Thèse susceptible d’être financée pour la rentrée 2014 par l’École Doctorale Sciences, Technologies, Santé de l’UPJV (Amiens) sur le contingent d’allocations ordinaires (Ministère).

Titre du sujet de Thèse : un assistant adaptable et individualisable pour favoriser la persistance des apprenants dans les cours en ligne ouverts et massifs (MOOC-Massive Online Open Courses)

Directeurs de thèse : Gilles Kassel (PR MIS), Marilyne Rosselle (MCF MIS), Stéphanie Jean-Daubias (PR LIRIS)

Adresse(s) e-mail : gilles.kassel@u-picardie.fr, marilyne.rosselle@u-picardie.fr, Stephanie.Jean-Daubias@liris.univ-lyon1.fr

Date limite de réception des candidatures : 30 mai 2014

Informations complémentaires (dont constitution du dossier) sur : http://www.u-picardie.fr/65470861/0/fiche_pagelibre/

Compétences / Prérequis : collecte et calcul sur les traces, learning analytics, educational data mining, sparql, kTBS, big data.

Mots clés : traces d’utilisation, calcul d’indicateur, assistance à l’utilisateur, adaptation, individualisation, MOOC

Résumé du sujet de thèse :

Les MOOC sont des dispositifs de formation qui offrent des cours en ligne ouverts à un grand nombre d’apprenants. Dans ce travail, nous partons du constat que le taux d’abandon dans les MOOC est très important : autour de 80%. Parmi les étudiants qui quittent le dispositif après avoir effectivement commencé la formation, certains n’avaient pas l’intention de la suivre intégralement, d’autres ont renoncé à suivre la formation pour des raisons professionnelles ou personnelles. Mais d’autres encore sont perdus dans le dispositif ou perdent leur motivation face aux difficultés qu’ils y rencontrent. C’est à cette dernière catégorie d’apprenants que nous nous intéressons. Notre objectif dans cette recherche est de proposer des modèles théoriques et des outils opérationnels permettant d’identifier ces étudiants et de leur fournir une assistance personnalisée. Nous nous intéressons donc aux deux questions principales suivantes : comment identifier les étudiants en difficulté ? Et comment leur apporter une aide appropriée (nous parlons de remédiation) ?

Cette thèse se situe à l’intersection de l’Ingénierie des Connaissances et du domaine des Environnements Informatiques pour l’Apprentissage Humain.

L’enjeu de cette thèse est de proposer à la fois une approche permettant de calculer au fil du déroulement du MOOC (presqu’en temps réel) des indicateurs révélateurs des difficultés des participants. Par exemple, si l’apprenant clique sur de nombreuses zones de l’écran pendant un temps relativement long, cela peut être le signe qu’il cherche quelque chose ou qu’il est perdu dans le MOOC. Il est envisageable de calculer un indicateur à partir notamment des types de clics de l’utilisateur et du temps moyen entre deux clics. Une synthèse de ces indicateurs constitue un bilan d’utilisation du MOOC, qui peut être communiqué à l’équipe de conception du MOOC (comme dans [Caron 2014]) pour qu’elle puisse le faire évoluer. Mais surtout, nous souhaitons exploiter ce bilan afin de proposer une remédiation adaptative et individualisée. En effet, les MOOC ayant chacun leurs particularités, la remédiation doit être adaptée à chaque MOOC d’une part, et personnalisée en fonction des besoins des participants d’autre part.

Jusqu’à présent, si des diagnostics ont pu être établis concernant les difficultés des participants, ils l’ont été uniquement a posteriori, à l’issue du MOOC. Le calcul de tels indicateurs au cours du MOOC est une problématique nouvelle, à la fois ardue et prometteuse. Par ailleurs, le MOOC étant par définition identique pour tous les participants, l’individualisation et l’adaptation de la remédiation est elle aussi un enjeu majeur. Enfin l’inclusion des concepteurs de MOOC dans le processus de remédiation est aussi une approche intéressante pour envisager la persistance (i.e. le fait de persister dans le MOOC, de continuer à y participer) des apprenants dans les MOOC.

Le calcul d’indicateurs de difficultés rencontrées par les participants et d’indicateurs de persistance pourra bénéficier des approches d’Educational Data Mining ou de Learning Analytics, s’appuyant sur les traces recueillies dans les MOOC, mais aussi sur des enquêtes. Pour la définition de ces indicateurs, nous nous appuierons notamment sur les cadres théoriques, les méthodes et outils de [Caron et al., 2014] et [Heutte et al. 2014].

Pour la remédiation personnalisée, une des approches envisagées est d’individualiser l’interface et d’adapter les parcours, mais aussi d’utiliser des formes d’étayage comme l’embarquement progressif proposé dans les jeux, où le participant découvre des fonctionnalités et des environnements de plus en plus complexes. Ces approches pourraient soutenir la motivation des participants et renforcer la persistance.

