gp legal 4y,S15all Agel v\loe! ‘ 6t0 République Algérienne Démocratique et Populaire Ministére de l’'enseignement supérieur et de la recherche scientifique Université de 8 Mai 1945 - Guelma - Faculté des Mathématiques, d'Informatique et des Sciences de la matire Département d’Informatique Mémoire de Fin d’études Master 2 Filiére : Informatique Option : Master Académique Théme: Intégration d’un outil de recommandation des ressources dans les MOOC SS Encadré Par : Présenté Par: Mme Mehenaoui Zahra ABDA Youcef BOUCHEMAL Tawfiq Juin 2017Remerciements : Ce mémoire est fe résultat dun travail de projet de fin détude. En préambule nous voulons adresser tous nos remerciements aux personnes qui nous ont aidés pour la réalisation de ce projet. En commencant par remercier tout dabord Mme Mehenaoui Zahra, notre encadreur, pour son aide précieuse et pour le temps quelle a consacré pour nous et la grande disponibilité. Merci a tous les enseignants du département dinformatique. Merci a nous collégues de fin de cycle pour ses encouragements tout au long de la période de travail de ce projet. £n fin, nous adressons nos sincéres remerciements a nos Ffamilles qui nous ont aidé, soutenu et encouragé tout au long de la réalisation de ce projet. ABDA Youcef & Bouchemal tawfiq Page |édicace Je tiens en tout premier lieu a remercier tous les personnes qui ont soumis mon soutient et m’ont encouragé a continuer a la construction de cette mémoire. Je dédie ce mémoire a: = Ma mere, la source de ma force, ma référence intellectuelle et qui a joué un réle clé a mon arrivée d ce niveau d étude. = Mon pére, ce quiil a considéré mon exemple et mon guide dans cette vie et ce qui m’a fourni un soutien matériel et moral et tout ce quit faut pour réussir dans la vie. = Mon frére oussama, qui m’a encouragé 4 aller de Cavant dans mon projet de fin détude et miaidé d résoudre beaucoup de problémes et me donner plusieurs Widées. = Toute ma famille et Mes amis. ABDA Youcef 2016/2017 Page| IIDEDIGAGES Tout Wabordjetiens wremercier le bow DIEU qui mia donnéle courage et lwpatiencepour arriver wv ce tiade de fin Wéudex. Jedédie ce modeste travail w: A mowcher pére RACHID et matendre mére-AKILA A mowfrére: NABIL A mer précieusey seury Sony oublier : ISMAIL et HOUCINE A meyamiy: ABD ERRAHMANE, LOTFI, ABD ERRAZAK, ABDELKARIM A meyamix de promotiow: MOUAD, SEIF Sonw oublier : MERYEM Etwurtout A mon Encadreur : MEMNAOUL ZARA A tous ceux qui wont aidé et mia encourage ET Tous ceux qui wiaiment et que j'aime BOUGHEMAL TAWFIQ Page | IllRésume: Les bonnes ressources (humaines et pédagogiques) permettent d’aider les apprenants a améliorer Ia qualité d'apprentissage travers les interactions et les bonnes ressources apprentissages. La croissance explosive du e-learning au cours des demiéres années a causer des difficultés de trouves des ressources d’apprentissages appropriées aux intéréts des apprenants dans ces environnements. La recommandation est une technologie prometteuse dans les environnements du e-learning pour fournir des ressources d’apprentissage appropriges aux utilisateurs. Ce travail présente une nouvelle approche de recommandation des ressources humaines et pédagogiques dans un environnement d’apprentissage MOOC (Massive Open Online Courses). Cette approche est basée principalement sur les intéréts des apprenants. Ces demiers sont détectés d'une maniére implicite & travers les interactions avec le systéme. Pour valider l'approche proposée, une plateforme d’apprentissage MOOC a été développée ot un ‘outil de recommandation a été intégré. Lrobjectif principal de ce travail est de proposer aux apprenants les bonnes ressources (oumaines et pédagogiques) pour les aidés durant leurs processus d’apprentissage a travers ion intégré dans la plateforme développé Voutil de recommand: Page | IVSommaire Remerciements Dé (CCS 6 Resumé.. Sommaire . Listes des figures.. Liste des tableaux..... Liste des abréviations... Introduction Générale... Chapitre 1: Les Cours en Linge Ouvert et Massive (MOOC). 1. Introduction... 2. Historique... 3. Definition des MOOCs 4, Un MOOC Comment ga marche 5. Objectif des MOOCs. 6. Type des MOOCs 6.1, Les MOOCS dits « connectivistes » (CMOOC) 6.2, Les MOOCS plus « traditionnels » (xMOOC).. 6.3. Les ¢MOOCs vs les xMOOCs. 7. Analyse des initiatives d'éducation ouverte de style MOOC.. 7.1. Principaux développements des initiatives de style MOOCS 7.2. Motivations pour les fournisseurs MOOC. 7.3. Motivations pour les apprenants.. 74, Modele d’affaire 8. Avantages et inconvénients des MOOC 8.1. Avantages . Page| V8.2. Inconvénients. 9. Conelusion Chapitre 2: Les Systemes de Recommandation (SR) 1. Introdu 2. Historique... 16 3. Défini 3.1. Défini 3.2. Un systéme recommandation VS un systéme de recherche d'information... n des systémes de recommandation (SR)... générale... 4. Pourquoi les systémes de recommandation .. 5. Principe générale de fonctionnement... 6. Types de systéme de recommandation.. 6.1. Recommandation basée sur le contenu... 6.1.1. Avantages de la recommandation basée sur le content oe 19 6.1.2, Inconvénients neem 19 6.2. Recommandation basé sur le filtrage collaboratif 20 6.2.1. Avantages de filtrage collaborati 6.2.2, Inconvénients.... 6.3. Recommandation hybride. 7. Les systémes de recommandation en E-learning . 7.1. Détinition de SR en e-learning 7.2. Objet et description 8. Techniques de recommandation en E-leaming.. 8.1. Méthodes de factorisation du tenseur et matrice 8.1.1. Prédiction de la performance d’apprenant.. 8.2. Approche de filtrage collaboratif. 8.2.1. Le calcul des similarités entre les apprenants ... 8.2.2. La sélection de k voisins de l'apprenant.... 8. Les prédictions informatiques... 8.3. Les techniques basées sur le content...8.3.1. Les techniques de raisonnement basées sur les cas (CBR) 83.2. Les techniques basées sur les attributs.. 8.4. Llextraction des régles d'association.. 9. Conclusion Chapitre 3: Conception du systéme... 1. Introduetion...... 2. Objectif du systéme.. 3. Architecture globale du systéme. 4. Analyse fonctionnelle.. 4.1. Lesacteurs. 4.2.1. Les fonctionnalités apprenant et enseignant 4.2.2. Les fonctionnalités de I’apprenant . 42.3. Les fonetionnalités de enseignant... 4.2.4. Les fonctionnalités de l'administrateur..... 5. Recommand: mn des ressources (humaines et pédagogiques) 5.1. Recommandation « Apprenant-Apprenant » S.1.1. Construction de vecteur d’intéréts do Vapprenant 5.1.2. Le calcul de similarité 5.1.3. La recommandation (ressouree humaine) 5.2. Recommandation « Apprenant-Ressource pédagogique » run 5.2.1. Schéma de notation (apprenant, ressource pédagogique) ... 5.2.2. Méthode de prédiction des notes inconnues d’apprenant. 523. La tecommand: (ressource pédagogique)... 6. La structure des données... 6.1. Le dictionnaire des données., 6.2. Lemodile conceptuel de données (MCD)... 6.3. Latable des entités. 6.4. La table des relations. 6.5. Le modéle logique de données (MLD). Page | VIL7. Conclusion Chapitre 4: Implémentation du systém« 1. Introduction. 