TRACER POUR INTERPRETER Application lapprentissage avec les TICE

TRACER POUR INTERPRETER Application à l’apprentissage avec les TICE Christophe Courtin(Sys. Com Chambéry) Alain Mille(LIRIS, Villeurbanne)

Plan de l’exposé Traces ? Traces et TICE ? n Théorisation n ¨ Architecture de collecte ¨ Modélisation de l’utilisation / approche Musette n Illustrations ¨ Station d’observation ¨ Projets d’intégrations de l’Expérience pour l’Enseignement à Distance ¨ Démonstration d’un atelier Musette n Perspectives de recherche 2

Traces ? n Séquences d’observés ¨ Synchronisation temporelle des observés ¨ Au-delà des observés, le processus n Exemples de traces « brutes » ¨ Fichiers logs ¨ Enregistrements vidéo ¨ Enregistrements audio ¨ Relevés d’observation temporellement situées 3

Tracer les situations d’apprentissage avec les TICE n Environnement TICE ¨ Acteurs TICE (inter-agissant avec les TICE) n n n Apprenants Enseignants (avec différents rôles) Gestionnaires dispositifs d’apprentissage ¨ Environnement informatique (support des inter-actions TICE) n n n Environnement matériel Ressources accessibles / Environnement matériel (+ l’environnement non-TICE ? ) 4

Traces interprétées par qui ? n n n L’apprenant comme acteur et observateur et interprétateur des traces d’utilisation de l’environnement qu’il « agit » = usage réflexif direct L’enseignant/le gestionnaire (avec différents rôles) comme observateur et interprétateur des traces d’utilisation du dispositif dont il est le « concepteur » = usage réflexif indirect Le chercheur comme observateur et interprétateur de traces d’inter-actions en situation d’apprentissage = usage « objectif » / comprendre, expliquer. 5

Boucle de retour d’expérience (immédiate) Facilitateurs d’appropriation / apprentissage 6

Boucle de retour d’expérience (court terme) Facilitateurs de conception TICE 7

Boucle de retour d’expérience (moyen terme) Facilitateurs de gestion TICE 8

Boucle de retour d’expérience (long terme) Facilitateurs de compréhension TICE 9

Théoriser sur le traçage n. Problématiques de collecte n. Modèles de traces Musette 10

Pourquoi collecter ? Déboguage n Rétro-conception n Amélioration de scénarios pédagogiques n Renforcement du contrôle social n Compréhension de l’activité de groupe n Exécution de scénarios n Aide à l’utilisateur n. . . collecter pour observer n 11

Qu’est-ce qui est observé ? n Collecte au sein des outils : ¨ plus ou moins bien réalisée ; ¨ souvent incomplète ; ¨ difficilement extensible ; ¨ incompatible avec ce qui est fait dans les autres outils. 12

Que souhaite-t-on observer ? n Ca dépend où on se place : ¨ ¨ ¨ l’apprenant souhaitera observer sa propre activité d’apprentissage (feedback) et celle du groupe (awareness) l’apprenant souhaitera observer ses progrès et sa propre méthode de travail (pour apprendre à apprendre) ; un enseignant souhaitera observer l’avancement de sa classe, et notamment les difficultés rencontrées pour agir en conséquence (régulation) ; un enseignant-auteur souhaitera savoir si le scénario pédagogique est adapté à la SACI ; un concepteur souhaitera mesurer l’utilisabilité d’un outil ; un chercheur souhaitera expliciter les problématiques associées. 13

Quels sont les observés ? n Selon le niveau d’abstraction : ¨ des réactions de l’interface ou de l’analyseur, la liste des apprenants, leur localisation, etc. ; ¨ des résultats, des messages interprétant une situation ; ¨ la validation d’un exercice et son degré de réussite ; ¨ les progrès occasionnés par la SACI par rapport à un apprentissage traditionnel ; ¨ le taux d’utilisation d’un outil ; ¨ l’expressivité d’un modèle et son implantation in vivo. traces brutes traces évoluées 14

Qu’est-ce qu’une trace brute ? n C’est la représentation d’une (ré)action au sein d’un système informatique : ¨ source ¨ outil ¨ date ¨ description ¨ évènement ¨ utilisateur ¨. . . 15

