YESSAD Amel

Ministre de lEnseignement Suprieur et de la Recherche Scientifique
Facult des Sciences de lIngnieur

Dpartement dInformatique Anne : 2008/2009
THESE
prsente en vue de lobtention du diplme de DOCTORAT
de luniversit Badji-Mokhtar dAnnaba
Construction dun Environnement Pdagogique

Adaptatif bas sur les Modles et Techniques du
Web Smantique
Option
Informatique
Par
Amel YESSAD
Devant le Jury
Pr. Mahmoud BOUFAIDA (Professeur, LIRE, Universit de Constantine) Prsident

Pr. Mohamed Tayeb LASKRI (Professeur, LRI, Universit dAnnaba) Directeur de thse
Pr. Abdelkader BENYETTOU (Professeur, Universit USTOran) Examinateur
Dr. Tahar BENSEBAA (Matre de confrences, LRI, Universit dAnnaba) Examinateur
Dr. Amar BALLA (Matre de confrences, INI, Alger) Examinateur
Dr. Catherine FARON-ZUCKER (Matre de confrences, I3S, Sophia Antipolis) Invite
-i-
A mes parents,
A ma famille,
A Rda.
-ii-
Remerciements
Je tiens tout dabord remercier les membres du jury :
Med Tayeb Laskri, Professeur d'Informatique lUniversit Badji Mokhtar- Annaba, pour
avoir accept d'tre mon directeur de recherche, pour l'intrt qu'il a accord cette recherche,
pour ses encouragements et son soutien,
Mahmoud Boufaida, Professeur d'Informatique lUniversit Mentouri-Constantine, pour

avoir accept de prsider mon jury de thse,
Abdelkader Denyettou, Professeur dInformatique lUniversit USTOran, Tahar Bensebaa,

Matre de Confrences lUniversit Badji Mokhtar-Annaba et Amar Balla, Matre de
confrences lINI-Alger qui ont accept dtre les examinateurs de ma thse et pour lintrt
quils ont port ce travail,
Je remercie tout particulirement Catherine Faron, Matre de confrences lUniversit de

Nice-Sophia Antipolis et membre associe de lquipe Edelweiss lINRIA-Sophia Antipolis
pour son soutien infaillible, son coute permanente et ses prcieuses relectures du manuscrit
de thse et des diffrents papiers de recherches.
Je remercie et je ddie ce mmoire notre regrette Rose Dieng, une grande dame de la
recherche, pour laccueil quelle mavait rserv dans lquipe Edelweiss-INRIA, pour son
enthousiasme pour cette recherche et ses encouragements.
Je remercie Lamia Yessad pour son aide et son expertise lors de la phase exprimentation.
Je remercie Rda Nouacer pour ses conseils et son aide qui mont apport la visibilit
ncessaire mon travail.
Je remercie tous les membres de lquipe Edelweiss pour leur accueil, leurs orientations
constructives et encouragements.
Je remercie les professeurs Danile Hrin, responsable de lquipe Web smantique et e-

Learning du laboratoire LIRMM de Montpellier-France, et Imad Saleh, responsable de
lquipe Hypermdia du laboratoire Paragraphe de luniversit Paris 8, pour leur accueil
pendant mes stages de recherches.
Je remercie aussi :
Les relecteurs d'articles, qui par leurs remarques constructives m'ont faite avancer.
Les ingnieurs Fayal Hamdi, Moufid Souilah et Faiz Ferhat pour leur prcieuse aide dans le
cadre du projet OrPAF.
Les tudiants des promotions dingnieurs 2008 et 2009 de lUniversit du 20 Aot 1955-
Skikda qui ont particip activement aux exprimentations de ce travail.
-iii-
:

.

.
.OrPAF
-iv-
Rsum
Aujourdhui, il existe une forte demande pour des systmes qui permettent des apprenants
avertis et autonomes de se former tout au long de la vie. Notre travail de thse concerne
lexploration des moyens techniques et pdagogiques permettant de monter efficacement des
formations en ligne et personnalises. Prcisment, nous travaillons sur la construction dun
environnement pdagogique adaptable diffrentes demandes de formation, c'est--dire,
diffrents objectifs et profils apprenants, et diffrents domaines de formation et stratgies
pdagogiques.
Sur le plan de la pdagogie, notre objectif est doffrir un environnement constructiviste centr
sur lapprenant, qui assiste les apprenants dans la ralisation de leurs objectifs dapprentissage
tout en leur permettant dtre libres de dcider de leur rythme et de la manire dapprhender
leurs activits pdagogiques.
Sur le plan technique, cet environnement se base sur (i) les modles et les technologies du
Web smantique et particulirement les ontologies pour la description formelle, partage et
explicite des connaissances relatives lapprentissage (connaissances sur le domaine, la
pdagogie et lapprenant). Dune part, les ontologies amliorent linteroprabilit et
ladaptation des composants du systme pdagogique. Dautre part, elles sont utilises pour
annoter les ressources pdagogiques du Web et faciliter leur rutilisation dans le contexte
dune formation donne, (ii) la technologie des hypermdias adaptatifs pour la prsentation
des cours et la mise en uvre dune approche constructiviste de lapprentissage.
Mots cls : Web smantique, ontologie, hypermdia adaptatif, ressource pdagogique,

annotation smantique
-v-
Table des matires
Introduction Gnrale.................................................................................... 10
Problmatique de la recherche ....................................................................................................................10
Domaine de la recherche.............................................................................................................................11
Cadre pratique de la recherche....................................................................................................................12
Plan du mmoire .........................................................................................................................................13
Partie I. Etat de lart ...................................................................................... 15
1. Apprentissage en ligne ...............................................................................................16
1. De la formation distance aux systmes pdagogiques en ligne............................................................17
1.1. Origines historiques........................................................................................................................17
1.2. Dfinition(s) de la formation distance .........................................................................................18
1.3. Apports de la formation distance pour le processus dapprentissage ..........................................20
1.4. Classification des systmes de formation distance ......................................................................21
1.5. Positionnement de notre approche .......................................................................................................22
2. Ingnierie pdagogique pour les systmes pdagogiques .......................................................................23
2.1. Design pdagogique .......................................................................................................................23
2.2. Gnie logiciel .................................................................................................................................24
2.3. Ingnierie des connaissances (cognitive) .......................................................................................24
3. Personnalisation dans les systmes pdagogiques ..................................................................................25
4. Approche constructivisme pour les systmes pdagogiques personnaliss ............................................26
4.1. Principes du constructivisme..........................................................................................................26
4.2. Positionnement de notre approche .................................................................................................28
2. Systmes pdagogiques adaptatifs.............................................................................32
1. Caractrisation des systmes pdagogiques adaptatifs ...........................................................................33
1.1. Modle de contenu .........................................................................................................................35
1.1.1. Structure logique ..............................................................................................................35
1.1.2. Structure smantique........................................................................................................35
1.2. Modle de lapprenant....................................................................................................................36
1.2.1. Nature des connaissances.................................................................................................36
1.2.2. Gestion des connaissances ...............................................................................................37
1.3. Modle pdagogique ......................................................................................................................38
1.3.1. Niveaux dabstraction dans les dmarches pdagogiques................................................38
1.3.2. Modles de dmarches pdagogiques ..............................................................................39
1.4. Modle dadaptation.......................................................................................................................40
1.4.1. Mthodes dadaptation .....................................................................................................41
1.4.2. Techniques dadaptation ..................................................................................................42
2. Etude de quelques systmes pdagogiques adaptatifs.............................................................................45
2.1. Description des systmes ...............................................................................................................45
2.2. Analyse des systmes .....................................................................................................................45
2.3. Problmes des systmes pdagogiques adaptatifs actuels ..............................................................47
3. Web smantique et e-Learning ..................................................................................49
1. Web smantique (WS) ............................................................................................................................50
2. Ontologies...............................................................................................................................................51
2.1. Dfinition des ontologies ...............................................................................................................51
2.2. Intrt des ontologies .....................................................................................................................52
3. Langages du Web smantique ................................................................................................................53
3.1. Les langages du W3C.....................................................................................................................53
3.2. Le langage RDF (Resource Description Framework) ....................................................................54
3.3. Le langage RDFS (RDF Schema) ..................................................................................................55
3.4. Le langage OWL ............................................................................................................................57
4. Web smantique & e-Learning ...............................................................................................................57
5. Mtadonnes et e-Learning.....................................................................................................................59
6. Exemple de Standards de mtadonnes : Learning Object Metadata (LOM) .........................................60
6.1 Descripteurs du modles LOM........................................................................................................61
6.2. Limitations du modle LOM..........................................................................................................64
Partie II : Un environnement pdagogique adaptatif: le systme OrPAF .. 66
1. Cadre danalyse et mthodologie de dveloppement ..............................................................................67
-vi-
2. Problmatique de recherche ....................................................................................................................67
3. Scnarios dutilisation de lenvironnement pdagogique adaptatif.........................................................69
4. Environnement pdagogique adaptatif: le systme OrPAF ....................................................................70
4. Reprsentation des connaissances dans OrPAF........................................................71
1. Modlisation des connaissances dans OrPAF (Yessad et al., 2008b) .....................................................72
2. Acteurs du systme OrPAF.....................................................................................................................73
3. Ontologies du systme OrPAF................................................................................................................75
3.1. Ontologie du e-Learning ................................................................................................................76
3.1.1. Dfinition informelle........................................................................................................76
3.1.2. Dfinition formelle...........................................................................................................76
3.1.3. Langage de description de lontologie du e-Learning......................................................78
3.1.4. Exemples de srialisation de lontologie du e-Learning dans OWL ................................78
3.2. Modles du e-Learning...................................................................................................................81
3.2.1. Modle du domaine..........................................................................................................81
3.2.2. Modle pdagogique ........................................................................................................82
3.2.3. Modle apprenant.............................................................................................................83
3.2.4. Langage de description des diffrents modles................................................................85
3.2.5. Exemples de srialisation des modles du e-Learning par des annotations RDF.............86
4. Dveloppement des ontologies : Environnement KAON (Maedche et al, 2000)....................................88
4.1. Acquisition des connaissances du domaine avec TextToOnto.......................................................90
4.2. Edition des ontologies avec OntoEdit ............................................................................................91
5. Gnration de cours hypermdias adaptatifs dans OrPAF......................................94
1. Structure adaptative du cours hypermdia ..............................................................................................96
1.1. Dfinition de la carte conceptuelle .................................................................................................96
1.2. Construction de la carte conceptuelle.............................................................................................96
1.3. Filtres du modle du domaine ........................................................................................................97
1.4. Prsentation adaptative de la carte conceptuelle ..........................................................................100
2. Contenu adaptatif du cours hypermdia................................................................................................102
2.1. Recherche distante des ressources pdagogiques.........................................................................103
2.2. Annotation conceptuelle des ressources pdagogiques ................................................................105
2.3. Recherche locale des ressources pdagogiques............................................................................107
3. Evaluation de la pertinence des ressources pdagogiques ....................................................................109
3.1. Analyse Smantique.....................................................................................................................109
3.1.1. Dmarche adopte pour lvaluation de la pertinence smantique ................................109
3.1.2. Calcul du poids dune notion pdagogique ....................................................................110
3.1.3. Calcul de la pertinence smantique (Semantic relavance ou SR) ..................................112
3.2. Analyse de personnalisation.........................................................................................................114
3.2.1. Pertinence pdagogique dune ressource pdagogique (PR) :........................................114
3.2.2. Adaptation dune ressource pdagogique aux prfrences de lapprenant.....................116
4. Annotation des tests ..............................................................................................................................117
6. Ralisation de lenvironnement pdagogique adaptatif OrPAF ...........................120
1. Architecture de lenvironnement OrPAF ..............................................................................................121
2. Environnement propos lapprenant ..................................................................................................123
3. Extraction de donnes RDF ..................................................................................................................124
3.1. Moteur de recherche smantique Corese......................................................................................124
3.2. Utilisation de Corese dans le systme OrPAF..............................................................................126
4. Session dapprentissage dun apprenant ...............................................................................................128
4.1. Construction dune ACM .............................................................................................................129
4.2. Affichage dune ACM..................................................................................................................131
4.3. Evolution dune ACM..................................................................................................................132
4.4. Sauvegarde/Restauration dune ACM..........................................................................................133
5. Apprentissage centr sur lapprenant ....................................................................................................137
6. Base de donnes du systme OrPAF.....................................................................................................138
7. Recherche des ressources pdagogiques distantes ................................................................................138
7.1. Interrogation manuelle du corpus ARIADNE ..............................................................................139
7.2. Interrogation automatique du corpus ARIADNE.........................................................................141
8. Recherche des ressources pdagogiques locales...................................................................................142
7. Evaluation et retour dexprience ...........................................................................145
1. Evaluation du systme OrPAF..............................................................................................................146
1.1. Test dutilisabilit de lenvironnement par des apprenants ..........................................................146
-vii-
1.1.1. Principe et critres du test dutilisabilit ........................................................................146
1.1.2. Protocole du test dutilisabilit : ....................................................................................147
1.1.3. Rsultats et dpouillement .............................................................................................149
1.2. Test sur le dveloppement des aptitudes conceptuelles chez les apprenants et la pertinence des
ressources pdagogiques ressentie par les apprenants.........................................................................153
2. Evaluation de la mesure de calcul de la pertinence smantique dune ressource pdagogique ............155
2.1. Comparaison avec les rsultats des experts humains ...................................................................156
2.1.1. Donnes de lexprience ................................................................................................156
2.1.2. Droulement de lexprience .........................................................................................156
2.1.3. Rsultats et discussion ...................................................................................................158
2.2. Performances de la mesure SR dune ressource pdagogique......................................................159
2.2.1. Donnes de lexprience ................................................................................................159
2.2.2. Rsultats et discussion ...................................................................................................161
Conclusion Gnrale .................................................................................... 166
Bilan..........................................................................................................................................................166
Perspectives de recherche .........................................................................................................................168
Rfrences bibliographiques........................................................................ 169
-viii-
Table des illustrations
Figure 1 : Niveaux dabstraction dans les dmarches pdagogiques (Allert et al., 2002) ......................................39
Figure 2 : Modle dactivits pdagogiques donner exercice (Vassileva, 1997) .............................................40
Figure 3 : Mthodes et techniques dadaptation des systmes pdagogiques adaptatifs........................................44
Figure 4 : Les couches du Web smantique (W3C) ...............................................................................................54
Figure 5 : Exemple dun graphe RDF ....................................................................................................................55
Figure 6: Phases de dveloppement dun environnement pdagogique (Lester et al., 2005).................................67
Figure 7: Les acteurs et lorganisation des connaissances dans OrPAF.................................................................75
Figure 8: Un extrait de lontologie du e-Learning..................................................................................................76
Figure 9 : Un extrait du modle du domaine de lalgorithmique ...........................................................................82
Figure 10 : Un extrait du modle pdagogique ......................................................................................................83
Figure 11 : Un extrait du modle apprenant...........................................................................................................84
Figure 12: Extrait de lintgration des connaissances ontologiques.......................................................................86
Figure 13: Architecture de lenvironnement TextToOnto......................................................................................89
Figure 14 : Extraction de termes candidats dans KAON partir dun document textuel ......................................91
Figure 15 : Construction de lontologie du e-Learning avec OntoEdit ..................................................................92
Figure 16 : Moteur dAdaptation du cours dans OrPAF ........................................................................................95
Figure 17 : Filtres du modle du domaine : (a) une CM simple, (b) une CM hirarchique et (c) une CM
relationnel (m=2)....................................................................................................................................................99
Figure 18 : une ACM du domaine de lalgorithmique ........................................................................................101
Figure 19 : Diagramme dtats reprsentant les changements dtat dune notion de lACM.............................102
Figure 20: Extension de lontologie du e-Learning pour dfinir un schma pour lannotation des ressources
pdagogiques........................................................................................................................................................106
Figure 21 : Annotations conceptuelles de la ressource http://www-sop.inria.fr/.../Course1 ................................107
(Le domaine de lAlgbre) ...................................................................................................................................107
Figure 22 : Exercice de placement de notions de lalgbre..................................................................................112
Figure 23: Assignement de poids relatifs aux notions relies la notion OrderRelation dans le domaine de
lalgbre ...............................................................................................................................................................114
Figure 24: Assignement de poids relatifs aux activits pdagogiques relis lactivit pdagogique Exercise dans
le modle pdagogique.........................................................................................................................................116
Figure 25: Extension de lontologie du e-Learning pour dfinir un schma pour lannotation des tests
pdagogiques........................................................................................................................................................118
Figure 26 : Architecture de lenvironnement OrPAF...........................................................................................122
Figure 27 : Scnarios dutilisation du systme OrPAF par lapprenant ...............................................................123
Figure 28 : Environnement graphique du systme OrPAF ..................................................................................124
Figure 29: Architecture 3-tiers de Corese (Corby et al., 2006) ............................................................................126
Figure 30: Le diagramme de squence des scnarios dutilisation dune ACM. .................................................129
Figure 31: Cration dune ACM relationnelle (un parcours tendu) avec la notion cible Type (Le contexte de
formation affich est celui de la notion cible Procedure (ACM Hirarchique))..................................................130
Figure 32 : Architecture de la bibliothque JUNG...............................................................................................131
Figure 33 : Annotation graphique des notions utilises dans une ACM ..............................................................132
Figure 34 : une ACM ...........................................................................................................................................135
Figure 35 : Tests associs la notion Statement du modle du domaine de lalgorithmique...............................137
Figure 36 : Le GDF des sessions des apprenants .................................................................................................138
Figure 37 : KPS Client dans larchitecture dARIADNE ....................................................................................139
Figure 38 : Recherche avance de ressources pdagogiques dans ARIADNE ....................................................140
Figure 39 : Recherche fdre de ressources pdagogiques dans ARIADNE .....................................................140
Figure 40 : Classification visuelle des ressources pdagogiques par domaine dappartenance dans ARIADNE 141
Figure 41: Visualisation dune ressource pdagogique par lapprenant...............................................................143
Figure 43: Un contexte de formation du domaine de lalgorithmique .................................................................160
Figure 44: Variation des performances de la mesure SR en fonction du paramtre QS ......................................163
-ix-
Introduction Gnrale
Problmatique de la recherche
Aujourdhui, les entreprises ont besoin rgulirement de former leurs employs car elles
voluent dans un environnement socio-conomique dont les mots cls sont ractivit,
comptitivit et performance. Or, les entreprises hsitent investir dans les environnements
logiciels de formation car les processus de dveloppement de ces environnements sont
complexes, coteux et sans garantie de rsultats. En effet, le mme effort de dveloppement
est dploy chaque fois quun nouveau besoin de formation apparat. Dans ce contexte,
pourquoi nexiste-t-il pas des environnements pdagogiques qui fonctionnent selon le principe
du plug and play avec un minimum deffort dans ladaptation des composants logiciels
aux diffrents besoins de formation, des environnements qui permettent des apprenants
autonomes datteindre efficacement leurs objectifs de formation ?
Nous avons galement relev une problmatique majeure dans le domaine des technologies de
l'information et de la communication appliques l'ducation (TICE) et qui reprsente un
frein lefficacit de lapprentissage : la quasi absence dintgration des modles
pdagogiques dans les environnements de formation. Nous notons qu travers les dcennies
un changement de paradigme sest opr dans les pratiques ducatives : on est pass d'une
vision centre sur l'enseignant une vision centre sur l'apprenant. On est pass des
environnements de formation aux environnements d'apprentissage. Il ne s'agit plus de dlivrer
des contenus mais d'aider l'apprenant acqurir des connaissances, l'apprenant est
vritablement acteur de la construction de ses connaissances, et le rle jou par ses
connaissances antrieures est primordial. Cette vision constructiviste de l'apprentissage a
donn naissance de nouveaux types d'environnements, constructivistes eux aussi (Tardif
1998, Jonassen & Marra 2001): dans ce type d'environnement, on fournit l'apprenant des
outils cognitifs informatiss pour l'aider construire ses connaissances, on le guide dans son
apprentissage tout en lui donnant une part importante d'initiative.
Lobjectif de ce travail de thse est de proposer des approches de construction dun
environnement pdagogique lger qui permet la gnration de cours personnaliss destins
des apprenants avec des profils diffrents et qui rpond aux besoins de formation des
entreprises. Par environnement lger nous voulons dire que le montage de la formation se fait
avec un minimum deffort et de cot et dans un minimum de temps. Pour atteindre cet
objectif, nous avons choisi de travailler dans un contexte particulier avec trois lignes
directrices :
Dabord, les contenus pdagogiques sont recherchs du Web, c'est--dire, nous rutilisons les
ressources pdagogiques qui existent dj dans dautres systmes de formation ou corpus du
Web. Ce choix nous permet dconomiser le temps et leffort ncessaires au dveloppement
de contenus pdagogiques. Toutefois, cette conomie nest possible que si les moyens qui
favorisent la rutilisation des ressources pdagogiques du Web sont mis en uvre. Dans cette
perspective, nous limitons notre recherche aux ressources pdagogiques du Web annotes par
le standard LOM-IEEE1.
Ensuite, lapproche pdagogique que nous adoptons pour la transmission des connaissances
de lexpert lapprenant est lapproche constructiviste. Notre choix sest port sur cette
approche car elle est bien adapte pour des apprenants autonomes et motivs, par exemple,
des employs qui ont besoin de formations just in time pour accomplir des tches au sein
de lentreprise. Notre approche favorise la transmission du savoir par la dcouverte et
lacquisition de nouvelles notions et leur assimilation en vue de leur utilisation.
Finalement, les connaissances de lenvironnement pdagogique que nous proposons sont
dcrites de manire consensuelle grce aux modles et techniques du Web smantique et ceci
dans un souci de partage et de rutilisation de ces connaissances. Le remplacement dun
module par un autre ne remet pas en cause lorganisation globale de lenvironnement
pdagogique. Nous avons propos un environnement pdagogique rutilisable pour diffrents
domaines de formation, pour diffrentes stratgies pdagogiques et pour diffrents profiles
dapprenants.
Domaine de la recherche
Notre travail s'inscrit dans le domaine trs actif des technologies de l'information et de la
communication appliques l'ducation (TICE) et plus prcisment dans le domaine des
environnements informatiques d'apprentissage humain (EIAH). Parmi les deux principales
orientations se dveloppant actuellement dans ce domaine, la formation ouverte et distance
et les hypermdias ducationnels adaptatifs, notre approche combine les deux et sinscrit dans
le domaine des hypermdias adaptatifs et ouverts. Nous proposons un systme de gnration
1
Learning Object Metadata (http://ltsc.ieee.org/wg12/files/LOM_1484_12_1_v1_Final_Draft.pdf)
-11-
de cours personnaliss qui rutilise des ressources pdagogiques du Web en utilisant les
modles et les techniques du Web smantique.
Nous avons orient notre travail vers l'apprentissage d'un type particulier de connaissances:
l'apprentissage de notions, dans des domaines de connaissances scientifiques et techniques. Il
nous semble qu'il y a en effet actuellement, dans un contexte d'accroissement rapide des
technologies, un fort besoin de revenir dans la formation aux notions essentielles qui sous-
tendent les technologies.
Cadre pratique de la recherche

Plus concrtement, nous avons constat une grande dynamique dans les besoins de formation
dune entreprise: dune part les profils des employs sont diffrents et changeant et dautre
part, les domaines de comptences voluent et changent en fonction de lenvironnement
socio-conomique de lentreprise. En dautres termes, les employs ont rgulirement besoin
de complter, de faire voluer et de valider leurs comptences. Particulirement, dans les
domaines scientifiques et techniques, lappropriation conceptuelle de ces comptences est
importante car elle leur permet de sadapter efficacement aux nouvelles situations
professionnelles.
Pour rpondre ce contexte rel, nous avons propos une approche de construction
denvironnements pdagogiques qui permet de :
1. reprsenter de manire standard et partage les connaissances relatives
lapprentissage, savoir, les connaissances sur lapprenant, les connaissances sur le
domaine de la formation et les connaissances sur la pdagogie. Cette reprsentation
permet la rutilisation avec un minimum de cot et deffort du systme pdagogique
chaque fois quun nouveau besoin de formation apparat ;
2. annoter les ressources pdagogiques recherches du Web et proposer des mesures de
similarit qui permettent de calculer leurs pertinences smantique et pdagogique pour
un contexte de formation donn ;
3. gnrer en utilisant ces connaissances et ces mesures de similarit des cours
hypermdias adaptatifs o :
La structure de lhypermdia est un graphe de notions appartenant au domaine
de la formation
Le contenu de lhypermdia est un ensemble de ressources pdagogiques du
Web, considres comme pertinentes par le systme.
-12-
Afin de tester nos approches et choix conceptuels, nous avons dvelopp le systme OrPAF,
un Organisateur de Parcours Adaptatifs de Formation. Le domaine que nous avons retenu
pour exprimenter OrPAF est le domaine de lalgorithmique et des langages de
programmation. Nous avons travaill lors des exprimentations du systme OrPAF avec des
experts du domaine de lalgorithmique et des langages de programmation et des tudiants
initis dans ce domaine qui prparent le diplme dingnieurs dtat en Informatique
luniversit du 20 Aot 1955 (Algrie).
Plan du mmoire
Chapitre 1
Apprentissage en ligne
Partie I Chapitre 2
Etat de lart
Systmes pdagogiques adaptatifs
Chapitre 3
Web smantique et e-Learning
Plan de la thse
Chapitre 4
Reprsentation des connaissances
dans OrPAF
Chapitre 5
Partie II Gnration de cours hypermdias
Un environnement adaptatifs dans OrPAF
pdagogique adaptatif :
le systme OrPAF
Chapitre 6
Ralisation de lenvironnement
pdagogique adaptatif OrPAF
Chapitre 7
Evaluation et retour dexprience
Cette thse est compose de deux parties.

La premire partie prsente un tat de lart relatif notre problmatique de recherche. Elle est
structure en trois chapitres :
-13-
Le premier chapitre traite de la formation distance et de son volution vers des systmes
pdagogiques en ligne. Nous prsentons galement certains aspects de lingnierie
pdagogique et de la thorie constructiviste.
Le deuxime chapitre porte sur les systmes pdagogiques adaptatifs. Nous dlimitons un
cadre de rfrence pour ce type de systmes et prsentons les mthodes et techniques utilises
pour mettre en uvre ladaptativit. Pour mieux positionner notre approche, nous avons
tudi quelques systmes pdagogiques adaptatifs.
Le troisime chapitre dcrit lapport du Web smantique et des standards de lducation
(particulirement le standard LOM) pour ladaptation des systmes pdagogiques et la
rutilisation des ressources pdagogiques.
La deuxime partie prsente de manire exhaustive le cur de notre travail de thse :
lenvironnement pdagogique adaptatif OrPAF. Cette partie est compose de quatre
chapitres.
Le quatrime chapitre dcrit lutilisation des modles et technologies du Web smantique
pour la reprsentation des connaissances dans OrPAF.
Le cinquime chapitre explique comment les connaissances reprsentes dans OrPAF sont
exploites pour gnrer des cours hypermdias adaptatifs et amliorer la rutilisation des
ressources pdagogiques du Web.
Le sixime chapitre dcrit la ralisation de lenvironnement OrPAF.
Le septime chapitre dcrit lvaluation de notre approche auprs dexperts dans le domaine
de lalgorithmique et des langages de programmation et auprs dtudiants en troisime et
quatrime anne de la formation dingnieurs dtat en Informatique de luniversit 20 Aot
1955. Nous dtaillons les protocoles dexprimentation, les retours dexpriences et les
rsultats statistiques obtenus.
-14-
Partie I. Etat de lart
1. Apprentissage en ligne
L'apprentissage en ligne (ou le e-Learning) est la tendance actuelle des systmes de formation
distance. La formation distance est un concept gnral qui inclut les cours par
correspondance et tout autre moyen d'enseignement en temps et lieu asynchrone.
Lapprentissage en ligne doit son apparition lmergence et au succs que connaissent les
Technologies de lInformation et de la Communication (TIC), le multimdia et lInternet.
Dans notre travail, nous le considrons comme une modalit pdagogique et technologique
qui concerne lenseignement suprieur, la formation continue ainsi que la formation en
entreprise, cest--dire, qui sadresse des apprenants avertis ayant une certaine autonomie
dans lorganisation de leur processus dapprentissage.
Depuis quelques annes, les systmes pdagogiques (dsigns galement par les termes :
systmes de e-Learning ou environnements informatiques dapprentissage humain (EIAH))
investissent de plus en plus les institutions ducatives et les entreprises. Dans un systme
pdagogique le rle de lenseignant est marginal voire mme inexistant et lapprenant est mis
au centre du systme. Etant donn que les apprenants ont des caractristiques diffrentes
(niveau de connaissances, style cognitif, plateforme technologique, etc.) et dans un souci
defficacit, les systmes pdagogiques doivent tre personnaliss, cest--dire, adapts aux
caractristiques de lapprenant. Dans la suite de ce chapitre, nous abordons les notions lies
la formation distance et lvolution de celle-ci vers les systmes pdagogiques actuels.
-16-
1. De la formation distance aux systmes pdagogiques en ligne
1.1. Origines historiques
Le concept de formation distance est apparu vers le milieu du dix-neuvime sicle, faisant
rfrence aux tudes par correspondance. Ce mode denseignement est encore en vigueur
actuellement. La synonymie entre ces deux termes continue encore actuellement de prter
confusion. Peraya (Peraya & McCluskey, 1996) prsente quatre principes fondateurs de
lenseignement par correspondance et qui, notre sens, restent valables pour les systmes
pdagogiques actuels :
- vaincre la distance gographique: donner la possibilit des personnes loignes
gographiquement des tablissements scolaires la possibilit de recevoir une formation ;
- pallier les consquences de circonstances exceptionnelles : ces circonstances peuvent tre
des hospitalisations prolonges, des incarcrations, des exodes, etc. ;
- pallier les insuffisances du rseau denseignement public et les ingalits daccs
linstruction au moment de lextension de lenseignement universitaire un plus large public
ds le milieu du sicle dernier. La naissance des universits ouvertes sinscrit dans la
continuit de ce mouvement ;
- suppler loffre de formation souvent limite, notamment dans les matires techniques en
constante volution ;
On saperoit la lecture de ces principes que lenseignement par correspondance est rest
confiner certaines fonctions particulires, alors que la formation distance actuelle, et
particulirement les systmes pdagogiques en ligne, sont appels jouer et jouent dj une
fonction dterminante et centrale dans la formation continue et sinsre mme au sein de
dispositifs de formation traditionnellement structurs en mode prsentiel.
Rajoutons que cest la suite du dveloppement des moyens de communication et de
diffusion de linformation (dans ce cas prsent, la poste) que lenseignement par
correspondance a vu le jour. De mme quaujourdhui, la formation distance connait un
essor spectaculaire grce au dveloppement des technologies de linformation et de la
communication (tlphone, radio, tlvision, moyens informatiss et Internet).
Pour Henri et Kaye (Henri et Kaye, 1985), cet essor sexplique par la conjugaison de trois
phnomnes: lvolution de la demande pour ce genre de formation, la ncessit
conomique de rduire de faon gnrale les cots de lducation et finalement la pntration
des technologies de communication dans tous les secteurs dactivits, y compris celui de
lducation .
-17-
1.2. Dfinition(s) de la formation distance
Afin de bien comprendre les systmes pdagogiques en ligne, leur organisation, leurs apports
et leurs limites, il parat indispensable de bien comprendre le principe de la formation
distance, anctre direct de ce type de systmes. Nous pensons qu lavenir la formation
distance sera exclusivement en ligne.
Intuitivement, la formation distance se comprend comme une situation de formation dans
laquelle l'apprenant est spar de l'enseignant et des autres apprenants dans l'espace et le
temps. Cette notion englobe l'ensemble du processus ducatif, c'est--dire le ple metteur
(enseignement par l'enseignant) ainsi que le ple rcepteur (apprentissage par l'apprenant). La
formation distance couvrirait alors lensemble des dispositifs techniques et des modles
dorganisation qui ont pour but de fournir un enseignement ou un apprentissage des
individus qui sont distants de lorganisme de formation prestataire du service.
Se satisfaire de cette dfinition serait trop simple. En effet, et presque tous les auteurs
s'accordent sur ce point, il serait ambitieux de vouloir donner une dfinition de la formation
distance, car ce systme de formation a connu de nombreuses volutions depuis sa naissance
au milieu du sicle dernier et tout particulirement durant ces dernires dcennies (Peraya et
al., 1996). De plus, chaque pays, voire mme chaque rgion, dveloppe des modles adapts
son contexte. Les termes et leurs significations peuvent diffrer d'un pays l'autre et d'une
langue l'autre. Tout ceci explique la difficult cerner cette notion. Nous retenons un
ensemble de dfinitions qui se compltent pour caractriser la notion de formation distance.
MOORE M. G. (1973)
Lenseignement distance peut tre dfini comme lensemble des mthodes pdagogiques
par lesquelles lacte denseignement est spar de lacte dapprentissage incluant toutefois les
mthodes ralises en prsence de ltudiant de telle sorte que la communication entre le
professeur et ltudiant sera facilite par lusage du matriel imprim, mcanique,
lectronique ou autres .
PETERS O. (1973)
Lenseignement distance ou la formation distance est une mthode de dveloppement
des connaissances, des habilets et des attitudes qui est rationalise par lapplication des
principes organisationnels de la division du travail aussi bien que par lutilisation extensive
des moyens techniques, spcialement dans le but de produire du matriel ducatif de grande
qualit qui rend possible linstruction dun grand nombre dtudiants au mme moment sans
-18-
contingence gographique. Cest une forme industrialise denseignement et

dapprentissage .
HOLMBERG B. (1977)
Le terme formation distance recouvre les diverses formes dtude tous les niveaux qui ne
sont pas sous la supervision immdiate et continue dun tuteur en salle de classe ni/ou dans le
mme endroit mais qui, nanmoins, profitent de la planification de lassistance dune
organisation .
HENRI F. (1985)
La formation distance est le produit de lorganisation dactivits et de ressources
pdagogiques dont se sert lapprenant, de faon autonome et selon ses propres dsirs, sans
quil lui soit impos de se soumettre aux contraintes spatio-temporelles ni aux relations
dautorit de la formation traditionnelle. Plus spcifiquement, elle se dfinirait comme une
formule pdagogique au potentiel accru, qui permet ltudiant de redfinir son rapport au
savoir et dutiliser, dans un modle autodidactique, les ressources didactiques et
dencadrement .
Il ressort de ces dfinitions que la formation distance apparat comme une sorte de formule
pdagogique au potentiel accru , pour reprendre les termes de Henri F. (1985). Parler de
formule pdagogique nous parat plus pertinent que de concevoir la formation distance
simplement comme un moyen d'enseignement. En effet, les implications de la gestion de la
distance entre l'enseignant et l'apprenant qui ne doit plus tre seulement comprise en terme
de distance gographique, mais bien plutt en terme de dlocalisation spatio-temporelle sont
trop consquentes pour qu'elles n'atteignent le systme lui-mme. Holmberg B. (1977)
mentionne cela en utilisant le terme de planification de l'assistance d'une organisation ;
Henri F. (1985) parle elle de l'organisation d'activits et de ressources pdagogiques ; mais
c'est Peters O. (1973) qui va le plus loin en parlant de forme industrialise d'enseignement et
d'apprentissage . Le choix d'une telle formule pdagogique provoque donc un certain
nombre de changements au niveau organisationnel et pdagogique. Pour Henri et Kaye (Henri
et al., 1985), en effet, apprendre distance, enseigner distance, exigent une transformation
radicale des pratiques et des moyens pdagogiques afin de surmonter la distance et l'isolement
de l'tudiant. Il en rsulte une mutation profonde dans le rle et les tches rserves aux
enseignants ainsi que dans l'approche pdagogique dsormais conue en fonction de l'auto-
apprentissage . Dailleurs, dans ce travail de thse, nous concevons de nouveaux rles et de
nouvelles tches qui incombent aux enseignants (ou aux experts dun domaine) et nous
-19-
proposons des fonctions intgres au systme pdagogique pour assister ou aider les
apprenants dans leur processus dauto-apprentissage.
La formation distance reprsente donc bien un systme spcifique et a t dcrite comme tel
par Moore et Kearsley (Moore et Kearsley, 1996). Ce systme doit tre compos des cinq
lments suivants : les sources (servant l'laboration du matriel pdagogique, y compris les
experts), le design pdagogique du matriel et de l'encadrement, la diffusion, l'interaction
(entre enseignants, apprenants et personnel administratif) et l'environnement d'apprentissage
(la classe, chez soi, le lieu de travail, le centre d'enseignement).
1.3. Apports de la formation distance pour le processus dapprentissage
Les caractristiques fondatrices de la formation distance pour permettre lapprentissage

peuvent tre rsumes en cinq points (Deschnes et al., 1996) :
- Laccessibilit
La formation distance permet dapprendre en proposant des situations dapprentissage-
enseignement qui tiennent compte des contraintes individuelles de chaque apprenant, cest--
dire, des distances spatiale, temporelle, technologique, psychosociale et socio-conomique
(Jacquinot, 1993) qui peuvent rendre le savoir inaccessible.
- La contextualisation
La formation distance permet lindividu dapprendre dans son contexte immdiat, celui o
habituellement les apprentissages devront tre utiliss (par exemple le lieu de travail). Elle
maintient ainsi un contact direct, immdiat et permanent avec les diffrentes composantes de
lenvironnement, facilitant lintgration des savoirs scientifiques aux savoirs pratiques (Ppin,
1994) et le transfert des connaissances.
- La flexibilit
La formation distance utilise des approches qui permettent lapprenant de planifier dans le
temps et dans lespace ses activits dtude et son rythme dapprentissage. De plus, elle peut
proposer des activits offrant lapprenant des choix dans les contenus, les mthodes et les
interactions et ainsi prendre en compte les caractristiques individuelles de chacun
(Deschnes, 1991 ; Moore, 1977).
- La diversification des interactions
En rapprochant le savoir des apprenants, la formation distance reconnat que lapprentissage
ne rsulte pas essentiellement de linteraction entre le professeur et lapprenant ou entre ce
dernier et dautres apprenants, mais aussi entre lapprenant et lensemble des individus qui
lentourent (famille, communaut, travail, etc) (Wagner et McCombs, 1995).
-20-
- La dsaffectivation des savoirs

