Bejaoui r., paquette g., basque j. et henri f. comment personnaliser l'apprentissage dans un clom
1. Rim Bejaoui, Gilbert Paquette, Josianne Basque et France Henri
Centre de recherche LICEF,Télé-université
ColloqueCIRT@ 2015
13 octobre 2015
Université de Sherbrooke
2. Contexte
Problématique
Objectifs
Cadre théorique
Méthodologie
Groupes de propriétés de CLOM soutenant un
apprentissage personnalisé (CLOMp)
Ontologie d'un scénario pédagogique de CLOMp
Conclusion
3. Projet subventionné par le CRSH
Cours de masse en ligne et apprentissage personnalisé:
le défi pédagogique des CLOM
Thèse réalisée dans le cadre du Doctorat en
Informatique cognitive,TÉLUQ
4. CLOM (Massive Open Online Courses, MOOC)
Défis nouveaux aux plans pédagogique, logistique,
technologique
Besoin de personnalisation de l’apprentissage
dans les CLOM
Faire face à la massivité
Favoriser la persévérance et la rétention des
apprenants (Blanco et al., 2013)
Manque de soutien fourni aux concepteurs de
CLOM (Alario-Hoyos et al., 2014)
5. Outiller le concepteur de CLOM :
Grille d’analyse du niveau de personnalisation de
l’apprentissage dans un CLOM
Prototype d'un système d'assistance à la
conception de CLOM soutenant un apprentissage
personnalisé (CLOMp)
6. Pédagogie ouverte (années 70)
Nécessité de rupture avec la pédagogie encyclopédique
Caractère émergent, situé et distribué de l’apprentissage (Bandura, 1977;
Vygotski, 1978; Hutchins, 1995; Pea, 1993; Siemens, 2005)
Autogestion de l’apprentissage (Bandura 1997)
Autonomie, capacité d’autodirection de l’apprenant
Ingénierie pédagogique (Paquette, 2002)
Modélisation des connaissances et compétences
Scénarisation pédagogique
7. Personnalisation de l’apprentissage dans les
environnements numériques d’apprentissage (ENA)
Opérée par un agent externe à l’apprenant
▪ Systèmes adaptatifs
▪ Systèmes de recommandation
Opérée par l’apprenant:
▪ Environnement personnel d’apprentissage (EPA)
Hybride
Modélisation ontologique dans les ENA
Représenter les connaissances nécessaires à la conception
et à la réalisation des ENA
8. Recherche-développement (Harvey et Loiselle, 2009) appliquée à
l’informatique cognitive (Paquette, 2010)
Phases de recherche :
1. Analyse du problème
2. Modélisation d'une ontologie d'un scénario pédagogique de CLOMp
3. Développement (en cours)
▪ Grille d’évaluation du niveau de personnalisation dans un CLOM
▪ Prototype du système d'assistance à la conception de CLOMp
4. Évaluation (à venir)
▪ Validation de la grille d’analyse auprès de 3 experts en personnalisation de
l’apprentissage
▪ Mise à l’essai du prototype auprès de 3 concepteurs
9. PROPRIÉTÉS D’ADAPTATION DES
COMPOSANTES D’UN SCÉNARIO
PÉDAGOGIQUE DE CLOM
Adaptabilité (modificabilité)
de certaines composantes du
scénario de CLOM
Composantes adaptables
▪ Compétences visées
Ressources d’apprentissage
▪ Moment de démarrage d’une
activité
▪ Mode de collaboration entre
les apprenants
▪ Etc.
PROPRIÉTÉS D'ASSISTANCE ET
D'AIDE À L'AUTOGESTION DE
L’APPRENTISSAGE
Offre de ressources
d’assistance et d’aide à
l’autogestion de l’apprentissage
(4A)
Ressources-4A
▪ Tour guidé du CLOM
▪ Outil d’autodiagnostic des
compétences
▪ Outil de planification du travail
▪ Recommandations
personnalisées de ressources
▪ Etc.
10. PROPRIÉTÉS D’ADAPTATION DES
COMPOSANTES D’UN SCÉNARIO
PÉDAGOGIQUE DE CLOM
PROPRIÉTÉS D'ASSISTANCE ET
D'AIDE À L'AUTOGESTION DE
L’APPRENTISSAGE
Acteurs responsables de la personnalisation :
• Facilitateur humain
• Agent logiciel
• Apprenant
• Groupe d'apprenants
11.
12.
13.
14. Échelle des valeurs de pondération (P)
▪ 0 : Instance de classe pas du tout importante pour la
personnalisation de l'apprentissage dans le CLOM.
▪ 1 : Instance de classe peu importante pour la
personnalisation de l'apprentissage dans le CLOM.
