenants Comme nous l’avons précisé dans la sous-section 5.2.1, pour visualiser les tableaux de bord opérationnels d’une activité quelconque, nous devons cliquer sur les bouton "Détail" se trouvant en dessous de la vue tactique de cette activité Hình 5.4 – Graphe jauge vidéo de la vue tactique Le graphe ci-dessous (confère la Figure 5.5) nous donne les informations sur le nombre de vidéos qu’un apprenant a entièrement lu en un jour Ici, le système n’affichera que les apprenants ayant écouté entièrement au moins deux vidéos Master Recherche en Informatique, IFI - VNU 52 Modélisation informatique de la décision didactique et pédagogique, contexte de formation massive Hình 5.5 – Nombre de vidéos lues chaque jour et par apprenant Le graphe ci-dessous (confère la Figure 5.6) nous donne les informations sur le nombre de vidéos qu’un apprenant a entièrement lu en un jour et dont les quiz proposés la fin de ces vidéos lues ont été répondus par l’apprenant Ici, le système n’affichera que les apprenants qui auront lu entièrement au moins deux vidéos et questions choix multiples répondues Hình 5.6 – Nombre de vidéos lues en un jour par apprenant Master Recherche en Informatique, IFI - VNU 53 Modélisation informatique de la décision didactique et pédagogique, contexte de formation massive Les vues détaillées nous permettront de faire une évaluation préliminaire pour l’analyse de l’engagement des apprenants dans le processus d’apprentissage Elle nous permettra avec les graphiques statiques de pouvoir déterminer les taux de réussite des apprenants et de dire avec exactitude si ce taux est faible ou fort La vue détaillée encore appelée vue opérationnelle nous permettra de voir au fur et mesure que la formation avance, le taux d’achèvement de la formation des apprenants et les niveaux d’attrition des apprenants Cette vue peut également nous permettre de faire des bonnes comparaisons soit par jour, semaine ou par mois selon les objectifs d’observation fixés par l’utilisateur final Master Recherche en Informatique, IFI - VNU 54 Modélisation informatique de la décision didactique et pédagogique, contexte de formation massive Chương Conclusion et perspectives Le tableau de bord d’apprentissage décisionnel dans le domaine des Learning Analytics est une hypothèse clé dans notre projet de stage Ce tableau de bord d’apprentissage dédié l’enseignant sera efficace, efficient et satisfaisant s’il est conc¸u en respectant les objectifs de visualisation de l’utilisateur final L’objectif décisionnel qui pourra influencer la prise de décision de l’enseignant utilisateur final grâce aux données d’interaction des apprenants avec la plate-forme d’apprentissage affichées sur le tableau de bord d’apprentissage décisionnel Cela peut être utile dans le but de procéder une meilleure planification des enseignements, de faire le suivi des acteurs pendant leur session d’apprentissage, de procéder des adaptations complètes des enseignements, faire de la remédiation après une ou plusieurs évaluations formative, etc Notre stage se trouvant inscrit dans les Learning Analytics (confère section 2.1) en général et particulièrement dans la partie visualisation des données des apprenants La réalisation de l’objectif de notre stage passe est la proposition un pattern de tableau de bord décisionnel dans les Learning Analytics Le pattern de tableau de bord qui nous permet de concevoir les patrons d’affichage des tableaux de bord La réalisation de ces tableaux de bord ne peut que se faire après une bonne expression des besoins des utilisateurs Pour ce faire, Jean-Marie, Sébastien, Inès et moi avons mis en place un outil de capture des besoins de l’utilisateur Cet outil fait appel une conception participative des tableaux de bord d’apprentissage et est constitué d’un espace de conception qui regroupe les éléments du contexte d’un pattern de tableau de bord décisionnel, des jeux de cartes (les cartes décision, les cartes données et les cartes de visualisation) et trois espaces de prototypage (navigateur web, tablette et smatphone) permettant l’utilisateur d’illustrer par un ou plusieurs dessins son ou ses tableaux de