Not (cit par Tochon, 1992) crit au sujet de lenseignement en prsence dun professeur (ou
de la relation pdagogique) : cette mdiation magistrale inauguralelaisse llve la
remorque du matre biaisant ainsi les besoins du sujet aux prises avec lobjet apprendre : les
besoins quelle fait apparatre sont, en effet, ceux dune adaptation aux reprsentations, la
pense et aux dmarches de lenseignant et non ceux qui procdent dune recherche
dadaptation directe lobjet ou la situation quil doit matriser. . Dans son travail sur la
planification de lenseignement, Tochon (Tochon, 1992) a constat que Les contenus sont
formaliss de sorte transmettre des connaissances, des cognitions, et une connaissance
affective qui semble imbrique dans la situation elle-mme En dautres mots, la
formalisation du sens parat empreinte de la nature des changes et de leur finalit
conceptuelle . Si on reconnat que tout contexte a un impact sur la construction des
connaissances chez lapprenant, on peut sinterroger sur un impact affectif aussi grand
provenant de lenseignant et on peut comprendre pourquoi si souvent les apprenants
narrivent pas transfrer les connaissances, celles-ci tant trop lies un contrat didactique
implicite entre lenseignant et llve (Schubauer-Leoni & Ntamakiliro, 1994). La formation
distance, pour rapprocher le savoir des apprenants, limine, dans la majorit des cas, la
relation directe enseignant-apprenant. Elle permet donc, grce aux technologies, la mise en
uvre de situations dapprentissage-enseignement nimposant pas cette mdiation magistrale
qui cre laffectivation des contenus.
1.4. Classification des systmes de formation distance
Selon Paquette (Paquette, 2002), le terme de "formation distance" recouvre plusieurs ralits
techno-pdagogiques trs diffrentes. Il propose six modles qui intressent notre recherche
dans le sens o ils permettent de classifier les tentatives de mdiatisation.
- La classe technologique ouverte : Paquette (Paquette, 2002) la dcrit comme une classe
traditionnelle o un ensemble de technologies sont installes et utilises de faon
permanente . Ces salles ont souvent t qualifies de "laboratoire multimdia".
- La classe technologique rpartie : c'est une classe technologique virtuelle qui est rpartie en
plusieurs lieux distincts. Les vnements d'apprentissage se droulent comme suit : un
enseignant prsente l'information en direct et les apprenants interagissent simultanment dans
les diffrents lieux avec la salle principale dans laquelle se trouve lenseignant.
- L'autoformation web-hypermdia : l'apprentissage est individualis et ralis par un
apprenant seul qui accde des contenus prfabriqus multimdiatiss sur Internet ou sur un
-21-
CD-ROM. Le terme "hypermdia" fait rfrence au matriel d'apprentissage qui utilise le

principe des hyperliens pour la navigation. L'apprentissage se fait en gnral sans
l'intervention d'un formateur et sans ncessairement de collaboration entre les apprenants. Ce
modle n'impose donc pas de contraintes de lieu ni de temps.
- L'enseignement en ligne : cette forme denseignement est accessible sur l'Internet. Un
formateur le gre en effectuant des prsentations et en coordonnant des interactions
(changes) de manire asynchrone avec un groupe d'apprenants. Le mode asynchrone permet
aux apprenants de progresser leur rythme. Ils peuvent aussi interagir les uns avec les autres.
C'est le professeur qui gre l'avance des activits. Selon Paquette, ce modle qui est transmis
par exemple par les universits totalement distance devient galement un modle que l'on
trouve dans les universits campus o il permet de proposer une alternative la formation en
classe de type prsentielle.
- La communaut de pratique : elle utilise les mmes outils de communication asynchrone
que l'enseignement en ligne mais galement des outils de discussion synchrone. La principale
caractristique de ce modle est la discussion entre un groupe de spcialistes. Lenseignant est
ici plutt un "animateur tlmatique", car il dispose en gnral de moins de connaissances que
les participants mais il sait comment rendre l'change fructueux entre les participants.
L'apprentissage se fait en changeant des informations et en comparant des pratiques par
l'tude de cas.
- Le soutien la performance : la formation est ici individuelle. Elle se droule en liaison
troite avec les activits de travail, soit pendant ces activits lorsque l'apprenant a besoin de
formation pour avancer dans la tche, soit aprs, parce que l'apprenant veut approfondir des
questions qu'il s'est pos dans l'exercice d'une tche, ou encore avant l'activit en question. Ce
sont les fameuses formations "just in time" dcides en fonction des tches rsoudre.
1.5. Positionnement de notre approche

La recherche que nous menons dans le cadre de notre thse sintresse lautoformation web-
hypermdia avec lobjectif supplmentaire de proposer un systme de soutien la
performance. En effet, la formation distance que nous mettons en uvre est caractrise par:
- le systme pdagogique propos est ouvert et rutilise les ressources pdagogiques du
Web ;
- labsence de la supervision dun enseignant et lapprenant est libre dans sa progression
pdagogique tout en tant assist par le systme pdagogique. Ce dernier est conu pour tre
adaptatif grce des mthodes dingnierie pdagogique ;
-22-
- le matriel pdagogique propos lapprenant est un systme hypermdia dans lequel la

structure de navigation et le contenu sont adapts au profil de lapprenant ;
- le contenu pdagogique est recherch sur le Web ;
- le dveloppement qui sous-tend notre approche sappuie sur les standards dans le domaine
de lducation et les modles et les techniques de la gestion des connaissances et du Web
smantique. Ces standards, modles et techniques permettent une adaptation et une
rutilisation efficaces de notre approche dautres besoins de formation qui apparaissent
dynamiquement (formations "just in time").
2. Ingnierie pdagogique pour les systmes pdagogiques
La mise en place dun processus dapprentissage en ligne implique de nombreux

investissements tous les niveaux. Aussi, la mise en uvre dune stratgie organisationnelle
permet daccompagner au mieux cette dmarche.
De nombreux auteurs saccordent dire quune dmarche de mdiatisation dun systme de
formation doit tre base sur lingnierie pdagogique. Pour dfinir ce concept, nous avons eu
recours largumentation de Paquette (Paquette, 2002). Selon lui, lingnierie pdagogique
est tout dabord une mthode soutenant l'analyse, la conception, la ralisation et la
planification de la diffusion des systmes pdagogiques, intgrant les concepts, les processus
et les principes du design pdagogique, du gnie logiciel et de l'ingnierie cognitive .
Le besoin d'employer une mthodologie dcoule, selon Paquette (Paquette, 2002), du fait que
les avances technologiques permettent des possibilits pdagogiques beaucoup plus varies
et que les systmes pdagogiques actuels sont beaucoup plus consquents, en termes d'outils
logiciels, de documents numriss et de services de communication, que par le pass. Ainsi,
nous soutenons lide que dvelopper de tels systmes pdagogiques ne peut donc plus se
faire de manire artisanale.
2.1. Design pdagogique
Pour Paquette (Paquette, 2002), le design pdagogique est l'ensemble des thories et des
modles permettant de comprendre, d'amliorer et d'appliquer des mthodes d'enseignement
favorisant l'apprentissage. Par rapport aux thories labores en psychologie de
l'apprentissage, le design pdagogique peut tre vu comme une forme d'ingnierie visant
amliorer les pratiques ducatives . Le rsultat du design pdagogique correspond un
ensemble de plans ou de devis dcrivant le droulement des activits d'apprentissage et
d'enseignement.
-23-
2.2. Gnie logiciel
Le gnie logiciel se consacre la conception et la ralisation des logiciels ainsi que des
systmes dinformation. De plus en plus, la taille, la complexit, le caractre critique des
systmes d'information dpassent la capacit de comprhension d'un seul programmeur. Le
but premier du gnie logiciel est donc de fournir des processus, des mthodes, des techniques
et des outils permettant de produire des systmes satisfaisants, efficaces, extensibles,
flexibles, modifiables, portables, fiables, rutilisables, validables et comprhensibles. Au-del
de la nature complexe des systmes pdagogiques, nous notons galement leur caractre
pluridisciplinaire (ils sont au croisement de linformatique, de la psychologie, de la
didactique, des sciences sociales, etc.)
Les mthodes d'ingnierie des systmes d'information prvoient un dcoupage
mthodologique en diffrentes phases correspondant des processus dont l'excution n'est pas
forcment linaire :
observation critique, tat des lieux ou diagnostic,
orientations gnrales, tablissement des principes de fonctionnement,
dfinition prliminaire et appel d'offres,
architecture du systme d'information,
programmation du systme,
simulation et qualification du systme,
implantation du systme,
exploitation du systme.
L'ingnierie pdagogique s'inspire de ces principes de conception des systmes d'information
en les adaptant la conception de systmes pdagogiques.
2.3. Ingnierie des connaissances (cognitive)
L'ingnierie des connaissances s'est dveloppe la suite des systmes experts et de

l'intelligence artificielle. L'objectif des systmes experts tait de crer des systmes
informatiques permettant de reprsenter et de reproduire lexpertise humaine. Dans le
domaine de l'ducation, l'ingnierie des connaissances a t applique pour le diagnostic des
lacunes d'un apprenant et la proposition de stratgies permettant d'y remdier.
Lingnierie des connaissances implique des oprations comme la dtermination des
connaissances, leur explicitation, leur reprsentation et leur formalisation dans un langage
symbolique ou graphique qui facilite leur utilisation subsquente. De faon typique,
l'ingnieur de la connaissance procde des discussions avec un ou plusieurs experts de
-24-
contenu qui dtiennent l'expertise qu'il dsire modliser. A l'aide de mthodes d'interview
systmatiques ayant pour but l'acquisition de connaissances dun domaine, l'ingnieur raffine
de plus en plus sa reprsentation du domaine par tapes successives jusqu' la capter dans une
forme synthtique qui sera intgre dans un systme informatique.
L'ingnierie des connaissances est donc utile la mthode d'ingnierie pdagogique dans le
sens qu'elle permet d'obtenir une vue explicite et structure des connaissances.
Il devient ainsi plus ais de dfinir le contenu, les scnarios pdagogiques et les matriels
pdagogiques.
3. Personnalisation dans les systmes pdagogiques
Limportance primordiale quoccupe la connaissance dans la vie de chacun, au travail et en

socit, a produit invitablement lmergence dune nouvelle faon de se former et
dapprendre : lapprentissage tout au long de la vie ou la formation continue. En effet, la
qualit de la formation des individus rduit les risques dexclusion sociale et professionnelle
de ces mmes individus. Par ailleurs, lvolution rapide des technologies de linformation et
de la communication, du multimdia et de lInternet ont rendu possible lapprentissage tout au
long de la vie grce lmergence dun nouveau paradigme : lapprentissage en ligne (ou e-
Learning). Un des plus grands dfis des systmes pdagogiques en ligne est la
personnalisation de lapprentissage, c'est--dire, rendre les programmes de formation adapts
au objectifs des apprenants, leur niveau de connaissances, leurs prfrences, etc.
Dans ce contexte, au-del de laspect asynchrone en temps et en lieu des systmes
pdagogiques, ils doivent galement satisfaire aux besoins changeants des apprenants, leurs
connaissances, leurs prfrences, etc. Lapprentissage personnalis reprsente une
rvolution radicale dans les thories et les technologies de lducation : nous sommes passs
des systmes pdagogiques interactifs traditionnels aux systmes pdagogiques personnaliss.
Nous pouvons rsumer cette rvolution en trois points : (i) tandis que les systmes
pdagogiques traditionnels sont de type un--plusieurs, les systmes pdagogiques
personnaliss sont de types un--un ou plusieurs--un (c'est--dire un ou plusieurs tuteurs
pour un seul apprenant) ; (ii) les systmes pdagogiques traditionnels sont conus pour un
apprenant moyen alors que dans les systmes pdagogiques personnaliss lenchainement
des units du cours, le style dapprentissage, etc. dpendent du profil de lapprenant ; (iii)
dans les systmes pdagogiques traditionnels, les dcisions pdagogiques, les units
dapprentissage, etc. sont dfinis priori par le tuteur alors que dans les systmes
-25-
pdagogiques personnaliss, le systme se base uniquement sur le profil de lapprenant et ses

interactions.
4. Approche constructivisme pour les systmes pdagogiques personnaliss
Concevoir un systme pdagogique personnalis, revient mettre lapprenant au centre du

processus dducation. En effet, plusieurs des pratiques dans les systmes pdagogiques
exigent dune part, chez les apprenants, la mise en uvre autonome d'habilets et de stratgies
visant des objectifs relis au contenu d'un cours (Deschnes, 1991; Garrison, 1993) et d'autre
part, chez les concepteurs, la planification d'un support pdagogique adquat favorisant un
apprentissage indpendant (Bolanos-Mora et al., 1992).
Les modles thoriques classiques dans le domaine de lducation ont t considrs comme
inadquats pour rpondre aux attentes actuelles des chercheurs et des praticiens ainsi qu'aux
demandes des institutions qui dsirent mettre en place un systme pdagogique personnalis.
Seul le modle constructivisme sest rvl adapt lapprentissage autonome dapprenants
en leur permettant de construire de manire flexible leurs connaissances indpendamment de
lenseignant.
4.1. Principes du constructivisme
Parmi les modles thoriques en ducation, les mcanismes constructivistes ont t, depuis
longtemps, identifis comme les assises du processus d'laboration des connaissances (en
particulier par Piaget). Par contre, leurs applications ont t marginales (Larochelle et
Bednarz, 1994) et ce n'est que rcemment qu'on les a repris pour structurer une solution
alternative (Lebow, 1993) au behaviorisme persistant (Garrison, 1993) ou au cognitivisme
trop souvent rigide (Kintsch, 1988) qui sous-tendent les pratiques pdagogiques.
Le constructivisme est un processus de construction continue des connaissances (Piaget,
1970). Lide premire qui sous-tend les travaux sur le constructivisme est que la
connaissance nest pas la reproduction dune ralit quon appelle le savoir scientifique mais
la construction de cette ralit. Trois aspects inhrents au constructivisme peuvent servir dans
le contexte de lapprentissage personnalis (Deschnes et al., 1996) : 1) les connaissances sont
construites, 2) l'apprenant est au centre du processus et, 3) le contexte d'apprentissage joue un
rle dterminant. Ces aspects montrent clairement lintrt que peut reprsenter la thorie
constructiviste pour le dveloppement des systmes pdagogiques personnaliss.
Les connaissances sont construites
-26-
Pour un constructiviste, la connaissance est activement construite par celui qui apprend dans
chacune des situations o elle est utilise ou exprimente. La fonction de la cognition est
l'adaptation et sert l'organisation du monde qu'on exprimente et non la dcouverte de la
ralit (Jegede, 1992). La connaissance rsulte donc de l'activit de l'apprenant et est
construite en relation avec son action et son exprience du monde (Clancey, 1991). Dans ce
cas lapprentissage nest plus une simple transposition dun savoir mais lappropriation de
celui-ci par lapprenant.
Lapprenant est au centre du processus
Dans une approche acadmique, la connaissance est considre comme une accumulation de
donnes que l'on emmagasine en mmoire (Lave, 1990). Cette conception suppose que la
connaissance est transmise selon un processus hirarchique d'enseignement et est mesure par
un test : on croit qu'il n'y a pas d'apprentissage sans enseignement. Dans une approche
constructiviste, au contraire, la connaissance est exprimente travers une activit cognitive
de cration de sens par l'apprenant (Jonassen et al., 1994). Le rle jou par ce dernier devient
donc primordial : l'apprentissage se ralise grce l'interaction que l'apprenant tablit entre
les diverses composantes de son environnement qui comprend les informations disponibles
(savoirs scientifiques et savoirs pratiques). La nature et le type d'interactions mises en uvre
dpendent de la perception qu'a l'individu des diverses composantes.
Au plan du transfert et de l'application des connaissances, une approche constructiviste
prconise l'utilisation de tches authentiques pour l'apprenant, c'est--dire relies directement
au contexte concret et rel de l'objet d'apprentissage trait. Elle considre que l'objectif
fondamental est la ralisation de la tche globale dans toute sa complexit et non la ralisation
dcontextualise de petites tapes visant qu' la fin, la tche complte soit ralise puis reprise
dans un contexte concret ou rel (Lave, 1990; Perkins, 1991). Pour y arriver, les apprenants
doivent jouer un rle plus important dans la gestion et le contrle de leur apprentissage
(Lebow, 1993). Cela peut se raliser grce la mise en place de situations assurant que les
apprenants utilisent leurs connaissances, en s'appuyant sur des processus de rsolution de
problmes et en leur fournissant des activits de type mtacognitif (Lebow, 1993). Mais
surtout, cela peut tre facilit en maintenant les apprenants dans leur contexte immdiat au
moment de l'apprentissage.
Le contexte joue un rle dterminant

L'activit de l'apprenant est toujours insre dans un environnement qui en rend possible
l'appropriation. Le processus d'apprentissage s'inscrit dans une ralit culturelle et
-27-
contextualise o la comprhension des objets et des vnements est directement relie la

forme dans laquelle elle se produit. En dcontextualisant l'apprentissage (enseignement se
droulant sur campus, par exemple), la connaissance devient inerte ou difficile utiliser car
elle se construit en interaction avec un environnement diffrent de celui o elle a t cre (en
particulier pour les savoirs pratiques) ou de celui o elle devra tre utilise (Jonassen,
Campbell et Davidson, 1994). Les constructivistes considrent que tout processus
d'acquisition de connaissances et de comprhension est intimement li au contexte social et
motionnel dans lequel l'apprentissage se droule (Lebow, 1993). L'enseignement de ce point
de vue n'est pas considr comme la mise en squence des vnements d'enseignement mais
comme une application des principes permettant de rpondre aux besoins et aux contraintes de
la situation dans laquelle se trouve l'apprenant. La comprhension se ralise grce
l'utilisation continue et contextualise des connaissances et ainsi, la situation d'apprentissage
devrait promouvoir la manipulation des connaissances dans le contexte des pratiques
ordinaires de la culture cible (Lebow, 1993). Certains des principes du constructivisme
renvoient donc la cognition en situation (situated cognition) (Brown, Collins et Duguid,
1989; Fredericksen et Donin, 1994). L'apprentissage contextualis s'intresse l'interaction
entre l'individu et son environnement (son contexte au sens large du terme) parce qu'elle
dtermine la perception et les comportements (Chiou, 1992).
4.2. Positionnement de notre approche
Lapproche pdagogique que nous avons adopte dans notre travail de thse est lapproche
constructiviste. En effet, nous avons voulu mettre lapprenant au centre de lapprentissage en
lui permettant de construire son savoir au fur et mesure de son volution. Lapprenant est
actif, autonome et le seul responsable de son volution. Le systme pdagogique qui ralise
notre approche lui permet de grer efficacement son parcours en le guidant vers la ralisation
de ses objectifs dapprentissage. Notre systme pdagogique sinscrit dans la catgorie des
systmes de formation distance qui permet lapprenant une contextualisation de son
apprentissage, cest--dire, lapprenant apprend distance et dans son environnement
immdiat (par exemple dans son lieu de travail). Pendant que lapprenant entre en interaction
avec le savoir scientifique propos par le matriel qu'on lui fournit, il demeure en interaction
avec les diverses composantes de son environnement qui lui offrent des informations
pertinentes la construction de son savoir. La dsaffectivation du savoir, possible dans un
contexte de formation distance grce l'utilisation des technologies pour transmettre des
-28-
informations, favorise aussi une construction plus personnalise du savoir et moins influence
par lenseignant.
L'utilisation des technologies pour dplacer le savoir des institutions scolaires vers le contexte
immdiat des apprenants (accessibilit) facilite la contextualisation et le transfert des
connaissances. Qu'il soit chez lui ou son travail, l'apprenant peut, tout moment, utiliser son
environnement pour vrifier, confirmer, confronter ou ajuster les connaissances qu'il
construit. Lorsque la formation se droule distance dans son milieu professionnel,
l'apprenant peut tre contraint d'appliquer directement ce qu'il est en train d'apprendre. La
prsence continue et immdiate du contexte peut stimuler les utilisations concrtes.
Dans notre approche, nous avons voulu expliciter la reprsentation des contenus et des
dmarches d'apprentissage pour permettre une grande flexibilit des modalits
d'apprentissage. Il est donc possible de placer l'apprenant au centre du processus et de tenir
compte de son lieu physique, de ses disponibilits temporelles, de son style d'apprentissage et
de son environnement culturel (par exemple sa langue). Cela est possible en offrant des
dmarches pdagogiques qui peuvent tre adaptes tant au plan des contenus, de la structure
que des modalits d'interactions qui composent une activit dapprentissage (Deschnes,
1991; Moore, 1977). Lutilisation de lapproche constructiviste nous permet de placer
l'apprenant au centre du processus d'apprentissage et ainsi prendre en compte ses
caractristiques personnelles (Wagner et McCombs, 1995). En effet, lapprentissage
personnalis constitue un champ d'application privilgi des concepts fondamentaux du
constructivisme. Il fournit l'occasion de rompre avec certaines caractristiques de
l'enseignement traditionnel, en particulier, sa vision acadmique de la connaissance et la
ncessit de retirer l'apprenant de son environnement immdiat pour l'insrer dans un
tablissement scolaire crant le plus souvent un contexte diffrent de celui dans lequel les
connaissances seront utilises. De plus, les individus peroivent qu'apprendre distance exige
une plus grande responsabilit de leur part ce qui les rend plus disponibles une telle
approche (Wagner et McCombs, 1995).
En permettant lapprenant d'apprendre distance et dans son environnement immdiat (par
exemple dans son milieu professionnel), notre approche permet la construction d'une
connaissance qui correspond bien la vision des constructivistes. En effet, lapprenant reste
en contact continu avec son environnement ayant ainsi accs aux divers savoirs pratiques
ncessaires l'laboration d'une connaissance plus complte du domaine qu'il tudie.
Les diverses personnes qui entourent l'apprenant constituent une composante importante du
contexte. En enseignement prsentiel, on rduit souvent l'aspect socioaffectif de
-29-
l'apprentissage aux seules interactions que lapprenant peut avoir avec lenseignant. Dans son
milieu naturel, l'apprenant peut facilement initier et maintenir une plus grande diversit
d'interactions en utilisant, selon ses besoins et ses prfrences, des parents, des amis, des
collgues de travail pour obtenir un support plus adapt. L'utilisation des technologies permet
aussi d'avoir, en direct ou en diffr, des communications avec les ressources et l'institution
qui diffuse l'activit de formation distance laquelle il est inscrit ou avec les autres
apprenants qui y participent.
-30-
Conclusion : Dans ce chapitre, nous avons prsent un panorama historique de

lapprentissage en ligne qui trouve son origine dans la formation distance. Nous avons
montr que lapparition des systmes pdagogiques en ligne, forme moderne de la
formation distance, est lie au succs que connat les Technologies de lInformation et de
la Communication (TIC), le multimdia et lInternet. La complexit de la mdiatisation de
lapprentissage ncessite de recourir un processus dingnierie pdagogique qui se situe
lintersection du design pdagogique, du gnie logiciel et de lingnierie des
connaissances. Nous avons essay de faire apparatre tout au long de ce chapitre ce qui
distingue les systmes pdagogiques en ligne, de lenseignement traditionnel en prsentiel,
savoir, laccessibilit, la contextualisation, la flexibilit, la diversification des interactions
et la dsaffectivation des savoirs. Enfin, nous avons prsent les principes de lapproche
constructiviste et son adquation avec un processus dapprentissage personnalis. En effet,
labsence daide (fournie habituellement par lenseignant) et la libert offerte lapprenant
dans la construction de son savoir peuvent constituer un frein lvolution de celui-ci. Le
recours la personnalisation de lapprentissage o lapprenant est mis au centre du
systme en favorisant une approche constructiviste dans lacquisition du savoir constitue
une rponse viable ce problme.
Les lments prsents dans ce chapitre nous permettent de mieux positionner notre travail
dans le domaine du e-Learning. Il sagit doffrir un environnement pdagogique par
dcouverte et qui est mis en uvre par un systme hypermdia adaptatif. La construction
du savoir et lacquisition des connaissances par lapprenant se font son rythme :
lapprenant est au centre du systme. Lassise technologique de notre systme est
lutilisation des technologies Web smantiques et des standards de lducation.
-31-
2. Systmes pdagogiques adaptatifs
Le processus dapprentissage traditionnel peut tre caractris par une autorit centralise (le
contenu est slectionn par lenseignant), une forte livraison (les enseignants transmettent la
connaissance aux tudiants), un manque de personnalisation (le contenu doit satisfaire les
besoins de plusieurs ou le principe du one size fits all ) et un processus dapprentissage
statique/linaire (un contenu inchang). Cependant, notre poque, lenvironnement socio-
conomique des entreprises volue dynamiquement et fait merger dautres types de dfis sur
les processus dapprentissage: efficacit, rutilisabilit et pertinence de lapprentissage
(dpendant du problme). Pour rpondre ces attentes, un systme pdagogique doit tre
orient apprenant et muni dun processus dapprentissage non linaire et adaptatif.
Il est vrai que de nombreuses solutions ont t mises en pratique dans le cadre des systmes
pdagogiques. Or, la majorit de ces solutions privilgie une approche centre sur la mise
disposition de ressources pdagogiques de qualit, souvent au dtriment de leur exploitation
au sein de scnarios pdagogiques diversifis. Face ce constat, de nouvelles approches
mergent. La qualit du service pdagogique rendu dpend, ds lors, de la capacit de ces
nouvelles approches fournir aux apprenants, dune part, des contenus pdagogiques adapts
leur profil et dautre part, des processus qui les guident vritablement dans leur
-32-
apprentissage. Les systmes pdagogiques adaptatifs ont pour objectif de rpondre ce

besoin.
Dans ce domaine de lingnierie pdagogique, une premire problmatique de recherche
concerne la reprsentation des contenus pdagogiques. Un rsultat essentiel a consist
sparer deux niveaux de description : le niveau logique et le niveau smantique. Le niveau
smantique vise exprimer les caractristiques pdagogiques et cognitives des ressources. La
logique de partage et de large diffusion des ressources pdagogiques a fait merger un autre
besoin, celui de personnaliser la forme, le contenu et lassemblage des ressources
pdagogiques. Ce nouveau besoin a conduit introduire dans les systmes pdagogiques une
nouvelle dimension, celle de lapprenant. Une troisime dimension doit tre prise en compte
dans lingnierie des systmes pdagogiques, il sagit des processus pdagogiques. Leur
formalisation et leur gestion dans les systmes adaptatifs deviennent essentielles si lon veut
proposer non seulement des contenus pdagogiques mais aussi des mthodes pdagogiques
adaptes aux objectifs pdagogiques de chaque apprenant.
A la lumire de ce qui a t fait ces dernires annes dans ce domaine, nous considrons
quun systme pdagogique adaptatif est bas sur quatre composants : un modle de contenu
qui contient, diffrents niveaux dabstraction, la description des ressources pdagogiques
proposes aux apprenants ; un modle de lapprenant qui dcrit les diffrents types de
connaissances relatives aux apprenants ; et un modle pdagogique qui dfinit les diffrentes
mthodes et activits pdagogiques mises en uvre pour atteindre des objectifs. Les mthodes
et les techniques dadaptation assurent la construction de parcours individualiss en utilisant
les trois modles.
Toutes les approches que nous avons tudies nutilisent pas obligatoirement ces quatre
lments. Par exemple, les approches issues du domaine des systmes tuteurs intelligents
dcrivent les processus pdagogiques et peu le modle de lapprenant, alors que les approches
issues du domaine des systmes hypermdias adaptatifs ne prennent pas (ou peu) en compte le
processus pdagogique et se concentrent sur le modle de lapprenant. Par ailleurs, les
modles de contenu peuvent tre trs diffrents dans leur contenu et dans leur forme dune
approche une autre.
1. Caractrisation des systmes pdagogiques adaptatifs
Aujourdhui, les recherches et dveloppements en ingnierie des systmes pdagogiques

adaptatifs sappuient essentiellement sur :
-33-
i) des travaux autour des systmes hypermdias adaptatifs, ii) des thories sur les mthodes
dapprentissage, iii) des recherches sur le Web smantique adaptatif.
Dans les systmes hypermdias adaptatifs (Brusilovsky, 2001), les connaissances sur
lapprenant sont essentielles, il sagit de son exprience, de son niveau de connaissance du
domaine (De Bra et al., 1998), de ses prfrences en matire de mthodes pdagogiques, de
formats de ressources, etc. (Hk, 1997). Les recherches dans ce domaine ont abouti dune
part, des modles apprenant intgrant diffrentes formes de connaissances, et dautre part
des techniques dadaptation du contenu et/ou de la structure de navigation de lhypermdia.
Dans ce courant de recherche, nous pouvons citer comme exemples le systme KBS
Hyperbook (Henze, 2000), le systme AHA ! (De Bra et al, 2007), le systme InterBook
(Brusilovsky et al., 1998) et le systme ELM-ART (Brusilovsky, 1996).
De nombreuses recherches thoriques dans les domaines de la Psychologie, de lIntelligence
Artificielle et de lEducation ont influenc la conception des systmes pdagogiques
(Schneider, 2003 ; Rhaume, 1991). Ces recherches ont permis essentiellement de formaliser
les mthodes dapprentissage. De nombreux auteurs considrent lapprentissage comme un
vritable processus dans lequel lapprenant cherche satisfaire des objectifs ou rsoudre des
problmes. Lactivit pdagogique dun domaine est alors considre comme une activit
guide par des objectifs.
Larrive du Web et des technologies associes permet denvisager lutilisation de ressources
pdagogiques qui sont distribues et accessibles par Internet. Le Web Smantique est une
extension du Web qui vise enrichir les ressources disponibles sur le Web avec des
descriptions smantiques de leur contenu dans le but de les rendre exploitables par des
programmes (Berners-Lee et al., 2001). Dans le domaine des objets pdagogiques, plusieurs
modles de description sont aujourdhui proposs: SCORM (ADL, 2001), LOM (LOM, 2002)
ou IMS (IMS, 2002). Il y a aujourdhui un changement de centre dintrt des objets
pdagogiques vers des services pdagogiques. Cette volution montre la ncessit didentifier
de nouvelles formes de mtadonnes pour caractriser non seulement le contenu des
ressources pdagogiques mais aussi les processus qui permettent de les utiliser dans diffrents
contextes dapprentissage.
Afin de prsenter une vision complte et unifie des recherches existantes dans le domaine de
la conception des systmes pdagogiques adaptatifs, nous proposons un cadre de rfrence
pour caractriser ce domaine. Aucune des approches et des systmes existants ne couvre la
totalit de ce cadre de rfrence, en revanche chaque approche ou systme peut tre intgr
dans ce cadre et peut tre situ par rapport dautres approches. Ce cadre de rfrence est
-34-
dfini par un modle de contenu, un modle de lapprenant, un modle pdagogique et un

modle dadaptation.
1.1. Modle de contenu
Un systme pdagogique met la disposition des apprenants des ressources pdagogiques qui
traitent de notions appartenant un domaine de connaissances. La description de ces
ressources peut tre faite sur deux niveaux dabstraction distincts i) le niveau logique et ii) le
niveau smantique. Tous les systmes ne font pas forcment la diffrence entre ces deux
niveaux. Par ailleurs, il existe toujours un niveau physique qui est celui des contenus exprims
dans un certain langage sous forme de fichiers informatiques.
1.1.1. Structure logique
Au niveau logique, un contenu pdagogique est un ensemble de ressources pdagogiques

relies entre elles qui peuvent agrger un ou plusieurs contenus. Une ressource pdagogique
est identifie par un code unique (typiquement une URL) permettant sa localisation par une
machine ou un homme. Plusieurs modles de structuration logique ont t proposs dans le
domaine des systmes hypermdias. Le modle DEXTER (Halasz, 1994) constitue un modle
de rfrence dans lequel la structure logique (appele Storage Layer ) est constitue de
composants qui peuvent tre des lments atomiques, des liens ou des lments composites.
Au niveau logique, il est usuel dutiliser une typologie des ressources pdagogiques base sur
la forme de leur contenu. (Crozat 2002) propose 9 formes de contenus: texte crit, texte parl,
bruitage, musique, image, etc. Dans (Vassileva 1997 ; Dehors et al. 2006), les ressources
pdagogiques (appeles teaching materials) sont caractrises par le type de mdia quelles
utilisent mais aussi par un type pdagogique, ainsi sont distingues les units dinformation de
type introduction une notion , exercice sur une notion , explication dune notion ou
test dune notion .
1.1.2. Structure smantique
La structure smantique est une description smantique des ressources pdagogiques. Dans
les systmes actuels, la structure smantique peut prendre diffrentes formes. Il peut sagir de
mtadonnes associes aux ressources (ex., LOM, Dublin Core, etc.) ou bien dun vritable
modle de domaine dcrivant les ressources pdagogiques un niveau conceptuel.
Lapproche mtadonne a essentiellement pour objectif de standardiser la description des
ressources dans un souci de partage et de rutilisation. Plusieurs travaux de normalisation sur
les mtadonnes pour les ressources pdagogiques ont t mens (Duval, 2002). Dans lautre
-35-
approche qui consiste dcrire la structure smantique comme un modle de domaine. Le

domaine est celui du sujet denseignement. En gnral, ce modle est un rseau de notions et
de liens entre ces notions. Il peut exister diffrents types de liens entre les notions, par
exemple les liens de type pr-requis , analogie , gnralisation , etc. Le modle
propos dans (Vassileva, 1997) permet de reprsenter les notions et les liens. Quatre types de
liens sont proposs : agrgation, gnralisation, analogie et implication. La structure
smantique est un graphe ET/OU dans lequel il est possible dexprimer que lapprentissage
dune notion ncessite pralablement celui de plusieurs autres ou bien quil ncessite
alternativement une notion ou une autre.
Lapproche modle de domaine apporte une aide dans la dmarche pdagogique puisquelle
dfinit un ordre dans lapprentissage des notions, conduisant des parcours bien prcis
travers les ressources pdagogiques. En revanche, dans lapproche mtadonnes, la structure
smantique est relativement indpendante de toute activit pdagogique.
1.2. Modle de lapprenant
Dans les systmes pdagogiques adaptatifs, le modle de lapprenant est primordial pour la
gnration de parcours personnaliss. Il sagit de considrer les proprits de lapprenant
auxquelles le systme doit sadapter. Ces proprits peuvent tre diffrentes dun apprenant
un autre, et pour un mme apprenant, elles peuvent varier au cours du temps. Au niveau des
modles de lapprenant, il est important de distinguer un modle adaptable dun modle
adaptatif. Dans le premier cas, le modle est modifi uniquement par lapprenant, dans le
second cas, le modle est modifi automatiquement par le systme au fur et mesure des
interactions avec lapprenant. Enfin, les modles de lapprenant peuvent tre construits selon
deux approches ; une approche strotype , dans laquelle on considre des groupes
dapprenants ayant des caractristiques communes, et une approche individuelle dans
laquelle chaque apprenant est dcrit avec ses propres caractristiques. Le critre essentiel qui
permet de classer les modles de lapprenant concerne la nature des connaissances quils
permettent dexprimer. Le deuxime critre qui est utilis porte sur les techniques
dinitialisation et de gestion de ces modles.
1.2.1. Nature des connaissances
Ce critre permet de caractriser les types de connaissances qui sont reprsentes dans le
modle de lapprenant. Il est usuel de considrer quun modle de lapprenant est compos de
quatre sous-modles, chaque sous-modle correspondant un type particulier de
-36-
connaissance. Le sous-modle de la connaissance du domaine : il dfinit les connaissances de

lapprenant relativement la matire enseigne. Dans (Benyon 1993), trois niveaux de
connaissance sont distingus, le niveau tche, le niveau logique et le niveau physique. Le
niveau tche exprime les objectifs raliss par lapprenant sur la matire enseigne. Le niveau
logique dfinit les connaissances de lapprenant sur les notions de la matire enseigne et le
niveau physique correspond la connaissance effective de lapprenant. Le sous-modle de
lexprience regroupe des connaissances de lapprenant qui sont indpendantes du domaine.
Ces connaissances sont relatives aux sujets dintrt dun apprenant, sa culture, son
exprience Le sous-modle des prfrences exprime les prfrences de lapprenant relatives
la forme de la prsentation du cours mais aussi aux styles et aux mthodes denseignement.
Par ailleurs, ce sous-modle intgre en gnral aussi les traits de personnalit de
lapprenant : sa motivation, son degr de concentration Lensemble de ces connaissances ne
peut pas tre gnr par le systme mais doit tre fourni par lapprenant. Ainsi, ces
connaissances jouent un rle plus important dans les systmes adaptables que dans les
systmes adaptatifs. Le sous-modle des tches capture la connaissance relative aux activits
effectivement mises en uvre par lapprenant, au cours de sessions denseignement. Cette
connaissance contextuelle est essentielle, elle explique pourquoi lapprenant a ralis
certaines actions.
1.2.2. Gestion des connaissances
Cet aspect permet de caractriser les techniques dacquisition et de mise jour du modle de
lapprenant. Il existe trois approches essentielles. Lorsque lapprenant ou ladministrateur
renseigne les diffrentes rubriques du modle apprenant en utilisant par exemple un
formulaire ou un questionnaire, il sagit dune approche statique. Ce type dacquisition est
utilis pour les donnes qui nvoluent pas en fonction des actions de lapprenant.
Lacquisition dynamique consiste observer lapprenant et tracer ses activits et ses
rsultats. Dans ce cas, lapprenant nest pas sollicit et le modle est mis jour
automatiquement en fonction de lobservation de lapprenant. Le systme METADYNE
(Delestre et al., 2000) par exemple, utilise des mcanismes dinfrence pour gnrer des
connaissances sur lapprenant. Dune manire gnrale, les systmes tirent partie des deux
approches. Une approche mixte permet de btir un premier modle avec par exemple, des
questionnaires remplir lors de la premire connexion, le modle est ensuite mis jour par le
systme en infrant de nouvelles valeurs en fonction du comportement de lapprenant.
-37-
1.3. Modle pdagogique
Dans les systmes pdagogiques adaptatifs, les recherches se sont surtout centres sur les
contenus pdagogiques et peu sur les dmarches pdagogiques. Pourtant, il existe plusieurs
manires dapprendre, et un systme pdagogique adaptatif doit permettre dadapter la
dmarche aux besoins de lapprenant. Dans ces conditions la modlisation et la gestion des
dmarches pdagogiques est essentielle. La modlisation des dmarches pdagogiques peut se
faire diffrents niveaux (stratgique, oprationnel) et la manire de modliser une
dmarche pdagogique peut tre trs diffrente dune approche une autre.
1.3.1. Niveaux dabstraction dans les dmarches pdagogiques
Nous considrons quune dmarche pdagogique peut tre modlise diffrents niveaux
dabstraction. En rfrence (Allert, Dhraief & Nejdl, 2002), quatre niveaux dabstraction
peuvent tre identifis (voir Figure 1). Le quatrime niveau dfinit les processus
dapprentissage du point de vue des stratgies denseignement. A ce niveau, il est frquent de
distinguer les courants dapprentissage tels que le courant behavioriste , le courant
cognitiviste et le courant constructiviste . Le troisime niveau dfinit des approches
pdagogiques. Dans la pratique, les approches les plus utilises sont lapprentissage bas sur
la rsolution de problmes, le raisonnement base de cas, lapproche collaborative,
lapproche par lexpos, par lanalogie Le deuxime niveau dfinit les modles
oprationnels dapprentissage. Il sagit dune structuration des processus pdagogiques. Cette
structuration conduit une description du processus en plusieurs phases, mettant en vidence
des cycles et des ordonnancements dactivits pdagogiques. Le premier niveau dfinit les
activits pdagogiques.
Ce cadre de modlisation permet de montrer dune part, quil existe diffrents niveaux
dabstraction dans la modlisation des processus pdagogiques et dautre part, que les
diffrents niveaux sont interdpendants. En effet, un choix, par exemple effectu en termes de
stratgie pdagogique, contraint les niveaux infrieurs.
-38-
Epistmologie, paradigme
Principes
Modle dinstruction, thories dapprentissage
Pratiques, activits, outils, contenus
Figure 1 : Niveaux dabstraction dans les dmarches pdagogiques (Allert et al., 2002)
1.3.2. Modles de dmarches pdagogiques
On distingue trois approches de modlisation dune dmarche pdagogique.

