La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Daouda Sawadogo 3 ème année de doctorat 19-20 et 21 Nov. 2014 Encadrants : Ronan Champagnat & Pascal Estraillier Laboratoire : L3i S2IM - Séminaire Thématique.

Présentations similaires


Présentation au sujet: "Daouda Sawadogo 3 ème année de doctorat 19-20 et 21 Nov. 2014 Encadrants : Ronan Champagnat & Pascal Estraillier Laboratoire : L3i S2IM - Séminaire Thématique."— Transcription de la présentation:

1 Daouda Sawadogo 3 ème année de doctorat 19-20 et 21 Nov. 2014 Encadrants : Ronan Champagnat & Pascal Estraillier Laboratoire : L3i S2IM - Séminaire Thématique Automne 2014 Gestion Consolidée de Ressources Numériques – Architectures Logicielles et Mécanismes 1

2 Plan ① Contexte et Motivation ② Problématiques ③ Nos Travaux ① Utilisateur & Ressource Numérique(RN) ② Pertinence et adaptabilité des RN ④ Expérimentations & Résultats ⑤ Futures travaux 19-20 et 21 Nov. 20142

3 Laboratoire L3i : Notre équipe  Conception de système de gestion consolidée de ressources numériques  Architecture de système adaptatif 19-20 et 21 Nov. 2014 L3I ASPIC Ressourc e Pertinence Contenu Interaction Système interactif et adaptatif Ressources Adaptative usage Adapter les ressources à l’utilisateur Caractériser les ressources pour l’utilisateur 3

4 Positionnement L3i  POLARIS(Plateforme Ouverte de blended-Learning Adaptative inteRactIve et Scénarisée)  Démo : http://l3i-education.univ-lr.fr/ 19-20 et 21 Nov. 2014 L3I ASPIC Structuration Cohérence Pilotage Décisio n Scénarisatio n Médiation Ressourc e Sémantiqu e Daouda Sawadogo (2012) Soraya Chachoua (2013) Guylain Delmas (2005-08) Dang Kim Dung (2009-13) Nicolas Rempulski (2008-13) Pham Phuong Thao (2009-13) Hoang Nam Ho (2012) Fabrice Trillaud (2009-13) François Picard (2006-11) Contextualisation Cyrille Suire (2014) 4

5 Motivation  POLARIS(Plateforme Ouverte de blended-Learning Adaptative inteRactIve et Scénarisée)  Demo : http://l3i-education.univ-lr.fr/http://l3i-education.univ-lr.fr/ 19-20 et 21 Nov. 2014 [G. Delmas (2008) and D.K. Dung(2013): Scenarisation F. Picard (2011): Pilotage N. Remplusik (2013) : Structuration F. Trillaud (2013) : Mediation P.P. Thao (2013): Consistency ] 5

6 Motivation 19-20 et 21 Nov. 2014  Select the best resource for the right user  Propose the best resource for the right situation (activity)  Have right use of any adaptive resource 6

7 Contexte, Objectifs & Problématiques 19-20 et 21 Nov. 20147

8 Contexte, Objectifs & Problématiques  Proposer des modèles d’architectures logicielles pour la gestion de ressources numériques (RN)  Proposer des approches méthodologiques et algorithmes pour caractériser la pertinence d’une RN  Proposer des mécanismes et algorithmes pour l’exécution adaptative d’une RN 19-20 et 21 Nov. 20148

9 Contexte, Objectifs & Problématiques  Proposer la bonne ressource numérique au bon utilisateur  Proposer la bonne ressource numérique pour la bonne situation 19-20 et 21 Nov. 20149

10 Donnée Vs Ressource Numérique : Concepts 19-20 et 21 Nov. 201410

11 Gestion Consolidée - Ressources Numériques 19-20 et 21 Nov. 2014 Profil Ressource Profil Utilisateur Profil Processus Application Interactive Pertinence Cohérence 2 3 4 1 Create Us e Evaluate Share 11

12 Expérimentations 19-20 et 21 Nov. 201412  Utilisateur – Représentation de l’utilisateur – IMS-LIP extension  Ressource Numérique – Représentation des RN – LOM Profil d’application  Contexte – Scénario à base de Situation – IMS-LD

13 Profil Utilisateur & Pertinence 19-20 et 21 Nov. 2014  Profil :  Informations Statiques (Nom, prénom, âge, nom, style d’apprentissage…)  Informations Dynamiques (Objectif, intention, intérêts, expertise…)  Pertinence  Avant : Librairie de ressources numériques (critères généraux)  Pendant : Calcul en temps de réel – Sélection adaptative  Après : Recommandation 13

14 Pertinence des Ressources Numériques 19-20 et 21 Nov. 2014  Travaux existants :  Machine Learning [Wetzler P. et al., 2013], [Cristian C. et al., 2011]  Data provenance [Peter B. et al., 2010]  Eléments manquants: Usage du profil pour déterminer la pertinence  Approche : Mesure de distance entre le profil et la ressource  Approche MRPE (Multi-criteria Rating-based Preference elicitation) : Choix et Evaluation des critères  Approche TF-IDF : calcul de la pertinence Profile (JSON OBJECT) Terme : Weight() -Domaine.: w(D) -Language : w(L) -Keyword 1 : w(M1) -Keyword 2 : w(M2) -Keyword 3: w(M3) -Intention : w(I) Resource (JSON OBJECT) Terme : Weight() -Title : w(T) -Domaine R. : w(D) -Language : w(L) -Keyword 1 : w(K1) -Keyword 2 : w(K2) -Keyword 3: w(K3) -Date : w(DP) -Source : w(S) -Objective : w(I) Situation (JSON OBJECT) Terme : Weight() -Title : w(T) -Domaine R. : w(D) -Language : w(L) -Pre-condition: w(P1) -Post-Condition 2 : w(P2) -Objectif : w(I) 14