bord si possible avec les options qu’il souhaite avoir sur ses tableaux Ces espaces de prototypage indiquent le choix de l’outil ou de la technologie qui servira utilisateur de visualiser ses tableaux de bord L’outil de capture des besoins d’observation de l’utilisateur ainsi mis en place a permis l’équipe projet d’écrire l’article soumis et accepté pour la conférence IHM’18 qui aura lieu en France du 23 au 26 Octobre 2018 Brest Pour réaliser nos objectifs, nous sommes partis d’une étude bibliographique nous permettant grâce l’informatique décisionnel [4] de proposer dans les LearMaster Recherche en Informatique, IFI - VNU 55 Modélisation informatique de la décision didactique et pédagogique, contexte de formation massive ning Analytics un pattern de tableau de bord décisionnel trois niveaux de décision savoir stratégique, tactique et opérationnel Chaque niveau répondant aux besoins de visualisation selon la hiérarchie du système éducatif (administration, professeur et apprenants) La visualisation des données d’interactions des apprenants avec les plate-formes d’apprentissage faisant appel aux données ayant du sens et répondant aux besoins de l’utilisateur, [3] dans l’état de l’art nous a également permis de découvrir une catégorisation des indicateurs de visualisation Cette dernière est faite en six catégories qui sont les indicateurs liés l’apprenant, l’action, au contenu, au résultat, au contexte et les indicateurs liés au social (confère section 2.3) Ces six catégories nous permettent d’obtenir les informations sur l’apprenant, sur ses actions dans la plate-forme, sur le contenu des activités d’apprentissage, sur les résultats de l’apprenant après certaines évaluations, sur le contexte d’apprentissage et sur les interactions de l’apprenant avec les autres via les échanges par les messages dans le forum Dans la phase de réalisation des tableaux de bord d’apprentissage, nous avons réalisé une extension de la plate-forme existante L’extension faite la plate-forme de génération de tableaux de bord existants fait permet de générer aussi les tableaux de bord décisionnels Cette extension répond tout d’abord aux besoins d’observation exprimés par l’utilisateur final (confère la Figure 3.14) Ce qui nous a permis de réaliser une extension deux niveaux d’analyse Nous avons le niveau ou la vue tactique qui permet l’utilisateur de visualiser les données sur les tableaux de bord tactique pour une analyse hebdomadaire et un niveau opérationnel ou vue opérationnel que nous avons ajouté comme notre proposition Celle-ci permettra une visualisation en temps réel et plus détaillée des données Cette vue permet l’utilisateur de faire une analyse journalière ou instantanée des performances des apprenants et permettra de détecter par exemple les apprenants qui ont besoin d’une intervention quelconque Cette décision peut être prise lorsque l’utilisateur visualise par exemple les résultats des évaluations des apprenants Le travail de développement a été réalisé grâce au système d’exploitation ubuntu 16.04 Sublime nous a servi comme environnement de développement, le langage de programmation php, l’api highcharts pour les tableaux de bord, xml comme format de données manipulées, eXit-db comme système de gestion de base de données xml et XQuery comme langage de requêtes XML permettant d’interroger la base de données eXist-db Les données de l’utilisateur n’étant pas disponibles la fin de notre stage, nous avons testé les tableaux de bord développés avec d’autres données dans le but de valider le fonctionnement du prototype de l’utilisateur ainsi que la capacité de l’extension de la plate-forme générer les tableaux de bord Néanmoins le processus étant déjà implémenté, ce dernier reste en attente du chargement des données réelles de l’utilisateur Cette partie est automatiquement inscrite dans les perspectives futures du stage Une validation des tableaux de bord d’apprentissage devra être faite par l’utilisateur avec ses données une fois disponibles car la validation du prototype implémenté a déjà été faite par l’utilisateur final Master Recherche en Informatique, IFI - VNU 56 Modélisation