Lapproche oriente activits consiste dcrire la dmarche sous la forme dun processus
compos dactivits ou tches qui peuvent tre simples ou complexes. Dans les systmes
actuels, cette approche de modlisation est la plus rpandue. Le processus est alors souvent
reprsent par un graphe ET/OU dans lequel les tches pdagogiques sont identifies et
dcomposes. Par exemple, la figure 2 dcrit une partie dun modle de tches dans lequel est
dtaille la tche donner un exercice .
Lapproche oriente ressources considre la dmarche pdagogique comme un processus de
slection, dassemblage et de prsentation de contenus. Cette approche met laccent davantage
sur la modlisation des contenus que sur celle des processus. Dans les systmes qui adoptent
cette approche, il ny a pas en gnral de modlisation explicite des dmarches pdagogiques.
Lapproche oriente objectifs considre la dmarche pdagogique comme un processus de
satisfaction dobjectifs pdagogiques. Chaque objectif est associ un ou plusieurs scnarios
permettant de le satisfaire. Lintrt de cette approche est double, dabord elle permet la
personnalisation puisquelle autorise diffrentes manires de satisfaire un mme objectif,
ensuite la modlisation oriente objectif favorise une pdagogie centre sur les besoins des
apprenants.
-39-
Figure 2 : Modle dactivits pdagogiques donner exercice (Vassileva, 1997)
1.4. Modle dadaptation
Un systme pdagogique adaptatif met en uvre des mcanismes qui exploitent la

connaissance du domaine, la connaissance sur les apprenants et la connaissance sur les
processus pdagogiques pour offrir des parcours et des contenus pdagogiques personnaliss.
Dans les systmes pdagogiques adaptatifs, ladaptation propose peut tre plus ou moins
puissante . Nous proposons de caractriser ladaptation par un mode dadaptation et une
porte (lobjet de ladaptation).
Nous distinguons trois modes dadaptation :
- Parcours type : ce sont des parcours prdfinis lavance par le concepteur. Ces parcours
types peuvent tre dfinis selon diffrents critres, en fonction des connaissances du domaine
des apprenants ou en fonction des stratgies pdagogiques souhaites par les apprenants. Une
des difficults de cette approche est didentifier les classes dapprenants, ces classes tant
ncessaires pour laborer les parcours types.
- Parcours adaptatif : ce sont des parcours individuels qui sadaptent chaque apprenant en
fonction de ce quil est et non pas de ce quil fait. En gnral, ces parcours sont construits en
dbut de session dapprentissage partir des connaissances contenues dans le modle de
lapprenant.
- Parcours dynamique : ce sont des parcours construits dynamiquement, qui sajustent
lapprenant en fonction des actions quil accomplit tout au long de son processus
-40-
dapprentissage. De tels parcours sont gnrs et mis jour au cours de la session

dapprentissage.
Du point de vue "porte" de ladaptation, nous distinguons trois formes dadaptation :
ladaptation de la navigation, ladaptation du contenu et ladaptation de la prsentation.
Ladaptation de la navigation permet ladaptation dans lordonnancement des notions
pdagogiques qui vont tre prsentes lapprenant.
Ladaptation du contenu est base sur la slection de contenus en fonction des connaissances
de lapprenant sur le domaine.
Ladaptation de la prsentation traite de la disposition et de laspect visuel. Cette forme
dadaptation exploite certaines prfrences de lapprenant.
Nous notons que ladaptation du contenu et ladaptation de la prsentation sont souvent
confondues.
Les mthodes et les techniques dadaptation varient considrablement dun systme un autre
(voir figure 3).
1.4.1. Mthodes dadaptation
Mthodes dadaptation du contenu :

On distingue quatre mthodes dadaptation du contenu :
- Explications par les pr-requis : avant de prsenter une explication sur une notion, le
systme insre des explications sur tous ses notions pr-requis qui ne sont pas connus par
lapprenant.
- Explications comparatives : si une notion similaire la notion prsente est connue,
lapprenant obtient des explications comparatives qui insistent sur les diffrences et
similitudes entre les deux notions. Cette mthode est trs utilise pour enseigner les langages
de programmation.
- Explications varies : le systme sauvegarde plusieurs variantes dune mme partie de la
page et fournit lapprenant la partie qui correspond son modle.
- Tri : les diffrents fragments dinformation au sujet dune notion peuvent tre tris par ordre
dcroissant de pertinence en fonction du background et des connaissances de lapprenant.
Mthodes dadaptation de la navigation :
On distingue cinq mthodes dadaptation de la navigation:
-Guidage global : lobjectif global de lapprenant tant connu par le systme, il sagit de
trouver le chemin le plus court pour atteindre linformation pertinente. Dans chaque page, le
-41-
systme fournit lapprenant le lien suivre, c'est--dire, un guidage direct laide par
exemple du bouton suivant .
- Guidage local : il sagit de suggrer lapprenant les liens les plus pertinents de la page en
cours en fonction de son niveau de connaissances, de ses prfrences et de son exprience.
Lobjectif global nest pas connu dans le guidage local.
- Orientation locale : il sagit daider lapprenant comprendre sa position relative dans
lhyperespace (1) en fournissant des information sur les pages en sortie de la page en cours et
(2) en diminuant le nombre dhyperliens sortant dune page pour limiter la surcharge
cognitive de lapprenant.
- Orientation globale : il sagit daider lapprenant comprendre la structure globale de
lhyperespace et sa position absolue dans cet hyperespace.
- Gestion de vues personnalises : il sagit doffrir lapprenant la possibilit dorganiser une
partie de lhyperespace en fonction dobjectifs de travail ponctuels. Ceci vite lapprenant
dtre confronts un hyperespace trop complexe avec des risques de dsorientation et de
surcharge cognitive. Cette partie de lhyperespace est un ensemble dhyperliens qui pointent
vers des hyperdocuments pertinents et reprsente une vue personnalise pour lapprenant. Les
navigateurs Web proposent par exemple des bookmarks et des hotlists pour construire des
vues personnalises.
1.4.2. Techniques dadaptation
Ladaptation ncessite des mcanismes internes et externes trs spcifiques. Au niveau

externe, le domaine des systmes hypermdias adaptatifs propose de nombreuses techniques
dadaptation permettant de prsenter un hyperespace de manire personnalise. Ces
techniques dadaptation largement dcrites dans (Brusilovsky, 1996 ; Brusilovsky, 2001)
distinguent ladaptation du contenu de ladaptation de la navigation :
Technique dadaptation du contenu :
Parmi les techniques dadaptation du contenu, il y a :
- Texte conditionnel : toutes les informations sur une notion sont divises en plusieurs parties.
Chaque partie est associe une condition sur le niveau de connaissance de lapprenant.
Quand le systme prsente des informations lapprenant, il ne prsente que celles dont la
condition est vraie.
- StretchText est une technique de plus haut niveau et correspond un type particulier
dhypertextes. Tandis que dans un hypertexte classique, lactivation dun hyperlien ou hot
word signifie louverture dune nouvelle page, dans un StretchText le hot word est
-42-
simplement remplac par le texte correspondant et tend ainsi la page courante. Lopration
inverse est possible. Lide de ladaptation des Stretch Text est de dplier les hot word
pertinents et de laisser les autres plis.
- Les pages varies: permet dimplanter des explications varies. On conoit plusieurs
prsentations pour une mme page en fonction du profil de lapprenant
- Les fragments varis permettent dimplanter les explications varies o une page contient
(1) des explications sur plusieurs notions, c'est--dire, un fragment par notion ou plusieurs
variantes dune mme notion ; (2) diffrentes explications structurelles de la mme notion en
fonction du niveau de connaissances de lapprenant.
- les frames : les informations sur une notion particulire sont reprsentes par un frame. Les
slots du frame peuvent contenir des explications diffrentes de la notion, des liens avec
dautres frames, des exemples. Des rgles de prsentations particulires sont utilises pour
dcider quels slots doivent tre prsents chaque apprenant.
Techniques dadaptation de la navigation :
Parmi les techniques dadaptation de la navigation, il y a :
- Guidage direct : en fonction des objectifs dun apprenant, le systme dfinit lhyperlien le
plus appropri et le visualise explicitement en changeant par exemple sa couleur.
- Tri des liens : cette technique consiste ordonner les hyperliens en fonction de leur
pertinence pour un apprenant donn. Les liens susceptibles dintresser lapprenant sont situs
en haut de la page pour favoriser leur dcouverte.
- Annotation des liens : le principe de cette technique est de rajouter aux diffrents hyperliens
des commentaires pour indiquer lapprenant le contenu de la page qui est accessible par le
lien.
- Masquage des liens: cette technique permet de masquer les hyperliens les moins pertinents
pour lapprenant.
- Adaptation de carte : cest une carte de navigation indiquant la structure hirarchique ou en
rseau de lhyperespace pour permettre lapprenant de choisir les pages consulter.
Au niveau interne, les techniques dadaptation mises en uvre par les systmes sont des
rgles qui exploitent les trois types de connaissances : les connaissances de domaine, les
connaissances de lapprenant et les connaissances pdagogiques. Dans (Vassileva, 1997), on
distingue quatre types de rgles dapprentissage. Les rgles denseignement dterminent
un parcours dapprentissage dans lensemble des notions du domaine. Les rgles de slection
de stratgies dfinissent une stratgie pdagogique avant de commencer lexcution du plan.
Par exemple la stratgie structure est propose par le systme comme une approche
-43-
denseignement dans laquelle lapprenant est compltement guid ; cest le systme qui
dtermine les notions acqurir et les tches associes. Les rgles de slection de
mthodes dterminent pour une notion, lactivit pdagogique et une dcomposition pour
lapprendre. Ces rgles utilisent les tches dj effectues ainsi que les ressources
pdagogiques dj utilises. Les rgles de slection des ressources pdagogiques
dterminent la ressource pdagogique prsenter en fonction des prfrences de lapprenant
en matire de mdia. Dans les approches Web smantique adaptatif, les rgles exploitent les
mtadonnes dfinies sur les ressources pdagogiques. Par exemple, dans le systme Personal
Reader (Dolog, Henze, Nedjl, & Sintek, 2004) les rgles, exprimes dans le langage TRIPLE
(Sintek & Decker, 2002) permettent de raisonner sur les mtadonnes annotant les ressources
pdagogiques. Les rgles sont utilises pour gnrer des liens personnaliss.
Fragments
Prsentation conditionnels
multimdia
adaptative Pages et fragments
variants
Prsentation Prsentation
Strechtext
Adaptative adaptative de
texte
Tri de fragments
Adaptation de
modalit
Techniques base
de frames
Mthodes pour
Hypermdias
Adaptatifs Guidage Direct
Tri des liens Masquage
Masquage des
Dsactivation
Navigation liens
Adaptative
Annotation de
Suppression
liens
Adaptation de
carte
Figure 3 : Mthodes et techniques dadaptation des systmes pdagogiques adaptatifs
-44-
2. Etude de quelques systmes pdagogiques adaptatifs
Dans le cadre de cette tude, notre choix sest port sur des systmes qui grent (plus ou
moins) les trois types de connaissances dcrites ci-dessus et qui mettent en uvre des rgles
dadaptation. Nous avons retenu cinq systmes que nous dcrivons sommairement et ensuite
nous essayons de dgager les caractristiques de chaque systme selon le cadre de rfrence
prsent prcdemment.
2.1. Description des systmes
AHA ! (de Bra et al., 2007) est un systme auteur pour construire des hypertextes adaptatifs.
Il gnre dynamiquement des pages adaptes lapprenant partir de pages HTML extraites
du web.
ELM-ART (Brusilovsky et al., 2001) est un hypertexte adaptatif. Cest un tuteur intelligent
adapt au Web et ddi lapprentissage du langage Lisp. Le cours hypertexte est organis
hirarchiquement en chapitres, sections, sous-sections, etc. et lapprentissage se fait via des
explications, des exemples, et la rsolution de problmes.
KBS Hyperbook (Henze et al., 1999) est un systme hypermdia adaptatif qui permet aux
apprenants de dterminer leurs objectifs et leur fournit une aide pour apprhender les
diffrentes connaissances ncessaires pour atteindre leurs objectifs.
METADYNE (Delestre et al., 2000) est un hypermdia adaptatif et dynamique o
lhyperespace est virtuel et les cours sont gnrs dynamiquement en filtrant des briques
lmentaires de cours en se basant sur le modle de lapprenant.
Personal Reader (Dolog et al., 2004) est bas sur le Web smantique. Il exploite des
mtadonnes sur les ressources pdagogiques et les profils des apprenants pour gnrer des
liens hypertextes personnaliss.
2.2. Analyse des systmes
Les modles de contenu des systmes analyss reposent sur une description des contenus
deux niveaux : le niveau logique et le niveau smantique. Dans la majorit des systmes
tudis, la structure logique est un hyperespace compos de nuds (pages) et de liens
hypertextes. La structure smantique reste pauvre dans la plupart des systmes. Elle est
limite une description des notions du domaine avec des liens de prrequis entre ces notions.
Peu de systmes associent dans la structure smantique les activits permettant
lapprentissage de ces notions. La structure smantique prend le plus souvent la forme dune
structure en rseau ou dune structure en arbre. Dans le cas dAHA ! (De Bra et al, 2007), le
-45-
niveau smantique est reprsent par une structure arborescente de notions. Cette hirarchie
permet une structuration du cours en chapitres, sections, sous sections, etc.
Lacquisition et la gestion du modle de lapprenant reposent dans la plupart des systmes
tudis sur une approche individuelle de modlisation avec une mise jour continue du
modle de lapprenant au fur et mesure de lapprentissage. Du point de vue des
connaissances prises en compte dans le modle de lapprenant, les systmes sont de plus en
plus riches . Cette volution est probablement lie lutilisation de plus en plus intensive
des ressources pdagogiques du Web. Dans ce nouveau contexte, le modle de lapprenant est
essentiel pour mettre en uvre des services dindividualisation. Malgr cette volution, les
prfrences des apprenants en termes de stratgies et de mthodes denseignement sont peu
prises en compte dans les modles de lapprenant ; ceci constitue une lacune importante des
systmes actuels. Le modle pdagogique concerne essentiellement les dmarches
pdagogiques mises en uvre. Peu de systmes prennent en compte cette dimension ; la
dmarche pdagogique se limite des parcours dunits pdagogiques. Par exemple, le
systme METADYNE (Delestre et al., 2000) intgre un gnrateur de cours qui a pour
fonction dassembler et de prsenter les cours lapprenant. Il applique, ds lors, une
approche oriente ressources. Toutefois, certains des systmes prsents font appel une
approche oriente activits qui explicite et dcompose le processus pdagogique en activits
simples ou complexes. Le systme Personal Reader (Dolog et al., 2004) utilise cette approche.
Les mthodes et techniques dadaptation utilises sont centres essentiellement sur une
adaptation de la prsentation des contenus et de la navigation travers ces contenus. Les
rgles dadaptation sous-jacentes utilisent uniquement les connaissances sur la situation de
lapprenant. Il sagit de rgles de filtrage qui permettent de slectionner les pages afficher en
fonction des pages dj utilises. La puissance de ces mthodes est directement dpendante de
la richesse des trois modles prcdents. En particulier, lexistence de rgles permettant la
personnalisation des mthodes dapprentissage dpend de la formalisation et de la richesse du
modle pdagogique.
-46-
Table 1 : Etude comparative de systmes pdagogiques adaptatifs

AHA ! ELM-ART KBS METADYNE Personal
Hyperbook Reader
Structure Hypertexte Hypertexte Hypermdia Hypermdia Hypermdia
logique hirarchique organis
Modle de contenu
hirarchiquement
en chapitres,
sections, sous-
sections
Structure Modle de Modle de Mtadonnes Modle de Mtadonnes
smantique domaine domaine bass sur une domaine
ontologie
Nature Modle de Modle de Rseau Modle Intrts,
recouvrement recouvrement Baysien pistmique prfrences,
Modle de lapprenant
(connaissances) objectifs et
+Modle prrequis
comportemental
(prfrences,
objectifs,
capacits)
Gestion Mixte Mixte Mixte Mixte Statique

Niveau Constructiviste
dabstraction
Modle de Orient orient Orient Orient
pdagogique
dmarches activits objectifs ressources activits

Modle
Type Adaptation Adaptation de la Adaptation de Adaptation du Adaptation

dadaptation du contenu et navigation la navigation contenu et de la de la
Modle dadaptation
de la (guidage local) (guidage local) navigation navigation

navigation (guidage local) (guidage
(guidage local)
local)
Techniques Texte Annotation des Annotation des Rgle de Rgles de
dadaptation conditionnel liens et tri des liens slection de gnration de
et annotation liens briques de cours liens
des liens
2.3. Problmes des systmes pdagogiques adaptatifs actuels
Un travail dexploration et danalyse des systmes pdagogiques adaptatifs existants nous a

permis de constater certaines limites :
- Le manque de visibilit des parcours dapprentissage par les apprenants (guidage local,
mauvaise reprsentation de lhyperespace, etc.) ;
- La dimension pdagogique nest pas (ou trs peu) prise en compte ;
- Les connaissances du modle de lapprenant sont considres comme fiables et ne sont pas
remises en cause ce qui implique des erreurs importantes dadaptation (effet boule de neige) ;
-47-
- Seuls les liens de prrequis et/ou la hirarchie des notions sont pris en compte dans
ladaptation.
Conclusion : Les systmes pdagogiques adaptatifs constituent une rponse fiable aux
besoins des entreprises en particulier et des socits humaines en gnral en termes de
formation et de formation continue. Ces systmes permettent de fournir un apprentissage
efficace, adapt et pertinent, des mots cls, censs aujourdhui intresser tout demandeur
de formation.
Dans ce chapitre, nous avons essay de caractriser les systmes pdagogiques adaptatifs
en dfinissant un cadre de rfrence permettant de les comparer les uns avec les autres.
Nous avons identifi quatre composants impliqus dans la ralisation des systmes
pdagogiques adaptatifs, savoir, le modle de contenu, le modle de lapprenant, le
modle pdagogique et le modle dadaptation. Nous avons men une tude comparative
de cinq systmes dans le domaine mais aucun de ces systmes ne couvre la totalit du
cadre de rfrence.
Dans notre travail de thse, nous proposons un systme pdagogique adaptatif qui essaye
de rpondre aux lacunes des systmes existants en combinant les systmes hypermdias
adaptatifs et les modles du Web smantique (prsent dans le chapitre 3) tout en
introduisant la dimension pdagogique de lapprentissage.
-48-
3. Web smantique et e-Learning
Ce chapitre prsente la notion dontologie dans le cadre du Web smantique (WS) et lintrt
de lutilisation des ontologies et du standard des mtadonnes LOM dans le domaine du e-
Learning pour le dveloppement de systmes pdagogiques adaptatifs.
Le Web smantique est une vision permettant de faciliter et damliorer la recherche
dinformation, faite par lhomme et la machine, grce la reprsentation smantique du
contenu des ressources manipules. Il tend le Web actuel (Berners-Lee et al., 2001) dans le
sens o le Web est strictement syntaxique, la structure des ressources accessibles est bien
dfinie mais le contenu du Web reste quasiment inaccessible aux traitements machines.
Les ontologies jouent un rle trs important pour la ralisation du Web smantique. Elles sont
utilises pour fournir le vocabulaire et la structure des mtadonnes associes aux ressources
du Web ou aux services Web et servent de reprsentation pivot pour lintgration de sources
de donnes htrognes.
Dans ce contexte, nous pensons que les ontologies peuvent apporter normment aux
systmes pdagogiques adaptatifs et particulirement ceux qui sappuient sur des
technologies du Web (par exemple les hypermdias) et qui rutilisent des ressources
pdagogiques du Web.
-49-
1. Web smantique (WS)
L'expression Web smantique, attribue Tim Berners-Lee (Berners-Lee et al., 2001) au sein
du W3C2, fait dabord rfrence la vision du Web de demain comme un vaste espace
dchange de ressources entre tres humains et machines permettant une meilleure
exploitation de grands volumes dinformations et de services varis. Le Web smantique, la
diffrence du Web actuel, devrait dcharger les utilisateurs dune bonne partie de leurs tches
de recherche, de construction et de combinaison des rsultats, grce aux capacits accrues des
machines accder aux contenus des ressources et effectuer des raisonnements sur ceux-ci.
Le Web smantique, concrtement, est dabord une infrastructure de langages permettant
lutilisation de connaissances formalises qui sajoutent au contenu informel actuel du Web,
mme si aucun consensus nexiste sur le degr de cette formalisation. Cette infrastructure
doit :
- permettre de localiser, didentifier et de transformer des ressources (des documents ou des
services) de manire robuste tout en renforant lesprit douverture du Web avec sa diversit
dutilisateurs.
- sappuyer sur des consensus, par exemple, sur les langages de reprsentation ou sur les
ontologies utilises.
- contribuer assurer, le plus automatiquement possible, linteroprabilit et les
transformations entre les diffrents formalismes et les diffrentes ontologies.
- faciliter la mise en uvre de calculs et de raisonnements complexes tout en offrant des
garanties sur leur validit.
- offrir des mcanismes de protection (droits daccs, dutilisation et de reproduction).
Les recherches actuelles sappuient normment sur des rsultats de recherches en ingnierie
des connaissances (Gandon, 2002). Or, lutilisation et lacceptation de ces rsultats lchelle
du (ou dune partie du) Web posent de nouveaux problmes et dfis : changement dchelle
d au contexte de dploiement, le Web et ses drivs (intranet, extranet), ncessit dun
niveau lev dinteroprabilit, ouverture, standardisation, diversits des usages, distribution
bien sr et aussi impossibilit dassurer une cohrence globale. Comme l'crit, en substance,
Tim Berners-Lee, le Web smantique est ce que nous obtiendrons si nous ralisons le mme
processus de globalisation sur la reprsentation des connaissances que celui que le Web fit
initialement sur l'hypertexte.
2
World Wide Web Consortium
-50-
2. Ontologies
2.1. Dfinition des ontologies
En Intelligence Artificielle, la dfinition communment admise dune ontologie est nonce

par T. Gruber (Gruber, 1993) comme la spcification explicite dune conceptualisation .
Cette dfinition fait suite un premier essai en 1991 (Gruber, 1991) : An ontology defines
the basic terms and relations comprising the vocabulary of a topic area, as well as the rules for
combining terms and relations to define extensions to the vocabulary .
Cette dfinition a ensuite t prcise (Studer et al., 1998) pour devenir : La spcification
formelle et explicite dune conceptualisation partage .
Dans cette dfinition, par "spcification explicite", les auteurs indiquent quune ontologie est
un ensemble de concepts, de proprits, daxiomes, de fonctions et de contraintes
explicitement dfinis.
Ladjectif "formelle" prcise que cette conceptualisation doit pouvoir tre comprise et
interprte par des agents logiciels. En effet, la formalisation est ncessaire pour que ces
agents puissent tre munis de capacits de raisonnement permettant de dcharger les
diffrents utilisateurs dune partie de leur tche dexploitation et de combinaison des
ressources du Web.
Le terme "partag" prcise laspect consensuel du vocabulaire employ. Ce terme rappelle
que lon doit assurer une rutilisation de la formalisation choisie pour permettre lexploitation
des ressources du Web par diffrentes applications ou agents logiciels.
Enfin, le terme "conceptualisation" implique galement laspect intentionnel, li un objectif
de ralisation.
En bref, une ontologie fournit un vocabulaire de termes et de relations pour modliser les
connaissances dun domaine dapplication.
Pour reprsenter les ontologies, le W3C a standardis le langage OWL3. Le langage OWL
sappuie sur le langage DAML+OIL, produit de la combinaison de DAML4 et OIL5. Il est
actuellement construit sur RDFS6, et apporte ainsi aux langages du Web smantique,
lquivalent dune logique de description tout en disposant dune syntaxe XML.
3
Ontology Web Language
4
Darpa Agent Markup Language
5
Ontology Inference Layer
6
Resource Description Framework Schema
-51-
2.2. Intrt des ontologies
Plusieurs recherches (Grninger et Lee, 2002 ; Russ et al., 1999 ; Uschold et Grninger,
1996 ; Miszoguchi et Bourdeau, 2000; Staab & Maedche, 2001 ; Psych et al., 2003), ont
dgag lintrt dutiliser des ontologies dans les systmes base de connaissances (SBC) et
le Web smantique :
La reprsentation des connaissances du domaine dun SBC : les ontologies servent
reprsenter explicitement les connaissances du domaine dun SBC. En particulier, elles
servent de schma la reprsentation des connaissances du domaine dans la mesure o elles
dcrivent les objets, leurs proprits et la faon dont ils peuvent tre combins pour constituer
des connaissances explicites et compltes du domaine.
La communication : les ontologies peuvent intervenir dans la communication entre
personnes, organisations et logiciels [Uschold et Gruninger, 1996]. En effet, les ontologies
servent, par exemple, crer au sein dun groupe ou dune organisation un "vocabulaire
conceptuel commun". Dans ce cas, on est plutt dans le cadre dune ontologie informelle.
Dans le cas de la communication entre personnes et systmes, lontologie est formelle et
effectue en gnral une tche prcise dans le SBC ou le systme dinformation. Lontologie
est un puissant moyen pour lever les ambiguts dans les changes.
Linteroprabilit : selon (Uschold et Gruninger, 1996) le dveloppement et limplantation
dune reprsentation explicite dune comprhension partage dans un domaine donn, peut
amliorer la communication, qui son tour permet une plus grande rutilisation, un partage
plus large et une interoprabilit plus tendue . Linteroprabilit est donc une spcialisation
de la communication qui permet de rpertorier les concepts que des applications peuvent
schanger mme si elles sont distantes et dveloppes sur des plateformes diffrentes.
Laide la spcification de systmes : (Mizoguchi & Ikeda., 1997) expliquent que la
plupart des logiciels conventionnels sont construits avec une conceptualisation implicite et
que la nouvelle gnration des systmes utilisant les travaux en intelligence artificielle devrait
tre base sur une conceptualisation explicitement reprsente . Dans ce contexte,
lontologie fournit une description explicite des objets que doit manipuler un systme.
Lindexation et la recherche dinformation : dans le Web smantique, les ontologies y sont
utilises pour dterminer les annotations smantiques dcrivant les ressources sur le Web.
-52-
3. Langages du Web smantique
3.1. Les langages du W3C
La proposition du W3C sappuie au dpart sur une pyramide de langages dont seulement les
couches basses sont aujourdhui relativement stabilises. La figure 4 montre lorganisation en
couches des langages du WS propose par le W3C. Deux types de bnfices peuvent tre
attendus de cette organisation.
(1) Elle permet une approche graduelle dans les processus de standardisation et dacceptation
par les utilisateurs.
(2) Par ailleurs, si elle est bien conue, elle doit permettre de disposer du langage au bon
niveau de complexit, celle-ci tant fonction de lapplication raliser.
Un aspect central de linfrastructure du WS est sa capacit didentification et de localisation
des diverses ressources. Elle repose sur la notion dURI (Uniform Resource Identifier) qui
permet dattribuer un identifiant unique un ensemble de ressources, sur le Web bien sr
mais aussi dans dautres domaines (documents, tlphones portables, personnes, etc.). Cette
notion est la base mme des langages du W3C.
Une autre caractristique de tous ces langages est dtre systmatiquement exprimables et
changeables dans une syntaxe XML. Ceci permet de bnficier de lensemble des
technologies dveloppes autour de XML : XML Schemas, outils dexploitation des
ressources XML (bibliothques JAVA, etc.), bases de donnes grant des fichiers XML,
mme si un langage de requtes spcifique (par exemple SPARQL7, RDF8 Query) est
ncessaire pour les langages construits au dessus de XML, tel que RDF.
7
Simple Protocol and RDF Query Language
8
Resource Description Framework
-53-
SPARQL
Figure 4 : Les couches du Web smantique (W3C)
3.2. Le langage RDF (Resource Description Framework)
RDF est un modle de graphe destin dcrire formellement les ressources du Web et leurs
mtadonnes, de sorte permettre le traitement automatique de telles descriptions. RDF se
base sur des vocabulaires formels et prcis, tels que ceux exprims en RDFS ou en OWL. Il
constitue le langage de base du Web smantique. Une des syntaxes (srialisation) de ce
langage est RDF/XML (extrait de Wikipdia).
En annotant des documents non structurs et en servant d'interface pour des applications et
des documents structurs (par exemple des bases de donnes), RDF permet une certaine
interoprabilit entre des applications changeant de l'information non formalise et non
structure sur le Web.
Un document structur en RDF est un ensemble de triplets de la forme {sujet, prdicat, objet}
o :
Le sujet reprsente la ressource dcrire ;
Le prdicat reprsente un type de proprit applicable cette ressource ;
L'objet reprsente une donne (un littral) ou une autre ressource ; c'est la valeur de la
proprit.
Le sujet, et l'objet dans le cas o celui-ci est une ressource, peuvent tre identifis par une
URI ou tre des ressources anonymes. Le prdicat est ncessairement identifi par une URI.
Un document RDF ainsi form correspond un multi-graphe orient et tiquet. Chaque
-54-
triplet correspond alors un arc orient dont le label est le prdicat, le nud source est le sujet
et le nud cible est l'objet.
Par exemple, dans la figure 5, nous modlisons par un graphe RDF le fait quun cours de
bases de donnes sem316 est enseign par lenseignante Rose Dieng : (une ellipse
reprsente une ressource, un rectangle reprsente un littral et une flche reprsente une
proprit) :
http://www.univ-annaba.org/cours/sem316
titre enseignant
Systmes de gestion des

bases de donnes
nom pagePersonelle
Rose Dieng http://www.univ-annaba.org/ensei/RoseDieng
Figure 5 : Exemple dun graphe RDF
Ce graphe peut tre srialis en RDF/XML comme suit :
<rdf:Description rdf:about='http://www.univ-annaba.org/cours/sem316'>
<titre>Systmes de gestion des bases de donnes</titre>
<enseignant>
<nom> Rose Dieng </nom>
<pagePersonelle>
<rdf:Description rdf:about='http://www.univ-annaba.org/ensei/RoseDieng'>
</pagePersonelle>
</enseignant>
</rdf:Description>
3.3. Le langage RDFS (RDF Schema)
RDFS ajoute RDF la possibilit de dfinir des hirarchies de classes et de proprits dont
lapplicabilit et le domaine de valeurs peuvent tre contraints laide des proprits
rdfs:domain et rdfs:range. A chaque domaine applicatif peut tre ainsi associ un schma
identifi par un prfixe particulier et correspondant une URI. Les ressources instances sont
ensuite dcrites en utilisant le vocabulaire donn par les classes dfinies dans ce schma. Les
-55-
applications peuvent alors leur donner une interprtation oprationnelle. Nanmoins, RDFS
nintgre pas en tant que tel de capacits de raisonnement.
Les principaux lments du langage RDFS sont les suivants:
- la classe rdfs:Class permet de dclarer une ressource comme tant une classe pour d'autres
ressources. Par exemple nous pouvons dfinir en RDFS la classe Cours qui dcrit les cours
dune cole :
<rdfs:Class rdf:ID='Cours'/>
L'expression formelle 'Sem316 rdf:type ex:Cours' en RDF traduit lnonc en langage

naturel : 'Sem316 est un cours'
- la proprit rdfs:subClassOf permet de dfinir des hirarchies de classes. Par exemple, 'un
cours de Master est un cours':
<rdfs:Class rdf:ID='CoursMaster'>
<rdfs:subClassOf rdf:resource='#Cours'/>
</rdfs:Class>
- RDFS prcise la notion de proprit dfinie par RDF en permettant de donner un type ou
une classe au sujet et l'objet des triplets. Pour cela, RDFS dfinit :
- la proprit rdfs:domain qui permet de dfinir la classe des sujets lie une proprit.
- la proprit rdfs:range qui permet de dfinir la classe ou le type de donnes des valeurs
dune proprit.
Nous pouvons, par exemple, exprimer en RDFS le fait que lenseignant dun cours est une
personne et que le nom dune personne est un littral (une chane de caractres) :
<rdf:Property rdf:ID='enseignant '>

<rdfs:domain rdf:resource='#Cours'/>
<rdfs:range rdf:resource='#Personne'/>
</rdf:Property>
<rdf:Property rdf:ID='nom'>
<rdfs:domain rdf:resource='#Personne'/>
<rdfs:range rdf:resource= '&rdfs;Literal'/>
</rdf:Property>
Nous pouvons alors exprimer en RDF le fait que la proprit 'enseignant' relie 'sem316' (de
type Cours) 'Rose Dieng' (de type Personne):
-56-
<Cours rdf:about=' http://www.univ-annaba.org/cours/sem316'>

<enseignant>
<Personne rdf:about=' http://www.univ-annaba.org/Ensei/RoseDieng'>
<nom>Rose Dieng</nom>
</Personne>
</enseignant>
</Cours>
Pour rsumer, XML peut tre vu comme la couche de transport syntaxique, RDF comme un
langage relationnel de base et RDFS offre des primitives de reprsentation de structures ou
des primitives ontologiques.
3.4. Le langage OWL
OWL (Web Ontology Language) est un langage bas sur RDF. Il enrichit le modle RDF
Schema en dfinissant un vocabulaire riche pour la description d'ontologies complexes. OWL
est bas sur une smantique formelle dfinie par une syntaxe rigoureuse. Il existe trois
versions du langage : OWL Lite, OWL DL, et OWL Full.
OWL et RDFS sont tous deux des vocabulaires RDF.
RDFS dfinit le plus petit nombre de notions et de proprits ncessaires la dfinition d'un
vocabulaire simple, essentiellement :
les notions de classe, de ressource et de littral

les proprits de sous-classe, de sous-proprit, de champ de valeur, de domaine
d'application
OWL est un langage beaucoup plus riche qui, aux notions dfinies par RDF Schema, ajoute
les proprits de classe quivalente, de proprit quivalente, d'identit de deux ressources, de
diffrences entre deux ressources, de contraire, de symtrie, de transitivit, de cardinalit, etc.,
permettant de dfinir des relations complexes entre des ressources.
4. Web smantique & e-Learning

Les proprits dune plateforme Web smantique, savoir, une description partage et
commune et des mtadonnes traitables par les programmes, possibles grce la notion
dontologie, apparaissent suffisamment puissantes pour satisfaire les exigences dun systme
pdagogique adaptatif: efficacit, rutilisabilit et pertinence de lapprentissage. En effet, les
ressources pdagogiques smantiquement annotes peuvent, pour de nouvelles demandes de
formation, tre combines en un nouveau cours adapt au profil de lapprenant et son
-57-
objectif. Le processus pdagogique est bas sur les requtes Web smantique et la navigation
travers des ressources pdagogiques active par un background ontologique. Lontologie
permet le lien entre les besoins des apprenants et les annotations des ressources pdagogiques.
Les travaux de (Stojanovic et al., 2001) appuient le fait que le Web smantique constitue une
plateforme pour la recherche et lextraction de ressources pdagogiques du Web. Les auteurs
considrent que lannotation smantique des ressources pdagogiques rpond au problme
pos par les annotations utilisant des vocabulaires non contrls tel que le standard de
mtadonnes LOM (Learning Object Metadata) ou le Dublin Core. Ils stipulent que les
ressources pdagogiques du Web pourraient tre traitables par les programmes si celles-ci
sont annotes par une ontologie. Ainsi, grce une reprsentation ontologique comprise par
les programmes, la rutilisation et la personnalisation des systmes pdagogiques reprsentent
les points forts de lutilisation du Web smantique.
Les travaux de (Vargas-Vera & Lytras, 2008) montrent que la recherche de ressources
pdagogiques guide par une ontologie reprsente une alternative intressante la recherche
classique par mots cls. Les rsultats de la recherche sont plus adapts aux apprenants grce
aux capacits de raisonnement intrinsques aux ontologies. Ces travaux proposent un portail
smantique qui permet aux apprenants daccder de manire transparente des services et
des ressources pdagogiques distribus sur le Web. Ces services peuvent effectuer des
raisonnements en arrire plan pour rechercher des ressources pdagogiques pertinentes pour le
compte de lapprenant.
Un framework pour la personnalisation de lapprentissage en utilisant le Web smantique est
propos dans (Henze, Dolog, & Nejdl, 2004). Les auteurs montrent comment lutilisation des
descriptions RDF des ressources pdagogiques distribues permet la gnration automatique
de cours hypermdias. Ils utilisent le langage de rgles TRIPLE pour lchange des
annotations RDF.
Une synthse sur le nouveau dfi des systmes pdagogiques, savoir, le Web smantique
ducationnel est prsente dans (Aroyo, & Dicheva, 2004). Les auteurs prsentent un tat de
lart du e-Learning smantique et proposent un framework pour assurer linteroprabilit, la
rutilisation et le partage des informations ducationnelles travers des descriptions
smantiques et la standardisation de la communication travers des systmes modulaires et
bases de services.
En rsum, les recherches cites ici et beaucoup dautres tendent tirer profit du Web
smantique dans le domaine de lducation et en particulier pour la personnalisation des
-58-
systmes pdagogiques, la gnration de cours adapts au profil de lapprenant et la

rutilisation de ressources pdagogique.
5. Mtadonnes et e-Learning
Comparativement lapprentissage traditionnel, dans lequel lenseignant joue le rle

dintermdiaire entre lapprenant et le matriel dapprentissage, le scnario dapprentissage
dans le e-Learning est compltement diffrent : les enseignants ne contrlent plus la livraison
du matriel aux apprenants et ces derniers ont la possibilit de combiner le matriel
dapprentissage en des cours pour leur propre besoin. De ce fait, le contenu dapprentissage
doit exister pour son propre compte. Cependant, indpendamment du temps et du cot pris
pour la cration du matriel, le contenu demeure inutilisable tant quil ne peut tre recherch
et index facilement.
La communaut du e-Learning a convenu dutiliser des standards de mtadonnes. Les
mtadonnes fournissent un ensemble commun de balises qui peuvent tre appliques
nimporte quelle ressource, indpendamment de qui la cre et quels sont les outils qui vont
lutiliser et mme o elle sera stocke. Les mtadonnes sont des descriptions de ressources ;
le balisage des mtadonnes permet aux organisations de dcrire, indexer et rechercher leurs
ressources.
Dans la communaut e-Learning, des standards tels que IEEE-LOM (Learning Object
Metadata) (LOM, 2002) et IMS Metadata9 sont apparus pour dcrire les ressources
pdagogiques. Ces modles de mta-donnes dcrivent comment le matriel dapprentissage
peut tre dcrit de faon interoprable. Tous les lments des mta-donnes ncessaires la
description dune ressource peuvent tre classifis en plusieurs catgories, chacune offrant un
point de vue diffrent de la ressource. Ce mouvement de standardisation vise raliser
linteroprabilit selon diffrentes dimensions (Duval, 2001) :
Fonctions : Le but est de pouvoir utiliser les mmes mtadonnes, ou des ensembles
de mtadonnes interoprables, pour la catgorisation, la dcouverte, la livraison (tout
en respectant les droits de lauteur, de lditeur, etc.), linstallation (dans un contexte
de documents numriques), etc.
Niveaux : Bien quune large majorit des recherches sur le Web se limitent
lutilisation de mots clefs, il est souhaitable que les mmes mtadonnes puissent tre
exploites pour des recherches plus spcifiques (telles que tous les documents qui
9
http://www.imsglobal.org/metadata/index.html
-59-
traitent de la normalisation en forme Boyce-Codd des bases de donnes relationnelles,

en nerlandais ou en franais, pour un niveau universitaire, qui prennent entre 20 et 35
minutes du temps de ltudiant, ne cotant rien et tant disponibles sur une plate-
forme Linux ).
Technologies : Lintroprabilit la plus vidente est celle des technologies. Dans le
contexte des standards, on parle de binding dun standard une technologie. Pour
les mtadonnes, par exemple, on peut dfinir des reprsentations en RDF, XML
(DTD ou Schma), base de donnes (relationnelle, oriente objet ou autre), etc. Le but
de la standardisation est de limiter le nombre de ces bindings un seul, ou bien
den dfinir un nombre rduit, chacun pour un contexte technique spcifique, et
dtablir les relations entre ces diffrentes reprsentations, de sorte que lon puisse
transformer automatiquement les mtadonnes dun contexte (par exemple RDF) un
autre (par exemple base de donnes).
Barrires smantiques et linguistiques : Sans doute linteroprabilit la plus difficile
raliser est lintroprabilit smantique, y compris (mais pas du tout limite )
linteroprabilit linguistique. Il est bien vident que, mme sil y avait une
interoprabilit parfaite sur le plan des fonctions, niveaux et technologies, le but de la
comprhension mutuelle entre producteur de contenu, indexeur, chercheur et autres
utilisateurs est compltement vasive si les mots et termes ne sont pas traduits, ou si
les vocabulaires sont appliqus dune manire inconsistante. Pour raliser une telle
interoprabilit, il faut donc que lon traduise en plusieurs langues, que lon rende
explicite lapplication et le sens des vocabulaires, que lon essaie dtablir des liens
entre des classifications et taxonomies relates, etc.
6. Exemple de Standards de mtadonnes : Learning Object Metadata