5S Les outils et les environnements de développement 35 2.1. WampServer: 55 24. PHP. 2.1.2. Server Apache... 2.1.3. MySQL.. 22: 23. 2.4, 25, 26. 27. 3. Présentation du systéme 31 3.2. 33. 34. 35. 4. Conclusion . Conelusion Générale Bibliographie. interface et fonetionnalités) Page d'accueil du systéme « RecMOOC ». Les interfaces apprenant et enseignant 0... Les interfaces spécifiques pour l’apprenant . Les interfaces spécifiques pour l’enseignant. L’espace administrateur... Page | VIIIListe des figures Figure 1.1 : MOOC et Chronologie de l'éducation ouverte...... Figure 1.2 : page d’accueil d’edX.... Figure 1.3: page d'accueil de coursera ‘igure 1.4 : page d’accueil d'UDACITY.... Figure 1.5 : page d'accueil d’Udem; re 1.6 : page d'accueil de Futurelearn . Figure 2.1 : Recommandation basé sur le contenu. 19 Figure 2.2 : Recommandation basé sur le filtrage collaboratif. 20 24 Figure 2.4 : Une illustration de la factorisation du tenseu Figure 3.1 : Architecture générale du systéme. Figure 3.2 : Les fonctionnalités principale des acteurs du systéme.. Figure 3.3 : Les fonetionnalités principale de 'apprenant. Figure 3.4 : Le modéle conceptuel de données (MCD)..... Figure 4.1 : page d’accueil « ReeMOOC ». Figure 4.2 : page de connexion « RecCMOOC ». Figure 4.3 : page d’ inscription « ReeMOOC ». Figure 4.4 : page de consultation de profils apprenant. Figure 4.5 : page de consultation de profils enseignant. Figure 4.6 : interface du forum. Figure 4.7 : Pajout d’un nouveau sujet. Figure 4.8 : page d’accueil apprenant, enseignant: fonctionnalités communs. . Figure 4.9 interface de recherche dun objet d’apprentissage. Figure 4.10 : interface pour partage, évalué, commenté une ressoure Figure 4.11 : interface de collaboration (chef projet). Figure 4.12 : interface de présentation des projets. Figure 4.13 : page d’accueil apprenant. Figure 4.14 : Exemple de QCM dans linterface d’auto-€valuation. Figure 4.15 : interface d°auto-évaluation aprés réponse. Figure 4.16: page d’accueil enseignant. Page | IXFigure 4.17: interface d’ajoute dune cour (vidéo ou PDF). Figure 4.18: interface de création d’une auto-évaluation. Figure 4.19: interface de gestion des comptes enseignants... Figure 4.20: interface de gestion des comptes apprenants. Figure 4.21: interface de gestion des ressources d’apprentissage (vidéos). Figure 4.22: interface de gestion des ressources d’apprentissage (projets).. Figure 4.23: interface de réception des messages des visiteurs de site. Page | XListe des tableaux ‘Tableau 1.1 : Différences entre les xMOOC et les CMOOC.... Tableau 1.2 : Apergu des modeles d'affaires potentiel.... Tableau 2.1 : La différence entre un systéme de recommandation et un systéme de recherche d’information. Tableau 2.2 : Exemple de recommandation basé sur le filtrage collaboratif. ‘Tableau 2.3 : un exemple de matrice de similarité 5 ¥ 5. : dictionnaire de données... Tableau 3. : la table des entit Tableau 3. Tableau 3.3 : la table des relations. . Page | XIListe des abréviations : CBR : Case-Based Reasoning. CSS : Cascading Style Sheets. FC : Filtrage Collaboratif. HTML : Hyper Text Markup Language. MCD : Modéle Conceptuel de données. MIT : Massachusertts Institute of Technology. MLD : Modéle Logique de données. MOOC : Massive Open Online Courses. MySQL : My Structured Query Language. PHP : Hypertext Preprocessor. ing Student Performance. QCM : Question Multiples Choix. SR : Systeme de Recommandation. WAMP : Windows Apache MySQL PHP. Page | XIIIntroduction générale : L’éducation en ligne a constamment modifié le concept d'apprentissage A distance du début des années quatre-vingt-dix. A la fin de la premidre décennie au 21éme siecle, de nombreux colléges et universités ont considéré l'éducation en ligne comme une partie intégrante de leur modéle d'instruction et de leur plan stratégique. A peu prés au méme moment, un intéressant modéle d'éducation en ligne a commencé a évoluer & partir de plusieurs paradigmes existants: open-books, cours virtuels, apprentissage en réseau, apprentissage & distance et éducation ouverte. Cela a mené a Ia eréation de ce qu'on appelle maintenant un cours en ligne ouvert et massif (MOOC). Un MOOC est un cours gratuit sur le Web avec inscription ouverte. Les principaux objectifs des cours en ligne ouverts et massifs (MOOC) sont de favoriser la connaissance grace a acquisition gratuite des ressources d'apprentissage de haute qualité, et de créer des nouvelles connaissances a travers les interactions des utilisateurs avec le systéme. Les MOOC représentent une nouvelle génération d'éducation en ligne, facilement et largement accessible sur internet et impliquant un grand ou trés grand nombre d'apprenants. Avec l’évolution rapide des nombres d’apprenants et des formes de ressources dans ces environnements, il est important de trouver les meilleures ressources pédagogiques et humaines. Jusqu'a ces demidres années, la plupart des systémes d’apprentissages MOOC n’ont pas été personnalisés. Plusieurs travaux ont abordé le besoins de personnalisation dans les plateformes MOOC, a travers le développement des systémes de recommandation. Ces systémes utilisent les compétences et les comportements des apprenants pour fournir des expériences éducatives positives qui correspondent aux besoins, aux objectifs et aux intéréts des apprenants. Les systémes de recommandation ont été développés par divers sites de commerce électronique pour fournir des recommandations personnalisées aux utilisateurs, en fonction de leurs caractéristiques démographiques, de leurs comportements d'achat, des meilleures ventes sur le site, ee. Ce travail vise & concevoir un systéme de recommandation similaire pour les MOOC. Des techniques diverses ont été proposées par les chercheurs pour fournir des recommandations précises et efficaces 4 T'utilisateur qui comprend inclusion du regroupement, extraction des régles d'association, le réseau bayesian, le filtrage collaboratf, le filtrage basé sur la réduetion des dimensions. Ce travail présente une nouvelle approche de recommandation des ressources humaines et pédagogiques dans une plate-forme d’apprentissage MOOC. La recommandation des ressources humaine est une recommandation « personne-personne » qui propose des suggestions aux apprenants ayants des intéréts communs. La recommandation des ressources pédagogiques est le type de recommandation traditionnelle « personne-items ». Page | 1Lobjectif de ce travail est d’aider les apprenants & améliorer leurs performances durant leurs Processus d’apprentissage & travers la recommandation des ressources humaine (apprenants) et la recommandation des ressources pédagogique (cours et projets) qui les intéressant. La technique de recommandation proposée prend en considération les intéréts des apprenants pour mesurer la similitude entre les apprenants. Ces intéréts sont collectés de maniére implicite a travers les interactions des apprenants avec le systéme (processus d’apprentissage), Pour valider l'approche de recommandation proposée, nous