Mohammed Tadlaoui

Nom: 
TADLAOUI
Prénom: 
Mohammed
Date d'inscription: 
2014
Spécialité de la thèse: 
Titre de la thèse: 
Système de recommandation de ressources pédagogiques fondé sur les liens sociaux : formalisation et évaluation
Résumé en français: 

Avec la quantité croissante du contenu pédagogique produit chaque jour par les utilisateurs, il devient très difficile pour les apprenants de trouver les ressources les plus adaptées à leurs besoins. Les systèmes de recommandation sont utilisés dans les plateformes éducatives pour résoudre le problème de surcharge d'information. Ils sont conçus pour fournir des ressources pertinentes à un apprenant en utilisant certaines informations sur les utilisateurs et les ressources.

           Le présent travail s'inscrit dans le contexte des systèmes de recommandation des ressources pédagogiques, en particulier les systèmes qui utilisent des informations sociales. Nous avons défini une approche de recommandation de ressources éducatives en se basant sur les résultats de recherche dans le domaine des systèmes de recommandation, des réseaux sociaux et des environnements informatiques pour l’apprentissage humain. Nous nous appuyons sur les relations sociales entre apprenants pour améliorer la précision des recommandations. Notre proposition est basée sur des modèles formels qui calculent la similarité entre les utilisateurs d'un environnement d'apprentissage pour générer trois types de recommandation, à savoir la recommandation des 1) ressources populaires, 2) ressources utiles et 3) ressources récemment consultées.

                  Nous avons développé une plateforme d'apprentissage, appelée Icraa, qui intègre nos modèles de recommandation. La plateforme Icraa est un environnement d’apprentissage social qui permet aux apprenants de télécharger, de visualiser et d’évaluer les ressources éducatives. Dans cette thèse, nous présentons les résultats d'une expérimentation menée pendant deux ans environ. Cette expérimentation a impliqué un groupe de 372 apprenants d'Icraa dans un contexte éducatif réel. L'objectif de cette expérimentation est de mesurer la pertinence, la qualité et l'utilité des ressources recommandées. Cette étude nous a permis d'analyser les retours des utilisateurs concernant les trois types de recommandations. Cette analyse a été basée sur les traces des utilisateurs enregistrées avec Icraa et sur un questionnaire. Nous avons également effectué une analyse hors ligne en utilisant un jeu de données afin de comparer notre approche avec quatre algorithmes de référence.

Abstract in english: 

With the increasing amount of educational content produced daily by users, it becomes very difficult for learners to find the resources that are best suited to their needs. Recommendation systems are used in educational platforms to solve the problem of information overload. They are designed to provide relevant resources to a learner using some information about users and resources.

The present work fits in the context of recommender systems for educational resources, especially systems that use social information. We have defined an educational resource recommendation approach based on research findings in the area of recommender systems, social networks, and Technology-Enhanced Learning. We rely on social relations between learners to improve the accuracy of recommendations. Our proposal is based on formal models that calculate the similarity between users of a learning environment to generate three types of recommendation, namely the recommendation of 1) popular resources; 2) useful resources; and 3) resources recently consulted.

We have developed a learning platform, called Icraa, which integrates our recommendation models. The Icraa platform is a social learning environment that allows learners to download, view and evaluate educational resources. In this thesis, we present the results of an experiment conducted for almost two years on a group of 372 learners of Icraa in a real educational context. The objective of this experiment is to measure the relevance, quality and usefulness of the recommended resources. This study allowed us to analyze the user’s feedback on the three types of recommendations. This analysis is based on the users’ traces which was saved with Icraa and on a questionnaire. We have also performed an offline analysis using a dataset to compare our approach with four base line algorithms. 

Université de rattachement: 
INSA de Lyon
Laboratoire de rattachement: 
Directeur de thèse: 

Sébastien GEORGE (Université du Mans), Directeur de thèse

Premier coencadrant: 

Karim SEHABA (Université Lumière Lyon 2), Co-directeur de thèse 

Second coencadrant: 

Karim BOUAMRANE (Université d'Oran), Directeur de thèse

Informations Tutelle secondaire: 

Université de Tlemcen, Algérie

Cifre: 
Non
Date de soutenance: 
3 juillet, 2018
Lieu et heure de la soutenance: 

Tlemcen, Algérie

Composition du jury: 

Monique Grandbastien, Professeur des Universités Emérite (Université de Lorraine), Rapporteure
Ronan Champagnat, Maître de Conférences HDR (Université de la Rochelle), Rapporteur
Amine CHIKH, Professeur des Universités (Université Abou Bekr Belkaid de Tlemcen), Examinateur
Azeddine CHIKH, Professeur des Universités (Université Abou Bekr Belkaid de Tlemcen), Examinateur
Sidi Mohammed BENSLIMANE, Professeur des Universités (ESI de Sidi Bel Abbès), Examinateur
Sébastien GEORGE, Professeur des Universités (Université du Mans), Directeur de thèse
Karim BOUAMRANE, Professeur des Universités (Université d'Oran), Directeur de thèse
Karim SEHABA, Maître de Conférences HDR (Université Lumière Lyon 2), Co-directeur de thèse 


Dernière mise à jour : 18 septembre, 2018 - 16:33