(LOM)
Le LOM pour Learning Object Metadata est un standard de l'IEEE (Institute of Electrical and
Electronics Engineers) qui porte la rfrence IEEE-1484.12.1-2002. D'un point de vue
pratique, le LOM fournit un moyen efficace de reprer et d'indexer des objets d'apprentissage
de diffrents types. Ce standard est seulement la premire partie dun standard multi parties.
Cette premire partie contient un modle abstrait (Abstract Model) compos de descripteurs
ou dlments qui sont utiliss pour dcrire les objets dapprentissage et ne concerne pas la
ralisation technique de ces lments. Les lments LOM seront grs par diffrents formats
-60-
incluant les tables SQL, les fichiers textes, les mta-balises HTML, etc. De telles ralisations
techniques du modle abstrait dans un format spcifique reprsentent des 'binding'.
La rfrence IEEE-1484.12.1 s'accompagne de 3 autres standards IEEE-1484.12.2, IEEE-
1484.12.3 et IEEE-1484.12.4 qui traitent respectivement le modle et des bindings XML et
RDF.
LOM a une structure hirarchique de 78 lments qui forment un arbre sur 3 niveaux. Il
propose 59 champs d'information indpendants. Chaque champ d'information peut apparaitre
en gnral 0 ou 1 fois; certains champs particuliers peuvent apparaitre un nombre limit de
fois 10, 30 ,40 ou mme 100 fois.
Cependant, il est illusoire de croire pouvoir imposer tous les auteurs et tous les
documentalistes qui produisent des ressources pdagogiques l'utilisation exhaustive et
restrictive du standard LOM.
6.1 Descripteurs du modles LOM
LOM est un schma de mtadonnes qui comprend 78 lments hirarchiss, regroups en

neuf catgories. LOM intgre les 15 champs du Dublin Core10 qui est un modle de
mtadonnes gnrique dfini pour tre appliqu tout type de ressource numrique. Les neuf
catgories de LOM sont (extrait de http://wiki.univ-paris5.fr /wiki/LOM) :
1. Gnral
Cette catgorie regroupe les caractristiques gnrales indpendantes du contexte qui
dcrivent la ressource dans son ensemble : identifiant de la ressource (identificateur
global unique), son titre, sa description, la liste des langues utilises, une liste de mots
cls, ltendue de la ressources (gographie, culture), le type de structure (collection,
linaire, hirarchique, etc.), son niveau de granularit (de 1 4, 1 dsignant un cours
entier).
2. Cycle de vie
Caractristiques relatives au cycle de vie : historique de la ressource (version), tat de
la ressource (du point de vue de son achvement ou de sa disponibilit) et dautre part
les personnes qui ont affect cette ressource durant son volution (instance unique).
Toutes les sous catgories sont fondamentales pour pouvoir faire fonctionner un
systme dinformation structure avec mtadonnes. La plupart de ces catgories sont
bien connues des bibliothcaires, mais doivent tre modifies en consquence.
10
http://dublincore.org/
-61-
3. Mta-mtaDonnes
Caractristiques de la description elle-mme (spcifiques lenregistrement des
mtadonnes) : la date de contribution, les diffrents contributeurs ltablissement
des mtadonnes, etc. Il est souligner que la non confusion entre cration des
mtadonnes et cration de ressources doit tre souligne comme primordiale. Cette
catgorie est galement fondamentale pour pouvoir faire fonctionner un systme
dinformation structure avec mtadonnes. Les sous-ensembles que contient cette
catgorie taient pour la plupart inconnus des bibliothcaires qui y ont t confronts
lorsquils ont construit des bibliothques numriques. Font partie de cette catgorie :
- une entre unique correspondant au systme didentification (comme ARIADNE,
URL, etc.),
- la langue de la description,
- les contributions, y compris les entits (personnes, organisations) ayant contribu et
la date de leur contribution (un type spcifique de contribution tant la validation) ;
4. Technique
Cette catgorie dfinit les exigences techniques en terme de navigateur, de systme
dexploitation, ou des caractristiques comme le type des donnes, le format (type
MIME), la taille de la ressource pdagogique (en octets), sa localisation physique en
vue de son tlchargement (URL Uniform Ressource Locator ou URI Uniform
Ressource Identifier), sa dure, des informations complmentaires sur linstallation,
etc.
5. Pdagogie
Cette catgorie se dcline en treize sous-catgories pdagogiques. Cest souvent par
ces sous-catgories que lon amliore lexploitation du contenu pdagogique. Il est par
contre fondamental de bien comprendre que les deux items densit smantique et
description ne sont pas destins dcrire la ressource pour la retrouver ultrieurement
ou la classer.
Type dinteractivit : le type dinteraction entre la ressource et lutilisateur
typique (Active, Expositive, Undefined).
Types de ressources pdagogiques : le type pdagogique (exercise,
simulation...) peut tre prsent plusieurs fois.
Niveaux dinteractivit : degr dinteractivit.
Densit smantique : (de trs basse trs leve).
-62-
Rle prsum de lutilisateur final : public cibl, prioritairement destinataire de

la ressource (professeur, auteur, apprenant ou administrateur).
Niveau : niveau du public cibl.
Proposition d'utilisation : (contexte) description relative l'utilisation
pdagogique de la ressource.
Tranche dge : ge de lapprenant.
Difficult : difficult de la ressource.
Dure dapprentissage moyen : dure approximative ou typique
d'apprentissage pour le ou les niveaux indiqus.
Description : commentaires sur lutilisation de la ressource.
Language : langue de lutilisateur.
6. Droits
Caractristiques exprimant les conditions dutilisation : les droits (copyright) lis la
ressource, les conditions lgales d'utilisation, ventuellement son cot.
7. Relation
Caractristiques exprimant les liens avec dautres ressources pdagogiques en
prcisant la nature de la relation ( est requis par , est une partie de ).
8. Annotation
Annotations ou commentaires sur lutilisation pdagogique de la ressource.
9. Classification
Cette catgorie, essentielle pour proposer un schma ouvert, permet dindiquer o se
place la ressource dans un systme de classification donn. Dans ARIADNE par
exemple, on utilise cette catgorie pour placer la ressource dans une classification
smantique dynamique, en indiquant la discipline et les concepts prsents dans la
ressource.
Il est important de noter que de nombreux lments peuvent recevoir plusieurs valeurs (tout
comme certaines catgories). Par exemple, en utilisant plusieurs classifications, on pourra
prciser o se place la ressource dans diffrentes taxinomies smantiques, telles que Universal
Decimal Classification, Dewey Decimal Classification, etc.
Par ailleurs, un des buts explicites du LOM est de faciliter le multilinguisme, aussi bien au
sein des ressources que dans leur description. A chaque fois que l'on doit saisir des textes
libres (plutt que de slectionner des valeurs dun vocabulaire prdfini), la notion de
'LangString' propose par le schma permet de dfinir un texte en diffrentes langues. Une
-63-
indication prcise la langue utilise ainsi que son ventuelle variante gographique, comme
par exemple fr-fr et fr-ca pour franais pratiqu en France et franais pratiqu au Canada
(Duval, 2002). Ces descripteurs ne sont pas obligatoires mais certains peuvent tre rpts.
6.2. Limitations du modle LOM
LOM est considr comme le modle de mtadonnes de rfrence pour dcrire des
ressources pdagogiques. Cependant, de nombreuses limitations sont constates :
Lourdeur du modle :
Arbitrage raliser entre le volume et la pertinence des champs du modle.
Complexit technique du modle :
Difficult de remplir les 78 champs du modle.
Insuffisance en termes daspects pdagogiques :
Les 9 catgories de LOM renferment implicitement des modles pdagogiques sous-jacents,
approuvs de facto. Dans l'tat prsent, ce modle ressort davantage d'un catalogue de
ressources que d'une aide la mise en place de dispositifs efficients de transfert ou de
construction de savoirs.
o Manque de dfinition de ce quest une ressource pdagogique : Le LOM
sapplique indistinctement des objets qui ont des natures et des
fonctionnalits trs diffrentes (ressources, activits et unit dapprentissage) :
cela empche leur description en tant que tels
o Excs de gnricit : Le LOM offre des champs de donnes qui manquent de
prcision (Ex : la catgorie "classification" permet chaque institution de
classer lobjet suivant son propre catalogue).
o Rle de descripteur nest pas assez pouss pour prendre en compte des
ressources plus interactives comme celles mises en uvre dans lvaluation
des connaissances.
o Manque de pertinence de certains champs en terme dindexation : Certains
descripteurs (tels que la "densit smantique") apparaissent trop subjectifs,
donc difficiles informer
o Focalisation exclusive sur les contenus sans prise en considration de la
dmarche pdagogique leur associer.
o Incompatibilit avec des reprsentations structures de linformation : Le LOM
ne permet pas, dans sa forme actuelle, de reprsentations enrichies de
connaissances (liens, ontologies)
-64-
o Aspects dterministe de certaines listes de valeurs

Par exemple, la valeur du champ "Niveau dagrgation" induit celle du champ
"structure":
o Ambigut dans lutilisation de la catgorie "Relation"
Conclusion : Dans ce chapitre nous avons prsent le Web smantique en explicitant ses
objectifs et ses langages. En effet, Les spcifications RDF, RDFS et OWL combines
forment une partie de la plateforme Web Smantique base sur les concepts suivants :
un schma de nommage global (les URI)
une syntaxe standard pour dcrire des connaissances (RDF)
un moyen standard de dcrire les proprits de ces connaissances (RDF Schema)
un moyen standard de dcrire les relations entre ces connaissances (OWL)
un moyen de crer un rseau de confiance scuris propos de ces connaissances
Nous avons galement montr lintrt que pouvait avoir le Web smantique pour le e-
Learning et particulirement pour les systmes pdagogiques adaptatifs qui ont comme
mots cls : efficacit, rutilisabilit et apprentissage pertinent. Nous avons prsent un
aperu des recherches qui essayent dutiliser les ontologies et les standards de mtadonnes
pour amliorer la rutilisation des ressources pdagogiques au sein de systmes
pdagogiques.
Nous avons galement prsent le standard LOM, dune part parce quil reprsente un
modle de mtadonnes incontournable dans le domaine de lducation et dautre part
parce que nous nous intressons, dans le cadre de notre travail, uniquement au ressources
pdagogiques du Web annotes par le standard LOM.
-65-
Partie II : Un environnement pdagogique
adaptatif: le systme OrPAF
Dans notre travail de thse, nous nous intressons la construction dun environnement
pdagogique centr sur lapprenant, qui permet de monter efficacement des formations en
rutilisant des ressources pdagogiques existantes du Web. Ce type denvironnements intgre
des agents humains (des enseignants, des experts du domaine, des apprenants, etc.) et des
agents logiciels qui fournissent aux apprenants des situations dinteraction leur permettant
daccder des ressources pdagogiques dans le but datteindre leurs objectifs de formation.
La partie logicielle de notre environnement est dveloppe pour assurer trois fonctions :
1. Reprsentation, gestion et exploitation des connaissances (dans notre cas, bases sur
les modles et les technologies du Web smantique) (Yessad et al., 2008a ; Yessad et
al., 2008b ; Yessad et al., 2008c);
2. Recherche de ressources pdagogiques pertinentes du Web (dans notre cas,
recherches partir du corpus ARIADNE) (Yessad et al., 2005a) ;
3. Gnration et prsentation de cours adaptatifs (dans notre cas, travers la technologie
des hypermdias adaptatifs) (Yessad et al., 2005b ; Yessad et al., 2006).
-66-
Le systme OrPAF
1. Cadre danalyse et mthodologie de dveloppement
Nous prsentons tout au long de cette deuxime partie les choix techniques et didactiques qui
sous-tendent notre approche ainsi que la dmarche mthodologique utilise pour le
dveloppement de notre environnement pdagogique adaptatif.
Au-del des contraintes classiques que doit vrifier un systme informatique, les
environnements pdagogiques embarquent des fonctionnalits supplmentaires lies
lobjectif de susciter ou daccompagner un apprentissage humain. Dans ce domaine, plusieurs
mthodologies ont t proposes (Reigeluth, 1999) pour assister les quipes de
dveloppement. Dans notre travail, nous rutilisons une mthodologie de dveloppement
propose dans (Lester et al., 2005) et qui est une extension du processus de dveloppement
en cascade (Boehm, 1981). Ce modle de dveloppement de systmes pdagogiques
comporte six phases, savoir, ltude de faisabilit, lanalyse, la conception, la construction,
la ralisation et lvaluation du systme (voir figure 6).
Figure 6: Phases de dveloppement dun environnement pdagogique (Lester et al., 2005)
2. Problmatique de recherche
Lintrt principal de notre recherche est de proposer un environnement pdagogique qui
permet de monter efficacement des formations destines un public averti, par exemple des
employs impliqus dans un processus de formation continue, qui sont rgulirement
confronts de nouveaux besoins de formation et qui ne disposent daucune assistance
humaine. Il sagit galement dintgrer une dmarche didactique au dveloppement technique
dun tel environnement.
Le point de dpart de notre travail a t didentifier les situations dapprentissage pour
lesquelles notre approche serait utile et apporterait une valeur ajoute par rapport aux
approches et systmes dj existants.
-67-
Le systme OrPAF
Besoin 1 : Adaptation de nouveaux besoins de formation

Premirement, nous avons voulu raliser un environnement qui sadapte avec un minimum
defforts technique et didactique (de la part des enseignants et des experts du domaine) de
nouveaux besoins de formation. Ce besoin dadaptation est rel car nous constatons
quaujourdhui de plus en plus dentreprises prvoient rgulirement dans leur calendrier des
sessions de formation pour leurs employs. Les entreprises organisent souvent ces formations
en prsentiel sur site ou dlocalises (par exemple sur des campus universitaires) ou ont
recours des plateformes dapprentissage avec tuteurs (Learning Management Systems). Ces
deux types de solutions (formation en prsentiel ou plateforme dapprentissage) cotent
normment aux entreprises et donc ne conviennent pas aux contraintes conomiques et aux
besoins defficacit de celles-ci. Notre rponse ce problme est de proposer un
environnement pdagogique adaptatif qui sadapte efficacement aux nouveaux besoins de
formation des employs ainsi qu leurs profils. Dans ce contexte, un effort de standardisation
des diffrents composants de lenvironnement pdagogique nous a paru indispensable dans le
but de faciliter son adaptation et rutilisation pour de nouvelles formations (Voir chapitre 4).
Besoin 2 : Rutilisation des ressources pdagogiques du Web
Ensuite, nous avons constat que le Web regorge de ressources pdagogiques qui pourraient
tre rutilises pour de nouveaux besoins de formation. Cette rutilisation est gnralement
manuelle. Or, ce travail manuel est la fois coteux et complexe. Fidles notre logique
defficacit, nous voulons apporter une assistance automatique aux experts et aux enseignants
pour rendre la recherche et la rutilisation des ressources pdagogiques du Web plus
pertinente et efficace. Pour ce faire, nous avons restreint notre recherche une partie du Web,
en loccurrence, la partie annote qui contient des ressources pdagogiques dcrites avec le
standard LOM (par exemple le corpus ARIADNE). En effet, la rutilisation des ressources
pdagogiques disponibles sur le Web (cours, exercices, simulations, etc.) pourrait amliorer
lefficacit du systme en conomisant le temps et leffort de dveloppement de nouvelles
ressources pdagogiques. Cette rutilisation est conditionne par la capacit dadapter ces
ressources aux diffrents contextes de formation (voir chapitre 5)
Besoins 3 : Prsentation personnalise du contenu pdagogique
Enfin, nous voulons offrir aux apprenants des parcours dapprentissage adaptatifs o une
approche constructiviste et un mcanisme dapprentissage par la dcouverte soient possibles.
Nous voulons mettre en place un mcanisme dinteractions apprenant-systme qui met
lapprenant au centre du systme, en sadaptant ses caractristiques et qui dans le mme
temps le responsabilise. Notre recherche sest oriente naturellement vers la technologie des
-68-
Le systme OrPAF
hypermdias ducationnels adaptatifs. En effet, les hypermdias ducationnels adaptatifs,

prsents au chapitre 2, nous permettent de construire des cours personnaliss et favorisent
une approche constructiviste de lapprentissage (voir chapitre 5).
3. Scnarios dutilisation de lenvironnement pdagogique adaptatif

Dans un environnement pdagogique, diffrents acteurs peuvent intervenir : des experts pour
ajouter, supprimer ou modifier les connaissances sur le domaine et la pdagogie, des
enseignants pour rechercher et annoter les ressources pdagogiques, et des apprenants
impliqus dans un processus de formation avec des objectifs et des contraintes prcises.
Scnario 1 : Description des connaissances par les experts
Dune part, les experts du domaine ont besoin de dcrire de manire informelle les
connaissances de leur domaine dapprentissage (les mathmatiques, la biologie, etc.). Ces
connaissances sont des notions du domaine (par exemple la notion de polynme en Algbre),
des relations qui relient ces notions et des rgles qui permettent de raisonner sur les notions et
les relations.
Dautre part, les experts en pdagogie ont besoin de dcrire les connaissances relatives aux
diffrentes stratgies pdagogiques adopter en fonction des situations dapprentissage et des
profils apprenants (par exemple illustrer une notion du domaine par lanalogie pour un
apprenant dbutant).
Les connaissances du domaine et les connaissances de la pdagogie sont formalises par des
ingnieurs cogniticiens. Des techniques et des langages de reprsentation et de gestion de ces
connaissances sont utiliss. Nous dtaillerons cet aspect dans le chapitre 4.
Scnario 2 : Recherche de ressources pdagogiques par les enseignants
A chaque fois quun besoin de formation apparat, les enseignants se posent la question
suivante : Quelles sont les notions que lapprenant doit acqurir dans le cadre de cette
nouvelle formation ? Existe-il dj sur le Web des ressources pdagogiques qui pourraient
tre rutilises dans le cadre de cette formation ? Comment et partir de quels corpus
rechercher ces ressources pdagogiques ? Quelle est la pertinence de ces ressources pour
lapprenant ? Les solutions conceptuelles que nous apportons ces questions sont exposes
dans le chapitre 5.
Scnario 3 : Apprentissage adaptatif de lapprenant
Un environnement pdagogique adaptatif fournit lapprenant les moyens datteindre
efficacement son objectif en vitant de lui prsenter des notions ou des ressources
pdagogiques qui ne servent pas son objectif ou ne sadaptent pas son profil. Lapprenant a
-69-
Le systme OrPAF
besoin dtre guid dans son parcours dapprentissage sans pour autant perdre le contrle sur
celui-ci. Il sagit de trouver un compromis entre le guidage absolu de lapprenant dans les
tuteurs intelligents et la libert absolue de lapprenant dans hypermdias ducationnels. Ce
problme est difficile et relve du domaine de la psychologie pdagogique mais des rponses
technologiques existent (Voir chapitre 5).
4. Environnement pdagogique adaptatif: le systme OrPAF

Le systme OrPAF (Organisateur de Parcours Adaptatifs de Formation) est la solution qui a
t construite tout au long de notre travail de thse pour rpondre notre problmatique de
recherche. Il sagit dun environnement pdagogique adaptatif centr sur lapprenant o la
gestion dun modle apprenant permet la fois de construire des parcours dapprentissage
adaptatifs (les parcours reprsentent la structure du cours) et de prsenter lapprenant des
ressources pdagogiques pertinentes (les ressources pdagogiques reprsentent le contenu du
cours). Cette adaptation de la structure et du contenu du cours constitue une personnalisation
du systme au profil de lapprenant. Le cours est prsent sous la forme dun hypermdia que
lapprenant parcourt jusqu ce quil atteigne son objectif. La personnalisation de cet
hypermdia prserve la libert de parcours du cours par lapprenant tout en rduisant les
problmes de dsorientation et de surcharge cognitive intrinsques la technologie
hypermdia. Au-del de la personnalisation des cours destins aux apprenants, nous nous
sommes intresss au problme de ladaptation efficace de lenvironnement pdagogique
diffrentes demandes de formation. Ceci nous a conduits nous intresser et utiliser les
standards des domaines de lducation et de la gestion des connaissances. En plus, le besoin
dinteroprabilit des composants du systme OrPAF avec dautres systmes du Web nous a
conduits nous tourner vers les technologies du Web smantique et en particulier les
ontologies. Ces dernires nous permettent de reprsenter les diffrentes connaissances
(connaissances du domaine, connaissances sur la pdagogie, connaissances sur lapprenant) et
dannoter smantiquement les ressources pdagogiques recherches du Web pour les rutiliser
dans le processus dapprentissage.
-70-
4. Reprsentation des connaissances dans
OrPAF
Nous avons expliqu dans le chapitre 3, lintrt dutiliser les ontologies et les technologies
du Web smantique pour (i) rpondre la faiblesse smantique de la reprsentation des
connaissances dans le domaine de lapprentissage humain et (ii) associer aux ressources
pdagogiques des descriptions formelles permettant de mettre en uvre des raisonnements
formels (recherche de ressources, compositions de ressources, etc.). Dans le cadre de notre
travail de thse, loprationnalisation des ontologies nous permet de raliser des besoins
fonctionnels et dautres non fonctionnels.
Dans le cadre des besoins fonctionnels, lutilisation des technologies Web smantique nous
permet de rechercher des ressources pdagogiques adaptes lapprenant, de composer de
nouvelles ressources partir de ressources existantes permettant davoir des parcours
dapprentissage personnaliss et dadapter linteraction entre le systme et lapprenant en
fonction des objectifs de celui-ci.
Dans la cadre des besoins non fonctionnels, les technologies et les modles du Web
smantique amliorent linteroprabilit de lenvironnement pdagogique avec dautres
systmes pdagogiques du Web, en particulier, la rutilisation de ressources pdagogiques et
de connaissances (par exemple les connaissances dun domaine) cres et gres dans ces
-71-
Reprsentation des connaissances dans OrPAF
systmes pdagogiques. Dailleurs, une ontologie reprsente une dfinition explicite dune
conceptualisation partage dun domaine de connaissances et donc permet de limiter les
projections possibles entre les symboles utiliss et leur signification, ce qui amliore la
comprhension automatique des modles et donc leur rutilisation.
Dans ce chapitre, nous allons prsenter comment nous avons utilis les ontologies pour
dcrire les connaissances de lenvironnement pdagogique adaptatif OrPAF.
1. Modlisation des connaissances dans OrPAF (Yessad et al., 2008b)
Dans le contexte du systme OrPAF, lutilisation des ontologies nous permet de :

- Lever les ambiguts dans les changes entre les personnes, entre les personnes et les
composants du systme, et entre les composants du systme ;
- Amliorer la rutilisation des connaissances lies lapprentissage humain
(connaissances sur le domaine, connaissances sur lapprenant, etc.) ;
- Dcrire de manire formelle et partage les notions apprhender lors dune
formation (le modle du domaine) ;
- Dcrire de manire formelle et partage les stratgies pdagogiques appliquer en
fonction des situations dapprentissage et des apprenants (le modle pdagogique) ;
- Dcrire de manire formelle et partage les caractristiques des apprenants (le modle
apprenant) ;
- Ces connaissances (du domaine, de la pdagogie et de lapprenant) servent de
vocabulaire formel et partag pour annoter les ressources pdagogiques du Web et
permettre laccs aux ressources les plus pertinentes.
Pour rpondre au besoin dadaptation de lenvironnement pdagogique un nouveau besoin
de formation, c'est--dire, un nouveau domaine (ou discipline), une nouvelle stratgie
pdagogique (par exemple la stratgie inductive pour prsenter les activits du cours) ou un
nouveau profil apprenant (par exemple un apprenant avec des difficults particulires
daccessibilit au systme), nous avons fait le choix de dcrire toutes les connaissances
grer dans le systme deux niveaux ontologiques : un niveau mta-modle o nous
dcrivons une ontologie ddie lapprentissage en ligne (une ontologie du e-Learning) et un
niveau modle o sont dcrites des ontologies ddies une formation particulire (un
domaine particulier et une stratgie pdagogique particulire), des modles apprenant (des
profils apprenants particuliers) et des annotations pour les ressources pdagogiques du Web.
Le mta-modle sert formaliser les connaissances lies au domaine de lapprentissage en
ligne (lontologie du e-Learning) et constitue le vocabulaire commun utilis pour construire
-72-
les ontologies et les modles du niveau infrieur. En dautres termes, ces derniers sont
construits par instanciation des diffrents concepts dfinis dans lontologie du e-Learning.
Etant donn, que certains concepts sont redondants et sont reprsents dans plusieurs modles
(modle du domaine, modle pdagogique et modle apprenant), cette approche de
modlisation deux niveaux nous permet de dcrire de manire partage et cohrente les
concepts des diffrents modles.
Ainsi, la conception dun mta-modle permet de rduire lhtrognit :
(1) entre les langages qui servent dcrire les modles. Cette htrognit se manifeste
gnralement en quatre points : la syntaxe, la reprsentation logique, la smantique des
primitifs et lexpressivit du langage.
(2) entre les modles. Cest--dire quune diffrence dans la faon dinterprter un domaine
implique une diffrence entre les concepts et leurs relations qui se manifeste la fois au
niveau de la spcification et au niveau de la conceptualisation du domaine, comme par
exemple avoir plusieurs termes pour dsigner le mme concept. En effet, nous pouvons avoir
dans le systme une connaissance qui spcifie que l apprenant A doit apprendre la notion
dsigne par le terme t1 et une autre connaissance qui spcifie que la ressource
pdagogique R est un exercice sur la notion dsigne par le terme t2 . Si dans lontologie
nous disposons de la connaissance qui spcifie que les termes t1 et t2 sont relatifs la mme
notion alors R devient une ressource pertinente pour lapprenant A.
2. Acteurs du systme OrPAF

Dans le systme OrPAF, diffrents types dacteurs ont diffrents types dinteractions avec la
base de connaissances (voir figure 7).
Un acteur Producteur : ce rle est jou par lexpert qui produit la connaissance. Il spcifie
de manire informelle ou semi-formelle (structure) tous les concepts qui appartiennent au
domaine de la formation, la pdagogie adopte et ceux qui caractrisent les profils
apprenants. Dans le systme OrPAF, diffrentes personnes jouent le rle dexpert : les experts
du domaine de la formation (par exemple un mathmaticien, un biologiste, etc.), les experts
en pdagogie, les experts en psychologie didactique, etc. Ces personnes dtiennent des
connaissances statiques et oprationnelles dans leurs domaines de comptences.
Un acteur Consommateur : ce rle est jou par les apprenants. Les apprenants empruntent
des parcours dapprentissage formaliss dans les diffrentes ontologies (lontologie du e-
Learning et les ontologies de formation). Ils consultent galement des ressources
pdagogiques adaptes leur profil. La pertinence de ces ressources pdagogiques pour un
-73-
contexte de formation donn est identifie grce leurs annotations smantiques bases sur les
diffrentes ontologies.
Un acteur modlisateur : ce rle est jou par lingnieur de la connaissance qui utilise un
langage de reprsentation de connaissances (dans notre cas, un langage ontologique) pour
formaliser les connaissances informelles ou semi-formelles spcifies par les experts.
Dans le systme OrPAF, les enseignants ont un double rle : ils recherchent sur le Web des
ressources pdagogiques et les annotent (dans ce cas, ils sont producteurs de connaissances).
Cependant, le processus dannotation est guid par le systme car les enseignants sont
contraints dutiliser exclusivement le vocabulaire spcifi dans les ontologies (dans ce cas, ils
sont consommateurs de connaissances). Par exemple, si un enseignant annote une ressource
pdagogique qui dfinit la notion Polynme du domaine de lalgbre, il doit utiliser la
notion Polynomial ou une notion proche de Polynomial dans lontologie qui dcrit le
domaine de lalgbre. Cette contrainte assure lutilisation dun vocabulaire commun entre les
diffrents acteurs et composants du systme et rduit ainsi le risque dhtrognit
smantique.
-74-
Modles
apprenants
Modles du Ontologie e-learning

domaine
Modles
pdagogiques
Algorithmique
Algbre
Formalisation des connaissances
Ingnieurs des
connaissances
Experts du Experts en
domaine pdagogie
Apprenants
Figure 7: Les acteurs et lorganisation des connaissances dans OrPAF
3. Ontologies du systme OrPAF

Une ontologie comprend deux catgories dentits : les concepts qui sont organiss
hirarchiquement et les relations smantiques qui relient les concepts. Pour les besoins de
notre recherche, nous avons dfini deux types dontologies : une ontologie du e-Learning et
des ontologies de formation.
-75-
3.1. Ontologie du e-Learning
3.1.1. Dfinition informelle
Cette ontologie reprsente un modle gnrique qui formalise des connaissances du domaine
de lapprentissage en ligne (e-Learning) indpendamment de la formation vise (la discipline
apprendre). Elle dcrit deux types de connaissances: des concepts et des proprits organiss
hirarchiquement. Pour chaque proprit, on dfini un concept de dpart (le domaine de la
proprit) et un concept darriv (la valeur ou le co-domaine de la proprit). Ces
connaissances sont instancies pour dcrire les notions dun domaine (par exemple les notions
de lalgbre), des stratgies pdagogiques (par exemple la stratgie inductive), des
caractristiques de lapprenant (par exemple son niveau de connaissances) et des annotations
conceptuelles pour les ressources pdagogiques (par exemple le type pdagogique de la
ressource, son auteur, etc.).
La figure 8 reprsente un extrait de lontologie du e-Learning qui a t construite dans le
cadre du projet OrPAF. Elle est compose de diffrents concepts et proprits ddis la
formalisation de diffrentes connaissances : connaissances sur le domaine, connaissances sur
la pdagogie, connaissances sur lapprenant et connaissances sur les ressources pdagogiques.
Figure 8: Un extrait de lontologie du e-Learning
Nous notons quune proprit qui relie deux concepts est oriente du concept domaine
vers le concept co-domaine . Par exemple, la proprit preferedAuthor relie le concept
Learner (domaine de la proprit) au concept Author (le co-domaine de la proprit).
3.1.2. Dfinition formelle
Formellement, nous dfinissons lontologie du e-Learning LO (pour Learning Ontology)

comme suit :
-76-
LO = (C, P, Hc, Hp, Signature, Rules), o:

- C et P sont deux ensembles disjoints. Les lments de C sont appels concepts et les
lments de P sont appels proprits. Chaque lment de ces deux ensembles est identifi par
une URI (Unique Resource Identifier).
- Hc est la hirarchie qui relie les diffrents concepts. Elle reprsente un graphe acyclique et
orient avec Hc C C. Lcriture Hc(c1, c2) signifie que c1 est un sous-concept de c2.
- Hp est la hirarchie qui relie les diffrentes proprits. Elle reprsente un graphe acyclique et
orient avec Hp PxP. Hp(p1,p2) signifie que p1 est une sous-proprit de p2.
- Signature: P C C est une fonction qui dfinit les concepts de dpart et darriv dune
proprit p. La fonction domain: PC avec domain(p)=1(Signature(p)) retourne le domaine
de p et la fonction range(P)=2(Signature(P)) retourne son co-domaine.
- Rules est un ensemble de rgles sur C et P.
Les concepts et les proprits sont considrs comme des objets gnraux reprsentant des
connaissances gnrales dans le domaine du e-Learning. Cette ontologie du e-Learning est
instancie pour construire des ontologies de formation spcialises : le modle du domaine, le
modle pdagogique et le modle apprenant. Elle est galement utilise pour annoter les
ressources pdagogiques en construisant des annotations conceptuelles (voir chapitre 5).
Contrairement lontologie du e-Learning, les ontologies de formation, c'est--dire, le modle
du domaine, le modle pdagogique et le modle apprenant dcrivent des objets concrets et
spcifiques. Par exemple, nous retrouvons dans lontologie du e-Learning le concept
MediumTopic (une notion intermdiaire) et GoalTopic (une notion cible) qui reprsentent des
types de notions alors que dans le modle du domaine nous dcrivons des notions concrtes
qui appartiennent un domaine de formation prcis, par exemple Operator et Statement pour
le domaine de lalgorithmique. En outre, le fait que Operator et Statement soient de type
MediumTopic exprime explicitement la relation qui existe entre lontologie du e-Learning et
le modle du domaine : le modle du domaine est une instance de lontologie du e-Learning.
Les concepts de lontologie du e-Learning sont organiss hirarchiquement avec un concept
racine et abstrait appel ELearningConcept. Le concept ELearningConcept possde trois
sous-concepts: LearningTopic, LearningPerson, LearningPedagogy qui sont utiliss
respectivement ainsi que leurs sous-concepts pour construire le modle du domaine, le modle
pdagogique et le modle apprenant. De la mme manire, les proprits sont organises
hirarchiquement avec une proprit racine abstraite appele eLearningProperty. Cette
-77-
dernire est spcialise en trois sous-proprits appeles : learningTopicProperty,

learnerProperty et pedagogicalProperty.
3.1.3. Langage de description de lontologie du e-Learning
Dans le systme OrPAF, lingnieur des connaissances prend en charge la reprsentation des
connaissances exprimes par lexpert en utilisant des formalismes de reprsentation.
Les standards actuels de reprsentation ontologique permettent :
- La formalit (logique du premier ordre pour RDF et logique de description pour OWL) ;
- La multi-instanciation : instances de plusieurs classes ;
- La rutilisation de plusieurs schmas grce aux namespaces ;
- Des rgles dinfrence standards pour raisonner sur les connaissances (OWL).
Dans notre travail, le formalisme choisi pour la modlisation des connaissances doit
permettre:
- lexploitation non ambige des diffrentes connaissances (les diffrentes ontologies) ;
- la possibilit dadapter les diffrents modles (domaine, pdagogique et apprenant) ou de les
substituer par dautres modles correspondants une nouvelle demande de formation;
- la validit des trois modles de connaissances par rapport au mta-modle (lontologie du e-
Learning)
- lannotation des ressources pdagogiques par association des diffrents modles (plusieurs
schmas). Cela signifie lutilisation de formalismes de reprsentation modulaires.
La description de lontologie du e-Learning LO est faite dans le langage OWL. Etant donn,
dune part, les caractristiques de ce langage de description dontologies (voir chapitre 3) et
dautre part les besoins cits ici, OWL est parfaitement adapt pour dcrire les concepts de C,
les proprits de P et leur signature Signatures, leurs liens de subsomption HC et HP et les
rgles Rules qui sappliquent sur les concepts et les proprits.
3.1.4. Exemples de srialisation de lontologie du e-Learning dans OWL
La classe ELearningConcept reprsente le concept racine de tous les concepts de C.