informatique de la décision didactique et pédagogique, contexte de formation massive References [1] Labarthe, H., & Luengo, V (2016) L’analytique des apprentissages numériques (Doctoral dissertation, LIP6-Laboratoire d’Informatique de Paris 6) [2] Siemens, G., Gasevic, D., Haythornthwaite, C., Dawson, S P., Shum, S., Ferguson, R., Erik Duval, Katrien Verbert, & Baker, R (2011) Open Learning Analytics : an integrated & modularized platform Proposal to design, implement and evaluate an open platform to integrate heterogeneous learning analytics techniques 1st International Conference on Learning Analytics & Knowledge [3] Schwendimann, B A., Rodriguez-Triana, M J., Vozniuk, A., Prieto, L P., Boroujeni, M S., Holzer, A., Gillet, D & Dillenbourg, P (2017) Perceiving learning at a glance : A systematic literature review of learning dashboard research IEEE Transactions on Learning Technologies, 10(1), 30-41 [4] Rahman, A A., Adamu, Y B., & Harun, P (2017, July) Review on dashboard application from managerial perspective In Research and Innovation in Information Systems (ICRIIS), 2017 International Conference on (pp 1-5) IEEE [5] Park, Y., & Jo, I H (2015) Development of the Learning Analytics Dashboard to Support Students’ Learning Performance J UCS, 21(1), 110-133 [6] Xhakaj, F., Aleven, V., & McLaren, B M (2016, September) How teachers use data to help students learn : Contextual inquiry for the design of a dashboard In European Conference on Technology Enhanced Learning (pp 340354) Springer, Cham [7] Xhakaj, F., Aleven, V., & McLaren, B M (2017, September) Effects of a teacher dashboard for an intelligent tutoring system on teacher knowledge, lesson planning, lessons and student learning In European Conference on Technology Enhanced Learning (pp 315-329) Springer, Cham [8] Coffrin, C., Corrin, L., de Barba, P., & Kennedy, G (2014, March) Visualizing patterns of student engagement and performance in MOOCs In Proceedings of the fourth international conference on learning analytics and knowledge (pp 83-92) ACM [9] Duval, E (2011, February) Attention please ! : learning analytics for visualization and recommendation In Proceedings of the 1st international conference on learning analytics and knowledge (pp 9-17) ACM Master Recherche en Informatique, IFI - VNU 57 Modélisation informatique de la décision didactique et pédagogique, contexte de formation massive [10] http://formations.telecom-bretagne.eu/bi/bi_ tableaux_de_bord.html [11] Jivet, I., Scheffel, M., Drachsler, H., & Specht, M (2017, September) Awareness is not enough : pitfalls of learning analytics dashboards in the educational practice In European Conference on Technology Enhanced Learning (pp 8296) Springer, Cham [12] Jean-Marie Gilliot, Sébastien Iksal, Daniel Magloire Medou and Inès Dabbebi Conception participative de tableaux de bord d’apprentissage ; IHM’18, 23 26 Octobre 2018, Brest, France [13] Inès Dabbebi, Jean-Marie Gilliot, Sébastien Iksal (2017, October) Modèles et processus de génération de tableaux de bord ; Récupéré le 24 Mai 2018, sur http ://hubblelearn.imag.fr/ ?lang=fr [14] Few, S (2013) Information Dashboard Design : Displaying data for at-aglance monitoring (Vol 5) Burlingame, CA : Analytics Press [15] Brouns, F., Teixeira, A., Morgado, L., Fano, S., Fueyo, A., & Jansen, D (2017) Designing massive open online learning processes : the sMOOC pedagogical framework In Open Education : from OERs to MOOCs (pp 315-336) Springer, Berlin, Heidelberg Master Recherche en Informatique, IFI - VNU 58 ... DIDACTIQUE ET PÉDAGOGIQUE DANS UN CONTEXTE DE FORMATION MASSIVE Mơ hình hố tin học định phương pháp giảng dạy sư phạm bối cảnh đào tạo diện rộng Spécialité : Systèmes Intelligents et Multimédia Code... contexte de formation massive Hình 3.7 – Exemple de carte visualisation non renseignée (à gauche) Hình 3.8 – Exemple de carte visualisation vierge et renseignée (à droite) Hình 3.9 – Exemple de cartes... pédagogique, contexte de formation massive d’utilisateurs Hình 2.1 – Types de visualisations les plus fréquemment utilisés (Schwendimann et al., 2017, p.34) Hình 2.2 – Types de visualisation utilisés en