Le terrain d’application privilégié sera celui des MOOC déployés à Lyon, en particulier dans la phase d’élaboration des indicateurs, en raison de l’accès facilité qui nous sera donné. Nous utiliserons aussi les données collectées jusqu’à présent sur le MOOC iNum et sur différents MOOC de FUN. Enfin, nous pourrons également appliquer ces recherches à tout type de plateforme MOOC ou de MOOC qui émergera au cours de la thèse.

Une des difficultés majeures de cette thèse réside dans la proposition d’une approche à la fois suffisamment générique pour être applicable aux différents MOOC, et adaptable et individualisable en fonction des spécificités du contexte et des participants, tout en identifiant des algorithmes ne nécessitant pas un temps de calcul rédhibitoire.

Différentes collaborations sont d’ores et déjà prévues sur différentes parties de ce travail.

Une collaboration est prévue avec le laboratoire LIRIS. Ce laboratoire d’informatique a une expérience à la fois en ce qui concerne les traces (théorie de la trace modélisée ; kTBS, un système de gestion de traces opérationnel [Champin et al., 2013] [kTBS]), et sur l’assistance à l’utilisateur (SÉPIA, un système d’assistance épiphyte également opérationnel [Ginon et al, 2013] [Ginon et Jean-Daubias, 2014]).

Nous collaborerons aussi avec le laboratoire CIREL de l’Université Lille 1. Ce laboratoire de Sciences de l’éducation reconnu pour son haut niveau scientifique a une expérience dans la définition des critères d’abandon et de persistance, ainsi que dans le soutien à la motivation [Heutte et al., 2014a et 2014b] [Caron et al., 2014a, 2014b et 2014c].

Références

[Caron et al. 1014a] P.-A. Caron, J. Heutte, and M. Rosselle, “Rapport d’Expertise et Accompagnement par la recherche du dispositif expérimental MOOC iNum,” Rapport de recherche [halshs-00950766 - version 1] rendu à la MINES (mission numérique pour l'enseignement supérieur), http://hal.archives-ouvertes.fr/, 2014.

[Caron et al. 1014c] P.-A. Caron, J. Heutte, and M. Rosselle, « Appréhension instrumentale d’un dispositif de formation de type MOOC : cadre théorique et méthodologie » dans Colloque international sur les TIC en éducation : bilan, enjeux actuels et perspectives futures, Montréal, Canada, 1-2 mai 2014, à paraître.

[Caron et al. 1014c] P.-A. Caron, J. Heutte et M. Rosselle, « Présentation d’une méthode et d’outils pour évaluer les perceptions des apprenants dans un MOOC », dans JOurnées Communication et Apprentissage Instrumentés en Réseau, JOCAIR’2014, Amiens-Paris, France, juin 2014, à paraître.

[Champin et al., 2013] P.-A. Champin, A. Mille & Y. Prié, « Vers des traces numériques comme objets informatiques de premier niveau : une approche par les traces modélisées », numéro spécial « De la trace à la connaissance à l’ère du Web » A. Mille Eds., intellectica 2013/1, n° 59.

[Ginon et al., 2013] B. Ginon, S. Jean-Daubias, P-A. Champin. « Mise en place d’un système d’assistance personnalisée dans une application existante », dans 24ièmes Journées francophones d'Ingénierie des Connaissances, Lille, du 3 au 5 juillet, Lille, France. 2013.

[Ginon et Jean-Daubias, 2014] B. Ginon and S. Jean-Daubias, “Une approche unifiée pour proposer des activités interactives entièrement personnalisées sur les profils d’apprenants,” TSI, vol. 33, Nov. 2014, à paraître.

[Heutte et al., 2014a] J. Heutte, P.-A. Caron, G. Molinari, and M. Rosselle, «

Symposium Persistance des apprenants dans les dispositifs collaboratifs à distance : comment mieux intégrer la perception de leur espace d’action ainsi que les composantes motivationnelles et émotionnelles ? », dans 28ième Congrès de l’Association Internationale de Pédagogie Universitaire (AIPU) « Pédagogie universitaire: entre recherche et enseignement », Mons, Belgique, 18-22 mai 2014, à paraître.

[Heutte et al., 2014b] J. Heutte, P.-A. Caron et M. Rosselle, « Contribution à l’outillage conceptuel, méthodologique et technique de l’évaluation la persistance des apprenants dans un MOOC », dans Colloque international sur les TIC en éducation : bilan, enjeux actuels et perspectives futures, Montréal, Canada, 1-2 mai 2014, à paraître.

[kTBS] kTBS: a kernel for Trace-Based Systems,

http://kernel-for-trace-based-systems.readthedocs.org/en/latest/, dernière consultation le 09/04/2014.