<owl:Class rdf:ID="ELearningConcept"/>
Les concepts LearningTopic, GoalTopic et MediumTopic sont utiliss pour instancier des
notions du domaine. GoalTopic et MediumTopic sont des sous-concepts de LearningTopic et
permettent pour le premier dinstancier des notions cibles (des notions que lapprenant
cherche atteindre) et pour le deuxime dinstancier les autres notions du domaine.
-78-
<owl:Class rdf:ID="LearningTopic">
<rdfs:subClassOf rdf:resource="#ELearningConcept"/>
</owl:Class>
<owl:Class rdf:ID="GoalTopic">
<rdfs:subClassOf rdf:resource="#LearningTopic"/>
</owl:Class>
<owl:Class rdf:ID="MediumTopic">
<rdfs:subClassOf rdf:resource="#LearningTopic"/>
</owl:Class>
Les concepts Learner et Author sont des sous-concepts du concept LearningPerson qui
reprsente de manire abstraite toutes les personnes impliques dans un environnement
dapprentissage humain (apprenant, auteur, enseignant, expert, etc.).
<owl:Class rdf:ID="LearningPerson">
<rdfs:subClassOf rdf:resource="#ELearningClass"/>
</owl:Class>
<owl:Class rdf:ID="Learner">
<rdfs:subClassOf rdf:resource="#LearningPerson"/>
</owl:Class>
<owl:Class rdf:ID="Author">
<rdfs:subClassOf rdf:resource="#LearningPerson"/>
</owl:Class>
Le concept LearningPedagogy dcrit de manire abstraire les notions lies au volet

pdagogique de lapprentissage. Il est spcialis par le concept PedagogicalActivity qui sert
instancier les diffrentes activits pdagogiques (dfinition, exercice, simulation, etc.).
<owl:Class rdf:ID="LearningPedagogy">
<rdfs:subClassOf rdf:resource="#ELearningClass"/>
</owl:Class>
<owl:Class rdf:ID="PedagogicalActivity">
<rdfs:subClassOf rdf:resource="#LearningPedagogy"/>
</owl:Class>
Les proprits learningTopicProperty, LearnerProperty et pedagogicalProperty sont des

sous-proprits de la proprit racine eLearningProperty. Ces trois proprits permettent de
dcrire des proprits relatives respectivement au domaine, lapprenant et aux activits
pdagogiques.
-79-
<owl:ObjectProperty rdf:ID="learningTopicProperty">
<rdfs:subPropertyOf rdf:resource="#eLearningProperty"/>
<rdfs:domain rdf:resource="#LearningTopic"/>
<rdfs:range rdf:resource="#LearningTopic"/>
</owl:ObjectProperty>
<owl:ObjectProperty rdf:ID="learnerProperty">
<rdfs:domain rdf:resource="#Learner"/>
<owl:ObjectProperty rdf:ID="pedagogicalProperty">
<rdfs:domain rdf:resource="#PedagogicalActivity"/>
<rdfs:range rdf:resource="#PedagogicalActivity"/>
La proprit prerequisiteOf permet de relier une notion (de type LearningTopic) son post-
requis (de type LearningTopic). La proprit prerequisiteOf est une sous proprit de la
proprit orderRelationship. Cette dernire dfinit des relations dordre entre les notions du
domaine, c'est--dire des relations o les notions se succdent squentiellement selon une
certaine logique (ordre temporel, ordre dimportance, etc.).
<owl:ObjectProperty rdf:ID="prerequisiteOf">
<rdfs:subPropertyOf rdf:resource="#orderRelationship"/>
<rdfs:domain rdf:resource="#LearningTopic"/>
<rdfs:range rdf:resource="#LearningTopic"/>
La proprit preferedAuthor relie le concept Learner au concept Author et exprime le fait

quun apprenant prfre un auteur en particulier.
<owl:ObjectProperty rdf:ID="preferedAuthor">
<rdfs:subPropertyOf rdf:resource="#learnerProperty"/>
<rdfs:domain rdf:resource="#Learner"/>
<rdfs:range rdf:resource="#Author"/>
La proprit sequencingStrategy permet de relier deux activits pdagogiques squentielles

dans le cadre dune stratgie pdagogique donne.
-80-
<owl:ObjectProperty rdf:ID="sequencingStrategy">
<rdfs:subPropertyOf rdf:resource="#pedagogicalProperty"/>
<rdfs:domain rdf:resource="#LearningActivity"/>
<rdfs:range rdf:resource="# LearningActivity"/>
Une fois les diffrents concepts et proprits dfinis dans lontologie OWL, ils sont instancis
pour construire les diffrents modles du e-Learning: le modle du domaine, le modle
apprenant et le modle pdagogique (voir la section suivante).
3.2. Modles du e-Learning
Lontologie du e-Learning dcrite ci-dessus est instancie pour construire les ontologies de
formation et les annotations conceptuelles. Les ontologies de formation sont le modle du
domaine, le modle pdagogique et le modle apprenant, les annotations conceptuelles sont
les descriptions des ressources pdagogiques (voir chapitre 5 pour les annotations
conceptuelles). Conceptuellement, les modles sont spcifis de manire identique comme
suit :
LM = (LO, I, InstC, InstP), o:
- LO=(C, P, Hc, Hp, Signature, Rules) reprsente lontologie du e-Learning.
- I est un ensemble dinstances (C, P et I sont des ensembles disjoints).
- InstC: C 2I est une fonction qui permet dassocier des instances aux concepts de LO.
- InstP: P2IxI est une fonction qui permet dassocier des instances aux proprits de LO.
Il ressort de cette dfinition formelle que le lien conceptuel qui relie les diffrents modles
lontologie du e-Learning LO est le lien dinstanciation, c'est--dire, les concepts et les
proprits de LO sont instancis pour construire les diffrents modles du e-Learning.
3.2.1. Modle du domaine
Ce modle est une ontologie de formation. Il permet de dcrire les notions (en anglais topics)
qui constituent le savoir relatif un domaine ou une discipline. Un domaine particulier (par
exemple le domaine de lalgorithmique) est dcrit par un ensemble de notions et un ensemble
de relations qui relient ces notions. La figure 9 reprsente une partie du domaine de
lalgorithmique dcrit par un ensemble de notions relies par deux types de relation : la
relation prerequisiteOf (pr-requis de) et la relation subTypeOf (sous-type de). Ces deux
relations sont dfinies comme des proprits dans lontologie du e-Learning (voir figure 8)
avec comme domaine et co-domaine le concept LearningTopic. Les relations prerequisiteOf
-81-
et subTypeOf ne sont pas rflexives (cette rgle de non-rflexivit est dfinie dans Rules de
LO).
Dans notre travail de thse, nous avons construit deux modles de domaine :
- Une ontologie pour reprsenter les notions du domaine de l algorithmique et des langages
de programmation
- Une autre ontologie pour reprsenter les notions du domaine de l algbre .
lo: Learning ontology prefix
Figure 9 : Un extrait du modle du domaine de lalgorithmique
3.2.2. Modle pdagogique
A linstar des systmes tuteurs intelligents, nous utilisons un modle pdagogique pour
dcrire comment se fait lenchanement des diffrentes activits pdagogiques (exercice,
explication, dfinition, etc.). Ce modle permet de dcider quel type de ressources
pdagogiques prsenter lapprenant en tenant compte du profil de celui-ci. Par exemple,
certains apprenants prfrent, pour apprhender une notion particulire, partir dun exemple
concret sur la notion et ensuite aller vers une conceptualisation de la notion (stratgie
inductive).
Ce modle reprsente une ontologie de formation qui dcrit diffrentes stratgies
pdagogiques pour apprhender une notion du domaine. Concrtement, nous construisons
cette ontologie en dfinissant les diffrentes activits pdagogiques (exercice, dfinition,
exemple, etc.) et leur enchainement dans le temps. Certaines activits pdagogiques sont
squentielles et dautres peuvent se drouler en parallle (elles peuvent tre prsentes
-82-
lapprenant en parallle). Dans la figure 10, nous reprsentons diffrentes activits

pdagogiques relies par deux types de relations alternativeStrategy et sequencingStrategy,
tous deux dfinis en tant que proprits dans LO (sous-proprits de pedagogicalProperty).
Les activits pdagogiques sont dfinies comme des instances du concept PedagogicalActivity
dfinis dans LO.
Nous rappelons que lapproche pdagogique adopte dans notre travail est lapproche
constructiviste qui sadapte bien notre problmatique de recherche : offrir un environnement
pdagogique centr sur lapprenant et qui permet celui-ci de construire ses connaissances
sans linfluence dun tuteur/enseignant mais par la dcouverte et la responsabilisation. Dans le
systme OrPAF, le modle pdagogique nest pas utilis pour modliser plusieurs thories
dapprentissage (autres que le constructivisme) mais plutt permet de modliser diffrentes
stratgies dapprentissage lintrieur de la thorie constructiviste.
Le modle pdagogique de la figure 10 indique, par exemple, que la dfinition dune notion
peut tre indiffremment une dfinition formelle (FormalDefinition) ou une dfinition
informelle (UnformalDefinition) et que lexplication dune notion (Explanation) prcde
lexercice sur la notion (Exercise).
lo : Learning ontology prefix
Figure 10 : Un extrait du modle pdagogique
3.2.3. Modle apprenant
Le modle apprenant reprsente les connaissances que possde le systme sur lapprenant.
Ces connaissances ne sont pas fiables et sont remises en cause pendant le processus
dapprentissage. Dans notre travail, nous avons modlis deux types de connaissances sur
-83-
lapprenant : dune part sa matrise des diffrentes notions du domaine cible et dautres part
ses prfrences (son auteur prfr, son format de ressource prfr, son type cognitif, etc.).
Pour reprsenter la connaissance qua lapprenant sur les diffrentes notions du domaine, nous
avons opt pour le modle de recouvrement binaire (Overlay model) (Galeev et al., 2004). Ce
modle est une estimation du niveau de connaissance de lapprenant pour chaque notion du
domaine. Dans notre cas, cette connaissance est binaire : soit lapprenant connat la notion
soit il ne la connat pas. Cette connaissance est acquise travers les diffrents tests quexcute
lapprenant pendant lapprentissage.
Les prfrences de lapprenant sont fournies par lui au dbut de lutilisation du systme et
sont reprsentes dans son modle apprenant. Les prfrences de lapprenant servent
principalement slectionner les ressources pdagogiques qui sadaptent son profil.
Dans notre travail, le modle apprenant est construit en instanciant des concepts appartenant
lontologie du e-Learning LO, au modle du domaine ou au modle pdagogique. Par
exemple, dans la figure 11, lapprenant Maria est une instance du concept Learner dfini dans
LO et elle est relie par la proprit masteredLearningTopic (dfinie dans LO) la notion
Operator (dfinie dans le modle du domaine), instance de la classe LearningTopic (dfinie
dans LO). La proprit masteredLearningTopic dcrit le fait que lapprenant Maria matrise la
notion Operator.
lo : Learning ontology prefix

dm : Domain model prefix
Figure 11 : Un extrait du modle apprenant
-84-
3.2.4. Langage de description des diffrents modles
La description des diffrents modles du e-Learning (le modle du domaine, le modle

pdagogique et le modle apprenant) est faite dans le langage RDF. Le choix de RDF est
justifi par le constat suivant : dans le systme OrPAF, les diffrents modles utilisent les
concepts et les proprits de lontologie du e-Learning pour dcrire des connaissances
concrtes. De manire similaire, les annotations RDF utilisent les concepts et les proprits
dun modle OWL pour la description de ressources. En effet, il existe un parallle vident
entre lontologie du e-Learning et les modles du e-Learning dune part et le modle OWL et
ses annotations RDF dautre part.
La figure 12 synthtise le lien qui relie lontologie du e-Learning aux diffrents modles. Il y
apparat clairement que les annotations RDF sont linstanciation de connaissances dcrites au
niveau du modle OWL.
Par exemple le triplet <Maria, masteredLearningTopic, Transitivity> est linstanciation de la
connaissance suivante dcrite en OWL : masteredLearningTopic (Learner, LearningTopict)
(en franais, un apprenant matrise une notion). Cette annotation RDF appartient au modle
apprenant qui sert modliser les caractristiques de lapprenant Maria.
Un autre exemple, le triplet RDF <EquivalenceRelation, hasPrerequisite, Transitivity> est
linstance de la connaissance gnrique une notion a comme prrequis une autre notion ,
dcrite en OWL comme suit : hasPrerequisite( LearningTopic, LearningTopic).
Notons que masteredLearningTopic et hasPrerequisite sont des proprits dans P de LO.
-85-
Modle OWL
Connaissances gnrales
Couche instanciation
Connaissances spcifiques
Modles RDF
Maria
Modle du domaine Modle Apprenant Modle pdagogique
Figure 12: Extrait de lintgration des connaissances ontologiques
3.2.5. Exemples de srialisation des modles du e-Learning par des annotations RDF
Annotations RDF du modle du domaine:

Dans le domaine de lalgorithmique, les experts dfinissent la notion Statement comme une
instance du concept MediumTopic, une gnralisation de la notion Statement et un postrequis
de la notion Operator:
-86-
<MediumTopic rdf:ID="ArithmeticStatement">
<lo:subTypeOf>
<GoalTopic rdf:ID="Statement">
</GoalTopic>
</lo:subTypeOf>
<lo:hasprerequisite>
<MediumTopic rdf:ID="Operator"/>
</lo:hasprerequisite>
</MediumTopic>
Annotations RDF du modle pdagogique:

Dans le modle pdagogique qui dcrit la stratgie inductive, lexpert en pdagogie spcifie
quil existe deux types de dfinitions, une dfinition formelle et une autre informelle et cest
seulement une fois que la dfinition dune notion est prsente lapprenant que celui-ci peut
accder une explication de la notion :
<PedagogicalActivity rdf:ID="Definition">
<lo:alternativeStrategy>
< PedagogicalActivity rdf:ID="UnformalDefinition"/>
</lo:alternativeStrategy>
<lo:alternativeStrategy>
< PedagogicalActivity rdf:ID="FormalDefinition"/>
</lo:alternativeStrategy>
<lo:sequencingStrategy>
<PedagogicalActivity rdf:ID="Explanation"/>
<lo:sequencingStrategy />
<PedagogicalActivity />
Annotations RDF du modle apprenant:
Dans le modle de lapprenant Maria, nous reprsentons, par exemple, le fait que Maria
matrise la notion cible Statement et que Maria prfre lauteur RoseDieng aux autres auteurs
comme suit :
<Learner rdf:ID="Maria">
<lo:masteredLearningTopic>
<GoalTopic rdf:resource="#Statement"/>
</lo:masteredLearningTopic>
<lo:preferedAuthor>
<Author rdf:ID="RoseDieng"/>
<lo:preferedAuthor/>
<Learner/>
-87-
4. Dveloppement des ontologies : Environnement KAON (Maedche et al,

2000)
De nombreuses recherches se sont penches sur le dveloppement, la construction et

lvolution dontologies. La difficult, les cots levs en temps, en effort et en argent du
dveloppement dontologies freinent normment le dveloppement des applications bases
sur celles-ci.
La plupart des recherches dans le domaine du dveloppement dontologies sorientent vers la
construction dontologies partir de texte. En effet, la construction dontologies partir de
ressources textuelles pertinentes est une approche viable et de nombreux systmes bass sur
cette approche sont apparus : par exemple, les systmes ASIUM (Faure et al., 1998),
TextToOnto (Maedche et Staab, 2000), Ontolearn (Navigli et al., 2003), OntoLT (Buitelaar et
al., 2004) ou Kaso (Yimin et al., 2006). Tous ces systmes combinent une analyse linguistique
des textes et des algorithmes dapprentissage automatique pour extraire partir du texte des
concepts candidats ou potentiels et des relations entre ces concepts.
Dans notre recherche, nous adoptons diffrentes approches pour construire les ontologies du
systme OrPAF: une approche semi-automatique pour la construction du modle du domaine
et une approche manuelle pour la construction des autres ontologies.
Le choix de semi-automatiser la construction de lontologie du domaine sexplique par la
taille importante des ontologies de domaines qui ncessitent le recours des outils
automatiques pour lacquisition de notions candidates partir de documents de rfrence du
domaine en question (par exemple lalgbre).
Dans notre travail, les ingnieurs de la connaissance et les experts ont utilis pour la
construction du modle du domaine, le systme TextToOnto (Maedche et al, 2000). Le
systme TextToOnto fait partis de lenvironnement de construction dontologies KAON
(KArlsruhe ONtology) qui associe diffrents modules, correspondant autant de phases
identifies de lingnierie ontologique : cration, stockage, raffinage, exploitation et
maintenance. Le module TextToOnto applique des stratgies de fouille de texte (Text mining)
des corpus textuels pour la cration semi-automatique dontologies. Il nous permet de faire
de lextraction de termes (notions candidates et relations smantiques entre les notions)
partir de ressources pdagogiques de diffrents formats (.pdf, .xml, .txt, .html). Ces termes
sont ajouts lontologie du domaine sans ou avec modification (une modification classique
est la lemmatisation du terme). En outre, lenvironnement KAON nous permet dconomiser
du temps et de leffort dans la construction et la maintenance des diffrentes ontologies.
-88-
Cependant, les concepts et les relations proposes ou extraites doivent ncessairement tre
valids par les experts (experts du domaine, expert de la pdagogie, etc.) avant dtre ajoutes
aux ontologies.
Figure 13: Architecture de lenvironnement TextToOnto
Le processus dingnierie que nous avons suivi pour la construction du modle du domaine
est le suivant :
1- collecter les documents pertinents du domaine cible (dans notre cas, nous avons modlis
deux domaines : lAlgorithmique et lAlgbre)
2- Extraire automatiquement des documents les termes et les relations qui reprsentent des
candidats potentiels pour appartenir lontologie du domaine : (i) un analyseur (parser)
linguistique est utilis par TextToOnto pour sparer/identifier les diffrentes formes
grammaticales du document, (ii) le document est annot par une analyse linguistique et
transform en un fichier XML (iii) Un module extracteur est ensuite utilis pour extraire les
notions et les relations du document XML.
-89-
3- Dcider quel terme candidat est retenu comme notion dans lontologie du domaine,
ventuellement aprs une transformation morphologique (par exemple le lemme ou la forme
canonique du terme candidat).
4- Identifier les relations entre les notions du domaine. Il sagit dans cette tape de vrifier si
la relation extraite du document correspond smantiquement une des relations dcrites dans
lontologie du e-Learning (sous-proprit de la proprit learningTopicProperty), sinon
considrer cette relation comme une nouvelle sous-proprit de la proprit
learningTopicProperty et lajouter dans lontologie du e-Learning.
5- Valider lontologie finale du domaine.
Les tapes 3, 4 et 5 sont ralises par des experts du domaine en collaboration avec les
ingnieurs de la connaissance.
4.1. Acquisition des connaissances du domaine avec TextToOnto
Le module dacquisition des connaissances du systme TextToOnto est un processeur textuel

compos dun analyseur lexical, dun analyseur syntaxique et dun module dapprentissage
automatique dontologie (voir figure 14).
Lanalyseur lexical prend en charge lclatement du texte en tokens (termes atomiques) et
lanalyse lexicale de ces tokens (analyse morphologique et mise en forme canonique des
tokens).
Lanalyseur syntaxique travaille au niveau des phrases du texte pour dterminer les fonctions
grammaticales des diffrentes parties de la phrase (tels que le sujet, le verbe, le complment
dobjet direct, etc.).
Les termes potentiels sont extraits de manire statistique (ex. occurrence du terme) ou au
moyen dexpressions rgulires dfinies par lexpert. Les expressions rgulires peuvent
porter sur un tiquetage morphosyntaxique du corpus. Lextraction de relation se fait sur la
base de patrons lexico-syntaxiques, dun calcul de proximit ou des deux (selon le choix de
lexpert).
Lapprentissage dontologie repose sur des modules qui intgrent diffrents algorithmes pour
extraire les notions les plus pertinentes, la taxonomie des notions et leurs relations partir du
document annot XML. Ce module permet galement de dduire une ontologie propre un
domaine partir dune structure terminologique gnrique, comme WordNet.
-90-
Figure 14 : Extraction de termes candidats dans KAON partir dun document textuel
4.2. Edition des ontologies avec OntoEdit
KAON est associ lditeur dontologie OntoEDIT, dans lequel il est possible de poursuivre
la construction dune ontologie amorce avec le module TextToOnto et son exportation dans
des fichiers OWL/RDF aprs sa validation par les experts (voir figure 15).
-91-
Figure 15 : Construction de lontologie du e-Learning avec OntoEdit
-92-
Conclusion : Dans ce chapitre, nous nous somme intresss laspect reprsentation des
connaissances dans lenvironnement pdagogique OrPAF et nous avons montr
lutilisation du formalisme ontologique pour la description de ces connaissances. Notre
dmarche dingnierie combine lingnierie ducative ralise par des experts du domaine
et des experts de la pdagogie et lingnierie des connaissances ralise par des ingnieurs
de la connaissance. Dune part, les experts du domaine dfinissent de manire informelle
les notions du domaine cible et les experts de la pdagogie dfinissent les stratgies
pdagogiques appliquer en terme dactivits pdagogiques. Dautre part, les ingnieurs
de la connaissance formalisent ces connaissances par une reprsentation ontologique
deux niveaux : une ontologie du e-learning et les ontologies de formation, savoir, le
modle du domaine, le modle apprenant et le modle pdagogique.
Nous avons choisi le couple (OWL, RDF) pour la reprsentation ontologique du couple
(ontologie du e-learning, modle du e-learning). Ce choix est en conformit avec notre
choix conceptuel qui dcrit les modles du e-learning comme une instanciation de
lontologie du e-learning pour une formation particulire.
Nous avons adopt loutil TextToOnto pour la construction des ontologies et
particulirement pour la construction du modle du domaine partir de documents
textuels. En effet, cet outil nous permet dextraire des notions du domaine et leurs relations
partir de documents de rfrence dans le domaine (des documents considrs comme
pertinents par les experts du domaine). Cependant, les connaissances extraites sont dabord
traites par les experts avant dtre ajoutes au modle du domaine : la construction du
modle du domaine est semi-automatique.
-93-
5. Gnration de cours hypermdias adaptatifs
dans OrPAF
Actuellement, les efforts de dveloppement des environnements pdagogiques en ligne

tendent vers la mise en uvre de supports qui fournissent des fonctionnalits telles que la
personnalisation, ladaptation et la gnration automatique de cours.
Dans le chapitre prcdant, nous avons montr que face au besoin de personnalisation et
dadaptation des environnements pdagogiques, les ontologies peuvent constituer une rponse
viable et satisfaisante car elles permettent de dcrire de manire explicite, partage et formelle
la conceptualisation dun domaine. Laspect consensuel et formel de la description permet la
rutilisation, ladaptation et la personnalisation des objets pdagogiques (services, modles,
ressources, etc.) pour diffrents contextes de formation. Loprationnalisation des ontologies
permet la gnration automatique des cours adapts aux apprenants et aux diffrents contextes
de formation. Dans ce chapitre, nous prsentons notre approche qui permet de gnrer
automatiquement des cours hypermdias adaptatifs en exploitant les ontologies construites
dans le systme OrPAF. La tche de gnration des cours hypermdias adaptatifs est ralise
-94-
Gnration de cours hypermdias adaptatifs dans OrPAF
par le composant AdaptationCourse dans lequel nous avons effectu un certain nombre de
choix conceptuels (Yessad et al., 2008a ; Yessad et al., 2008b ; Yessad et al., 2008c) :
Dune part, nous rutilisons deux techniques empruntes des systmes hypermdias adaptatifs
(voir chapitre 3), savoir, les cartes conceptuelles (concept map) et lannotation des
hyperliens. Ces deux techniques permettent de mettre en uvre ladaptativit de la navigation
dans le cours hypermdia et ont pour objectif de rduire la dsorientation et la surcharge
cognitive des apprenants (Brusilovsky, 1996).
Dautre part, pour gnrer du contenu adaptatif, nous proposons une approche qui permet de
rechercher, dannoter et de rutiliser des ressources pdagogiques partir de corpus du Web.
Le cours gnr dans le systme OrPAF est un hypermdia adaptatif o :
- les hyperliens sont organiss sous la forme dune carte conceptuelle qui reprsente la
structure navigationnelle de lhypermdia. Lexploration de la carte conceptuelle
permet lapprenant dacqurir des connaissances sur le domaine.
- les pages sont des ressources pdagogiques recherches partir du Web (page HTML
ou autres). Ces ressources pdagogiques subissent en amont un travail dannotation
semi-automatique avant dtre rutilises automatiquement pendant le processus
dapprentissage.
Figure 16 : Moteur dAdaptation du cours dans OrPAF

Buy SmartDraw!- purchased copies print this
document without a watermark .
Visit www.smartdraw.com or call 1-800-768-3729.
-95-
1. Structure adaptative du cours hypermdia
1.1. Dfinition de la carte conceptuelle
Une carte conceptuelle (CM pour Conceptual Map) est un graphe qui organise la
connaissance et qui prsente les notions dun domaine ainsi que les relations qui les relient.
Une carte conceptuelle peut servir comme support de prsentation de cours (Horton et al.,
1993). Dans notre approche, une carte conceptuelle reprsente la structure navigationnelle du
cours hypermdia gnr. Les nuds de la carte conceptuelle sont des notions dfinies dans le
modle du domaine et les liens entre les nuds de la carte sont des relations qui relient les
notions dans le modle du domaine. Dans une carte conceptuelle, au-del du graphe de
notions (la partie visible de liceberg), nous retrouvons dautres informations : des ressources
pdagogiques pertinentes sont associes aux notions de la carte. Lapprenant en parcourant la
carte conceptuelle peut visualiser des contenus pdagogiques. Etant donn que la carte
conceptuelle a une structure graphique, lapprenant dispose de plusieurs chemins et parcours
dapprentissage et il est libre dexplorer nimporte quel parcours de la CM. Cette situation est
lorigine de deux problmes : la dsorientation et la surcharge cognitive de lapprenant.
Nous rpondons ces deux problmes par :
- La CM ne contient que les notions qui permettent lapprenant datteindre son lobjectif.
- Les notions de la CM sont annotes selon le principe suivant : une notion de la carte est
accessible lapprenant si toutes ses notions pr-requis sont dj connues (matrises) par
celui-ci. Ce principe assure que lapprenant naborde que les notions quil peut apprhender
en vu de son tat de connaissances.
1.2. Construction de la carte conceptuelle
La carte conceptuelle est un graphe de notions appartenant un domaine. Dans notre

approche, nous construisons une carte conceptuelle reprsentant la structure du cours adaptatif
par filtrage du modle du domaine construit dans le systme OrPAF. Le filtre utilis dpend
des caractristiques suivantes de lapprenant :
- lobjectif de lapprenant qui est une notion pdagogique particulire, instance du concept
GoalTopic (dfini dans LO), cette information est stocke dans le modle de lapprenant.
- les contraintes temporelles de lapprenant qui sont une valuation qualitative de la quantit
de temps dont dispose lapprenant pour atteindre son objectif. Nous avons dfini trois
valeurs pour les contraintes temporelles: lapprenant a le temps , lapprenant a
moyennement le temps et lapprenant na pas le temps .
-96-
- ltat des connaissances de lapprenant est dfini par la proprit masteredLearningTopic et

reprsent dans le modle de lapprenant. Cette proprit est utilise pour reprsenter les
notions du domaine matrises par lapprenant.
Etant donn que nous avons dfini trois contraintes temporelles pour un apprenant, nous
modlisons trois filtres qui permettent de construire trois types de cartes conceptuelles : les
cartes simples, les cartes hirarchiques et les cartes relationnelles. Nous somme partis pour la
dfinition des filtres dune hypothse assez fortes mais qui est vrifie dans de nombreux cas :
la taille de la carte conceptuelle en terme de notions et de relations dtermine souvent le
temps ncessaire lapprenant pour atteindre son objectif. Plus la taille de la carte est
grande plus le temps dapprentissage est important. .
Cependant, dans certains cas, le temps que passe lapprenant apprendre les notions de la
carte conceptuelle na pas de lien direct avec la taille de la carte conceptuelle mais avec la
complexit des notions. Pour rduire la probabilit dapparition de ces cas, les experts du
domaine veillent lors de la construction du modle du domaine, dfinir des notions de
granularits similaires. Ceci nous permet de considrer, dans une certaine limite, que le temps
pass apprendre une notion est plus ou moins le mme.
1.3. Filtres du modle du domaine
Nous dfinissons trois filtres pour la construction de trois types de cartes conceptuelles (CM) :
la carte simple Ms(G), la carte hirarchique Mh(G) et la carte relationnelle Mr,m(G). Ces filtres
dpendent des contraintes temporelles de lapprenant : la carte simple Ms(G) sadapte aux
apprenants avec des contraintes svres ou critiques, la carte hirarchique Mh(G) sadapte aux
apprenants avec des contraintes temporelles moyennes et la carte relationnelle Mr,m(G)
sadapte aux apprenants avec des contraintes temporelles souples.
En fonction des contraintes temporelles et de lobjectif de lapprenant, le composant
AdaptationCourse du systme OrPAF applique sur le modle du domaine le filtre adquat.
Seules les notions et les relations qui passent le filtre sont prsentes lapprenant. Etant
donne une notion cible G (lobjectif de lapprenant), les filtres sont dfinis sur le modle du
domaine DM et ses notions qui appartiennent lensemble InstC comme suit :
- Ms(G) est la CM qui contient le moins de notions et de relations. Elle est compose de la
notion cible G et de toutes les notions relies elle par une relation dordre directe ou par
fermeture transitive (la proprit orderRelationship et ses sous-proprits dans lontologie du
e-Learning). Un cas frquent de relations dordre est la relation prrequis de qui relie les
notions dun domaine (prerequisiteOf dans lontolgie du e-Learning) et qui signifie quune
-97-
notion est le prrerequis dune autre, c'est--dire, quelle doit tre prsente lapprenant en
premier.
Ms(G) = {G} {tInstC (DM) / porderRelationship pt(t, G)}
- Mh(G) est la CM obtenue en appliquant le filtre simple toutes les notions descendantes et
ascendantes de la notion cible G (y compris la notion G). Dans cette CM, nous ajoutons en
plus des relations dordre, la relation de subsomption qui relie une notion ses parents ou
ses filles. La relation de subsomption est dfinie par la proprit subTypeOf dans lontologie
du e-Learning.
Mh(G) = Ms(F), where F = {G} {c InstC (DM) / subTypeOf (G, c) subTypeOf (c, G)}
- Mr,m(G) est la CM obtenue en appliquant le filtre simple toutes les notions relies la
notion cible G par un chemin de relations infrieur ou gal m (y compris la notion G):
Mr,m(G) = Ms(F), where F = {G} {t InstC (DM) / p learningTopicProperty (pt(G, t)

pt (t, G) ) length (G, t)m}
Nous reprenons lexemple de la figure 9 (voir chapitre 4) qui reprsente une partie du modle
du domaine de lalgorithmique et nous supposons que la notion cible de lapprenant est la
notion Statemen. En fonction du filtre appliqu, nous obtenons les cartes conceptuelles de la
figure 17 (a), (b) ou (c).
Nous notons qu chaque fois quune notion est ajoute la CM, les notions relies cette
notion par une relation dordre (par exemple la relation prerequisiteOf) sont galement
ajoutes la CM. Cette approche est purement pdagogique car elle permet lapprenant de
parcourir les notions prrequis dune notion avant daborder celle-ci mme si elles sont dj
matrises par lapprenant. Nous pouvons galement constat que lapprentissage dans une
CM simple est plus directif que celui dune CM hirarchique ou dune CM relationnelle.
Lapprentissage dans cette dernire est beaucoup plus libre puisque le nombre de parcours
augmente rapidement avec le facteur m.
-98-
(a)
(b)
(c)
Figure 17 : Filtres du modle du domaine : (a) une CM simple, (b) une CM hirarchique et
(c) une CM relationnel (m=2)
-99-
1.4. Prsentation adaptative de la carte conceptuelle
Avant dafficher lapprenant la CM calcule, nous appliquons celle-ci des techniques

dadaptation issues des recherches sur les hypermdias adaptatifs (De Bra et al., 1999). Nous
utilisons particulirement la technique dannotation des hyperliens dun hypermdia. Dans
notre approche, nous annotons les notions de la CM en utilisant le modle apprenant et nous
obtenons une carte conceptuelle adaptative ou ACM (Adaptive Conceptual Map). En cet effet,
nous distinguons entre trois tats diffrents pour une notion de lACM :
AccessibleAndMastered, AccessibleAndNotMastered et NotAccessible.
Une notion est accessible si lapprenant peut cliquer dessus pour consulter des ressources
pdagogiques pertinentes pour son niveau de connaissances et son objectif dapprentissage.
Sur le plan des connaissances, pour quune notion soit accessible lapprenant, il faut que
tous ses prrequis soient matriss par lapprenant. Une notion accessible peut tre matrise
(en anglais mastered) ou pas par lapprenant.
Nous pouvons dfinir les trois tats dun nud de lACM comme suit :
AccessibleAndMastered qui signifie que la notion est accessible lapprentissage et quelle
est matrise par lapprenant. Mastered signifie quil existe dans le modle de lapprenant un
triplet RDF qui relie lapprenant cette notion par la proprit masteredLearningTopic.
AccessibleAndNotMastered qui signifie que la notion est accessible mais quelle nest pas
encore matrise par lapprenant.
NotAccessible qui signifie que la notion est inaccessible pour lapprenant, cest dire, quil ne
peut pas lapprhender en vue de son tat de connaissances. Cela signifie quun ou plusieurs
prrequis de la notion ne sont pas encore matriss par lapprenant.
Nous utilisons pour annoter les nuds de la CM trois icnes pour reprsenter chacun des trois
tats. Dans la figure 18, par exemple, nous avons une ACM o la notion Operator est
AccessibleAndMastered, la notion Statement est AccessibleAndNotMastered et la notion
DataType est NotAccessible.
-100-
AccessibleAndMastered
AccessibleAndNotMastered
NotAccessible
Figure 18 : une ACM du domaine de lalgorithmique
Les rgles de changement dtat pour une notion de lACM sont modlises dans le
diagramme dtat de la figure 19. Le changement dtat dune notion de lACM est
conditionn par le rsultat du test sur la notion en question, sur ses prrequis ou sur ses
postrequis (les notions dont elle est prrequis). Cependant, la dcision de passer un test
appartient lapprenant car il est compltement responsable de son volution. Cest lessence
mme de lapproche constructiviste.
-101-
Figure 19 : Diagramme dtats reprsentant les changements dtat dune notion de lACM
Le principe nonc au dbut du chapitre une notion de la carte conceptuelle nest accessible
lapprenant que si toutes ses notions pr-requis sont dj connues (matrises) par ce mme
apprenant est vrifi car une notion devient accessible si et seulement si ses notions
prrequis sont dj matrises (voir figure 19).
En rsum, nous considrons que lACM dfinit le contexte de la formation puisque elle
reprsente ltat des connaissances de lapprenant, sa contrainte temporelle et son objectif
dapprentissage. Dans la suite de ce mmoire, nous utilisons indiffremment les termes ACM
et contexte de formation.
2. Contenu adaptatif du cours hypermdia

Dans notre travail de thse, nous avons fait le choix de ne pas dvelopper nous mme les
contenus pdagogiques mais de rutiliser des ressources pdagogiques existantes dans le
Web. Particulirement, nous nous somme intresss aux ressources pdagogiques annotes
par le standard LOM (voir chapitre 3). Ainsi, nous proposons nos enseignants un assistant
qui leur permet de rechercher des ressources pdagogiques de corpus distants. Cette
automatisation de la recherche nest possible que si les mtadonnes sont traitables par les
programmes et donc les contenus sont automatiquement exploitables (machine-readable
content). Les enseignants peuvent galement enrichir le corpus local du systme OrPAF en
recherchant manuellement des ressources pdagogiques quils jugent pertinentes pour le
domaine en question.
-102-
Dans le systme OrPAF, nous avons dvelopp un composant AdaptationContent invoqu

par le composant AdaptationCourse et qui ralise les tches suivantes:
- la recherche distante de ressources pdagogiques (le composant QueryingDistantResource)
- lannotation des ressources pdagogiques (le composant AnnotationResource)
- la recherche locale de ressources pdagogiques (le composant QueryingDistantResource)
2.1. Recherche distante des ressources pdagogiques
Il sagit dun assistant logiciel qui interroge des corpus distants du Web la recherche de
ressources pdagogiques qui font rfrence des notions particulires du domaine, ralises
par des auteurs particuliers, dites dans une langue particulire, etc. Tous ces critres de
recherche sont reprsents au niveau des descripteurs du standard LOM. Par exemple, le
descripteur LOM General.Language nous renseigne sur la langue de la ressource
pdagogique. Les requtes distantes sont excutes sur les mtadonnes de la ressource et son
contenu reste transparent pour le systme OrPAF. Le fait de rduire la recherche la partie
annote du Web est avantageux pour deux raisons :
- simplifie considrablement linteraction avec les diffrents systmes de gestion du contenu
sur le Web. En effet, les mtadonnes LOM sont des donnes structures linverse des
contenus qui peuvent tre de types diffrents (texte, image, vido, graphique, etc.) et trs peu
structurs.
- facilite la dtection de la pertinence des ressources pdagogiques recherches. Ceci nest
possible que si les auteurs des ressources externes annotent vritablement et suffisamment
leurs ressources.
Dans notre travail de thse, nous avons interrog le corpus ARIADNE qui est lui-mme un
portail donnant accs dautres corpus du Web (Merlot, EducaNext, etc.).
Exemples de requtes de recherche :
1- Rechercher les ressources pdagogiques LR (Learning Resource) qui traitent de la notion t
(le prdicat learningResourceTopic(LR, t)) :
LR (learningResource(LR) learningResourceTopic(LR, t)) adaptiveContent( LR)
Cette rgle signifie quune ressource LR est pertinente (le prdicat adaptiveContent( LR)) si
elle traite de la notion t (le prdicat learningResourceTopic (LR, t))
2- Rechercher les ressources pdagogiques LR qui sont des exercices sur la notion t (le
prdicat (learningResourceType(LR, Exercice)) :
-103-
LR (learningResource(LR) learningResourceTopic(LR, t)
learningResourceType(LR,Exercise)) adaptiveContent( LR)
Etant donn que le rsultat de la recherche dpend de la correspondance exacte entre la

requte et une ou plusieurs valeurs des descripteurs LOM de la ressource, il est possible
davoir des silences de requtes. Pour remdier cette situation, nous avons propos un
mcanisme de relaxation de requtes si celles-ci ne renvoient pas de rsultats. Le mcanisme
de relaxation est bas sur le modle du domaine. Par exemple si lenseignant lance une
requte pour rechercher des ressources sur une notion t et que le rsultat de la requte est nul
alors nous utilisons les relations qui relient les notions du domaine pour relaxer la requte et
viter le silence.
Exemples de relaxation de requtes :
Nous recherchons les ressources pdagogiques LR (Learning Resource) qui traitent de la
notion t.
1- Relaxation de la requte de recherche en utilisant la proprit subTypeOf du modle du
domaine:
LR t (learningResource (LR) (learningResourceTopic (LR, t) t

(subTypeOf(t,t) subTypeOf(t,t)) learningResourceTopic (LR, t)))
adaptiveContent(LR))
Cette rgle de relaxation signifie quune ressource est pertinente (adaptiveContent(LR)) si elle
traite de la notion courante t (learningResourceTopic (LR, t)) ou bien si elle traite dune
notion descendante ou ascendante t de la notion t.
2- Relaxation de la requte de recherche toutes les notions qui sont relies directement la
notion courante t:
LR t (learningResource (LR) (learningResourceTopic (LR, t) t

(learningTopicProperty(t,t) learningTopicProperty (t,t))
learningResourceTopic(LR, t))) adaptiveContent( LR))
Cette rgle de relaxation signifie quune ressource est pertinente si elle traite de la notion
courante t ou bien si elle traite de nimporte quelle notion t relie directement la notion t (le
prdicat learningTopicProperty (x, y)).
-104-
Le systme OrPAF assiste les enseignants dans la recherche de ressources pdagogiques

partir du corpus ARIADNE en implmentant ces diffrentes rgles de relaxation. Une fois le
rsultat de la requte obtenu, lenseignant dcide dajouter ou pas la ressource trouve au
corpus local. Ceci dpend videmment de la pertinence de la ressource pour le domaine.
Lenseignant est galement libre de rechercher manuellement des ressources pdagogiques
partir du Web laide des moteurs de recherche classiques.
2.2. Annotation conceptuelle des ressources pdagogiques
Les ressources pdagogiques recherches des corpus du Web et considres pertinentes pour
le domaine par les enseignants sont annotes et ajoutes au corpus local. Pour une plus grande
fiabilit, lapproche dannotation que nous utilisons est semi-automatique : lenseignant doit
lui-mme indiquer les notions traites dans la ressource pdagogique. Le composant
dannotation dOrPAF se base galement sur les descripteurs LOM de la ressource
pdagogique pour complter les annotations de la ressource avec dautres caractristiques (par
exemple lauteur de la ressource, le format de la ressource, le type pdagogique de la
ressource, etc.). Des annotations conceptuelles au format RDF sont cres et reprsentent les
mtadonnes de la ressource. Ces mtadonnes utilisent comme vocabulaire les diffrentes
ontologies du systme OrPAF : lontologie du e-Learning et les ontologies de formation. Elles
instancient des concepts de ces ontologies.
Pour annoter les ressources pdagogiques, nous tendons lontologie du e-Learning en
dfinissant un sous-concept du concept ELearningConcept appel LearningResource qui sert
annoter les ressources pdagogiques. Nous dfinissons galement une sous-proprit la
proprit eLearningProperty appele learningResourceProperty qui sert reprsenter les
diffrentes proprits de la ressource (voir figure 20).
-105-
Figure 20: Extension de lontologie du e-Learning pour dfinir un schma pour lannotation
des ressources pdagogiques
Lexemple de la figure 21 reprsente une partie des annotations conceptuelles de la ressource

identifie par lURI http://www-sop.inria.fr/.../Course1 et instance du concept
LearningResource (dfini dans lontologie du e-Learning). Cette ressource a comme type
pdagogique FormalDefinition (dfini dans le modle pdagogique) instance du concept
LearningActivity (dfini dans lontologie du e-Learning). Les notions abordes dans cette
ressource sont reflexivity, Symmetry et Transitivity (dfinies dans le modle du domaine de
lalgbre) instances du concept LearningTopic (dfini dans lontologie du e-Learning).
Une fois que la ressource pdagogique est annote, elle est stocke avec ses annotations
conceptuelles RDF dans le corpus local. Les annotations conceptuelles sont exploites par le
composant AdaptationContent pour identifier les ressources les plus pertinentes pour un
contexte de formation donn (voir la section suivante).
-106-
lo: Learning ontology prefix

dm: Domain model prefix
pm: Pedagogical model prefix
Figure 21 : Annotations conceptuelles de la ressource http://www-sop.inria.fr/.../Course1

(Le domaine de lAlgbre)
2.3. Recherche locale des ressources pdagogiques
Cette tche consiste rechercher du corpus local des ressources pdagogiques pertinentes
pour un contexte de formation donn. La recherche locale est mise en uvre par Corese11
(Corby et al., 2006), un moteur de recherche dvelopp au sein de lquipe Edelweiss. Corese
nous permet dexcuter des requtes SPARQL sur des donnes de type RDF/OWL. Ainsi,
nous utilisons localement Corese pour interroger les annotations conceptuelles des ressources
pdagogiques. Nous pouvons, par exemple, rechercher toutes les ressources pdagogiques qui
concernent une notion particulire du modle du domaine, un auteur particulier, une activit
pdagogique, etc. Le moteur Corese exploite la structure graphique des annotations RDF pour
trouver des ressources pdagogiques rpondant aux requtes SPARQL mises.
Exemple dune recherche locale :
Nous annotons une ressource pdagogique identifie par lURI http://www-
sop.inria.fr/...Cours1 , ralise par Rose Dieng, de format HTML et qui reprsente une
11
COnceptual REsource Search Engine
-107-
dfinition formelle des notions Refelxivity, Symmetry et Transitivity comme suit (lo pour
learning ontology) :
<LearningResource rdf:about="http://www-sop.inria.fr/...Cours1">
<lo:learningResourceRole>
<lo:LearningActivity rdf:resource="#FormalDefinition"/>
</Lo:learningResourceRole >
<lo:learningResourceTopic>
<lo:LearningTopic rdf:resource="#Reflexivity"/>
</lo:learningResourceTopic>
<lo:LearningTopic rdf:resource="#Symmetry"/>
<lo:LearningTopic rdf:resource="#Transitivity"/>
<lo:learningResourceAuthor>
<lo:Author rdf:ID="RoseDieng"/>
</lo:learningResourceAuthor>
<lo:learningResourceFormat> text/html <lo:learningResourceFormat />