15 Expérimentations 19-20 et 21 Nov. 2014  Etude de cas: PRISE (PeRsonal Interactive research Smart Environment)  Gestion de ressource dans le domaine de la recherche scientifique  Assistant (Calcul pertinence et cohérence, Adaptabilité des RN) Digital Resource Profile Situation TF-IDF() Trace-based system and TF-IDF() ponderation 15

16 Expérimentations 19-20 et 21 Nov. 201416 [Lucene in action, 2010]

17 Expérimentations 19-20 et 21 Nov. 2014  Etude de cas: PRISE (PeRsonal Interactive research Smart Environment)  Gestion de ressource dans le domaine de la recherche scientifique  Assistant (Calcul pertinence et cohérence, Adaptabilité des RN) 17

18 Architecture 19-20 et 21 Nov. 2014  Proposition de méthodes pour évaluer la pertinence d’une ressource numérique en temps réel  Proposition d’une architecture logiciel pour la gestion des RN 18

19 Profil Utilisateur & Ressource Adaptative 19-20 et 21 Nov. 2014 Differentiated Learning describes the case where there are different pathways that students can take within a learning environment, typically organized as pre-set categories. Personalized Learning describes the case where there is a different pathway for each individual student, often implemented in a rules-based method with a decision tree. Students might take a diagnostic test on the first day that will be fed into a rules engine to lay out that individual’s path and content. Adaptive Learning is data-driven and continually takes data from students and adapts their learning pathway to “change and improve over time for each student”. http://mfeldstein.com/differentiated-personalized-adaptive-learning-clarity-educause/ [Jess Nepom – Knewton, 2013] The user model is a representation of information about an individual user that is essential for an adaptive system to provide the adaptation effect. i.e. to behave differently for different users [P. Brusilovsky, 2007]. 19

20 Expérimentations 19-20 et 21 Nov. 2014 Exemple 1 : Conférence Proceeding User 1 : Paper 5, 7, 9 User 2 : Paper 4 & 8 User 3 : Paper 1, 10, 15, 25 Adapter suivant les mots-clés de l’utilisateur Adapter suivant le niveau de l’utilisateur Eeample 2 : Ebook (EDUPUB) 20

21 Expérimentations 19-20 et 21 Nov. 201421  « the process used to integrate multiple resources into a coherent learning environment has not been well established. Learners and designers are accustomed to using resources for specific purposes. We are not generally accustomed to reusing resources developed for one purpose for other purposes » [R. Doiron and J. Davies, 1998]  Research is needed to demonstrate how resources can be linked to meet varied needs.

22 Bilan Travaux & Contributions 19-20 et 21 Nov. 2014 Profil de la ressource Profil de l’utilisateur Profil de traitement Application interactive Pertinenc e Cohérenc e  Profil IMS-LIP++[Daouda S. et al., 2014] - UMAP-PALE 2014 – Publié  User Interaction [Daouda S. et al., 2014] Revue IJAIED 2014 – En cours  Archit. syst. PRISE[Daouda S. & al., 2014] – UMAPProS 2014 – Publié  Consolidation RN[Daouda S, 2014] – RJC-EIAH - Publié  Resource relevance[Daouda S. et al., 2014] – CSCL - Soumis  Adaptive Resource [Daouda S. et al.] – CoDIT’14 - Publié  Connected digital resource [Daouda S. et al., 2014] – AETIE2014 - Publié 2 3 4 1 22

23 Conclusion et Travaux Futures 19-20 et 21 Nov. 2014  Pertinence des ressources numériques pour ses utilisateurs  Adapter chaque ressource à son utilisateur  Connexion de plusieurs ressources numériques Travaux futurs :  Système de gestion de traces pour améliorer l’expérience des utilisateurs : User Experience (UX)  Construire un moteur d’exécution de ressource numérique adaptative plus autonome et interoperable : Adaptive resource execution environment  Meilleure système de compagnon : User assistance 23

24 Merci pour votre attention 19-20 et 21 Nov. 201424

25 Références 19-20 et 21 Nov. 2014  [J-P Pernin, 2003]  [J. Pinon et al., 1997]  [T. H. Davenport et al., 1997]  [Wetzler P. et al., 2013]  [Cristian C. et al., 2011]  [Peter B. et al., 2007]  [Peter B. et al., 2010]  [M. McCandless, E. Hatcher, and O. Gospodnetic, 2010] 25


Télécharger ppt "Daouda Sawadogo 3 ème année de doctorat 19-20 et 21 Nov. 2014 Encadrants : Ronan Champagnat & Pascal Estraillier Laboratoire : L3i S2IM - Séminaire Thématique."

Présentations similaires


Annonces Google