avons développé une plateforme dapprentissage MOOC. Cette plateforme assure 1a majorité des fonctionnalités des environnements d’apprentissage MOOC : apprentissage, collaboration, téléchargement des objets d’apprentissage, des auto-évaluations, communication entre les apprenants. Un outil de recommandation des ressources pédagogiques et humaines & été intégré dans cette plateforme. Le systéme que nous avons développé, offre aux apprenants un apprentissage de haute qualité dans plusieurs domaines d’étude a travers 1a collaboration entre les apprenants, les interactions et les échanges des idécs qui conduit A la cunsiruction de nouvelles connaissances. ‘Notre mémoire est composé de quatre chapitres, organisés de la fagon suivante : * Dans le premier chapitre, nous présentons les concepts généraux associés aux cours en ligne ouverts et massifs (MOOC). "Dans le deuxime chapitre, nous présentons un état de l'art sur les systémes de recommandation en générale, et les systémes de recommandation dédiés au domaine du e-learning : définition, objectifs, les principes de fonctionnement et les types de systtme de recommandation..... etc. " Dans le troisigme chapitre nous décrivons la conception de notre systéme, Nous présentons les objectifs principaux & atteindre, "architecture du systéme et nous détaillons chaque partie de cette architecteur. Par la suite, nous présentons la structure de données qui maintient l'ensemble des données, nécessaire au bon fonctionnement du systeme. * Dans le quatriéme chapitre nous présentons la mise en euvre de notre systéme (implémentation). Nous décrivons en premier lieu les outils utilisés dans notre realisation, puis nous présentons quelques interfaces du systéme. Nous achevons ce mémoire par une conclusion générale et quelque perspective. Page | 2Chapitre 1: Les cours en ligne ouverts et massifs (MOOC)Chapitre 1: Les cours en ligne ouverts et massifs (MOOC) 1. Introduction : Malgré son apparence relativement récente sur la scéne de l'éducation, le terme "MOOC" est maintenant présent dans les établissements d'enseignement, dans la presse et dans la blogosphére [Boyatt et al., 2014]. Les MOOC sont définis comme étant des cours ouverts, libres, participatifs et distribués, ce qui représente une nouvelle génération de enseignement en ligne, facilement et largement accessible sur "Internet [Miguel et al., 2013]. Les MOOC, ow les cours en ligne ouverts massifs, offrent une perspective de Véducation au-dela des limites des différentes universités et organismes [Boyatt et al., 2014]. Permettant Ia libre participation & un grand nombre d'apprenants a partir de nimporte quel lieu géographique et sans la nécessité de remplir les conditions dentrée [Boyatt et al., 2014]. La promesse de MOOC est quiils offrent gratuitement laccés & des cours d'avant-garde, qui pourrait abaisser le cotit de l'éducation de niveau universitaire, et risquant de perturber les modéles existants de l'enseignement supérieur [Yuan & Powell, 2013), Dans ce chapitre, nous allons définir les Cours en ligne ouvert et massif (MOOC), citer les différentes types des MOOC, ainsi leur réle important dans le domaine d’apprentissage & distance. 2. Historique: Le terme Massive Open Online Courses (MOOC) a été introduit pour la premiére fois en 2008 par Dave Cormier pour décrire le cours «Connectivisme et Connexité» de Siemens et de Downes [Yuan & Powell, 2013]. Ce cours en ligne a été initialement congu pour un ‘groupe de 25 inscrits, les étudiants qui paient des frais d’étude pour le erédit et en méme temps a été ouvert aux apprenants de monde entier. En conséquence, plus de 2 300 personnes ont participé au cours sans payer des frais ou avoir obtenu un crédit [Blogs.cetis, hap). En 2011, Sebastian ‘Thrun et ses collégues de luniversité Stanford de Californie ont mis en ligne un Moo sur intelligence artificielle, et ont attiré 160 000 apprenants dans plus de 190 pays. En 2013, R. Bachelet, maitre de conférence & Centrale Lille concu le premier xMooc francophone sur la gestion de projet « ABC de la Gestion de Projet » [Karsenti, 2013). Le développement des MOOC est enraciné dans les idéaux d'ouverture dans l'éducation, que les connaissances doivent étre partagées librement, et le désir d'apprendre doit étre satisfait sans contraintes démographiques, économiques et géographiques [Yuan & Powell, 2013], Page | 4Chapitre 1: Les cours en ligne ouverts et massifs (MOOC) 200007 ‘2008 10 201 2012 2013 zoe 2015 Enseignement Face Face ——ay- en | p> Sesame Noweaax modes _Aporenieige 8 Distance en Ligne (7) teabi des platetormes moc Intives entrepraneurales Figure 1.1 : MOOC et Chronologie de l'éducation ouverte (Blogs.cetis, http] Comme le montre la figurel.1, depuis 2000, le concept d'ouverture dans 'éducation évolue rapidement, bien quiil ait ses origines au début du 20" siecle. Le Massachusetts Institute of Technology (MIT) a eréé OpenCourseWare en 2002 et Open University a mis en place OpenLear en 2006, ce qui représente un développement continu du mouvement d'éducation ouverte. Influencé par le développement précoce de MOOCs, diverses plates-formes d'apprentissage ouvert ont été mis en place par des étah délite, exemples en 2012 ; MIT edX et OU's Futurelearn, 3. Définition des MOOC ; MOOC, Massive Online Open Courses, en frangais Cours en ligne ouvert et massif, est un type de formation ouverte et a distance gratuite en télé-enseignement [Angot & Bodard- Valadeau, 2014]. Les participants aux cours, enseignants et apprenants, sont dispersés ‘g¢ographiquement et communiquent uniquement par Intemet et en interaction : on passe de I'e-learning au social Learning [Angot & Bodard-Valadeau, 2014]. La définition du terme MOOC, apparu en 2008, est assez flexible. Il répond néanmoins 4 quatre critéres [Cisel, 2015] : ‘© Massif: le cours peut accueillir un nombre, en principe, non limité de partici © Open: le cours est ouvert tous les internautes, sans distinction d'origine, de niveau d’études, ou d’un autre critére. © Online exam ensemble du cours peut étre suivi en ligne : cours, activités, devoirs, ns, ele, Méme si des modules en présenticl ou des supports physiques (ex: Page | 5Chapitre 1: Les cours en ligne ouverts et massifs (MOOC) livres) peuvent étre proposés en paralléle du cours, ils ne sont pas indispensables & son suivi, © Course: il s'agit d'un cours avec des objectifs pédagogiques et un ou plusieurs parcours pédagogiques pour les participants, et non simplement de ressources fusées en ligne. 