.
</LearningResource>
La requte SPARQL suivante est utilise pour rechercher une ressource pdagogique r qui
traite de la notion pdagogique EquivalenceRelation, de type Exercise ou Illustration et dont
lauteur est un membre de lquipe Edelweiss (dm pour domain model et pm pour
pedagogical model) :
SELECT ?r WHERE
{?r rdf:type lo:LearningResource.
?r lo:learningResourceTopic dm:EquivalenceRelation.
{{?r lo:learningResourceRole pm:Exercise.} UNION
{?r lo:learningResourceRole pm:Illustration. }}
?r lo:learningResourceAuthor ?a.
?a lo:memberOf "Edelweiss".
}.
-108-
3. Evaluation de la pertinence des ressources pdagogiques
Notre approche dvaluation de la pertinence dune ressource pdagogique pour un contexte

de formation dfini par une ACM est compose de deux phases danalyse :
1- lanalyse smantique : dans cette phase, pour calculer la pertinence dune ressource
pdagogique pour un contexte de formation, nous utilisons dun ct les notions de lACM,
leurs tats et leurs relations et de lautre ct les notions de lannotation conceptuelle de la
ressource.
2- une analyse de personnalisation : dans cette analyse, nous utilisons dautres informations
dfinies dans lannotation de la ressource pdagogique tel que le type pdagogique de la
ressource, le format de la ressource, lauteur de la ressource, etc. dans le but de dcider si la
ressource est adapte ou pas au contexte de formation de lapprenant. Cette analyse est
applique sur lensemble des ressource considres comme pertinentes lissu de lanalyse
smantique.
3.1. Analyse Smantique
linstar, du mcanisme de relaxation de requtes utilis dans la recherche distante pour

rpondre au problme de silences des requtes (pas de rponse la requte), nous proposons
dans le cadre de lanalyse smantique un mcanisme de calcul de la similarit smantique
entre les notions de la ressources et les notions constituant lACM de lapprenant. Ce
mcanisme de calcul de la similarit smantique nous permet de dire si une ressource
pdagogique est pertinente pour un contexte de formation et quelle degr.
Dans cette analyse, nous considrons un seuil de similarit au-dessous duquel la ressource est
considre impertinente. Nous pouvons varier ce seuil de similarit en fonction des situations
pour viter les silences de requte. En effet, si une requte de recherche locale ne renvoie pas
de rponse alors nous diminuons la valeur du seuil de similarit. Ceci permet davoir toujours
des ressources pdagogiques mme si elles ne sont pas toujours compltement adaptes au
contexte de formation de lapprenant. Il est noter que si le corpus local est suffisamment
peupl de ressources pdagogiques et que si ces ressources assurent une bonne couverture des
notions du domaine alors nous pouvons avoir la fois des pertinences de ressources et des
seuils de similarit levs.
3.1.1. Dmarche adopte pour lvaluation de la pertinence smantique
Nous avons propos une mesure qui permet de calculer la pertinence dune ressource
pdagogique pour un contexte de formation donn (Yessad et al., 2008a). Elle permet de dire
-109-
quel est le lien de similarit entre lannotation conceptuelle dune ressource pdagogique et
lACM de lapprenant en se basant sur les liens de similarit entre dune part les notions de la
ressource et dautre part les notions accessibles de lACM. Nous nous intressons
exclusivement aux notions accessibles de lACM puisque les ressources annotes avec des
notions inaccessibles dans lACM ne sont pas senses intresses lapprenant. La valeur de
similarit dpend de la notion courante qui intresse lapprenant, c'est--dire, la notion sur
laquelle clique lapprenant.
La dmarche adopte pour mesurer la pertinence dune ressource pdagogique est la
suivante :
1- Extraire la notion courante de lACM ;
2- Extraire les notions de la ressource pdagogique (les notions qui reprsentent des instances
du concept LearningTopic et qui sont les co-domaines de la proprit
learningResourceTopic) ;
3- Extraire les notions accessibles de lACM ;
4- Calculer le poids relatif de chaque notion extraite de la ressource en se basant sur les
relations smantiques qui relient cette notions la notion courante dans lACM;
5- Calculer la pertinence smantique de la ressource pdagogique pour lACM.
3.1.2. Calcul du poids dune notion pdagogique
Nous attribuons un poids chaque notion de la ressource pdagogique. Le poids dune notion
nest pas absolu mais dpends de la notion courante qui intresse lapprenant et des relations
qui relient cette notion pdagogique la notion courante dans lACM. Soit le chemin de
notions <t1, t2, t3, .. tn > de longueur n qui relie une notion tn une notion courante t1. Soit
Wti/t1 (tel que i>1 et i<n+1) le poids relatif de la notion ti par rapport la notion courante t1.
Nous dfinissons le poids relatif dune notion ti comme suit :
Wt1/t1= N
Wt2/t1= 1/a
Wti/t1= (1/a) Wti-1/t1, i>2
a est une variable qui prend ses valeurs dans lensemble des nombre premiers comme suit :
a=2 si la relation entre ti-1 et ti est subTypeOf ou sa relation inverse.
a=3 si la relation entre ti-1 et ti est prerequisiteOf ou sa relation inverse.
a=5 si la relation entre ti-1 et ti est agregateOf ou sa relation inverse.
-110-
Pour chaque nouvelle relation dans le modle du domaine nous dfinissons une nouvelle
valeur pour a (a=7, a=11, a=13, etc.).
N est le poids de la notion courante et est considr comme grand. Ceci permet dattribuer une
grande importance la notion courante relativement aux autres notions de lannotation
conceptuelle.
La valeur inverse de a reprsente le poids de la relation qui relie deux notions voisines dans
lACM. Elle reprsente la force du lien smantique entre deux notions voisines. Une seule
contrainte est impose : la variable a prends ses valeurs exclusivement dans lensemble des
nombres premiers. Cette contrainte nous permet didentifier de manire unique partir de la
valeur du poids Wti/tj les relations qui composent le chemin qui relie ti tj dans lACM. Par
exemple, le poids Wti/tj= 1/2* 1/3 *1/2* 1/5 signifie que le chemin qui relie ti tj est compos
de deux relations subTypeOf (de poids 1/2), dune relation prerequisiteOf (de poids 1/3) et
dune relation aggregateOf (de poids 1/5). Cette caractristique est vrifie uniquement dans
lensemble des nombres premiers. Notre objectif de lutilisation des nombres premiers dans le
calcul des poids est damliorer lefficacit des tches de sauvegarde et de restauration des
ACM dun apprenant (contexte de formation) (voir chapitre 6).
La correspondance entre les relations du modle du domaine et les valeurs de a a t dfinie
par des experts du domaine qui sappuie la fois sur leurs connaissances du domaine et sur
des expriences ralises avec des personnes inities dans le domaine.
Ces expriences sinspirent des expriences ralises par (Gandon et al., 2008) o des
participants organisent et regroupent spatialement des notions selon leur proximit intuitive.
Pour (Gandon et al., 2008), lobjectif de ces expriences tait dtudier les distances dans leur
milieu naturel et de les comparer avec leurs simulations informatiques. Dans notre travail,
nous avons ralis des expriences similaires pour tenter de dterminer la force intuitive des
liens qui peuvent relis les notions dun domaine. Concrtement, nous avons ralis deux
expriences avec 10 participants chaque fois : une sur une vingtaine de notions de lalgbre
et une autre sur une vingtaine de notions de lalgorithmique. Nous avons constat que la
plupart des participants ont positionn les notions relies par une relation de subsomption
(subTypeOf) de manire plus rapproche que les notions relies par une relation de prrequis
(prerequisiteOf) (voir figure 22). Cependant, ces rsultats ne peuvent tre gnraliss et
dpendent normment du domaine de la formation.
-111-
1: Real number
17: Number
5: N-ary-relation
3: Empty set 4: Numeric set
2: Set
10: Order relation
11: Totally ordered relation

19: Equivalence relation
12: Integer number
13: Quotient set
14: Polynomial
15: Equation 8: Transitivity 7: Symmetry 9: Reflexivity
16: Inequality
6: Binary relation
18: Equivalence class
20: partition
Figure 22 : Exercice de placement de notions de lalgbre
Le modle du domaine peut comporter des cycles et donc il est possible davoir plusieurs
poids relatifs pour une mme notion pdagogique. Dans ce cas de figure, nous retenons le plus
petit poids relatif.
3.1.3. Calcul de la pertinence smantique (Semantic relavance ou SR)
Une fois que les poids relatifs des notions de la ressource pdagogique sont calculs, nous
pouvons calculer la pertinence smantique (SR) de la ressource pdagogique pour le contexte
de formation comme suit :
Soit E lensemble des notions communes la ressource pdagogique et lensemble des
notions accessibles de lACM. Soit F lensemble des notions qui appartiennent la ressource
pdagogiques et nappartiennent pas lensemble des notions accessibles de lACM. Soit t la
notion courante de lACM.
-112-
w x/t
SR= xE
1+ w y/t
yF
Cette mesure de la pertinence smantique reflte les faits suivant :

- Une notion commune (qui appartient E) augmente la pertinence dune ressource
pdagogique et son poids relatif reprsente son importance pour le contexte de formation.
- Une notion de la ressource pdagogique et qui nest pas une notion accessible de lACM
diminue la pertinence de la ressource pour le contexte de formation.
- Une ressource pdagogique avec un maximum de notions similaires celles de lACM et
avec des poids relatifs importants est une ressource pdagogique, priori, pertinente.
- La pertinence smantique dune ressource pdagogique dpend du contexte de formation et
de la notion courante.
Exemple:
Dans la figure 23, nous assignons un poids relatif chacune des notions dune ACM du
domaine de lalgbre. Par exemple, le poids de la notion BinaryRelation relativement la
notion courante OrderRelation est gal 1/6 parce que le chemin qui relie ces deux notions
est compos dune relation prerequisiteOf (a=3) et dune relation subTypeOf (a=2):
WBinaryRelation/OrderRelation = 1/2* WTransitivity/OrderRelation and WTransitivity/OrderRelation= 1/3.
En prenant lexemple de la ressource pdagogique de la figure 21 identifie par lURI
http://www-sop.inria.fr/.../Course1 et annote par les notions Reflexivity, Symmetry et
Transitivity, la pertinence de cette ressource pdagogique pour lACM de la figure 23 o nous
supposons que toutes les notions sont accessibles est calcule comme suit :
E = {Reflexivity, Symmetry, Transitivity}
F=
1 / 3 + 1 / 27 + 1 / 3
SR= =0.703
1+ 0
-113-
Figure 23: Assignement de poids relatifs aux notions relies la notion OrderRelation dans le
domaine de lalgbre
Le problme qui consiste chercher du contenu adaptatif pour lapprenant nest pas encore
compltement rsolu : la pertinence smantique SR calcule la similarit smantique entre les
notions de la ressource pdagogique et les notions de lACM mais dautres facteurs autres que
la connaissance de lapprenant peuvent tre pris en compte dans la dfinition du contenu
adaptatif, tel que le type pdagogique de la ressource ou les prfrences de lapprenant.
Lanalyse de personnalisation a pour objectif de vrifier que les ressources pdagogiques
considres comme pertinentes lissue de lanalyse smantique sont galement adaptes aux
prfrences de lapprenant et au modle pdagogique.
3.2. Analyse de personnalisation
Nous appliquons lanalyse de personnalisation sur les ressources pdagogiques values

comme pertinentes lissue de lanalyse smantique. Cette analyse est compose de deux
tches :
1- calculer la pertinence pdagogique de la ressource pdagogique ;
2- vrifier quune ressource pdagogique est adapte aux prfrences de lapprenant, c'est--
dire, quelle est de tel ou tel format, quelle est cre par tel ou tel auteur, etc.
3.2.1. Pertinence pdagogique dune ressource pdagogique (PR) :
Les ressources pdagogiques pertinentes lissue de lanalyse smantique, c'est--dire, les

ressources dont la pertinence tait suprieure un seuil de similarit donn sont soumises un
-114-
calcul pour dterminer leur pertinence pdagogique PR. Le calcul de la pertinence

pdagogique est bas sur un calcul de similarit entre lactivit pdagogique de la ressource
(reprsente par la proprit learningResourceRole) et lactivit pdagogique courante du
modle pdagogique.
A linstar de lanalyse smantique, pour calculer la pertinence pdagogique dune ressource,
nous attribuons un poids relatif son activit pdagogique. Ce poids relatif indique la
similarit de cette activit pdagogique note ai avec lactivit pdagogique courante a1 de
lapprenant.
Soit dans le modle pdagogique le chemin dactivits pdagogiques <a1, a2, a3, .. an > de
longueur n qui relie une activit pdagogique an une activit pdagogique courante a1. Soit
Wai/a1 (tel que i>1 et i<n+1) le poids relatif de lactivit ai par rapport lactivit courante a1.
Nous dfinissons le poids relatif dune activit ai comme suit :
Wa1/a1= N
Wa2/a1= 1/b
Wai/a1= (1/b) Wai-1/a1, i>2
Avec :
b=2 si la relation entre ai-1 et ai est alternativeStrategy ou sa relation inverse.
b=3 si la relation entre ai-1 et ai est sequencingStrategy ou sa relation inverse.
N est le poids de lactivit courante et est considr comme grand. Cela permet dattribuer
une grande importance lactivit pdagogique courante.
La pertinence pdagogique dune ressource pdagogique est calcule comme suit :
Soit ai lactivit pdagogique de la ressource pdagogique (le co-domaine de la proprit
learningResourceRole et instance du concept PedagogicalActivity) et a1 lactivit
pdagogique courante du contexte de formation.
PR=SR* Wai/a1
Cest seulement lissu du calcul de la PR que les ressources pdagogiques smantiquement

et pdagogiquement pertinentes sont tries pour tre recommandes lapprenant dans lordre
dcroissant de leur PR.
-115-
Exemple :
Dans la figure 24, nous assignons un poids relatif chacune des activits pdagogiques du
modle pdagogique prsent dans le chapitre prcdant. Le type pdagogique de la ressource
http://www-sop.inria.fr/.../Course1 (voir figure 21) est FormalDefinition. Si lapprenant
cherche des exercices sur la notion OrderRelation (voir figure 23) alors la pertinence
pdagogique de cette ressource est gale PR=SR* WFormalDefinition/Exercise= 0.703*1/8= 0.08
Figure 24: Assignement de poids relatifs aux activits pdagogiques relis lactivit
pdagogique Exercise dans le modle pdagogique
A linstar du modle du domaine, le modle pdagogique peut comporter des cycles alors il
est possible davoir plusieurs poids relatifs pour une mme activit pdagogique (par exemple
lactivit Definition dans la figure 24). Dans ce cas de figure, nous retenons le plus petit poids
relatif.
3.2.2. Adaptation dune ressource pdagogique aux prfrences de lapprenant
Cette tche consiste vrifier ladaptation de la ressource pdagogique smantiquement et

pdagogiquement pertinente aux prfrences de lapprenant. Il sagit, par exemple, de vrifier
que lauteur de la ressource et lauteur prfr de lapprenant, que le format de la ressource est
le format prfr de lapprenant ou que la langue de la ressource et la langue prfre de
lapprenant, etc.
Nous construisons des requtes SPARQL qui permettent dinterroger les annotations
conceptuelles des ressources pertinentes pour vrifier si elles sadaptent aux prfrences de
lapprenant (lm pour learner model).
-116-
Par exemple, nous recherchons parmi les ressources pertinentes les ressources r qui sadaptent
au format de ressources prfr de Maria et lauteur prfr de Maria. La requte SPARQL
correspondante scrit comme suit:
SELECT ?r WHERE
{?r rdf:type lo:LearningResource.
?r lo:learningResourceFormat ?f
?r lo:learningResourceAuthor ?a
"Maria" rdf:type lo:Learner
"Maria" lm:preferedResourceFormat ?f.
"Maria" lm:preferedResourceAuthor ?a. }.
4. Annotation des tests

Un test est une ressource pdagogique spcifique. Dans lenvironnement pdagogique
adaptatif OrPAF, un test concerne une seule notion du domaine et il est de type Quiz ou
QCM. Le test de type quiz est associ une chane de caractre reprsentant la rponse
correct au Quiz.
Pour annoter les ressources de type test, nous tendons lontologie du e-Learning en
dfinissant un sous-concept du concept LearningResource appele LearningTest. Ce dernier
est utilis pour construire les tests destins aux apprenants et est spcialis en deux sous-
concepts appels LearningQuiz et LearningQCM. Nous dfinissons galement une sous-
proprit la proprit learningResourceProperty appele learningTestProperty pour
reprsenter les diffrentes proprits dun test qui sont : la proprit learningQuizSolution qui
permet dassocier un quiz une chane de caractres reprsentant la solution du quiz et la
proprit learningQCMSolution qui permet dassocier un QCM une liste de choix de
solutions pour le QCM (voir figure 25).
-117-
Figure 25: Extension de lontologie du e-Learning pour dfinir un schma pour lannotation
des tests pdagogiques
-118-
Conclusion : Dans ce chapitre, nous avons prsent les approches utilises pour la
gnration dun cours hypermdia adapt aux caractristiques de lapprenant. Cette
adaptation est ncessaire pour assurer lefficacit de lapprentissage. Cependant, un travail
dingnierie pdagogique trs coteux en termes defforts humain, de temps et dargent est
ncessaire pour rendre les ressources du web rutilisables et adaptes dans le contexte
dune formation donne. Lide de notre travail de thse est de proposer une
automatisation de la gnration de cours adaptatifs qui met en uvre une partie de ce
travail dingnierie pdagogique et assiste ainsi les responsables de formation et les
enseignants qui veulent monter efficacement des formations destines des apprenants
autonomes.
Nous sommes partis de lide quun cours est la combinaison de deux objets : une structure
et un contenu. Pour que le cours gnr soit adaptatif, nous avons conu et implment un
composant AdaptationCourse qui gnre la fois une structure adaptative et un contenu
adaptatif pour lapprenant et ceci en oprationnalisant la structure ontologique des
modles de connaissances reprsents dans OrPAF.
La structure du cours est prsente sous la forme dune carte conceptuelle construite en
filtrant le modle du domaine par des rgles bases sur lobjectif de lapprenant et ses
contraintes temporelles. Les notions de la carte conceptuelle sont annotes suivant le
modle des connaissances de lapprenant reprsent dans son modle apprenant.
Lapprentissage dune notion particulire ncessite laccs par lapprenant un contenu
pertinent et adaptatif. Le composant AdaptationCourse fait appel un composant
AdaptationContent qui recherche, annote et value la pertinence des ressources
pdagogiques du web. Dabord une recherche distante est effectue en exploitant les
mtadonnes LOM des ressources pdagogiques. La description LOM des ressources est
ensuite enrichie en utilisant le vocabulaire fournis par les diffrentes ontologies du systme
OrPAF. Finalement, dune part, des mesures de pertinence smantique et pdagogique sont
proposes pour dtecter la pertinence dune ressource pdagogique pour un contexte de
formation donne et dautre part nous vrifions que les ressources pertinentes sont adaptes
aux prfrences de lapprenant.
-119-
6. Ralisation de lenvironnement pdagogique
adaptatif OrPAF
Dans les deux chapitres prcdents, nous avons prsent les choix conceptuels que nous avons
adopts pour la mise en uvre du gnrateur de cours hypermdias adaptatifs. Ces choix
concernent dune part la reprsentation des connaissances qui servent dcrire des domaines
de formation, des stratgies pdagogiques, des apprenants, des ressources pdagogiques et des
tests et dautre part lutilisation de ces connaissances pour construire la fois une structure
adaptative du cours sous la forme dune ACM et un contenu adaptatif compos de ressources
pdagogiques pertinentes. Nous avons dtaill les approches qui nous permettent de
construire une ACM adapte aux caractristiques de lapprenant et celles qui nous permettent
didentifier la pertinence des ressources pdagogiques.
Dans ce chapitre, nous prsentons les choix dimplmentation des diffrents composants de
lenvironnement pdagogique adaptatif OrPAF. Nous dtaillons les outils et les API utiliss
pour raliser nos approches et choix conceptuels et qui sont intgrs dans les composants java
du systme OrPAF.
Le principe de mise en uvre que nous avons choisi pour le dveloppement de notre
environnement logiciel est le principe Modle-Vue-Contrleur (MVC).
-120-
Ralisation de lenvironnement pdagogique adaptatif OrPAF
1. Architecture de lenvironnement OrPAF
Larchitecture de lenvironnement OrPAF est une architecture organise suivant le principe

MVC avec une partie modle (les objets persistants), une partie vue (les objets de linterface
graphique) et une partie contrle qui fait la liaison entre la vue et le modle. Nous prsentons
succinctement ces trois parties que nous dtaillons dans les sections suivantes en abordant les
usages de lapprenant.
Le modle dcrit les donnes et les connaissances manipules par le systme OrPAF. Il
assure la gestion de ces donnes et connaissances et garantit leur intgrit et leur cohrence.
Dans notre cas, les diffrentes ontologies de formation (le modle du domaine, le modle
apprenant, le modle pdagogique), les annotations conceptuelles des ressources
pdagogiques et les annotations des tests destins aux apprenants doivent tre cohrentes avec
lontologie du e-Learning. Quant la base de donnes que nous utilisons pour sauvegarder les
sessions des apprenants et leurs identifiants (login et mot de passe), elle obit un schma de
donnes bien prcis (voir section 6). Le modle offre des mthodes pour accder ces
donnes et les mettre jour (insertion, suppression, changement de valeur).
Les rsultats renvoys par le modle sont dnus de toute prsentation. Nous verrons dans la
suite que nous utilisons lAPI du moteur smantique Corese (Corby et al. 2006) pour interagir
avec les modles du e-Learning dcrits en RDF/OWL et lAPI JDBC pour interagir avec notre
base de donnes.
La vue est l'interface avec laquelle lapprenant interagit. Sa premire tche est de prsenter
les rsultats renvoys par le modle. Sa seconde tche est de recevoir toutes les actions de
lapprenant (clic de souris, slection d'une entre, boutons, ). Ces diffrents vnements
sont envoys au contrleur. La vue n'effectue aucun traitement, elle se contente d'afficher les
rsultats des traitements effectus par le modle. La vue qui est mise en uvre dans OrPAF a
pour objectif dafficher un cours hypermdia adaptatif compos dune structure interactive et
volutive (une ACM) et dun contenu (une liste de ressources pdagogiques pertinentes
consultable via linterface de lapprenant), de passer dun contexte de formation un autre et
de passer des tests sur les notions accessibles de lACM. Notre vue est dveloppe en Java
avec des appels des APIs JUNG pour laffichage de lACM (voir section 4.2).
Le contrleur prend en charge la gestion des vnements de synchronisation pour mettre
jour la vue ou le modle et les synchroniser. Il reoit tous les vnements de lapprenant sur la
vue et enclenche les actions effectuer. Si une action ncessite un changement dans les
modles du e-Learning ou la base de donnes, le contrleur demande la modification des
-121-
donnes au modle et ensuite avertit la vue que les donnes ont chang pour qu'elle se mette
jour. Par exemple, la base de donnes qui sauvegarde les sessions des apprenants est mise
jour lorsquun contexte de formation est cr, modifi ou supprim. Certains vnements de
l'apprenant ne concernent pas les donnes mais la vue, par exemple, lorsque lapprenant passe
momentanment de son contexte de formation une activit de test. Dans ce cas, le contrleur
demande la vue de se modifier. Cependant, la russite de lapprenant dans une activit de
test implique la mise jour du modle (prcisment la mise jour du modle apprenant). Le
contrleur n'effectue aucun traitement, ne modifie aucune donne. Il analyse la requte de
lapprenant et se contente d'appeler le modle adquat et de renvoyer la vue correspondante
la demande.
Learning Resource Metadata

AdaptationContent
Local
corpus Apprenants
AnnotationResource
Experts
Pedagogical Model
QueryingDistantResource
e-Learning Ontology
(Meta-Model Level) Semantic
Search QueryingLocalResource ARIADNE KPS
Engine
CORESE
Learner Model
AdaptationCourse
Domain Model Apprenants
Learners
Test/Session
Database Adaptive Conceptual Map
Test Metadata
Figure 26 : Architecture de lenvironnement OrPAF
La suite de ce chapitre est structure suivant les scnarios dutilisation du systme OrPAF
(voir figure 27):
- crer un contexte de formation, le consulter, le faire voluer, le sauvegarder et le restaurer
ultrieurement ;
- consulter des ressources pdagogiques pertinentes pour le contexte de formation de
lapprenant;
- passer des tests pour voluer dans la formation.
-122-
Crer/Consulter
Contexte Formation
Consulter Ressources
Pdagogiques
Apprenant
Passer Tests
Sauvegarder/ Restaurer
Contexte Formation
Figure 27 : Scnarios dutilisation du systme OrPAF par lapprenant
2. Environnement propos lapprenant

Lenvironnement pdagogique adaptatif OrPAF est utilis par des apprenants pour atteindre
des objectifs dapprentissage en explorant un cours hypermdia adaptatif. Chaque apprenant a
besoin de sidentifier pour accder sa session o il peut crer un nouveau contexte de
formation, parcourir un contexte de formation en cours ou supprimer un contexte de
formation dont lobjectif dapprentissage est atteint. Un contexte de formation est une ACM
construite partir dune notion cible de lapprenant, de ses contraintes temporelles et de son
tat de connaissances. Lapprenant atteint son objectif lorsquil arrive matriser toutes les
notions de lACM : dans le modle de lapprenant, les notions de lACM sont des valeurs de
la proprit masteredLearningTopic (dfinie dans lontologie du e-Learning).
-123-
Afficher la liste Consulter les ressources

des contextes de pdagogiques pertinentes Passer des tests sur Boutons pour le Zoom
formation dun pour lACM une notion avant et Zoom arrire
apprenant accessible de de lACM
lACM
Bouton pour
grouper les
Container o nuds de
est affiche la lACM
liste des
contextes de
formation, des
ressources Bouton pour
pdagogiques dissocier les
ou des notions nuds de
tester lACM
Une ACM
(contexte de
Ouvrir, crer formation)
ou supprimer
des contextes
de formation
Figure 28 : Environnement graphique du systme OrPAF
3. Extraction de donnes RDF

Dans le systme OrPAF, les connaissances qui dcrivent le domaine, la pdagogie, les
apprenants, les ressources pdagogiques et les tests sont reprsentes par des annotations RDF
qui instancient lontologie du e-Learning reprsente en OWL. Nous utilisons le moteur de
recherche smantique Corese (Corby et al. 2006) dvelopp au sein de lquipe Edelweiss-
INRIA pour la recherche et lexploitation de ces diffrentes connaissances.
3.1. Moteur de recherche smantique Corese
Corese repose sur le formalisme des graphes conceptuels (Sowa, 1984) pour la reprsentation
des connaissances ontologiques et des annotations. Rechercher des donnes revient faire une
recherche dans une base de graphes conceptuels (en anglais Conceptual Graph ou CG). Le
moteur de recherche repose sur l'opration de projection des GC qui permet de retrouver des
occurrences d'un graphe requte dans des graphes cibles. Une occurrence est soit le graphe
recherch, avec des concepts instancis, soit une spcialisation du graphe recherch au sens
des hirarchies de concepts et de relations.
-124-
L'originalit de Corese repose d'une part dans l'intgration des composants. D'autre part,
Corese est compatible avec les formalismes RDF12 et OWL13 dvelopps au sein du W3C.
Lutilisation de Corese garantis louverture de lenvironnement OrPAF aux donnes/services
du Web smantique.
Le moteur de recherche smantique Corese est crit en Java, il est constitu des composants
logiciels principaux suivants (Corby et al., 2006) (voir figure 29):
- un serveur de graphes conceptuels,
- un traducteur RDF/CG et CG/RDF,
- un parser de langage de requtes et de rgles,
- un moteur de recherche bas sur la projection de graphes,
- un moteur de rgles dinfrence en chanage avant,
- un serveur Web smantique.
Larchitecture du serveur Web smantique (SWS) intgrant Corese et bas sur Tomcat est
celle dune couche supplmentaire au-dessus du moteur de recherche grant les changes avec
le Web et avec les ressources locales. Lapplication Web implantant le SWS permet un Web
Master de concevoir un site reposant, entirement ou en partie, sur des requtes poses au
moteur de recherche Corese et sur la transformation du rsultat de ces requtes en pages
HTML, JSP ou SVG en utilisant des feuilles de style XSLT.
Afin dassurer une indpendance maximale de lapplication au domaine, larchitecture du
serveur implante une forme de MVC (Model-View-Controler) pour sparer les aspects
donnes, les aspects calculs et les aspects rendu. Pour ce faire, lapplication Web se
dcompose en plusieurs composants rutilisables, notamment:
- Des servlets implantant des tches rcurrentes dans les scnarios dutilisation dun serveur
Web smantique: rsolution dune requte personnalise, modification dune annotation,
traitement dun formulaire, gestion des gabarits des pages, etc.
- Des feuilles de style implantant des transformations XSLT dans un langage dclaratif et
donc modifiable par lutilisateur. Elles sont utilises pour des tches de rendu (format
daffichage dune rponse, gnration du JSP dun formulaire, gnration dune vue de
lontologie, etc.) et des tches de modification de fichiers XML (dition dune annotation,
dune classe, etc.). Corese est utilis pour tendre les feuilles de style XSLT en fournissant
des fonctions smantiques supplmentaires. De plus les feuilles XSLT sont aussi utilises
12
Resource Description Framework
13
Ontology Web Language
-125-
pour dcrire des patrons dextractions de donnes pour des bases de donnes lgataires par
exemple.
- Des Tags JSP permettent de faire appel Corese lintrieur de pages JSP et permettent
ainsi de gnrer des lments la demande comme, par exemple, un menu, une liste de
requtes contextuelles ou la prsentation dune sous-partie de lontologie.
SPARQL
OWL
Lite
Figure 29: Architecture 3-tiers de Corese (Corby et al., 2006)
3.2. Utilisation de Corese dans le systme OrPAF
Dans notre travail, nous utilisons Corese dans la ralisation des fonctions suivantes :
- Recherche des notions du domaine et de leurs relations dans le but de construire
lACM du cours ;
- Recherche des connaissances sur lapprenant, dans le but par exemple, dannoter les
notions de lACM avec les diffrentes icnes dtat ;
- Recherche des connaissances du modle pdagogique, pour par exemple, calculer la
pertinence pdagogique dune ressource pdagogique ;
- Recherche des connaissances partir des annotations conceptuelles dune ressource,
pour par exemple, calculer la pertinence smantique de la ressource ;
-126-
- Recherche des connaissances partir des annotations de tests pour slectionner des
tests adapts lapprenant ;
- Mettre jour le modle de lapprenant suite un test.
Afin dextraire les annotations RDF qui nous intressent, nous soumettons des requtes
SPARQL au moteur smantique Corese. Pour chercher la correspondance entre la requte
SPARQL et les annotations RDF en conformit avec lontologie du e-Learning, Corese
transforme la requte SPARQL, les annotations RDF et lontologie OWL en graphes
conceptuels et les apparie. Corese renvoie le rsultat de la requte sous la forme dun graphe
RDF, XML ou SPARQL result (Corby et al. 2006).
Dans la sortie suivante, Corese nous renvoie en XML deux projections possibles (formates
en gras) de la requte (formate en gras italique) qui cherche les prrequis de la notion
Statement dans le modle du domaine de lalgorithmique:
-127-
<?xml version='1.0' encoding='Cp1252'?>

<cos:result xmlns:cos='http://www.inria.fr/acacia/corese#'>
<cos:tquery>
<![CDATA[
prefix lo:
<http://www.orpaf.com/learningontologies/learningOntology.rdfs#>
prefix instance:
<http://www.orpaf.com/learningontologies/learningOntology.rdfs-
instances#>
select list display xml distinct ?x

where
{ { ?x lo:prerequisiteOf instance:Statement . } union { ?x
rdf:type lo:LearningTopic . } }
]]>
</cos:tquery>
<sparql xmlns='http://www.w3.org/2005/sparql-results#'
xmlns:rdf='http://www.w3.org/1999/02/22-rdf-syntax-ns#' >
<head>
<variable name='x'/>
</head>
<results ordered='false' distinct='true' >
<result>
<binding
name='x'><uri>http://www.orpaf.com/learningontologies/learningOntology.rd
fs-instances#DataMemory</uri></binding>
</result>
<result>
<binding
name='x'><uri>http://www.orpaf.com/learningontologies/learningOntology.rd
fs-instances#Operator</uri></binding>
</result>
<result>
</results>
</sparql>
</cos:result>
Cette sortie de Corese est renvoye dans un objet java de la classe IResults implmente par
lAPI de Corese. Cest cet objet qui est manipul par les objets de lenvironnement OrPAF.
4. Session dapprentissage dun apprenant

La session dun apprenant est compose de son modle apprenant, de lensemble de ses
contextes de formation et des ressources pdagogiques pertinentes chaque contexte de
formation. Un apprenant peut avoir plusieurs contextes de formation dans le systme. Un
apprenant peut interrompre sa session dapprentissage et la reprendre plus tard. Les scnarios
dutilisation dun contexte de formation dans la session dun apprenant sont (voir figure 30) :
- La cration dun nouveau contexte de formation en insrant dans le systme la notion
cible apprendre et les contraintes temporelles de lapprenant. Le systme utilise ces
-128-
deux informations ainsi que le niveau de connaissances de lapprenant pour filtrer le

modle du domaine et crer une ACM (la fonction createACM);
- La sauvegarde dun contexte de formation en cours (la fonction storeACM) ;
- La restauration dun contexte de formation sauvegard dans une session prcdente (la
fonction restoreACM) ;
- Laffichage dun nouveau contexte de formation ou dun contexte de formation
existant (la fonction displayACM).
:Learner :AdaptationCourse :DomainModel :LearnerModel :LearnerSession
createACM()
filtering()
adaptation()
ACM
displayACM()
strict
closeACM()
storeACM()
openACM()
RestoreACM
()
ACM
displayACM()
Figure 30: Le diagramme de squence des scnarios dutilisation dune ACM.
4.1. Construction dune ACM
Une ACM est une carte de notions relies et appartenant un domaine de connaissances. Elle
est construite en filtrant le modle du domaine (dcrit en RDF dans le systme OrPAF) en se
basant sur la notion cible de lapprenant (lobjectif de lapprenant), ses contraintes
temporelles et son tat de connaissances. La notion cible et les contraintes temporelles sont
fournies par lapprenant alors que son tat de connaissances est dcrit dans son modle
apprenant o les notions connues par lapprenant sont reprsentes en tant que valeurs de la
proprit masteredLearningTopic.
La construction dune ACM consiste dabord faire appel Corese pour extraire des donnes
RDF du modle du domaine et ensuite afficher ces donnes sous la forme dun graphe.
-129-
Dans lexemple suivant, nous dcrivons une requte SPARQL envoye Corese et utilise
dans le filtre hirarchique du modle du domaine, c'est--dire, dans lextraction des notions
ascendantes et des notions descendantes dune notion cible:
// Requte SPARQL pour renvoyer les ascendants y et les descendants x

// dune notion cible contenue dans la variable goalTopic
String queryString=
"PREFIX
lo:<http://www.orpaf.com/learningontologies/learningOntology.rdfs#>
PREFIX
instance:<http://www.orpaf.com/learningontologies/learningOntology.rdfs-
instances#>
select DISTINCT ?x ?y
where
{UNION { ?x lo:subTypeOf instance:"+goalTopic+" }
UNION { instance:"+goalTopic+" lo:subTypeOf ?y }
}";
// Excution de la requte SPARQL sur le donnes RDF

try {
IResults resultRDF = engine.SPARQLQuery(queryString);
return resultRDF; }
catch (EngineException e) {
e.printStackTrace();
return null; }
Figure 31: Cration dune ACM relationnelle (un parcours tendu) avec la notion cible Type
(Le contexte de formation affich est celui de la notion cible Procedure (ACM Hirarchique))
-130-
4.2. Affichage dune ACM
Une ACM est un graphe non orient compos de nuds et de relations entre les nuds
(appeles artes dans la terminologie des graphes). Pour laffichage interactif de lACM, nous
avons choisis dutiliser JUNG (the Java Universal Network/Graph Framework), une
bibliothque libre pour la modlisation, lanalyse et la visualisation des donnes qui peuvent
tre reprsentes sous forme dun graphe ou dun rseau (voir figure 32). Larchitecture de
JUNG est conue pour supporter diffrentes reprsentations des nuds et de relations, telles
que les graphes orients, les graphes multi-modaux, les graphes avec des nuds parallles et
les hypergraphes.
JUNG implmente des algorithmes de la thorie des graphes, du data mining, des rseaux
sociaux tels que les routines de classification, de dcomposition, doptimisation, de gnration
alatoire de graphes, etc.
JUNG offre galement des algorithmes daffichage de graphes (Layout algorithms) qui
peuvent tre utiliss pour faire des affichages personnaliss de graphes. Dans notre
implmentation, nous avons utilis lalgorithme KKLayout (The Kamada-Kawai algorithm
for node layout) qui permet dafficher des graphes ars et ergonomiques.
Figure 32 : Architecture de la bibliothque JUNG
Les nuds de lACM reprsentent des notions du domaine et sont annots par diffrentes
icnes qui reprsentent ltat des notions pour un apprenant donn (voir figure 33).
-131-
Notion accessible et matrise
Notion accessible et non matrise

concept
Notion non accessible
Figure 33 : Annotation graphique des notions utilises dans une ACM
4.3. Evolution dune ACM
Lvolution de lACM dun apprenant est lie sa russite ou son chec lissue des tests. Un
apprenant peut choisir de passer un test sur nimporte quelle notion accessible de lACM. Les
notions inaccessibles sont exclues du test car, pour le systme, elles ne sont pas connues de
lapprenant et donc il nest pas cens tre test dessus. Un test est une squence de QCM ou
de Quiz que nous construisons comme suit :
- 60% des QCM/Quiz sont sur la notion choisie par lapprenant ;
- 40% des QCM/Quiz sont sur les prrequis de cette notion.
Cette approche qui consiste intgrer dans le test dune notion des QCM/Quiz sur ses notions
prrequis vise sassurer que lapprenant matrise ces notions. En effet, tant donn que la
connaissance que possde le systme sur le niveau dun apprenant nest pas toujours fiable,
cette approche est un moyen de remettre en cause cette connaissance et ainsi obtenir un profil
apprenant plus fiable. En effet, si un apprenant choue dans les QCM/Quiz qui concernent les
prrequis dune notion alors cette notion devient inaccessible dans lACM (NotAccessible) et
ses notions prrequis deviennent non matrises (AccessibleAndNotMastered). Par contre si
-132-
lapprenant russit le test dune notion alors cette notion devient matrise dans lACM
(AccessibleAndMastered).
4.4. Sauvegarde/Restauration dune ACM
La taille du fichier RDF du modle du domaine tant souvent trs grande, le filtrage
systmatique de ce modle chaque fois quun apprenant demande afficher son contexte de
formation implique des cots de traitement importants. Ainsi, nous proposons une autre
approche qui consiste sauvegarder le contexte de formation dun apprenant dans une table
de donnes numriques et de le restaurer partir de cette structure de sauvegarde numrique.
Un algorithme de restauration du contexte de formation dun apprenant partir de cette
structure de sauvegarde numrique a t conu et implment dans OrPAF afin dviter le
chargement et le filtrage systmatiques et coteux du modle du domaine.
Structure de sauvegarde :
La sauvegarde de la session dun apprenant consiste sauvegarder dans une table dune base
de donnes les contextes de formation de la session. Nous avons propos pour cette structure
de sauvegarde le schma suivant:
LearnerSession (LearnerID, LearningContextID, TopicName, SignedTopicWight)
Cette structure attribue chaque notion de chaque contexte de formation de chaque apprenant
un poids sign. Ce dernier est calcul comme suit :
Soit le chemin de notions <t1, t2, t3, .. tn > de longueur n qui relie dans une ACM une notion
cible t1 une notion tn. Le poids de la notion tn est calcul rcursivement par rapport la
notion cible t1 comme suit :
Wtn/t1= (1/b)n-1 Wtn-1/t1, n>1