▪ 2 : Instance de classe moyennement importante pour la
personnalisation de l'apprentissage dans le CLOM.
▪ 3 : Instance de classe assez importante pour la
personnalisation de l'apprentissage dans le CLOM.
▪ 4 : Instance de classe très importante pour la
personnalisation de l'apprentissage dans le CLOM.
15. Variable Pondération plus élevée si
1. Acteur qui effectue
l’action d’adaptation
… le responsable de l’adaptation de composante est
l’apprenant. Ex. Adaptation de la durée de l’activité par
l’apprenant vs. par un facilitateur.
2. Action d’adaptation
… elles impliquent un acte de conception/production par le
responsable de l’adaptation de composante, comparativement
à un acte de simple choix parmi des objets prédéfinis dans le
CLOM. Ex. Extension de la liste des ressources à consulter vs.
Sélection d’une sous-liste de ressources à consulter.
3. Objet sur lequel l’action
d’adaptation est
réalisée
… l’objet a une valeur contributoire élevée (jouent un rôle
plus important) dans l’acte d’apprentissage. Ex. Choix des
fonctionnalités de la plateforme de CLOM vs. Choix du type
d'affichage graphique du contenu.
4. Existence d'une
contrainte temporelle
ou de taille sur la
composante adaptable
… l'action d'adaptation d'une composante n’est pas soumise
à une contrainte de taille ou de nombre. Ex. Constitution
d’un groupe d’apprenants sans limite de taille vs. avec limite de
taille.
16.
17. Niveau de personnalisation de l'apprentissage Score
Score
Max
Interprétation
Personnalisation de l'apprentissage (PA) globale 102 231 PA moyennement présente
A. Adaptabilité des composantes du scénario
(ACS)
68 152
ACS moyennement
présente
A.1. Adaptabilité des composantes de
haut niveau (ACH)
16 37
ACH moyennement
présente
A.1.1. ACH par un agent externe (ACH-AE) 0 15 ACH-AE absente
A.1.2. ACH par le réalisateur de l'activité
(ACH-RA)
16 22 ACH-RA assez présente
A.2. Adaptabilité des composantes liées aux
activités d'apprentissage (ACA)
52 115
ACA moyennement
présente
A.2.1. ACA par un agent externe (ACA-AE) 0 38 ACA-AE absente
A.2.2. ACA par par le réalisateur de l'activité
(ACA-RA)
40 68
ACA-RA moyennement
présente
B. Assistance et aide à l'autogestion de
l'apprentissage (4A)
34 79 4A moyennement présente
18. Niveau supérieur du scénario « Concevoir une solution préliminaire de CLOMp »
En développement: Prototype de système
d’assistance à la conception de CLOMp
▪ Scénario exécutable sur la plateforme TELelearning
Operating System (TELOS) (Paquette et al., 2007)
19. Bandura,A. (1977). Social learning theory. General Learning Press.
Blanco, Á. F., García-Peñalvo, F. J. et Sein-Echaluce, M. (2013). A methodology proposal for developing
adaptive cMOOC. Dans Proceedings of the First International Conference onTechnological Ecosystem for
Enhancing Multiculturality (pp. 553–558). ACM.
Harvey, S. et Loiselle, J. (2009). Proposition d’un modèle de recherche développement. Recherches
qualitatives, 28(2), 95–117.
Henning, P.A., Heberle, F., Streicher, A., Zielinski, A., Swertz, C., Bock, J. et Zander, S. (2014). Personalized
Web Learning: MergingOpen Educational Resources into AdaptiveCourses for Higher Education.
Personalization Approaches in Learning Environments, 55-62.
Hutchins, E. (1995). Chapter 9: Cultural Cognition. Dans Cognition in theWild (vol. 262082314). MIT press
Cambridge, MA.
Paquette, G. (2002). L’ingénierie pédagogique: pour construire l’apprentissage en réseau. Sainte-Foy: Presses
de L’Université duQuébec.
Paquette, G. (2010). Modeling for Research andCommunication. Dans Visual Knowledge Modeling for
SemanticWebTechnologies: Models and Ontologies (pp. 439–465). IGI Global.
Paquette, G., Rosca, I., Mihaila, S. et Masmoudi,A. (2007).TELOS: A service-oriented framework to support
learning and knowledge management. Dans E-Learning Networked Environments and Architectures
(pp. 79–109). Springer.
Pea, R. D. (1993). Practices of distributed intelligence and designs for education. Distributed cognitions:
Psychological and educational considerations, 47–87.
Siemens, G. (2005). Connectivism:A learning theory for the digital age. InternationalJournal of Instructional
Technology and Distance Learning, 2(1), 3–10.
Vygotski, L. S. (1978). Mind in society:The development of higher mental process. Cambridge, MA: Harvard
University Press.