4, Un MOOC Comment ¢a marche ? : L'une des principales différences entre les MOOC et les approches en ligne précédents est que les MOOC sont gratuit [Voss, 2013]. Il peut y avoir des frais si les participants veulent obtenir une certaine forme d’accréditation (cettificat) [Angot & Bodard-Valadeau, 2014). Les MOOC initiaux proviennent souvent de disciplines qui se prétent a une évaluation quantitative, comme T'ingénierie, mais avec les nouvelles méthodes <évaluations, ils deviennent applicables & tous les domaines [Educause, 2012]. La pédagogie employée par les MOOC différe également considérablement de «'apprentissage en ligne traditionnel» [Voss, 2013]. Les technologies d'apprentissage en ligne qui sont largement utilisées dans les MOOC comprennent [Educause, 2012] : > Vidéo indexée de haute qualité. > Capture et analyse des données (méthodes d’évaluatione, > Plateformes de livraison qui combinent les qualités des sites de réseautage social comme Facebook, avec la livraison de contenu, la discussion et les fonctions de classement du systéme de gestion d'apprentissage traditionnel, Liemploi du temps est souple, dispensés de fagon synchrone selon un horaire défi habituellement sur une base de calendrier hebdomadaire [Angot & Bodard-Valadeau, 2014 ; Voss, 2013]. Plutét que de capturer une conférence de 45 ou 60 minutes données dans une classe traditionnelle, les membres du corps professoral enregistrent des modules de conférences pouvant durer entre 12 et 15 minutes ou maximum [Voss, 2013]. 5. Objectif des MOOC : Lobjectif initial des MOOC était d'ouvrir I'éducation et d'offrir un accés gratuit a Tenseignement universitaire pour le plus grand nombre possible d’étudiants. Contrairement aux cours en ligne universitaires traditionnels, les MOOC ont deux caractéristiques clés | Yuan & Powell, 2013] : ¥- Aceds libre ; toute personne peut participer gratuitement & un cours en ligne, ¥ Scalabilité: les cours sont congus pour soutenir un nombre indéfini de participants. Liobjectif principal de MOOC est de fournir un accés ouvert a une éducation de haute qualité, @appuyer le processus dapprentissage et de créer de connaissances par des interactions sociales et & faire progresser la recherche sur lapprentissage [Nawrot & Doucet, 2014]. Page | 6Chapitre 1: Les cours en ligne ouverts et massifs (MOOC) 6. Type des MOOC : Deux grandes catégories de MOOC ont été définies sur la base de différentes approches pédagogiques et modéles organisationnels [O’prey, 2013]. Les MOOC connectivistes «MOOC» basés sur une théorie du connectivisme de lapprentissage avec des réseaux développés de maniére informelle [Yuan & Powell, 2013], et MOOC basés sur le contenu 4«xMOOC», qui suivent une approche plus traditionnel, «expert-conduit» étant fait disponible sur le Web pour une participation ouverte et & grande échelle [Yuan & Powell, 2013 ; Boyatt et al. ,2014]. Les différences entre les deux, dans le concept, la pédagogie et la pratique, signifient que lorsque l'on discute des questions relatives aux MOOC, il est souvent nécessaire de clarifier la distinction [Boyatt et al. 2014]. 6.1.Les MOOC dits « connectivistes » (CMOOC): Les cMOOCs mettent l'aecent sur l'apprentissage collaboratif et connexe, les cours sont construits autour d'un groupe de «personnes» qui sont relativement libres de contraintes institutionnelles [Yuan & Powell, 2013]. Ils intégrent la connectivité des réseaux sociaux, le facilitation d'une spécialiste reconnu dans un domaine d'étude, ainsi qu'une collection de ressources [Boyatt et al., 2014].Chacun des participants est responsable de fixer ses propres objectifs et voies d'apprentissage (non certificatifs), au-dela des contextes ‘raditionnels de la classe, ce sont des cours basés plus étroitement sur le modéle connectiviste original distribué d'apprentissage par les pairs [Boyatt et al., 2014 ; Yuan & Powell, 2008 ; O’prey, 2013]. 6.2.Les MOOC plus « traditionnels » (xMOOC): Ces cours sont généralement structurés autour de formats de conférences plus classiques [O’prey, 2013]. Le modéle xMOOC, comme le montrent Coursera, edX et Udacity, provient du perspective de rendre les cours des institutions ou des universitaires disponibles en masse, de plus en plus distribués et sans barridres a lentrée [Boyatt et al 2014; O’prey, 2013]. Un programme sont définis par des experts et des objectifs dapprentissage et d'évaluations (et éventuellement la certification) liges & la réalisation des résultats d'apprentissage [Boyatt et al., 2014]. D'autre part, le modéle d'enseignement (XMOOC) est essentiellement une extension du modéle pédagogique pratiquée dans les institutions elles-mémes [Yuan & Powell, 2013]. 6.3.Les CMOOC vs les xMOOC : Le tableau suivant détaille les différences entre les différentes formes de MOOCs : Gritéres | Type de MOOC =MOOC ‘MOOT Modele pédagogique Classique (Cours, TD, TP) Connectivisme ‘Connaissance Préparée par 'enseignant | Distribuée, générée par les participants ‘Cohérence Donnée par Penseignant | Construite par les participants Objectifs d'apprentissage | Défini par Venseignant et le | Défini par chaque participant (pour lui- programme méme) Importance des échanges_| Faible a moyenne Fondamental Page |7Chapitre 4: Les cours en ligne ouverts et massifs (MOOC) Ressources Définis dans Te cours ‘Abondantes (chaque participant en apporte) Domaine Tapprentissage | Orienté disciplinaire Par nature interdiseiplinaire Evaluation de succes Délivrance d’un certificat | Auto-évaluation Tableau 1.1 : Différences entre les xMOOC et les eMOOC [Colajanni et al, 2014]. 7. Analyse des initiatives d'éducation ouverte de style MOOC : Dans ce qui suit, nous présentons une analyse de quelques-unes des initiatives, qui ont été laneges pour entrer dans le domaine des ressources d'ducation et dapprentissage, pour les différents sujets et les différents niveaux dans l’internet, 7.1, Principaux développements des initiatives de style MOOC : edX : Est une plateforme MOOC sans but lucratif, fondée par le Massachusetts Institute of Technology, et I'Université de Harvard avec 60 millions de dollars, de ressources apportées par les deux institutions pour soutenir le projet, le premiers cours de edX a commencé en octobre 2012 [Yuan & Powel, 2013 ; O’prey, 2013]. cael ola MaMa Microh ee ed > Wir Sez" Gramen Berkeley @ _ Figure 1.2: page d'accueil d’edX. LU Coursera: Est une entreprise & but lucratif, qui a commencé avec 22 millions de dollars dinvestissement total de venture capitalistes, dont New Enterprise Associates et Kleiner, Perkins, Caufield & Byers Education [Yuan & Powel, 2013] La plate-forme est fondée par l'université de stanford en avril 2012. En mars 2013 trois millions d'utitisateurs enregistrés [0’prey, 2013] Page | 8Chapitre 1: Les cours en ligne ouverts et massifs (MOOC) rs au monde. Sacer teens anes y a - be , rd 4 Penn Wo weiss Stanford —UCSanDiego Duke Figure 1.3 : page d'accueil de coursera. (0 UDACITY ; Est une autre entreprise & but lucratif fondée par Sebastian Thrun, David Stavens et MikeSokolsky avec un investissement de 21,1 millions de dollars, des sociétés de capital-risque, dont Charles River Ventures et Andreessen Horowitz [Yuan & Powel, 2013]. Travailler avec des universitaires individuels et en collaboration avee des entreprises de technologic, y compris google et Microsoft [0’prey, 2013]. feo melon nme Figure 1.4 : page d'accueil d'UDACITY. OD Udemy: Est une plateforme MOOC a but lucratif, fondée en 2010, avec un investissement total de 16 millions de dollars de Insight Venture