Modèle de trace * Signal source : chaîne de carac Paramètre valeur : chaîne de Séquence paramètres * * outil : chaîne de carac date : date 1 description : chaîne de c évènement : chaîne de c * * source : chaîne de carac date de début : date de fin : date description : chaîne de c 16

Modèle d’observation 17

Quelles sont les problématiques ? interprétation (analyse) n visualisation (aide à la compréhension) n structuration (normalisation) n granularité (intra/inter outils) n 18

Théoriser sur le traçage n. Problématiques de collecte n. Modèles de traces Musette 19

MUSETTE : les grandes étapes Interaction Utilisateur Système Observé Observation Modèle d’Observation Agent Observateur Génération de Trace Modèle d’Utilisation Agents Facilitateurs Assistants Trace Primitive Analyseur Générique de Trace Réutilisation d’épisodes Signature de Tâche 1 Épisodes Extraction d’épisodes Signature de Tâche 2 Épisodes 20

MUSETTE-Base n « top level ontology » = ensemble de classes à spécialiser en un modèle Observable d’utilisation Observation État n Transition Objet d’intérêt Relation 1 Événement EntitéRelation 2 Contraintes Ordre séquence état/transition ¨ Etat contient entités ¨ Transition contient Evénements ¨ Relations entre objets d’intérêt ¨ 21

Modèle d’utilisation n n Ensemble de types d’entités, de types d’événements et de types de relations Dans la mesure où le langage d’expression le permet ¨ contraintes sur les types (spécialisation, exclusion mutuelle. . . ) ¨ contraintes sur les relations (domaine et co-domaine, transitivité, relations inverses, . . . ) ¨ contraintes sur la disposition des objets d’intérêt dans les observations 22

Modèle d’utilisation exemple Web Observable trait image lien page click bm Objet d’intérêt Événement click lang sauv contraintes Entité trait bm sauv lang image lien page 23

Traces : séquence étatstransitions Observable Observation État fr persistance page 1 lien 2 Transition fr lang 1 bm 1 click 1 page 2 en page 3 état 5 transition 5 état 6 transition 6 état 7 24

Signatures de tâches expliquées et épisodes Le modèle d’utilisation permet d’inscrire l’utilisation dans une trace primitive n La trace contient potentiellement des épisodes d’utilisation re-traçant une expérience utilisable pour l’assistance en contexte n Les épisodes sont repérés dans la trace grâce à des signatures de tâches « expliquées » n 25

Signature de tâches expliquées n Observable Composition Objet d’intérêt ¨ motif d’objets d’intérêt (OI) dans la trace ¨ contraintes sur la position relative des OI dans l’épisode ¨ contraintes sur les attributs des OI ¨ Annotations n Événement click bm lang sauv Entité trait image lien page Explained task signature (EXTASI) 26

Signatures : exemple Signature de tâche : Relever un site intéressant Page lien Page intérieure Click Page Même site bm Page de garde Permet d’atteindre la page intérieure Signature de tâche : Changer la langue Page Trait lang Trait Cette page est préférée dans cette langue 27

Episodes : illustration 1 trait image lien page click bm lang sauv fr page 1 persistance lien 1 lien 2 contraintes Relever un site intéressant : Permet d’atteindre la page intérieure fr lang 1 en bm 1 click 1 page 3 page 2 même site page de garde Permet d’atteindre la page intérieure 28

Episodes : illustration 2 trait image lien page click bm persistance fr page 1 lien 1 lang sauv contraintes Changer la langue : Cette page estpréférée dans cette langue lien 2 click 1 fr lang 1 bm 1 page 2 2 en page 33 Cette page est préférée dans cette langue 29

Illustrations Collecte. . n Utilisation réflexive (PIXED) n Atelier Musette (Démonstration) n 30

Notre modèle d’observation Modèle d’utilisation intra/inter outils séquences en accord avec traces brutes collecteur sources du collecteur appareillage environnement numérique de travail 31

Expérimentation avec une SACI Appareillage de deux outils (coffee-room et wiki) : 1. 2. 3. 4. 5. discussion par binôme (x 1, y 1) et (x 2, y 2) sur deux sujets ; écriture sur chaque sujet par un seul membre (x 1) et (y 1) ; au même moment, discussion sur chaque sujet successivement un par un (x 2) et (y 2) ; synthèse de chaque sujet par les binômes initiaux (x 1, y 1) et (x 2, y 2) ; intervertion des rédacteurs au sein de chaque binôme, donc (x 2) et (y 2) finissent la rédaction. 32