Wt1/t1=1
A linstar du facteur a utilis dans le calcul de la relevance smantique SR dune ressource
pdagogique, le facteur b est une variable qui prend ses valeurs dans lensemble des
nombres premiers comme suit :
b=2 si la relation entre ti-1 et ti est subTypeOf ou sa relation inverse.
b=3 si la relation entre ti-1 et ti est prerequisiteOf ou sa relation inverse.
b=5 si la relation entre ti-1 et ti est agregateOf ou sa relation inverse.
Nous calculons la valeur du poids sign PoidsNotionSign dune notion tn partir du poids de
cette notion comme suit :
PoidsNotionSign(tn)= - 1/Wtn/t1 si tn est lextrmit dun chemin de lACM,

PoidsNotionSign(tn)= 1/Wtn/t1 sinon.
-133-
Au niveau du poids sign, le facteur b est lev la puissance i-1 (n i 2) pour reprsenter
la position de la notion ti dans le chemin des notions <t1, t2, t3, .. tn > et permet didentifier la
squence exacte des relations qui constituent le chemin reliant la notion cible t1 la notion ti.
En effet, nous nous basons sur la proprit mathmatique qua tout nombre de pouvoir tre
crit de manire unique sous la forme dune multiplication de nombres premiers levs des
puissances entires. Cette caractristique nous permet de reconstituer les chemins de lACM
en utilisant uniquement les poids signs PoidsNotionSign de ses diffrentes notions.
Le signe du poids sign dune notion exprime le fait quelle est lextrmit dun chemin ou
pas. Cette information est utile dans lalgorithme de restauration pour rduire le nombre de
combinaisons de chemins (ACM) reconstituer et donc optimiser le temps de calcul. Par
exemple, les valeurs de PoidsNotionSign des notions de lACM de la figure 34 sont
sauvegardes comme suit :
Table 2 : Structure de sauvegarde de lACM de la figure 34

Notions ti (la notion cible est t1) PoidsNotionSign(ti) PoidsNotionSign(ti)
(Ecriture normalise de t1 ti).
(A lire de gauche droite)
t2 2 2
t3 8 2 22
t4 -3 -3
t5 3 3
t6 -6 -3 2
t7 -6 -3 2
t8 -64 -2 22 23
Si nous analysons la valeur du PoidsNotionSign de la notion t8, nous pouvons dduire que
cette notion est positionne lextrmit dun chemin (PoidsNotionSign(t8)<0) et qu partir
de la notion cible t1 ce chemin est compos dans lordre de trois relations subTypeOf
conscutives. Le PoidsNotionSign de la notion t7 indique que cette notion est lextrmit
dun chemin compos partir de la notion cible t1 dune relation prerequisiteOf suivie dune
relation subTypeOf. Enfin, la valeur du PoidsNotionSign de la notion t2 indique que cette
notion se trouve lintrieur dun chemin (PoidsNotionSign(t2)>0) et que son sommet dans
lACM est adjacent au sommet de la notion cible t1 via une relation subTypeOf.
-134-
Nous pouvons galement affirmer que la notion t6 ne peut tre relie la notion t4 mais peut
tre relie la notion t5 car t4 se trouve lextrmit dun chemin (PoidsNotionSign<0) et
pas lintrieur dun chemin.
Figure 34 : une ACM
Dans certains cas lalgorithme de restauration propos calcule partir de la structure de

sauvegarde et pour un mme contexte de formation, plusieurs ACM possibles et donc exige
des accs au modle du domaine pour dcider de la solution slectionner. Ces cas
apparaissent gnralement pour les ACM relationnelles avec des longueurs de chemin m>2.
Algorithme de restauration
Lalgorithme de restauration sert gnrer lACM de lapprenant partir de sa structure de
sauvegarde en identifiant les notions composants les chemins de lACM. Le principe de cet
algorithme est de commencer par identifier rcursivement les notions des chemins les plus
longs jusquaux chemins les plus courts. Pour un chemin donn, le calcul est rcursif pour
chacune des notions du chemin et commence par la notion la plus loigne de la notion cible
t1 jusqu la notion adjacente celle-ci.
Pour raliser notre algorithme de restauration, nous avons dfinis les fonctions suivantes :
- la fonction longueur (ti) qui renvoie la longueur du chemin qui relie la notion cible t1
ti. Par exemple longueur (t8)=3 ;
- la fonction path(ti) qui renvoie la squence des relations qui relie la notion cible t1 ti.
Par exemple path(t7)= (prerequisiteOf, subTypeOf) ou path(t7)=(3,2) ;
- la fonction Matching(path(tj), path(ti)) qui vrifie lappariement entre deux chemins
path(tj) et path(ti) et renvoie une valeur boolenne. Cette fonction vrifie quun chemin
(le plus court) est identique une partie situe lextrmit dun autre chemin (le
-135-
chemin le plus long) et la comparaison commence la notion cible t1. Par exemple
path(t8)=(2,2,2) sapparie avec path(t3)=(2,2) ou path(t2)=(2) et ne sapparie pas avec
path(t5)=(3) ou path(t5)=(3,2).
Les tapes de lalgorithme sont :
1- Pour toute valeur absolue |PoidsNotionSign(ti)|= 1 22 . jj-1 dune notion ti (i> 1)
de lACM, construire un chemin de relations path(ti)=<t1,... ti > de longueur j de la notion
cible t1 la notion ti ;
2- Trier les chemins par ordre dcroissant de longueur(ti) ;
3- Appeler la procdure RestaureACM() qui appelle itrativement, pour tous les chemins de
lACM, la procdure RestaureChemin() dont la fonction est de retrouver les notions qui
composent un chemin de lACM.
RestaureACM (Entier NumApprenant, Entier NumContexteFormation) {

long :Entier ;
Debut
long :=max (longueur(ti))
Tant que long>0 faire {
Pour chaque ti tel que longueur (ti)=long et PoidsNotionSign (ti) < 0 faire {
RestaureChemin (path(ti)) ; }
long :=long-1 ;
}
Fin; }
RestaureChemin (tableauEntiers path(ti)) {

Debut
Si longueur(ti)=1 alors
ti et t1 sont deux sommets adjacents dans lACM ;
Sinon {
Pour chaque path(tj) tel que longueur(tj)= longueur(ti)-1 et PoidsNotionSign (tj) >0 faire
{
Si Matching(path(tj), path(ti)) alors {
tj et ti sont deux sommets adjacents dans lACM ;
Restore (path(tj)) ; }
}
}
Fin ; }
La procdure RestaureChemin() calcule de manire rcursive les notions composant un

chemin en partant de la notion ti lextrmit du chemin jusqu la notion cible t1.
-136-
5. Apprentissage centr sur lapprenant
Nous avons voulu concevoir une interface centre sur lapprenant o celui-ci est libre de
crer, de parcourir ou de supprimer des contextes de formation, daccder des ressources
pdagogiques pertinentes pour son contexte de formation (page HTML, documents PDF,
simulations, vidos, etc.) et de passer des tests. Les icones utilises pour annoter les nuds de
lACM permettent lapprenant de distinguer les diffrents tats dune notion
(AccessibleAndMastered, AccessibleAndNotMastered et NotAccessible). Le changement
dtat dune notion saccompagne dun changement dicne qui informe lapprenant sur sa
progression ou sa rgression dans le processus dapprentissage.
Dans la conception de linterface, nous avons clairement spar lACM (la structure du cours)
des ressources pdagogiques (le contenu du cours) et des tests sur les diffrentes notions de
lACM. Lexploration de lACM, laccs aux ressources et lexcution des tests sont des
activits dapprentissage qui reprsentent des cas dutilisation du systme OrPAF.
Lapprenant est libre de choisir lordre de ses activits dapprentissage. Le recours aux tests
est ncessaire si lapprenant dsire faire voluer son modle et avoir ainsi accs dautres
notions de lACM. Cest laccessibilit des notions dans lACM qui pousse lapprenant soit
passer des tests pour faire voluer son modle et atteindre son objectif soit reporter ces tests.
En effet, il est le seul responsable de son niveau de connaissances et du temps quil passe
apprendre. Par exemple, les apprenants avec des contraintes temporelles strictes ont plutt
tendance aller trs tt vers les tests pour vrifier leur degr de matrise des notions de
lACM et valider leurs connaissances.
Le QCM
La notion Les choix du QCM

associe au
test
Poursuivre le test,
labandonner ou le
valider
Figure 35 : Tests associs la notion Statement du modle du domaine de lalgorithmique
-137-
6. Base de donnes du systme OrPAF
Dans le systme OrPAF, nous avons conu et construit une base de donnes qui nous permet
de sauvegarder les contextes de formation des diffrents apprenants et leurs identifiants (login
et password). Le schma de cette base de donnes est construit en normalisant le graphe des
dpendances fonctionnelles suivant (voir figure 36) :
Figure 36 : Le GDF des sessions des apprenants
Aprs la normalisation du GDF de la figure 36 graphe, nous obtenons les relations suivantes :
LearnerSession (LearnerID, LearningContextID, TopicName, SignedTopicWight) qui
sauvegarde le poids sign de chaque notion de chaque contexte de formation de chaque
apprenant.
LearningContextGoal (LearnerID, LearningContextID, GoalTopic) qui sauvegarde pour
chaque contexte de formation, la notion cible qui a servi le crer.
Learner (LearnerID, LearnerPassWord, LearnerLogin) qui sauvegarde le mot de passe et le
login dun apprenant.
Nous ralisons cette base de donnes laide du SGBD Access que nous interrogeons et
manipulons laide de la passerelle JDBC/ODBC. LAPI JDBC permet la manipulation de la
base de donnes partir des objets java du systme OrPAF et le pilote ODBC permet la
connexion et linteraction physiques avec le SGBD Access.
7. Recherche des ressources pdagogiques distantes

Dans le systme OrPAF, les enseignants peuvent interroger de manire manuelle ou
automatique des corpus distants du Web. Particulirement, nous avons mis en uvre
-138-
linterrogation du corpus ARIADNE (le KPS14 ARIADNE) qui hberge des ressources
pdagogiques annotes avec le standard LOM. Le corpus ARIADNE joue galement le rle
de portail pour de nombreux autres corpus du Web (EducaNext, Merlot, Prolearn deliverables,
etc.). Nous importons dans le composant QueryingDistantResource du systme OrPAF le
package ARIADNE KPS Client, une API java pour accder et tlcharger des ressources
pdagogiques du corpus ARIADNE. Ce package constitue un kit Web services qui rend le
protocole SOAP (Simple Object Access Protocol) transparent pour OrPAF, simplifiant ainsi
la manipulation des mtadonnes LOM.
OrPAF
Figure 37 : KPS Client dans larchitecture dARIADNE
7.1. Interrogation manuelle du corpus ARIADNE
Lobjectif des enseignants est de rechercher des ressources pdagogiques relatives aux notions
du domaine de formation vis. Avec le corpus ARIADNE, ils ont la possibilit de construire
manuellement des requtes pour effectuer :
- une recherche simple par mots cls en introduisant des termes qui font rfrence des
notions du modle du domaine ;
- une recherche avance en introduisant la notion qui les intresse (voir le champ
Main Concept dans la capture dcran de linterface du KPS ARIADNE), le titre
de la ressource, lauteur de la ressource, la langue de la ressource, etc. (voir figure
38) ;
- une recherche fdre pour des ressources pdagogiques hberges dans dautres
corpus du Web (voir figure 39).
14
Knowledge Pool System
-139-
Figure 38 : Recherche avance de ressources pdagogiques dans ARIADNE
Figure 39 : Recherche fdre de ressources pdagogiques dans ARIADNE
-140-
Les enseignants peuvent galement rechercher visuellement des ressources pdagogiques dans
le corpus ARIADNE. Une classification visuelle des ressources du corpus selon leur domaine
dappartenance permet davoir une ide globale sur la rpartition des ressources dans le
corpus.
Figure 40 : Classification visuelle des ressources pdagogiques par domaine dappartenance

dans ARIADNE
7.2. Interrogation automatique du corpus ARIADNE
Tous les modes de recherche manuelle de ressources pdagogiques distantes, prsents ci-
dessus, sont galement possibles par programmation en important lAPI KPS Client. Nous
avons utilis cette API dans le composant QueryingDistantResource du systme OrPAF (voir
figure 26). Ainsi, nous avons construits, par exemple, une requte pour rechercher des
ressources en langue franaise sur une notion contenue dans la variable topic comme suit :
-141-
//Crer un objet requte

QueryClient requeteClient = new QueryClient();
// Dfinir les critres de la requte avance : topic et language

AdvancedQueryItem concept = new AdvancedQueryItem (
"ariadneDocument/mainConcepts/mainConcept" , "contains" , topic ) ;
AdvancedQueryItem language = new AdvancedQueryItem (

"ariadneDocument/documentLanguage" , "equals" , "fr" ) ;
//Composer la requte avance avec la conjonction And

AdvancedQuery requeteAvancee = new AdvancedQueryAnd( concept, language)
;
//Soumettre la requte avance

requeteClient.advancedQuery (requeteAvancee);
8. Recherche des ressources pdagogiques locales

A chaque fois quun apprenant veut visualiser des contenus pdagogiques pertinents pour son
contexte de formation, c'est--dire, des ressources pdagogiques dont la pertinence
smantique SR est suprieure un seuil prdfini par les experts du domaine, le composant
QueryingLocalResource est invoqu. Ce dernier accde aux annotations conceptuelles des
ressources pdagogiques du corpus local pour calculer la pertinence smantique de ces
ressources. Nous utilisons lAPI de Corese pour rechercher les connaissances ncessaires ce
calcul. Cette API extrait les notions relatives la ressource pdagogique : les valeurs de la
proprit learningResourceTopic utilise dans lannotation conceptuelle de la ressource
pdagogique. Une fois les ressources pdagogiques pertinentes identifies, elles sont tries par
ordre dcroissant de pertinence pdagogique de sorte que celles qui sadaptent le plus avec
lactivit pdagogique courante soient affiches en haut de la liste des ressources
pdagogiques.
-142-
Figure 41: Visualisation dune ressource pdagogique par lapprenant
-143-
Conclusion : Dans ce chapitre, nous avons dcrit la ralisation de lenvironnement

OrPAF o plusieurs outils et API de dveloppement ont t intgrs pour raliser les
fonctionnalits et les choix conceptuels dcrits dans les chapitres 4 et 5. Lenvironnement
OrPAF est dvelopp en java sous Eclipse SDK 3.3.2 et utilise :
- LAPI du moteur de recherche Corese pour extraire des connaissances des diffrents
modles du e-Learning, des annotations des ressources pdagogiques et des des tests ;
- LAPI KPS Client pour interroger, accder et tlcharger les ressources pdagogiques du
corpus ARIADNE ;
- LAPI JDBC et le pilote ODBC pour accder et manipuler la base de donnes des
sessions dapprentissage des apprenants ;
- LAPI de JUNG pour laffichage des ACM sous la forme de graphes dynamiques et
interactifs.
Dans le chapitre suivant, nous prsentons les exprimentations que nous avons effectues
sur lenvironnement pdagogique adaptatif OrPAF.
-144-
7. Evaluation et retour dexprience
Nous avons implment lenvironnement pdagogique adaptatif OrPAF pour permettre des
apprenants dapprendre des notions du domaine de lalgorithmique et des langages de
programmation et nous lavons valu avec un groupe dapprenants de profils diffrents et des
experts du domaine. Ces apprenants sont des tudiants qui ont dj t dans un cours
dalgorithmique. Ce choix sexplique par notre volont de travailler et dvaluer le systme
OrPAF avec des apprenants initis et autonomes.
Nous avons men notre exprimentation selon deux directions orthogonales. La premire
direction vise exprimenter lenvironnement OrPAF sur les aspects utilisabilit et utilit
perues par les apprenants. La deuxime direction a pour objectif lvaluation de la mesure
SR qui calcule la pertinence smantique des ressources pdagogiques annotes au sein du
systme OrPAF. Nous avons essay lors de nos exprimentations dune part de dgager la
proximit de cette mesure mathmatique de la perception humaine et dautre part dvaluer
ses performances sur un corpus rel.
-145-
1. Evaluation du systme OrPAF
1.1. Test dutilisabilit de lenvironnement par des apprenants
1.1.1. Principe et critres du test dutilisabilit
Le test d'utilisabilit15 est une mthode efficace pour valuer un logiciel car il permet
d'observer directement la faon dont l'utilisateur se sert de l'application et ainsi d'identifier
concrtement les vritables problmes qu'il rencontre en situation d'utilisation.
Dans notre cas, il sagit de mettre lapprenant en situation effective d'utilisation de
lenvironnement OrPAF et de lui demander dacqurir des notions cibles. Ces dernires sont
choisies par nos experts de faon ce que les contextes de formation obtenus ne se
chevauchent pas ou trs peu. Ceci assure que les notions cibles soient trs diffrentes les unes
des autres pour une bonne couverture du modle du domaine.
Lintrt du test d'utilisabilit est de dterminer de faon objective l'utilisabilit de
lenvironnement en mesurant la performance de lapprenant, par exemple, a-t-il pu atteindre
son objectif dans le temps exprim par ses contraintes temporelles ? Le test d'utilisabilit est
aussi et surtout l'occasion de voir lapprenant en situation et d'observer les problmes qu'il
rencontre, les questions qu'il se pose, ainsi que les fonctionnalits qu'il apprcie ou pas. Nous
pouvons ainsi recueillir des lments prcieux sur la faon de rendre lenvironnement OrPAF
plus facile utiliser car mieux adapt aux besoins de lapprenant.
La norme ISO 9241-11 dfinit l'utilisabilit de la manire suivante :
Un systme est utilisable lorsqu'il permet l'utilisateur de raliser sa tche avec efficacit,
efficience et satisfaction dans le contexte d'utilisation spcifi . En d'autres termes, on
considre qu'un logiciel est utilisable lorsque l'utilisateur peut raliser sa tche (efficacit),
qu'il consomme un minimum de ressources pour le faire (efficience) et que le systme est
agrable utiliser (satisfaction). Tester l'utilisabilit d'un systme consiste donc valider ces
trois critres :
Efficacit : Vrifier que les objectifs viss par l'utilisateur sont atteints.
Efficience : Mesurer les ressources ncessaires pour atteindre ces objectifs, par exemple le
temps que l'utilisateur met pour raliser son objectif.
15
Test dutilisabilit (http://www.wpostal.com/testlogiciel.htm)
-146-
Satisfaction : Dterminer si le systme est agrable utiliser, par exemple, le critre de

satisfaction peut tre inversement proportionnel au nombre de remarques ngatives mises par
les utilisateurs.
La norme ISO 9241-11 dfinit l'utilisabilit sur la base de ces 3 caractristiques. Il s'agit
effectivement des points les plus reprsentatifs dans le cas gnral. Cependant, il peut tre
utile, selon les spcificits de l'application, d'valuer d'autres aspects du logiciel :
Scurit : Nombre d'erreurs commises par l'utilisateur et rapidit de correction des erreurs.
Facilit d'apprentissage : Comprhension correcte et assimilation rapide du mode de
fonctionnement du logiciel.
Dans le test dutilisabilit du systme OrPAF, nous avons valu les trois critres suivants :
- lefficacit de lapprenant atteindre son objectif. Nous avons aussi vrifi si le choix du
filtre du modle du domaine influe rellement sur le temps que passe lapprenant dans son
contexte de formation avant datteindre son objectif ;
- la satisfaction de lapprenant de linterface du systme OrPAF ;
- la facilit qua lapprenant apprendre linterface du systme OrPAF.
1.1.2. Protocole du test dutilisabilit :
Profils des apprenants:

J. Nielsen a montr quun test dutilisabilit men avec 5 utilisateurs permet de lever au moins
80 % des problmes d'utilisabilit. En effet, ce n'est pas en augmentant le nombre
d'utilisateurs que l'on trouve plus de problmes. Les problmes sont lis au logiciel, pas aux
utilisateurs ! Tester avec un plus grand nombre d'utilisateurs augmente le cot du test, pas la
pertinence des rsultats.
Ainsi, pour tester les trois critres dcrits ci-dessus nous avons travaill avec 15 apprenants
qui prparent le diplme dingnieurs dtat en Informatique luniversit 20 Aot 1955
(Algrie) et qui appartiennent deux niveaux dtudes diffrents : 8 tudiants en 3me anne et
7 tudiants en 4me anne. Etant donn que le systme OrPAF est destin principalement des
apprenants avertis et autonomes, nous avons choisi des tudiants initis avec des niveaux
dtudes avancs en Informatique. Ces 15 tudiants ont t diviss en 3 groupes de 5 tudiants
chacun. Chaque groupe nous sert valuer un des trois critres dutilisabilit.
Matriel utilis:
Le test dutilisabilit se passe dans une salle de travaux pratiques quipe de 15 postes de
travail connects Internet. Chaque apprenant est affect un poste de travail sur lequel on a
install lenvironnement OrPAF.
-147-
Droulement du test:
En fonction du critre valuer, nous avons impos un droulement spcifique pour le test
dutilisabilit:
Critre valuer Droulement du test

Efficacit et temps dapprentissage de Groupe 1
lapprenant Le test se passe comme suit :
- prsentation de lenvironnement graphique et de
lintrt du systme OrPAF en utilisant un data show ;
- les 5 apprenants explorent pendant une heure 6
contextes de formation sans aucune consigne sur lordre
dexploration ;
- les 5 apprenants sont invits crer chacun une ACM
simple et lexplorer pendant 10 minutes ; ensuite une
ACM hirarchique et lexplorer pendant 20 minutes et
enfin une ACM relationnelle et lexplorer pendant 40
minutes.
Satisfaction de lapprenant Groupe 2
Le test se passe comme suit :
- les 5 apprenants sont invits se documenter sur
Internet propos de notions cibles proposes ;
- prsentation de lenvironnement graphique et de
lintrt du systme OrPAF en utilisant un data show ;
- les 5 apprenants sont invits explorer librement
lenvironnement OrPAF pour apprendre dautres notions
cibles.
Facilit dapprentissage de linterface Groupe 3

Le test se passe comme suit :
- les apprenants sont invits utiliser OrPAF sans autres
indications que celles fournies par le help et le
tutorial du systme.
Nous avons utilis une feuille dobservation pour relever les problmes auxquels ont t
confronts les apprenants et certains usages atypiques de ceux-ci.
A lissue des trois protocoles de test, nous avons soumis aux trois groupes dapprenants trois
questionnaires :
-148-
Groupe 1 :
Avez-vous souvent chang de contexte de formation ?
Avez-vous volu de manire satisfaisante dans vos contextes de formation ?
Le graphe des notions vous a-t-il permis de comprendre votre volution vers la notion cible?
Le temps accord chaque parcours tait-il appropri ?
Existe-il un lien entre la taille du graphe de notions et la complexit de la notion cible ?
Existe-il un lien entre la taille du graphe de notions et le temps ncessaire parcourir toutes
les notions du graphe ?
Groups 2 :
Avez-vous aim la charte graphique de linterface ?
Linterface est-elle encombre ?
Avez-vous t aids par le systme dans les parcours de formation ?
Le graphe des notions est-il facilement explorable ?
Laccs aux tests est-il vident ?
Groupe 3 :
Avez-vous compris le rle des tests dans OrPAF?
Ya-il un lien entre le graphe de notions et les tests affichs ?
Ya-il un lien entre le graphe de notions et les ressources affiches ?
Avez-vous t gns par lexploration par notions du cours?
Avez-vous compris le sens des liens entre les notions ?
Avez-vous compris le sens des icnes reprsentant les notions ?
1.1.3. Rsultats et dpouillement
Les tables 1, 2 et 3 rsument les rsultats obtenus respectivement du groupe 1, 2 et 3.
-149-
Table 3 : Synthse des rsultats du test dutilisabilit du groupe 1

Questionnaire : Efficacit et temps Rponses Nombre dapprenants %
dapprentissage de lapprenant
Avez-vous souvent chang de contexte Oui 3 60
de formation ? Non 1 20
Un peu 1 20
Avez-vous volu de manire Oui 2 40
satisfaisante dans vos contextes de Non 1 20
formation ? Un peu 2 40
Le graphe des notions vous a-t-il permit Oui 3 60
de comprendre votre volution vers Non 1 20
lobjectif ? Un peu 1 20
Le temps accord chaque parcours Oui 4 80
tait-il appropri ? Non 1 20
Un peu 0 0
Existe-il un lien entre la taille du graphe Oui 0 0
de notions et la complexit de la notion Non 4 80
cible ? Un peu 1 20
Existe-il un lien entre la taille du graphe Oui 3 60
de notions et le temps ncessaire Non 0 0
parcourir toutes les notions du graphe ? Un peu 2 40
Les rsultats du questionnaire qui correspond lvaluation de lefficacit et du temps

dapprentissage de lapprenant (voir table 2) montrent clairement que les apprenants
constatent un lien entre le temps ncessaire pour atteindre un objectif et la taille de lACM (le
graphe des notions). Les rsultats montrent galement une certaine instabilit des apprenants
qui commutent frquemment entre leurs diffrents contextes de formation. Cette manire de
travailler les empche datteindre efficacement leurs objectifs. Cependant, ils arrivent
globalement assimiler leur volution dans chaque ACM.
Ces rsultats ainsi que nos observations refltent la difficult qua lapprenant grer
paralllement plusieurs contextes de formation ouverts. Ainsi, pour rduire la dsorientation
des apprenants, nous avons limit le nombre de contextes de formation dans une session
donne un maximum de 3 contextes de formation.
-150-

Questionnaire : Satisfaction de Rponses Nombre dapprenants %
lapprenant
Avez-vous aim la charte graphique de Oui 3 60
linterface ? Non 1 20
Un peu 1 20
Linterface est-elle encombre ? Oui 5 100
Non 0 0
Un peu 0 0
Avez-vous t aids par le systme dans Oui 4 60
les parcours de formation ? Non 0 0
Un peu 1 40
Le graphe des notions est-il facilement Oui 5 100
explorable ? Non 0 0
Un peu 0 0
Laccs aux tests est-il vident ? Oui 2 40
Non 2 40
Un peu 1 20
Les rsultats du questionnaire sur la satisfaction des apprenants (voir table 4) montrent que les
apprenants ont une prise en main trs naturelle des ACM et que le mode dexploration
graphique des notions ne les gne pas. Aussi, les apprenants ont apprci pour la plupart
lassistance apport par OrPAF dans leur parcours dapprentissage et ceci en comparaison
avec la mthode classique qui consiste chercher des documents sur Internet via un moteur de
recherche. Par contre, certains apprenants nont pas eu recours aux tests pour rendre
accessibles des notions inaccessibles des ACM. Ils nont pas compris que les tests leur sont
proposs pour les faire voluer dans leurs contextes de formation. Nous avons rcupr ce
problme par laffichage rgulier dun message invitant lapprenant passer les tests si
lACM contient des notions accessibles et non matrises.
-151-

Questionnaire : Facilit dapprentissage Nombre des
Rponses %
de linterface dapprenants
Avez-vous compris le rle des tests dans Oui 3 60
OrPAF? Non 2 40
Un peu 0 0
Ya-il un lien entre le graphe de notions et Oui 4 80
les tests affichs ? Non 1 20
Un peu 0 0
Ya-il un lien entre le graphe de notions et Oui 4 60
les ressources affiches ? Non 0 0
Un peu 1 40
Avez-vous t gns par lexploration Oui 0 0
par notions du cours? Non 4 80
Un peu 1 20
Avez-vous compris le sens des liens Oui 1 20
entre les notions ? Non 2 40
Un peu 2 40
Avez-vous compris naturellement le sens Oui 2 60
des icnes reprsentant les notions ? Non 3 40
Un peu 0 0
Les rsultats du questionnaire sur lapprentissage de linterface (voir table 5) refltent

clairement la comprhension par la plupart des apprenants des liens qui relient les tests et les
ressources pdagogiques aux notions de lACM. Cependant, ces rsultats montrent que la
smantique des liens qui relient les notions dune ACM ainsi que le sens des icnes utilises
pour les notions dune ACM ne sont pas correctement compris par les apprenants. Ainsi, nous
avons rexamin les icnes utilises pour annoter les notions des ACM. En effet, nous avons
consult un ergonome qui nous a aids choisir une autre annotation pour reprsenter les
notions qui soit plus facile comprendre et plus intuitive pour les apprenants (voir la table 6).
-152-
Table 6 : Nouvelle annotation des notions dune ACM
Etats dune notion dans une ACM Ancienne Annotation Nouvelle Annotation
Notion accessible et matrise
Notion accessible et non matrise
Notion non accessible
1.2. Test sur le dveloppement des aptitudes conceptuelles chez les apprenants et
la pertinence des ressources pdagogiques ressentie par les apprenants
Nous avons men un autre test pour valuer limpact de lutilisation du systme OrPAF sur le
dveloppement des aptitudes conceptuelles des apprenants. Lintrt de ce test est de vrifier
si le mode de transmission des connaissances via un hypermdia adaptatif structur en une
ACM amliore ou pas les connaissances conceptuelles dun apprenant dans un domaine
donn en comparaison avec un cours o la structure est de type hirarchique (chapitre,
section, sous section, etc). Contrairement une structure hirarchique, une ACM permet une
visibilit globale de la structure du cours. Nous avons galement questionn les apprenants
sur la pertinence des ressources pdagogiques proposes dans le systme OrPAF.
Nous avons travaill avec 14 apprenants. Nous les avons divis en deux groupes A et B. Le
test sest droul en deux tapes :
Etape 1 : les apprenants du groupe A ont travaill sur le systme OrPAF o nous leur avons
demands de crer deux contextes de formation : une ACM relationnelle avec la notion cible
File (en franais Fichier) et une autre ACM relationnelle avec la notion cible Procedure (en
franais Procdure). Pendant ce temps, nous avons demand aux apprenants du groupe B de
travailler sur des documents numriques recherchs sur Internet pour raliser les mmes
objectifs : la notion File et la notion Procedure.
Nous avons accord aux deux groupes une heure de travail et ensuite nous leur avons faits
passer :
- un exercice qui consiste organiser en graphe un ensemble de notions avec
deux relations : la relation de prrequis entre notions et la relation de
spcialisation entre notions. Les notions en question taient dj prsentes
-153-
aussi bien dans les documents numriques proposs au groupe B que dans le
systme OrPAF utilis par le groupe A ;
- un questionnaire sur la pertinence dune part des ressources pdagogiques
recherches sur Internet et dautre part de celles proposes dans le systme
OrPAF.
Etape 2 : les apprenants du groupe B ont t invit travailler sur OrPAF pour apprendre
deux autres notions cibles : Array (en franais Tableau) et Pointer (en franais Pointeur).
Nous avons accord aux apprenants de ce groupe une heure de travail et ensuite nous leur
avons faits passer un autre exercice de conceptualisation et le questionnaire sur la pertinence
des ressources pdagogique proposes dans le systme OrPAF.
Lhistogramme de la figure 42 Synthtise les rsultats obtenus.
14
12 G ro up B (R sulta ts
N g atifs
10
G ro up B (R sulta ts
P ositifs)
8
G ro up A (R sulta ts
1 4 Ap p re n an ts N g atifs)
6
G ro up A (R sulta ts
4 P ositifs)
0
A p titu d e s A p titu de s P ertin e n c e P e rtine n c e
C on c e p tu e lle s C o n ce p tu e lle s R e s so u rc e s R e s so u rc e s
( ta p e 1 ) ( ta p e 2 ) d a n s O rP A F In te rn e t
C rit re s d u te s t
F ig u re 42: T est des A ptitu des C o nceptu elles d es A ppren ants-

P ertinence des R esso urces P dagogiq ues
Lanalyse de cet histogramme nous permet de tirer les conclusions suivantes :

- La plupart des apprenants considrent que les ressources pdagogiques proposes par le
systme OrPAF sont pertinentes et adaptes au contexte de la formation. Par contre les
ressources pdagogiques recherches du Web sont considres peu pertinentes par les
apprenants du groupe B. ces derniers ont investis beaucoup de leur temps et de leurs efforts
-154-
pour trier les ressources pdagogiques renvoyes par le moteur de recherche. Dailleurs, nous
avons observ une chute importante defficacit pour ces apprenants ;
- Le taux de russite des apprenants du groupe A dans lexercice de conceptualisation est
lev lissue de ltape 1 alors que les apprenants du groupe B ont pour la plupart chou
dans cet exercice. Ces mmes tudiants ont russit lexercice lissue de ltape 2. Ainsi,
nous pouvons conclure que lutilisation du systme OrPAF, o la structure du cours est
explicitement et globalement affiche aux apprenants travers une ACM, dveloppe les
aptitudes conceptuelles de lapprenant, c'est--dire, sa capacit organiser les concepts dun
domaine de connaissances donn.
2. Evaluation de la mesure de calcul de la pertinence smantique dune

ressource pdagogique
Nous avons adopt deux approches complmentaires pour valuer la mesure de calcul SR qui
sert calculer la pertinence smantique dune ressource pdagogique dans OrPAF.
La premire approche consiste comparer les rsultats obtenus par des experts humains et les
rsultats obtenus par la mesure SR. Nous avons demand des experts humains dannoter un
ensemble de ressources pdagogiques et ensuite de juger de la pertinence de chacune de ces
ressources pdagogiques pour 6 contextes de formation diffrents et appartenant au domaine
de lalgorithmique et des langages de programmation (3 ACM simples et 3 ACM
relationnelles). Chaque expert humain attribue une note de 0 10 chacune des ressources
pdagogiques. La note 0 exprime quune ressource nest pas pertinente pour le contexte de la
formation et la note 10 exprime quelle est pertinente et compltement adapte au contexte de
la formation. Nous tudions la corrlation entre les valeurs moyennes des notes donnes par
les experts et les valeurs obtenues en utilisant la mesure SR et ceci pour chacun des six
contextes de formation. Pour pousser la comparaison encore plus loin, nous avons tudi la
corrlation entre les donnes des experts et les valeurs obtenues par la mesure de similarit
smantique entre des graphes conceptuels SoG propose dans (Zhong et al., 2002). Cette
tude nous a permis de vrifier quelle mesure entre SR et SoG est la plus proche de
lvaluation des experts humains. Le choix de la mesure SoG nest pas alatoire car cette
mesure comporte des similarits avec la mesure SR. A linstar de SR, elle calcule
lappariement entre deux graphes conceptuels : un graphe requte (the query graph) et un
graphe reprsentant lannotation conceptuelle dune ressource (the resource graph). Un autre
point commun entre SR et SoG est lutilisation dun point de dpart pour le calcul de la
-155-
similarit : le concept dentre (the entry concept) pour SoG et la notion courante pour SR ;
Cependant, nous relevons un certain nombre de divergences entre la mesure SR et la mesure
SoG :
- SoG dpend de la profondeur des concepts dans la hirarchie des concepts
alors que SR dpend du contexte de la formation, c'est--dire, de toutes les
relations qui relient les notions du modle du domaine.
- Le poids dun concept dans SoG est dfini par les utilisateurs de la mesure
travers lIHM alors que le poids dune notion dans SR est calcul en fonction
des contextes de la formation.
La seconde approche dvaluation de la mesure SR consiste mesurer sa performance
extraire des ressources pdagogiques pertinentes et empcher lextraction des ressources
inadaptes au contexte de formation.
2.1. Comparaison avec les rsultats des experts humains
2.1.1. Donnes de lexprience
Nous avons demand trois experts de noter sur une chelle de 0 10 la pertinence de 20
ressources pdagogiques (20 documents textuels au format PDF) pour six contextes de
formation diffrents (trois ACM simples et trois ACM relationnelles) appartenant au domaine
de lalgorithmique et des langages de programmation. Dans chacun des contextes de
formation, la notion courante tait explicitement reprsente.
2.1.2. Droulement de lexprience
Contexte de lexprience
Afin de mettre les experts dans le contexte de lexprience, nous leur avons prsents le
systme OrPAF comme suit:
OrPAF est un systme de e-Learning qui a t dvelopp pour permettre des apprenants
dapprendre de manire efficace (c'est--dire apprendre dans un dlai minimum). Cest un
systme qui fournit aux apprenants un parcours dapprentissage guid par leurs objectifs. Il
suffit que lapprenant choisisse la notion cible qui lintresse pour quun parcours
dapprentissage lui soit gnr automatiquement. Des ressources sont galement fournies
lapprenant pour lui permettre dapprhender les notions du parcours. Le parcours est
visualis par lapprenant sous forme dun graphe de notions. Ces notions appartiennent au
domaine de lalgorithmique et des langages de programmation (par exemple les notions :
Instruction, Type de donnes, Procdure, Oprateur, etc.).
-156-
Objectif de lexprience :
Lobjectif de cette exprience est de collecter les avis des experts sur la pertinence dune
ressource pdagogique pour un contexte de formation matrialis par un graphe de notions et
une notion courante.
Dmarche suivre :
Pour chaque contexte de formation, nous avons prconis aux experts les tapes suivantes:
1. Observer le graphe des notions (ACM) o les notions sont reprsentes diffremment:
- Certaines notions sont accessibles mais ne sont pas encore matrises par
lapprenant,
- Dautres notions sont accessibles et dj matrises par lapprenant,
- Dautres notions ne sont pas accessibles.
Une notion accessible signifie que lapprenant peut apprhender cette notion en consultant des
ressources pertinentes. En dautres termes, le niveau de connaissances de lapprenant lui
permet dapprendre cette notion.
2. Consulter, attentivement, les 20 ressources pdagogiques proposes ;
3. Extraire les notions traites par chaque ressource pdagogique (Vous devez utiliser les
notions dcrites dans le modle du domaine).
4. Noter la pertinence de chaque ressource pour le graphe de notions propos. La note N
doit tre comprise entre 0 et 10 avec:
- N=0 si la ressource nest pas pertinente;
- N=10 si la ressource est pertinente.
Une ressource peut tre juge pertinente pour lapprenant mme si elle ne concerne
pas directement la notion courante du graphe. Elle peut concerner dautres notions
accessibles du graphe. Par contre une ressource qui concerne uniquement des notions
absentes ou inaccessibles dans le graphe est forcment impertinente pour lapprenant.
5. Remplir le tableau (voir table 7).
Table 7 : Tableau remplir par les experts humains pour annoter et noter 20 ressources
pdagogiques
Liste des ACM1 ACM2 ACM3 ACM4 ACM5 ACM6
notions de Ri
La ressource Ri Pertinence N de
(1 i 20) la ressource Ri
(1 N 10)
-157-
2.1.3. Rsultats et discussion
La table 8 prsente les coefficients de corrlation entre les rsultats obtenus par les experts
humains et les valeurs de similarit smantique calcules par les mesures SR et SoG.
La corrlation entre les valeurs de pertinence donnes par les trois experts et les valeurs de
pertinence smantique calcules par la mesure SR varie entre 0.627 et 0.964 avec une forte
convergence entre les rsultats des experts et de la SR (de 0.883 0.964) pour les ACM
simples. Etant donn que le calcul de la SR est le mme pour toutes les ACM, nous pouvons
expliquer cette convergence par le fait que les ACM relationnelles ont des tailles importantes
et peuvent dsorienter les experts humains. Les experts ont plus de difficults valuer la
pertinence des ressources pdagogiques pour ces ACM que pour les ACM simples. Dailleurs,
les trois experts convergent moins entre eux pour les ACM relationnelles que pour les ACM
simples. Nous pouvons conclure que plus la taille de lACM est petite plus les valuations des
experts convergent avec les valeurs de pertinence smantique calcules par la SR. Ces
rsultats montrent galement que le principe de calcul de la mesure SR peut tre considr
naturel car trs proche des valuations humaines.
Tandis que les rsulats obtenus par la mesure SR sont bonnes et mme trs bonnes pour les
ACM simples, les rsulats obtenus par la mesure SoG sont trs mauvais et divergent
normment avec les valuations des experts humains. Ceci pourrait sexpliquer par le fait
que la mesure SoG est uniquement adapte et donnent de bonnes rsultats pour les ontologies
linguistiques. Nous pouvons galement noncer quune mesure de similarit smantique
dpend normment de son contexte applicatif. La mesure SR nest pas meilleure ou pire
quune autre mesure mais simplement elle est bien adapte au contexte dutilisation du
systme OrPAF.
Table 8 : Coefficients de corrlation entre les rsultats des experts humains et les mesures de
similarit SR et SoG
Mesures de Similarit ACM simples ACM relationnelles
ACM1 ACM2 ACM3 ACM4 ACM5 ACM6
Mesure SR 0.883 0.945 0.964 0.627 0.690 0.691
Mesure SoG -0.124 0.008 -0.678 -0.495 0.003 -0.097
-158-
2.2. Performances de la mesure SR dune ressource pdagogique
2.2.1. Donnes de lexprience
Nous travaillons sur un corpus de 36 ressources pdagogiques appartenant au domaine de