Partners, Lightbank, MHS Capital, propose actuellement plus de 5 000 cours, dont 1 500 nécessitent un prix moyen pour les classes entre 20 § et 200 § [Yuan & Powel, 2013). Page | 9Chapitre 1: Les cours en ligne ouverts et massifs (MOOC) Ree ess ea Figure 1.5: page d'accueil d'Udemy, o Futurelearn: est une plateforme MOOC a but lucratif, crée par luniversité ouverte en décembre 2012, & des partenariats avec 21 universités, y compris King's College de Londres, Bristol, Southampton, Bath, Exeter, Cradiff, Glasgow et Queen's University Belfast [0’prey, 2013]. What would you y like to learn? Mee MATEY Figure 1.6 : page d'accueil de Futurelearn 7.2. Motivations ponr les fonrnissenrs MOO! Le caractére ouvert des MOOC, offrent des possibilités d'élargir l'accés & l'enseignement supérieur tous. Cette exploration de nouvelles approches, suscité un intérét considérable de la part des gouvernements, des institutions et des organisations commerciales [Yuan & Powell, 2013. Les tournisseurs MOOC sont des entreprises et, a ce titre, ils supportent les codts de production et de distribution des biens et des services [Nawrot & Doucet, 2014]. L’utilisation de la technologie peut potentiellement fourir des informations utiles sur lenseignement et l'apprentissage en ligne avec un trés grand nombre d'étudiants & un coat faible ou minimal [Yuan & Powell, 2013]. Par ‘exemple, les institutions d’EDX telles que MIT et Harvard utilisent les MOOC pour comprendre «comment les éléves apprennenty et «améliorer les innovations dans Tenseignement et lapprentissage sur le campus» [Yuan & Powell, 2013].Les organisations commerciales considérent les MOOC comme un moyen d'entrer dans le marché de Venseignement supérieur, en comprend notamment les colts de création de Page | 10Chapitre 1: Les cours en ligne ouverts et massifs (MOOC) contenu, de plate-forme Ia mise en ceuvre et I'achat et la maintenance des infrastructures [Yuan & Powell, 2013; Nawrot & Doucet, 2014]. 7.3. Motivations pour les apprenants : Chaque jour, des milliers ou méme des millions de personnes dans Je monde utilisent des plates-formes MOOC avec des objectifs différents & lesprit [Nawrot & Doucet, 2014): = Certains explorent simplement le contenu disponible et testent les fonctionnalités offerte. * Diautres recherchent des informations trés spé expliqué d'implémentation d'algorithme). = Pourtant, diautres s'engagent dans des processus d'apprentissage au sens plein de ‘ce mot, en suivant tous les critéres d'un cours (regarder des vidéos, lire des articles assignés, préparer des devoirs, ete.). ifiques (comme lexemple bien La motivation des apprenants & participer aux MOOC est un domaine dintérét important pour de nombreux intervenants de Tenseignement supérieur [Yuan & Powell, 2013), Il y a beaucoup de facteurs qui influent sur la motivation des éléves apprendre, il s'agit notamment des avantages économiques, le développement de identité personnelle et professionnelle, de défis et de réalisations, de jouissance et de plaisir [Yuan & Powell, 2013]. Alors ce qui motive lapprenant MOOC ? Les enquétes menées par les chercheurs de l'Université Duke, montrent que les motivations des Gtudiants @ diminué en général dans Tune des quatre catégories [Yuan & Powell, 2013; Belanger & Thornton, 2013] © Appuyer 'apprentissage tout au long de la vie ou acquérir une compréhension de objet, sans aucune attente particuligre quant a I'nccomplissement ow a la réussite. © Pour le plaisir, le divertissement, lexpérience sociale et la stimulation intellectuelle © La commodité, souvent en conjonction avec les obstacles aux options d'édueation traditionnelle, 7.4, Modéle d’affaire : Il niexiste pas de modéle commercial standard pour la fagon dont les MOOC vont générer des revenus [Educause, 2012]. Le flux de revenus le plus courant pour les principaux fournisseurs de MOOC est les factures des frais pour les certificats [Yuan & Powell, 2013]. Actuellement, les institutions et les fournisseurs de plate-forme MOOC supportent chacun leurs propres cofits et répartissent leurs revenus futurs, alors les Possibilités de revenus comprennent [Educause, 2012]: "Extraction de données: vendre de l'information aux employeurs potentiels ou aux annonceurs. Page | 11Chapitre 1: Les cours en ligne ouverts et massifs (MOOC) "= Contre- ou vendre : Le matériel de cours (par exemple, les vidéos) est librement disponible, mais les services auxiliaires comme le classement de I'affectation, Taceés aux réseaux sociaux et les discussions sont payants. " Modéte de publicité: Les cours ont nommé des sponsors. * Modalités de scolarité: Les étudiants paient I'établissement origine pour le erédi de cours. "Spin off/ modele de licence: Vendre le cours, les parties du cours, ou des versions personnalisées du cours & des i inteme; Autoriser utilisation edX Coursera UDACITY © Certification |» Certification + Certification © Evaluations sécurisées Les employeurs paient pour « Recrutement des employés recruter des étudiants en © Dépistage des demandeurs talent Tutorat humain ou marquage © Les curriculum vitae des affectation étudiants et les services ‘© Les entreprises paient pour organiser dembauche leur propre formation # Sponsorisé des Cours de © Commandites compétences Avec une © Frais de scolarité haute technologie Tableau 1.2 : Apercu des modéles d'affaires potentiels {Yuan & Powell, 2013). 8. Avantages et inconvénients des MOOC : 8.1, Avantages : Les MOOC présente de nombreux avantages, Nous nous attarderons ici sur ceux 4 sont pertinents [Igniteengineers, http; Kilde & Bennett, 2013; Karsenti, 201 Cusumano, 2014]; > MOOC erée Topportunité de partager des idées et des connaissances et contribue également & améliorer les compétences d'apprentissage tout au long de la vie en offrant un accés facile aux ressources mondiales. > Il améliore les relations interculturelles qui ménent 4 la collaboration entre les Educateuts d'établissements et les apprenants locaux et intemationaux. > Ameéliore lapprentissage actif: Les recherches montrent que les éléves apprennent davantage par apprentissage actif (cest-a-dire lorsquills ont des taches ou une discussion sur une question) plutét que par I'écoute de conférences. > Les universités qui choisissent d’offrir des MOOC ont une visibilité accrue. > Partage des connaissances dans le forum de discussion : Aide les apprenants réfiéchis et globaux ainsi que les apprenants actifs et séquentiels. Les apprenants réfléchis qui ne sont pas en mesure de partager des idées & lintérieur de la salle de classe physique Page | 12Chapitre 1: Les cours en ligne ouverts et massifs (MOOC) peuvent mettre leurs idées dans le forum de discussion et obtenir les points de vue des autres. > Grice aux MOOG, il est possible d’obtenir des cours, que I’on soit d'ici ou ailleurs, riche ou pauvre. Les MOOC ont donc réellement permis une ouverture & Menseignement universitaire, malgré les embiiches et les défis > Aucune figvre d'examen : Encourage une approche approfondie de l'apprentissage par rapport a l'approche de surface et stratégique de I'apprentissage. > MOOC offre occasion d'apprendre & des universités de classe mondiale et de professeurs renommés sans étre un étudiant de Tuniversité respective tout en étant assis dans n'importe quelle partie du monde. > Les MOOC, tout comme les formations & distance, Ils sont accessibles & partir d'un large éventail appareils, des PC aux téléphones cellulaires. > Les étudiants peuvent apprendre & leur propre rythme, il nlest pas nécessaire de continuer & donner les mémes conférences année aprés année, les étudiants peuvent voir les conférences de différents endroits ou des institutions, entre autres avantages. 