Architecture de la station d’observation Visualiseur “scout” filtres Modèle d’utilisation Analyseur Base de données pour les traces collecteur appareillage Wiki (Zope Python ) appareillage Coffee-room (Java) appareillage Wiki (Zope Python) appareillage Coffee-room (Java) 33

Logs vs. appareillage 34

Structuration de la trace (intra) signal = [source, outil, date, description, event, param. . . ] [wiki, ? t 0, description, edit-page, ? x 1, ? page 1] [wiki, ? t 1, description, save-page, ? x 1, ? page 1] et [wiki, ? t 2, description, edit-page, ? y 1, ? page 1] [wiki, ? t 3, description, save-page, ? y 1, ? page 1] [coffee-room, ? t 0+ t, description, send-msg, ? x 1, ? table 1] [coffee-room, ? t 0+ t’, description, send-msg, ? y 1, ? table 1] 35

Structuration de la trace (inter) sequence = [source, begin_date, end_date, description, sequence(s)/signal(s)] [analyser, ? t 0, ? t 3, description, [wiki, ? t 0, description, edit-page, ? x 1, ? page 1] [wiki, ? t 1, description, save-page, ? x 1, ? page 1] [wiki, ? t 2, description, edit-page, ? y 1, ? page 1] [wiki, ? t 3, description, save-page, ? y 1, ? page 1] [coffee-room, ? t 0+ t, description, send-msg, ? x 1, ? table 1] [coffee-room, ? t 0+ t’, description, send-msg, ? y 1, ? table 1] ] 36

Visualisation source tool date Event param_1 param_2 param_3 Wiki wiki 12005 -06 -15 15: 07: 12 load-page Laure pagesubject 1 Coffee. Room coffee-room 12005 -06 -15 15: 07: 25 join-table Pierre subject 1 Wiki wiki 12005 -06 -15 15: 07: 35 load-page Catherine pagesubject 2 Coffee. Room coffee-room 12005 -06 -15 15: 07: 56 send-mesg Antony subject 1 Aren't you supposed to work with Cathy ? Coffee. Room coffee-room 12005 -06 -15 15: 08: 20 send-mesg Pierre subject 1 Hi Antony, join us for 5' at the other table… Wiki wiki 12005 -06 -15 15: 08: 36 edit-page Catherine pagesubject 2 Wiki wiki 12005 -06 -15 15: 08: 41 edit-page Laure pagesubject 1 Coffee. Room coffee-room 12005 -06 -15 15: 10: 33 send-mesg Antony subject 1 OK, give me just 1' Coffee- coffee-room 12005 -06 -15 send-mesg Pierre subject 1 OK, I'm going 37

Action en cours. . . Généralisation de l’appareillage (API). n Interopérabilité avec diverses sources (logs, keyloggers, agents, appareillage, etc. ). n 38

Illustrations Collecte. . n Utilisation réflexive (PIXED) n Atelier Musette (Démonstration) n 39

Amorçage de la base d’épisodes 42

Traçage des activités… idpreobjqcm. Mod. Appr. Mod. Dom. Chemin not. n. c. a. e. annot. qcm. obj. qcm. Mod. Appr. n n n n n Contexte général Essai(s) Résultat id : identifiant pré : liste d’Activités d’Apprentissages précédant la navigation obj : l’objectif d’apprentissage qcm : questionnaire à choix multiples mod. appr. : modèle d’apprentissage de l’apprenant (réseau notionnel acquis) mod. dom. : connaissances du domaine (réseau notionnel décrit dans le domaine) chemin not. : chemin notionnel proposé n. c. : notion cible a. a. : activité apprentissage annot. : annotation 43

Cycle de réutilisation de l’expérience tracée Distance entre notions Distance simple entre essais Potentiel d’un essai Distance entre traces Potentiel de trace Distance entre épisodes Potentiel d’un épisode Potentiel d’une activité éducative 44

Similarité id pre goa mcq L. ANN pre goa L. ANN D. ANN id pre goa mcq L. ANN cn 1 ea annot. mcq cn 2 ea 1 annot mcq help cn D. ANN cn 2 ea annot mcq help cn 2 ea 2 annot mcq : current notion is x cnx : current notion is x annot eax : educational activity x played mcq : mcq successful / mcq failed : annotation 45

46

DEMONSTRATION ATELIER MUSETTE 48