lalgorithmique et des langages de programmation. Seulement 15 ressources de ces ressources
pdagogiques sont considres pertinentes pour le contexte de formation de la figure 43.
Dun point de vue documentaire, nous pouvons considrer que la recherche locale des
ressources pdagogiques est un processus de recherche documentaire bas sur le calcul de la
pertinence smantique. A partir de l'ensemble des rponses obtenus et au regard de lattente
de lutilisateur nous pouvons mesurer les performances de l'algorithme de recherche mis en
uvre pour retrouver une ressource pdagogique pertinente. Les critres de performances que
nous utilisons dans cette exprience sont la prcision P (precision), le rappel R (recall) et la F-
Mesure F (F-measure) dfinis comme suit :
Prcision :
La prcision P est le nombre de ressources pertinentes retrouves rapporte au nombre de
ressources total retourn par lalgorithme de recherche suite une requte donne.
Le principe est le suivant: quand un utilisateur interroge le corpus, il souhaite que les
ressources proposes en rponse son interrogation correspondent son attente. Toutes les
ressources retournes superflues ou non pertinentes constituent du bruit. La prcision
soppose ce bruit documentaire. Si elle est leve, cela signifie que peu de ressources
inutiles sont proposes par le systme et que ce dernier peut tre considr comme "prcis".
On calcule la prcision P avec la formule suivante:
P= |{ ressources pertinentes} { ressources retournes}|/ |{ ressources retournes}|
Rappel :
Le rappel R est dfini par le nombre de ressources pertinentes retrouves au regard du nombre
de ressources pertinentes que possde le corpus. Cela signifie que lorsque lutilisateur
interroge le corpus il souhaite voir apparatre toutes les ressources qui pourraient rpondre
son besoin d'information. Si cette adquation entre le questionnement de lutilisateur et le
nombre de documents prsents est importante alors le taux de rappel est lev. A linverse si
le systme possde de nombreuses ressources intressantes mais que celles-ci napparaissent
pas on parle de silence. Le silence soppose au rappel.
On calcule le rappel R avec la formule suivante
R= |{ ressources pertinentes} { ressources retournes}|/ |{ ressources pertinentes}|
-159-
F-mesure :
La F-mesure est une mesure qui combine la prcision et le rappel. On calcule la F-mesure
avec la formule suivante :
F= 2* (P*R) / (P+R)
Un systme de recherche documentaire parfait fournira des rponses dont la prcision et le
rappel sont gaux 1 (l'algorithme trouve la totalit des documents pertinents - rappel - et ne
fait aucune erreur - prcision). Dans la ralit, les algorithmes de recherche sont plus ou
moins prcis, et plus ou moins pertinents. Il sera possible d'obtenir un systme trs prcis (par
exemple un score de prcision de 0,99), mais peu performant (par exemple avec un rappel de
0.10, qui signifiera qu'il n'a trouv que 10% des rponses possibles). Dans le mme ordre
d'ide, un algorithme dont le rappel est fort (par exemple 0.99 soit la quasi totalit des
ressources pertinentes), mais la prcision faible (par exemple 0.10) fournira en guise de
rponse de nombreuse ressources errones en plus de celles pertinentes: il sera donc
difficilement exploitable.
Figure 43: Un contexte de formation du domaine de lalgorithmique
En plus de ces trois critres de performance P, R et F-measure, nous avons dfinis un

paramtre pour lexprimentation que nous avons appel la porte de la requte ou QS (en
anglais Query Scope). La QS est le nombre maximum authoris de ressources retournes suite
lexcution dune requte de recherche et reprsente ainsi le nombre maximum de
-160-
ressources pdagogiques accessibles simultanment lapprenant. La valeur de ce paramtre

est priori dfinie par les experts de la pdagogie afin dviter la surcharge cognitive de
lapprenant en lexposant un nombre trop important de ressources pdagogiques. Notre ide
tait dtudier les performances de la mesure SR en variant la QS. Nous avons voulu
connatre la courbe de variation des performances en fonction de la QS et il nous a parus utile
didentifier la valeur de QS qui donne les meilleures performances. Sur un plan purement
ergonomique, cette valeur nous a permis de dfinir la taille du container graphique qui sert
afficher dans linterface du systme OrPAF la liste des ressources pdagogiques pertinentes.
2.2.2. Rsultats et discussion
Les rsultats prsents dans la table 9 montrent les valeurs de la SR pour les 36 ressources
pdagogiques du corpus tries par ordre dcroissant. Nous pouvons constat que quelques
ressources pertinentes (reprsentes en gras) noccupent pas le haut du tableau ce qui rduit
le rappel de la recherche. Par contre, certains bruits ou ressources pdagogiques non
pertinentes occupent le haut du tableau ce qui implique une diminution de la prcision de la
recherche.
Dans la figure 44, nous pouvons constater que la prcision de la SR varie de 66.6% 84.6% et
devient stable (presque constante) lorsque QS 13. Ces valeurs expriment le fait que les
ressources retournes par la mesure de pertinence sont pour la plupart pertinentes avec des
erreurs qui reprsentent 15.4% 33.4% des cas.
Nous pouvons galement remarquer que la dtection des ressources pertinentes augmente et
que lapparition des erreurs diminue avec laugmentation de la QS. Aussi, la valeur QS=13
donne la fois une bonne prcision et un bon rappel pour la mesure SR.
En conclusion, nous pouvons dire que la mesure de similarit smantique SR est performante
car elle constitue un filtre fiable et impermable pour les ressources non pertinentes.
-161-
Table 9: Valeurs de pertinence SR des ressources pdagogiques

pour le contexte de formation de la figure 43
Ressource pdagogique Annotation conceptuelle SR

(liste des notions)
Learning resource 7 Operator, arithmetic operator, 0.833
Alphanumeric operator, logic
operator
Ressource pdagogique 28 Data type, data memory 0.444
Resource pdagogique 15 Data, date type, data declaration, 0.410
Ressource pdagogique 5 Variable, constant 0.333
Ressource pdagogique 32 Operator 0.333
Ressource pdagogique 34 Data type, set operator 0.277
Ressource pdagogique 23 Record, variable 0.222
Resource pdagogique 19 File, record, file function 0.205
Ressource pdagogique 16 Logic operator 0.166
Ressource pdagogique 21 Set operator 0.166
Ressource pdagogique 24 Arithmetic operator 0.166
Ressource pdagogique 33 Variable 0.166
Ressource pdagogique 35 Constant 0.166
Resource pdagogique 11 Choice statement, logic operator 0.148
Augmentation de la pertinence smantique

Resource pdagogique 27 Control statement, logic operator 0.133
Ressource pdagogique 9 Data type 0.111
Ressource pdagogique 4 Data type, array 0.108
Resource pdagogique 20 Data type, simple data, structured 0.097
data, array
Ressource pdagogique 31 Record 0.055
Ressource pdagogique 36 Record 0.055
Resource pdagogique 1 Algorithm 0
Resource pdagogique 2 Machine code 0
Resource pdagogique 3 Iterative statement 0
Resource pdagogique 6 IO statement 0
Resource pdagogique 8 Assignment statement 0
Resource pdagogique 10 Functional algorithm 0
procedure, parameter, local
Resource pdagogique 12 0
parameter, global parameter
Resource pdagogique 13 Algorithm, program, programming 0
language
Resource pdagogique 14 Structured program, non structured 0
program, recursive program
Resource pdagogique 17 Array sorting 0
Resource pdagogique 18 Function, predefined function 0
Resource pdagogique 22 Statement 0
Resource pdagogique 25 Expression 0
Resource pdagogique 26 Control statement, choice statement 0
Resource pdagogique 29 Semantic language 0
Resource pdagogique 30 Syntax language 0
-162-
0,9
0,8
0,7
0,6
F-measure
0,5
Precision
0,4 Recall
0,3
0,2
0,1
0
3 5 8 10 13 15
Query Scope
Figure 44: Variation des performances de la mesure SR en fonction du paramtre QS
-163-
Conclusion : Dans ce chapitre, nous avons prsent les rsultats des exprimentations
faites sur lenvironnement dapprentissage personnalis OrPAF.
Dune part, ces exprimentations avaient pour objectifs de tester lutilisabillit de
lenvironnement OrPAF, le dveloppement des aptitudes conceptuelles des apprenants et
leur ressentiment vis--vis des ressources pdagogiques qui leur sont prsents lors du
processus dapprentissage dans OrPAF. Nous avons travaill sur une ontologie du domaine
de lalgorithmique et des langages de programmation avec un groupe dtudiants initis
dans ce domaine. Les retours obtenus sont satisfaisants :
- La plupart des tudiants ont apprci lergonomie de linterface dOrPAF et ont compris
son fonctionnement ;
- La structure graphique du cours a permis aux apprenants de mieux conceptualiser le
domaine des connaissances ;
- La reprsentation globale de la structure du cours a permis aux apprenants de mieux
comprendre leur volution vers leurs objectifs ;
- La plupart des apprenants ont su grer leurs objectifs en fonction de leurs contraintes
temporelles puisque ils ont parfaitement compris le lien entre la taille dune ACM et le
temps ncessaire pour la parcourir;
- Lapprentissage guid par les notions du domaine na pas gn les apprenants qui ont
trouv naturelle cette approche dexploration de cours.
Nanmoins, certaines lacunes ont t constates :
- Trs peu dapprenants ont compris lintrt des tests proposs dans OrPAF ;
- Le manque de comprhension par la majorit des apprenants des icones utilises pour
reprsenter les tats des notions dune ACM ;
- La dsorientation des apprenants cause du nombre lev des contextes de formation
ouverts paralllement ;
Nous avons essay de combler ces lacunes par les actions suivantes :
- Recommander rgulirement par des messages aux apprenants de passer des tests sur les
notions accessibles et non matrises de lACM ;
- Proposer laide dun ergonome une annotation plus expressive des notions dune ACM
- Limiter le nombre des ACM que lapprenant peut crer en parallle dans sa session.
Dautre part, des exprimentations ont t menes pour valuer la mesure SR qui calcule la
pertinence smantique dune ressource pdagogique.
-164-
Nous avons dabord compar les valeurs obtenues par la mesure SR et les valuations
exprimes par des experts humaines sur un corpus de ressources pdagogiques. Nous
avons constat que la philosophie derrire la mesure mathmatique SR est trs proche du
raisonnement humain (les donnes taient fortement corrles). Nous avons galement
compar les valuations des experts humains avec les donnes de la mesure SoG (Zhong et
al., 2000) sur le mme corpus. Les rsultats obtenus taient mauvais et montrent clairement
linadquation de la mesure SoG avec le contexte applicatif du systme OrPAF. Ceci
dmontre que la fiabilit des distances ou des liens de similarit entre concepts ou graphes
de concepts dpend fortement des applications.
Ensuite, nous avons valu les performances de la mesure SR en utilisant les critres
fournies par le domaine de la recherche documentaire : la Prcision, le Rappel et la F-
mesure. En effet, nous pouvons considrer la mesure SR comme un algorithme de
recherche documentaire qui a pour objectif lextraction de documents pertinents pour les
utilisateurs. Les rsultats obtenus ont montr clairement les performances positives de la
mesure SR.
-165-
Conclusion Gnrale
Bilan
Gestion des connaissances
Nous avons propos lenvironnement pdagogique adaptatif OrPAF (Organisateur de
Parcours Adaptatifs de Formation) qui permet de monter efficacement des formations en
sadaptant avec un minimum deffort, de cot et de temps de nouveaux profils dapprenants,
de nouveaux domaines de connaissances et de nouvelles stratgies pdagogiques.
Nos choix conceptuels pour la description et la gestion des connaissances dans OrPAF se sont
orients vers le formalisme des ontologies, noyau central et fondateur du Web smantique.
Ces ontologies permettent davoir des descriptions partages et communes et donc
rutilisables et aisment adaptables pour rpondre diffrents besoins de formation.
Larchitecture des connaissances que nous avons propose est organise deux niveaux :
dune part, une ontologie du e-Learning qui dcrit des concepts et des proprits gnriques et
communes nimporte quel type de formation. Dautre part, des ontologies de formation
(modle apprenant, modle du domaine et modle pdagogique) et des annotations
conceptuelles spcifiques une formation donne.
Proposition dun environnement pdagogique en ligne
Nous avons dvelopp un environnement pdagogique ouvert sur le Web et particulirement
sur la partie annote du Web o les ressources pdagogiques sont dj dcrites en utilisant le
standard de mtadonnes LOM (Learning Object Metadata). Dans le prototype ralis, un
composant de recherche distante interroge le corpus ARIADNE la recherche de ressources
pdagogiques relatives une formation donne. Des annotations conceptuelles sont ensuite
construites de manire semi-automatique pour dcrire plus finement les ressources
pdagogiques recherches du corpus ARIADNE. Ces annotations conceptuelles instancient
des connaissances dfinies dans lontologie du e-Learning et les ontologies de formation. Ces
mmes connaissances sont exploites par le composant de recherche locale pour identifier les
pertinences smantique et pdagogique dune ressource pdagogique pour un contexte de
formation donn.
Gnration de cours hypermdias adaptatifs
La description des connaissances du systme OrPAF nous a permis de gnrer des cours
adapts aux caractristiques individuelles de lapprenant. Nous considrons un cours adaptatif
comme une entit compose dune structure adaptative et dun contenu adaptatif. La structure
-166-
Conclusion
adaptative du cours est un graphe de notions (Conceptual Map ou CM) construit par filtrage
des notions du modle du domaine en fonction de lobjectif et des contraintes temporelles de
lapprenant. Les notions de la structure sont annotes en se basant sur le modle de
lapprenant, i.e. certaines notions sont accessibles et dautres ne le sont pas. Une CM annote
est appele ACM (Adapative Conceptual Map). La structure du cours ainsi construite
constitue un moyen de guidage global pour assister les apprenants dans leurs parcours
dapprentissage. Le contenu du cours est un ensemble de ressources pdagogiques
recherches du Web. Ces ressources sont annotes par les enseignants en utilisant les
diffrentes ontologies du systme OrPAF. Des mesures de similarit sont proposes pour
valuer les pertinences smantique et pdagogique de ces ressources pdagogiques pour un
contexte de formation donn.
Par ailleurs, lapprenant volue dans son parcours dapprentissage en excutant librement et
sa guise des tests associs aux notions de lACM. La russite ou lchec de lapprenant dans
un test donne lieu une mise jour de son modle apprenant et un changement de
lannotation de lACM, i.e. le niveau de connaissances de lapprenant volue ou rgresse.
Exprimentation
Nous avons expriment diffrents aspects de lenvironnement OrPAF :
Un test dutilisabilit de lenvironnement nous a montr une bonne satisfaction et une bonne
comprhension de linterface par les apprenants. Les apprenants nont pas t gns par la
structure graphique du cours ni par le mode dexploration par notions du cours. Les
apprenants ont au contraire su se positionner dans leurs parcours dapprentissage et se
construire une structuration conceptuelle du domaine en comparaison avec les apprenants qui
ont travaill sans lassistance du systme OrPAF. Le retour des apprenants sur la pertinence
des ressources pdagogiques proposes dans OrPAF est positif car ils ont constat, pour la
plupart, une bonne corrlation entre le contexte de formation et les ressources pdagogiques
proposes.
Nanmoins, nous avons relev un certain nombre de lacunes :
Lapprenant est dsorient lorsque le nombre de contextes de formation ouverts dans sa
session est lev. En rponse ce problme, nous avons limit trois le nombre maximal de
contextes de formation que lapprenant a le droit de crer en parallle dans sa session.
Lapprenant na pas recours systmatiquement aux tests pour voluer dans son parcours
dapprentissage. En rponse ce problme, nous avons implment des notifications
priodiques lapprenant pour lui suggrer de passer les tests.
-167-
Conclusion
Nous avons galement expriment la mesure SR de pertinence smantique des ressources

pdagogiques. Nous avons dabord demand des experts destimer la pertinence de
ressources pdagogiques pour des contextes de formation choisis. Nous avons tudi la
corrlation des estimations des experts avec les donnes obtenues par la mesure SR et
galement avec les donnes obtenues par la mesure SoG (Zhong et al., 2002). Les rsultats
nous ont clairement montrs une forte similarit entre lestimation humaine et le principe de
calcul qui sous-tend la mesure SR. Cette dernire sest avre trs adapte au contexte de
lenvironnement OrPAF contrairement la mesure SoG qui donne de bons rsultats dans
dautres contextes dapplication mais qui nest pas adapte pour lenvironnement OrPAF.
Ensuite, nous avons tudi la performance de la mesure SR en termes de prcision et de
rappel. Globalement SR a montr de bonnes performances quand la recherche de ressources
pertinentes.
Perspectives de recherche
Les possibilits denrichissement de lenvironnement OrPAF sont multiples :
Concernant lvaluation des apprenant, les tests de type QCM ou Quiz sont considrs comme
trs peu fiables par les spcialistes en ducation, une amlioration de lenvironnement OrPAF
serait dvaluer les apprenants en mesurant la similarit ou la distance smantique entre les
ACM quils construisent et celle construite par un expert (calcule partir du modle du
domaine).
Une autre perspective serait dintgrer loutil TextToOnto dans lenvironnement OrPAF.
OrPAF offrirait ainsi une interface unique aux experts, aux ingnieurs de la connaissance et
aux enseignants qui faciliterait et amliorerait la communication entre les diffrents acteurs
dOrPAF.
Une autre perspective serait de proposer un systme de veille technologique. OrPAF pourrait
tre utilis comme systme de veille technologique en implmentant un composant de
recherche de liens et de ressources susceptibles dinformer les utilisateurs sur les innovations
dun domaine particulier. On rechercherait toutes sortes de ressources et pas simplement des
ressources pdagogiques et les ACM contiendraient des notions qui intressent les profils des
utilisateurs.
-168-
Rfrences bibliographiques
ADL (2001). Sharable Content Object Reference Model (SCORM) 2001. www.adlnet.org.
Allert, H., Dhraief, H., & Nejdl, W. (2002). How are learning Objects Used in learning Processes?
Conference on Educational Multimedia, Hypermedia & Telecommunications.
Aroyo, L., & Dicheva, D. (2004). The New Challenges for E-learning: The Educational Semantic
Web. In Journal of Educational Technology & Society, Special Issue on Ontologies and the
Semantic Web for E-learning, vol. 7(4), pp. 59-69.
Benyon D. (1993). Adaptive systems: from intelligent tutoring to autonomous agents.

www.dcs.napier.ac.uk/~dbenyon/IITpaper.pdf.
Berners-Lee, T., Hendler, J., Lassila, O. (2001, Mai). The Semantic Web, Scientific American, pp. 28-
37. http://www.scientificamerican.com/2001/0501issue/0501berners-lee.html.
Boehm, B.W. (1981). Software Engineering Economics, Prentice Hall, New Jersey.
Bolanos-Mora, G., Alvarado-Blanco, J., D'Agostino-Santoro, G. & Segura-Loaiza, M. (1992). Modle

pour contrler la qualit acadmique des textes de l'instruction distance. Revue de
l'enseignement distance, 7 (3), pp. 101-120.
Brown, J.S., Collins, A. et Duguid, P. (1989). Situated cognition and the culture of learning.
Educational researcher, 18 (1), pp. 32-42.
Brusilovsky, P. (1996). Methods and techniques of adaptive hypermedia. User Modeling and User
Adapted Interaction, vol. 6 (2-3), pp. 87-129.
Brusilovsky, P., Eklund, J., & Schwarz, E. (1998, Avril 14-18). Web-based education for all: A tool
for developing adaptive courseware. In Proceedings of Seventh International World Wide
Web Conference, Computer Networks and ISDN Systems, 30(1-7), 291-300.
Brusilovsky, P. (2001). Adaptive and Intelligent Technologies for Web-based Education,

http://www.kuenstliche-Intelligenz .de/archive/
Buitelaar, P., Olejnik, D., Sintek, M. (2004, Mai). A Protg Plug-In for Ontology Extraction from
Text Based on Linguistic Analysis In: Proceedings of the 1st European Semantic Web
Symposium (ESWS), Heraklion, Greece.
Chiou, G.-F. (1992). Situated learning, metaphors, and computer-based learning environments.
Educational technology, 32 (8), pp. 7-11.
Clancey, W.J. (1991). The frame of reference problem in the design of intelligent machines. K.
VanLehn (ed.), Architectures for intelligence, The twenty-second Carnegie Mellon
symposium on cognition, pp. 357-423. Hillsdale, N.J. : Erlbaum.
Corby, O., Dieng-Kuntz, R.. Faron-Zucker, C., & Gandon, F. (2006). Searching the semantic web:
Approximate query processing based on ontologies. IEEE Intelligent Systems Journal, 21(1),
pp. 20-27.
Crozat, S. (2002). Elments pour la conception industrialise des supports pdagogiques numriques,
Thse en informatique de lUniversit de Technologie de Compigne.
-169-
De Bra, P., & Calvi, L. (1998). AHA! An open Adaptive Hypermedia Architecture. The New Review
of Hypermedia and Multimedia , vol. 4, pp. 115-139.
De Bra, P., Brusilovsky, P., & Houben, G.-J. (1999). Adaptive hypermedia: From systems to
framework. ACM Computing Surveys, 31(4).
De Bra, P., Stash, N., Smits, D., Romero, C., Ventura, S. (2007). Authoring and Management Tools
for Adaptive Educational Hypermedia Systems: The AHA! Case Study, in: Studies in
Computational Intelligence (SCI) nr. 62, pp. 285-308, Springer Verlag.
Dehors, S., Faron-Zucker, C., & Dieng-Kuntz, R. (2006). Reusing Learning Resources based on
Semantic Web Technologies. In Proceedings of 6th IEEE International Conference on
Advanced Learning Technologies, ICALT 2006, Kerkrade, Netherlands.
Delestre, N., Pcuchet, J.-P., Barry-Grboval, C. (2000). Why to use a dynamic adaptive hypermedia
for teaching, and how to design it? http://psimail.insa-rouen.fr/MnemosNet/psipubli.nsf/
Deschnes, A.-J. (1991). Autonomie et enseignement distance. Revue canadienne pour l'tude de
l'ducation des adultes, 5 (1), pp. 32-54.
Deschnes, A.J., Bilodeau, H., Bourdages, L., Dionne, M., Gagn, P., Lebel, C., & Rada-Donath, A.
(1996). Constructivisme et formation distance. Distances, 1 (1), pp. 9-25.
Dolog, P., Henze, N., Nedjl, W., & Sintek, M. (2004). The personal Reader: Personalizing and
Enriching Learning Resources using Semantic Web Technologies. International Conference
on Adaptive Hypermedia and Adaptive Web-based Systems.
Duval, E. (2002). Normalisation des technologies ducatives : quoi bon ? Cinquime Colloque
Hypermdias et apprentissage.
Faure D., Ndellec C., & Rouveirol C. (1998). Acquisition of Semantic Knowledge using Machine
learning methods: The System ASIUM Technical report number ICS-TR-88-16.
Frederiksen, C.H., & Donin, J. (1994). Contextes fonctionnels de l'expertise discursive : implications
pour l'valuation. J.-Y. Boyer, J.-P. Dionne et P. Raymond (dir.), valuer le savoir-lire, pp.
41-67. Montral : Logiques.
Galeev, I., Tararina, L., & Kolosov, O. (2004, Aot 30-Septembre 1). Adaptation on the basis of the
skills overlay model. Proceedings of IEEE International Conference on Advanced Learning
Technologies, pp. 648-650. Joensuu, Finland: IEEE Computer Society.
Gandon F. (2002, Novembre 7). Distributed Artificial Intelligence and Knowledge Management:
Ontologies and Multi-Agent Systems for a Corporate Semantic Web. These PhD. INRIA et
University of Nice - Sophia Antipolis
Gandon, F., Corby, O., Diop, I., Lo, M. (2008). Distances smantiques dans des applications de
gestion d'information utilisant le web smantique. Semantic similarity workshop EGC,
Sophia Antipolis.
Garrison, D.R. (1993). A cognitive constructivist view of distance education : an analysis of teaching-
learning assumptions. Distance education, 14 (2), pp. 199-211.
Grninger, M., Lee, J. (2002). Ontology Applications and Design. Communication of the ACM, 45(2),
pp. 39-41.
-170-
Halasz, F., Schwartz, M. (1994). The Dexter Hypertext Refernce Model. Communications of the
ACM, 37(2), pp. 30-39.
Henri, F., & Kaye, A. (1985). Le savoir domicile, pdagogie et problmatique de la formation
distance. Qubec: Presses de l'Universit du Qubec, Tluniversit.
Henze, N., Nejdl, W. (1999). Adaptivity in the KBS Hyperbook System. Proceedings of the 2nd
Workshop on Adaptive System and User Modeling on the WWW.
Henze, N., Dolog, P., and Nejdl, W. (2004). Reasoning and Ontologies for Personalized E-Learning in
the Semantic Web. Educational Technology & Society, 7(4), pp. 82-97
Hk, K. (1997, Mars). Steps to take before IUI becomes real. The reality of intelligent interface
technology, Edinburgh.
Horton, P.B., McConney, A.A., Gallo, M., Woods, A.L., Senn, G.J., Hamelin, D. (1993). An
investigation of the effectiveness of concept mapping as an instructional tool. Science
Education 77(1), pp. 95111.
IMS (2002). IMS Global Learning Consortium Inc.: IMS Learning Resources Metadata Specification
vol. 1.2.1. www.imsproject.org/metadata/index.html
Jacquinot, G. (1993). Apprivoiser la distance et supprimer l'absence ? ou les dfis de la formation

distance. Revue franaise de pdagogie, 102, pp. 55-67.
Jegede, O. (1992). Constructivist epistemology and its implications for contemporary research in
distance learning. T. Evans et P. Juler (eds), Research in distance education 2 (21-29). Deakin:
Institute of distance education.
Jonassen D., Marra R. (2001, Juin). Epistemological development: an implicit entailment of

constructivist learning environments. ED-MEDIA, 13th Word conference on educational
multimedia, hypermedia and telecommunications. Tampere, Finland.
Jonassen, D.H., Campbell, J.P., & Davidson, M.E. (1994). Learning with media : restructuring the
debate. Educational technology research and development, 42 (2), pp. 31-39.
Kintsch, W. (1988). The role of knowledge in discourse comprehension : a construction-integration

model. Psychological review, 95 (2), pp. 163-182.
Lave, J. (1990). The culture of acquisition and practice of understanding. J.W. Stigler, R.A. Shweder
et G. Herdt (eds), Essays on comparative human development, pp. 309-327. Cambridge :
Cambridge university press.
Larochelle, M., & Bednarz, N. (1994). propos du constructivisme et de l'ducation. Revue des
sciences de l'ducation, 20 (1), pp. 5-20.
Lebow, D. (1993). Constructivist values for instructional systems design : five principles toward a new
midset. Educational technology research and development, 41 (3), pp. 3-16.
Lester, G., Sim, Y.W., & Wang, C. (2005, Juillet 5 - 8). An e-Learning Systems Engineering
Methodology. The 5th IEEE International Conference on Advanced Learning Technologies,
Kaohsiung, Taiwan.
-171-
LOM (2002). LOM IEEE Learning Technology Standard Committee (LTSC), Learning Object
metadata Group. http://ltsc.ieee.org/wg12/
Maedche, A., & Staab, S. (2000). Semi-automatic engineering of ontologies from text. In Proceedings
of the 12th Internal Conference on Software and Knowledge Engineering .
Mizoguchi, R., & Ikeda, M. (1996). Towards Ontological Engineering (AI-TR-96-1). Osaka: ISIR,
Osaka.
Mizoguchi, R., & Bourdeau, J. (2000). Using Ontological Engineering to Overcome Common AI-ED
Problems. In International Journal of Artificial Intelligence and Education, vol.11 (Special
Issue on AIED 2010), pp. 107-121.
Moore, M. (1977). A model of independant study. Epistolodidaktika, Vol. 1, pp. 6-40.
Moore, M., & Kearsley, G. (1996). Distance Education. A Systems View. Wadsworth: Belmont.
Navigli R., Velardi P., Gangemi A. (2003, Janvier-Fvrier). Ontology Learning and its application to
automated terminology translation IEEE Intelligent Systems, 18(1).
Paquette, G. (2002). L'ingnierie pdagogique : pour construire l'apprentissage en rseau. Qubec:

Presses de l'Universit du Qubec.
Ppin, Y. (1994). Savoirs pratiques et savoirs scolaires: une reprsentation constructiviste de

l'ducation. Revue des sciences de l'ducation, 20 (1), pp. 63-86.
Peraya, D., & McCluskey, A. (1996). Enseignement distance (EAD) au niveau universitaire.
Genve, Berne : Universit de Genve, TECFA, Office fdral pour l'ducation et la science.
Perkins, D. (1991). Technology meets constructivism: Do they make a marriage? Educational

Technology, Vol. 31, pp. 18-23.
Piaget, J. (1970). Piagets theory. P. H. Mussen (Ed). Carmichaels manual of child psychology, 1(3),
pp. 703-732. New York: wiley.
Psych, V., Mendes, O., & Bourdeau, J. (2003). Apport de lingnierie ontologique aux
environnements de formation distance. STICEF, Vol. 10, ISSN : 1764-7223.
Reigeluth, C.M. (1999). Instructional-Design Theories and Models: A New Paradigm of Instructional
Theory. Lawrence Erlbaum Associates, Mawah NJ.
Rhaume, J. (1991). Hypermdias et strategies pdagogiques. Premier colloque Hypermdias et

Apprentissages.
Russ, T., Valente, A., MacGregor, R., & Swartout, W. (1999). Experiences in Trading Off Ontology
Usability and Reusability. The Twelfth Banff Knowledge Acquisition for Knowledge based
Systems Workshop, Alberta, Canada.
Schneider, D. (2003). Conception et implmentation de scnarios pdagogiques riches avec des

portails communautaires. Second Colloque de Guret, Facult de Psychologie et des Sciences
de lducation.
Schubauer-Leoni, M.L., & Ntamakiliro, L. (1994). La construction de rponses des problmes

impossibles. Revue des sciences de l'ducation, 20(1), pp. 87-113.
Sintek, M., Decker, S. (2002). TRIPLE an rdf query, inference, and transformation language.
Horrocks, I. and Hendler, J. edidors, Int. Semantic Web Conference (ISWC), pp. 364-378.
-172-
Sowa, J. (1984). Conceptual Structures: information processing in mind and machine. The System
Programming Series, Addison Wesley.
Staab, S., Maedche, A. (2001). Axioms are Objects, too Ontology Engineering beyond the Modeling
of Concepts and Relations, In Internal Report 399, Institute AIFB, Karlsruhe University.
Stojanovic, L., Staab, S., & Studer R. (2001). ELearning based on the Semantic Web. WebNet2001,
World Conference on the WWW and Internet, October 23-27, Orlando, Florida - USA.
Tardif, J. (1998). Intgrer les nouvelles technologies de l'information : quel cadre pdagogique ? Paris:
ESF, 1998.
Tochon, F. (1992). Didactique du franais : de la planification ses organisateurs cognitifs. Paris :

ESF, 1990.
Uschold, M., & Gruninger, M. (1996, Juin). Ontologies : Principales, Methodes and Applications
Knowledge, Engineering Review, 11(2).
Vargas-Vera, M., Motta, E., Domingue, J., Lanzoni, M., Stutt, A., & Ciravegna, F. (2002). MnM:
Ontology Driven Semi-Automatic and Automatic Support for Semantic Markup. Proceedings
of the 13th International Conference on Knowledge Engineering and Management (EKAW
2002), pp. 379-391, Spain.
Vargas-Vera, M., & Lytras, M.D. (2008). Personalized Learning Using Ontologies and Semantic Web
Technologies. WSKS (1) pp. 177-186
Vassileva, J. (1997). Dynamic Courseware Generation on the www. Proceedings of the workshop:
Adaptive Systems and User Modeling on the World Wide Web. Sixth International
Conference On User Modeling.
Wagner, E.D., & Mccombs, B.L. (1995). Learner centered psychological principles in practice :
Designs for distance education. Educational technology, 35(2), pp. 32-35.
Yessad, A., & Laskri, M.T. (2005a, 9-11 Mai). Construction dHypermdias adaptatifs Ouverts :
Reprsentation et Recherche des Ressources Pdagogiques partir du Web Smantique. In
Proceedings of ISPS, Alger, Algrie.
Yessad, A., Hrin, D., & Laskri, M.T. (2005b, Mai 27-29). Utilisation du Web Smantique pour la
construction dHypermdias Educationnels Adaptatifs. Environnement Informatique pour
lApprentissage Humain (EIAH), Montpellier, France.
Yessad, A., & Laskri, M.T. (2006, Decembre 7-9). Ontology-driven dynamic course generation for
web-based education. Proceedings of MCSEAI, Agadir, Morocco.
Yessad, A., Faron-Zucker, C., Dieng-Kuntz, R., Laskri, M.T. (2008a, Juin 30-Juillet 4). Adaptive
Course Generation in Semantic Web Context. Proceedings of World Conference on
Educational Multimedia, Hypermedia and Telecommunications, Vienna, Austria,
Yessad, A., Faron-Zucker, C., Dieng-Kuntz, R., & Laskri, M.T. (2008b, Octobre-Decembre).
Adaptive Learning Organizer for Web-based Education. International Journal of Web-based
Learning and Teaching Technologies, 3(4), pp. 57-73.
Yessad, A., Faron-Zucker, C., & Laskri, M.T. (2008c, Novembre). Ontology-based Personalization of
Hypermedia Courses. International Review on Computers and Software, to appear.
-173-
Wang, Y., Vlker, J., Haase, P. (2006, Octobre). Towards Semi-automatic Ontology Building
Supported by Large-scale Knowledge Acquisition. AAAI Fall Symposium On Semantic Web
for Collaborative Knowledge Acquisition, vol. FS-06-06, pp. 70-77. AAAI, AAAI Press,
Arlington, VA, USA.
Zhong, J., Zhu, H., Li, J., & Yu, Y. (2002, Juillet 15-19). Conceptual graph matching for semantic
search. In Proceedings of 10th International Conference on Conceptual Structures, ICCS, pp.
92-106. LNCS 2393, Springer Verlag, Borovets, Bulgaria.
-174-

YESSAD Amel

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

YESSAD Amel

Încărcat de

Drepturi de autor:

Formate disponibile

Ministre de lEnseignement Suprieur et de la Recherche Scientifique

Facult des Sciences de lIngnieur

Construction dun Environnement Pdagogique

Pr. Mahmoud BOUFAIDA (Professeur, LIRE, Universit de Constantine) Prsident

Mahmoud Boufaida, Professeur d'Informatique lUniversit Mentouri-Constantine, pour

Abdelkader Denyettou, Professeur dInformatique lUniversit USTOran, Tahar Bensebaa,

Je remercie tout particulirement Catherine Faron, Matre de confrences lUniversit de

Je remercie les professeurs Danile Hrin, responsable de lquipe Web smantique et e-

Mots cls : Web smantique, ontologie, hypermdia adaptatif, ressource pdagogique,

Cadre pratique de la recherche

Cette thse est compose de deux parties.

1. De la formation distance aux systmes pdagogiques en ligne

1.1. Origines historiques

1.2. Dfinition(s) de la formation distance

contingence gographique. Cest une forme industrialise denseignement et

1.3. Apports de la formation distance pour le processus dapprentissage

Les caractristiques fondatrices de la formation distance pour permettre lapprentissage

- La dsaffectivation des savoirs

1.4. Classification des systmes de formation distance

CD-ROM. Le terme "hypermdia" fait rfrence au matriel d'apprentissage qui utilise le

1.5. Positionnement de notre approche

- le matriel pdagogique propos lapprenant est un systme hypermdia dans lequel la

2. Ingnierie pdagogique pour les systmes pdagogiques

La mise en place dun processus dapprentissage en ligne implique de nombreux

2.1. Design pdagogique

2.2. Gnie logiciel

2.3. Ingnierie des connaissances (cognitive)

L'ingnierie des connaissances s'est dveloppe la suite des systmes experts et de

3. Personnalisation dans les systmes pdagogiques

Limportance primordiale quoccupe la connaissance dans la vie de chacun, au travail et en

pdagogiques personnaliss, le systme se base uniquement sur le profil de lapprenant et ses

4. Approche constructivisme pour les systmes pdagogiques personnaliss

Concevoir un systme pdagogique personnalis, revient mettre lapprenant au centre du

4.1. Principes du constructivisme

Le contexte joue un rle dterminant

contextualise o la comprhension des objets et des vnements est directement relie la

4.2. Positionnement de notre approche

Conclusion : Dans ce chapitre, nous avons prsent un panorama historique de

apprentissage. Les systmes pdagogiques adaptatifs ont pour objectif de rpondre ce

1. Caractrisation des systmes pdagogiques adaptatifs

Aujourdhui, les recherches et dveloppements en ingnierie des systmes pdagogiques

dfini par un modle de contenu, un modle de lapprenant, un modle pdagogique et un

1.1. Modle de contenu

1.1.1. Structure logique

Au niveau logique, un contenu pdagogique est un ensemble de ressources pdagogiques

1.1.2. Structure smantique

approche qui consiste dcrire la structure smantique comme un modle de domaine. Le

1.2. Modle de lapprenant

1.2.1. Nature des connaissances

connaissance. Le sous-modle de la connaissance du domaine : il dfinit les connaissances de

1.2.2. Gestion des connaissances

1.3. Modle pdagogique

1.3.1. Niveaux dabstraction dans les dmarches pdagogiques

Modle dinstruction, thories dapprentissage

Pratiques, activits, outils, contenus

1.3.2. Modles de dmarches pdagogiques

On distingue trois approches de modlisation dune dmarche pdagogique.

Figure 2 : Modle dactivits pdagogiques donner exercice (Vassileva, 1997)

1.4. Modle dadaptation

Un systme pdagogique adaptatif met en uvre des mcanismes qui exploitent la

dapprentissage. De tels parcours sont gnrs et mis jour au cours de la session

1.4.1. Mthodes dadaptation

Mthodes dadaptation du contenu :