8.2. Inconvénients : Diautre coté les MOOC comme tout apprentissage en ligne, présente de nombreux inconvénients, nous nous attarderons ici sur ceux qui sont pertinents [gniteengineers, http; Cusumano, 2014]: > MOOC fournit toutes les conferences vidéo et diapositives avec toutes les ressources de lecture connexes. Cela donne aux étudiants la possibilité de ne pas passer par les conférences progressivement mais des conférences entiéres en une seule journée qui rhe mene pas a fa comprehension protonde des concept ® Répondre aux questions en temps réct n'est pas possible tout cn passant par les contérences, > Les cours techniques nécessitant des expositions pratiques physiques (p. Ex., Civil, mécanique, électrique, etc.) sont trés dficiles a livrer par les MOOC. ¥ Il existe aucune possibilité de méthodes d'évaluation efficaces, telles que les questions et réponses en classe, les quiz-réponses et les présentations. > MOOC style de l'éducation va tuer progressivement les soins, lempathie et le respect entre lenseignant et les éléves dans une salle de classe physique. I! ne fait qu’accroitre Ta communauté sociale virtuelle. > En outre, de nombreuses classes et séminaires avancés ne s'adaptent pas bien au format MOOC. 9. Conclusion : Tout comme n'importe quel autre cours, un MOOC peut étre «bon» ou «mauvais» non pas ‘A cause de la plate-forme elle-méme mais & cause de la mise en place, de la compétence des facilitateurs, de la pertinence de la pédagogie et des objectifs et capacités de V'apprenant. Les MOOC promettent d'ouvrir l'enseignement supérieur en offrant des cours accessibles, flexibles, abordables et rapides des cours universitaires gratuits ou a faible Page | 13Chapitre 1: Les cours en ligne ouverts et massifs (MOOC) codt pour les apprenants intéressés par l'apprentissage. L'analyse des données a permis de constater que les MOOC linguistiques captent I'intérét de la population, qui attire une grande attention de la part des institutions d'enseignement supérieur et des investisseurs privés dans le monde entier qui cherchent & batir leurs marques et entrer sur le marché de Téducation. L'éducation ouverte ouvre de nouvelles perspectives diinnovation dans Tenseignement supérieur qui permettra aux institutions et aux universitaires d'explorer de nouveaux modéles dlapprentissage en ligne, et des pratiques novatrices dans enseignement et l'apprentissage. Page | 14Chapitre 2: Les systémes de recommandation (SR)Chapitre Les systémes de recommandation (SR) 1. Introduction : existe une grande quantité ¢informations sur le web, qui est difficile & traiter. L'utilisateur ne sait pas exactement si ces informations sont utiles ou non. Done il est nécessaire d'utiliser des mécanismes qui permettent & l'utilisateur d'accéder aux items et sujets qui lui intéressent le plus t6t possible. Une des approches adoptées pour améliorer Iexpérience utilisateur consisté @ fournir des recommandations a partir de leurs préférences on utilisant les systémes de recommandations. Selon leur mode de fonetionnement, les systmes de recommandations recueillent des informations sur les préférences des utilisateurs pour un ensemble items. Les informations peuvent étre acquises par la collecte en général explicitement (Evaluation) ou implicitement en surveillant le comportement des utilisateurs. Dans ce chapitre, nous avons présenté auprés de l'état de l'art traditionnel des techniques de recommandation 2. Historiqu Au debut des années 1990, le filtrage collaboratif a commencé a apparaitre comme une solution pour faire face & la eurcharge dane; loc espace d'infurmution en ligne [Lkstrand et al, 2010]. « Tapestry » était un systéme de filtrage collaboratif manuel, Il a été développé en 1992 par le centre de recherche de “Xerox” aux Etats Unis, il permettait a l'utilisateur de rechercher des items dans un domaine d'information, tels que des courriels d'entreprise, basés sur des opinions ou des actions d'autres utilisateurs [Goldberg et al., 1992]. C’est un systéme de filtrage collaboratif localise automatiquement les opinions pertinentes et les agrégeant pour foumir des recommandations [Ekstrand ct al., 2010]. Cn quelques années plus tard, un certain nombre de sysiémes académiques de recommandation ont vu le jour. En 1994, le systéme de recommandation d'articles d’actualités « GroupLens » ; pour aider les gens a trouver des articles quils aimeront dans I'énorme flux d'articles disponibles ; & été développé [Resnick et al., 1994]. Les lecteurs de livres d'actualité affichent les scores prédits et permettent aux utilisateurs de noter facilement les articles aprés leur lecture [Ekstrand et al., 2010]. Au cours de cette période, les systémes de recommandation et le filtrage collaboratif sont devenus un sujet diintérét croissant parmi les chercheurs en interaction homme-ordinateur, en apprentissage en ligne et en recherche documentaire [Ekstrand et al., 2010]. Cet intérét a produit un certain nombre de systtmes de recommandation pour divers domaines, tels que [Ekstrand et al., 2010 ; Elchiali & Hadjila, 2015]: > Les sysitmes de recommandation de musique (Ringo) > Les systémes de recommandation de films, tels que (the BellUore Video Recommender). > Les systémes de recommandation de blagues (Jester). En dehors de l'informatique, la littérature marketing a analysé la recommandation pour sa capacité & augmenter les ventes et A améliorer l'expérience client [Ansari et al., 2000]. A la fin des années 1990, des déploiements commerciaux de technologie de recommandation ont commeneé a émerger. Peut-étre l'application la plus répandue des technologies de systémes recommandés est Amazon.com [Ekstrand et al., 2010]. Depuis l'adoption d'Amazon, la Page | 16Chapitre 2: Les systmes de recommandation (SR) technologie de recommandation, souvent basée sur le filtrage collaboratif, a été intégrée dans de nombreux systémes de commerce électronique et en ligne [Ekstrand et al., 2010]. Une motivation importante pour ce faire est d'augmenter le volume des ventes - les clients peuvent acheter un item si elle est suggérée & eux, mais ne pourrait pas chercher ailleurs [Ekstrand et al., 2010]. La botte a outils des techniques de recommandation a également progressé au-dela du filtrage collaboratif pour inclure des approches fondées sur la récupération d'informations, Vinférence bayésienne et des méthodes de raisonnement fondées sur des cas [Smyth, 2007]. Ces méthodes considérent le contenu ou les attributs réels des éléments & recommander au lieu ou en plus des modéles d'évaluation des utilisateurs [Ekstrand et al., 2010]. Les systmes de recommandation hybrides ont également émergé au fur et & mesure que plusieurs stratégies de recommandation se sont développées. Cependant, le filtrage collaboratif est demeuré une approche efficace, & la fois isolée et hybridée avec les approches basées sur le contenu [Burke, 2002 ; Ekstrand et al., 2010}. Pour tous les systémes de recommandation développés jusqu’au nos jours, la collecte de données relatives aux utilisateurs e¥/ou aux items, représente une phase clé dans le processus de personalisation [Flchiali & Hadjila, 2015] 3. Définition des systémes de recommandation (SR): 3.1. Définition général : Les systémes de recommandation sont des outils logiciels et des techniques qui foumnissent des suggestions & un utilisateur dans différents processus de prise de décision [Anandakuma et al., 2014]. Par exemple : dans un contexte de commerce électronique, ceux-ci peuvent étre les éléments a acheter ; dans un contexte de bibliotheque numérique, ils pourraient étre des textes ou d'autres médias pertinents pour V'intérét de l'utilisateur (Burke, 2007] 32. Un systéme recommandation VS un systéme de recherche d’information : Un systéme de recommandation peut étre distingué d'un systéme de recherche d'information par la sémantique de son interaction avec l'utilisateur, Le tableau suivant détaille les différences [Burke, 2007] : formation Un systéme de recommandation Un systéme de recherche d Y Le résultat d'un systéme recommandation est une recommandation, une option digne de considération. Y Un résultat d'un systtme de recherche dinformation est Interprété comme une correspondance 4 la requéte de Yutitisateur. ¥ Un systtme de —_recommandation personnalise ses réponses & un utilisateur particulier. Y Un systéme de recherche d’information tout simplement réponds & des requétes. Tableau 2, + La différence entre un systéme de recommandation et un systéme de recherche a information. Page | 17Chapitre 2: Les systemes de recommandation (SR) 4, Pourquoi les systémes de recommandation : Un grand nombre de systemes de recommandation existent dans divers domaines, leur objectif est de fournir & un utilisateur des ressources pertinentes en fonction de ses préférences [Béchet, 2011; Elchiali & Hadjila, 2015}. Ce demier voit ainsi réduit son temps de recherche mais recoit “également des suggestions de la part des systémes auxquelles il n’aurait pas spontanément prétées attention [Béchet, 2011]. L’essor du Web et sa popularité ont notamment contribué a la mise en place de tels systémes [Béchet, 2011]. Le but des systémes de recommandations est de prédire l'affinité entre un utilisateur et un article, ainsi que sur un ensemble d'informations déja acquises sur cet utilisateur et sur d’autre, ainsi que sur cet article et sur autres [Poirier et al., 2010].Les systémes de recommandation ont pour objectif’ dorienter les utilisateurs d'une maniére personnalisée vers des objets intéressants issus d'un t-Clémente, 2011]. large espace d'options possibles [ 5. Principe générale de fonctionnement : Lors de la construction du protil de l'utilisateur, une distinction est faite entre les formes explicites et implicites de collecte de données [Aduiavicius et al,, 2013]: + Exemples de collecte explicite de données : Y Demander a 'utilisateur de classer une collection dobjets en fonction de sa préférence, Y Présenter deux objets 4 un utilisateur et lui demander de choisir le meilleur, Demander & un utilisateur de créer une liste d'articles qui lintéressent. + Exemples de collecte implicite de données : Y Llobservation des objets que l'utilisateur a vus sur la boutique en ligne, Y Analyse de la fréquence de consultation d'un article par un utilisateur : * Garder une trace des éléments que Iutilisateur achéte en ligne, © Obtenir une liste d'éléments que Tutilisateur a écoutés ou regardés, © Analyse du réseau social de Tutilisateur et la découverte de ses gots et versions. Le systtme compare ensuite les données recueillies sur l'utilisateur A celles déja existantes (autres utilisateurs) et propose des suggestions sur les sujets des nouveaus items ob prévoit utilité « vote / évaluation » d’un item spécifique non consulté par un utilisateur actif particulier [Adomavicius et a., 2013) 6. Types de systéme de recommandation : Pour avoir un premier apergu des différents types de systémes de recommandation, nous pouvons citer une taxonomie fournie dans qui est devenue une référence pour distinguer ces systémes [Burke, 2007]. Trois approches principales sont définies, celle basée sur le contenu et celle basée sur le filtrage collaboratif, et la demigre combine les deux [Picot-Clémente, 2011). Page | 18Chapitre 2: Les systémes de recommandation (SR) 6.1. Recommandation basée sur le contenu : La recommandation basée sur le contenu génére des recommandations & partir de deux sources: les caractéristiques associes aux items et les notes qu'un utilisateur leur a données [Burke, 2007]. Les techniques basés sur le contenu calculent La similarité des items en se basant sur les caractéristiques associées aux items comparés [Picot-Clémente, 2011). Par exemple, si Iutilisateur a noté positivement un film qui appartient au genre « comédie », alors le systéme peut fournir des recommandations de films de ce genre [Picot-Clémente, 201 1] Figure 2.1 : Recommandation basé sur le contenu (Elchiali & Hadjila, 2015}. 6.1.1. Avantages de la recommandation basée sur le contenu: Les avantages des systémes basées sur le contenu sont [Elchiali & Hadjila, 2015 ; Béchet, 2011] * Lrutilisateur est indépendant des autres ce qui lui permet d’avoi recommandations méme s'il est le scul utilisateur du systéme. = Le caractére dynamique de ces systémes: ce systéme utilise également les informations de retour fournis par Putilisateur (feedback) pour mettre a jour son profil. Ce dernier permet d’améliorer la qualité des recommandations au cours du temps. des 6.1.2. Inconvénlents : Les Inconvénients des systémes bases sur le contenu sont [Elchiali & Hadjila, 2015 ; Bechet, 2011] : = Filtrage basé sur le critére thématique uniquement, absence d'autres facteurs comme la qualité scientifique, le public visé, I’intérét porté par lutilisateur, ete. = Les difficultés & recommander des documents multimédia (images, vidéos, etc.) et ceci a cause de la difficulté d’indexer ce type de documents, c’est en fait la méme problématique dont souffrent les systémes de recherche d'information. * Un utilisateur qui n’aura jamais utilisé le systtme ne pourra se voir proposer des recommandations pertinentes. Le syst#me manquera en effet d’informations. Page | 19Chapitre 2: Les systemes de recommandation (SR) 6.2, Recommandation basée sur le filtrage collaboratif : L'idée principale de cette approche est de recommander & un utilisateur actif les items que autres utilisateurs, avec des goiits similaires, ont aimés dans le passé [Picot-Clémente, 2011]. Ces gotts, traduites en valeurs numériques, peuvent éire des notes, des comptes Cachats effectués, des nombres de visites, ete [Elchiali & Hadjila, 2015]. La similarité de goiit entre deux utilisateurs est calculée en se basant sur la similarité de leur historique de notation [Picot-Clémente, 2011]. C'est la raison pour laquelle se référe au filtrage collaboratif| par lexpression « corrélation de personne & personne » [Picot-Clémente, 2011]. & -& Usagers " 7 ‘ - ‘de recommandation Figure 2.2 : Recommandation hasé sur le fltrage collahoratif [Fle & Hagin, 2015) Le filtrage collaboratif utilise une matrice dont les lignes correspondent aux items et les colonnes aux utilisateurs. Chaque cellule de la matrice correspond alors & une note fournie par utilisateur & un item correspondante. Lobjectf est alors de prédire les notes qui ne sont pas fourni par les utilisateurs, et par la suite recommander les items ayant les meilleures notes. ; o .|8|O/@/O |? (Ole ls Ole! 2 [0] @]? [BO Tableaux 2.2 : Exemple de recommandation basé sur le fltrage collaboratif. Page | 20,Chapitre 2: Les systémes de recommandation (SR) 6.2.1. Avantages de filtrage collaboratif: Parmi les avantages du filtrage collaboratif nous citons [Bachet, 2011 ; Elchiali & Hadjila, 2015]: * Exploiter les évaluations des utilisateurs pour certains documents, afin de recommander ces mémes documents & d’autres utilisateurs. = Les jugements de valeur des utilisateurs intégrent non seulement Ia dimension thématique mais aussi d'autres facteurs relatifs & In qualité des items tels que la diversité, la nouveauté, Padéquation du public visé, ete. = Plus le nombre d’utilisateurs est grand plus la recommandation est meilleure. 6.2.2, Inconvénients : Ils existent un certains nombres d’inconvénients du systéme de filtrage collaboratif tels que [Elchiali & Hadjila, 2015 ; Bechet, 2011 * Le démarrage a froid : Le démarrage a froid est un phénoméne produit lorsqu’un nouvel utilisateur commence a utiliser le systéme, car le systéme manque des données pour procéder 4 un filtrage personnalisé de bonne qualité, = Le probléme de « Sparsity »: Dans le cas ou il y a plusieurs items qui ont été utilises et évalués par tres peu dutilisateurs, ces items seraient recommandés trés rarement, ‘méme si ces utilisateurs ont donné des notes trés hautes pour ces items. = De la méme fagon, si dans le systéme il existe des utilisateurs qui ont des goiits trés différents en comparaison avec les autres, le systéme ne peut pas trouver des similarités entre utilisateurs et done ne peut pas donner des bonnes recommandations. 6.3. Recommandation hybride: La recommandation hybride est définie comme étant une combinaison des approches de recommandation (Burke, 2002]. Ces demiéres sont actuellement les plus représentées dans la littérature, notamment & cause du fait quelles soient jugées comme étant les plus efficaces [Schein et al., 2002]. Un sysiéme hybride est généralement organisé en deux phases [Béchet, 2011): © Effectuer de maniére indépendante un filtrage des items via deux méthodes de recommandation ou plus exemple : collaboratif et par contenu (ou autre). * Combiner ces ensembles de recommandations via des méthodes d’hybridations telles que des pondérations, commutations, cascade, etc, On peut distinguer un certain nombre de méthode pour combiner les résultats de recommandation préliminaires des techniques de recommandations [Burke, 2002]: > Pondération : La pondération consiste A combiner les résultats pondérés de plusieurs approches de recommandations et dutiliser un systéme de vote pour Ia prédiction finale des recommandations. > Commutation : En se basant sur plusieurs critéres, la technique de commutation permet de faire le choix d’un modéle de recommandation parmi plusieurs. > Technique mixte : En prenant en considération les estimations des utilisateurs et la description des items, cette méthode peut augmenter description des ensembles des Page | 21,Chapitre 2: Les systémes de recommandation (SR) données, dans cette approche, le recommandeur ne combine pas, mais le résultat de plusieurs techniques est présenté en méme temps. > Combinaison de caractéristiques : Dans cette méthode plusieurs techniques de recommandations sont fusionnées, pour produire une nouvelle approche de recommandation, > Cascade: Dans cette méthode, le processus de recommandation se fait étape par étape, un systéme de recommandation fournis des résultats qui est seront raffinés par ‘un autre systéme de recommandation, 7. Les systémes de recommandation en E-learning : 7.1. Définition de SR en e-learning : Les systémes de recommandation sont des agents logiciels d'information personnalisés qui fournissent des suggestions pour les items susceptibles diétre utiles a un utilisateur [Burke, 2007}. Dans le contexte d'apprentissage en ligne, un systéme de recommandation est un agent logiciel qui recommande des resources d'approntisoage utiloa ot intéroasant pour un apprenant par les évaluations comptables, les préférences et l'expertise des autres apprenants [Anandakuma et al., 2014]. 7.2. Objet et description : L'apprentissage personnalisé se produit lorsque les systémes de e-learning ont une conception selon des expériences pédagogiques qui répondent aux besoins, des buts, des talents et des intéréts de leurs apprenants [KlaSnja-Mili’cevic et al, 2015]. Généralement, la personalisation dans les systémes dapprentissage en ligne concerne: l'interaction adaptative, la prestation de cours adaptative, Ia découverte et l'assemblage de contenu et le support de collaboration adaptative [Koutheait-Khribi, 2009]. Récemment, les systémes de recommandation ont fait objet de recherches approfondies et de donnée des suggestions pour des articles pour étre utile & un utilisateur [Bourkoukou et al., 2016 & Kla8nja-Mili’cevic et al., 2015]. Malheureusement, les algorithmes utilisés dans les systmes de recommandation ordinaire ne sont pas directement transférables dans le domaine d'E-learning a cause de Ia différence du contenu d'apprentissage par rapport aux autres items [Kla&nja- Mili‘cevic et al., 2015]. Les systémes de recommandation (RS) couvrent un domaine important dans les services collaboratif’s développés dans les environnements d'apprentissage cen introduisant de nouveaux défis par rapport aux applications standard [Bobadilla et al., 2009 ; KlaSnja-Mili‘cevic et al., 2015]. La principale différence est que chaque apprenant utilise ses propres outils, méthodes, chemins, collaborations et processus d’apprentissage [Klasnja-Mili‘cevic et al., 2015]. 8. Techniques de recommandation en E-learning : Les Systéme E-leaming utilise différentes techniques de recommandation afin de proposer des activités d'apprentissage en ligne pour les apprenants, selon les préférences, les connaissances et Thistorique de navigation dautres apprenants ayant des caractéristiques semblables [Klasnja-Mili‘cevic et al., 2015}, Page | 22