Génération semi-automatique d'exercices
Pour adapter les activités proposées aux apprenants, une approche est de choisir les activités les plus pertinentes parmi un ensemble prédéfini de ressources ou d’exercices. Afin d’alléger le travail de l’auteur de ces exercices qui doivent alors être produits en grand nombre, nous avons choisi quand cela est possible de favoriser la génération semi- automatique d’exercices.
Nos propositions pour la génération semi-automatique d’exercices s’appuient sur l’approche GEPPETO, élaborée dans le cadre de la thèse de Marie Lefevre. Cette approche est fondée sur deux processus d’acquisition des connaissances : l’un auprès de l’expert pour acquérir des connaissances sur des types d’exercices, ce qui nous a amenées à définir des méta-modèles d’exercices, et l’autre auprès de l’enseignant pour acquérir des connaissances sur des modèles d’exercices, qui permettent le choix ou la génération d’exercices.
Cette approche a été déclinée de manière à pouvoir traiter à la fois des types d’exercices génériques, souvent utilisés pour l’évaluation des compétences de l’apprenant, et des types d’exercices spécifiques, pour lesquels nous nous appuyons sur des EIAH existants que l’on permet à l’enseignant de configurer.
Nous avons conçu dans le cadre de la thèse de Marie Lefevre des générateurs d’exercices pour des types d’exercices que l’on retrouve dans des domaines variés (appariements, textes à trous...). Ces générateurs sont donc indépendants du domaine d’application. L’approche GEPPETO-P développée dans le logiciel Adapte permet ainsi à un enseignant de définir des modèles d’exercices qui sont ensuite utilisés par les générateurs pour construire des exercices constituant une feuille d’exercices.
Les modèles de l’approche GEPPETO-P ont été repris dans le projet CLAIRE afin de créer des générateurs d’exercices interactifs. L’outil auteur ASKER (Authoring tool for aSsessing Knowledge genErating exeRcises) s'appuie sur des méta-modèles d'exercices pour proposer à l'enseignant de créer des modèles d'exercices. Le système s'appuie sur ces modèles d'exercices pour proposer de nombreux exercices aux étudiants, pour qu'ils puissent s'auto-évaluer. ASKER est actuellement utilisé dans l'UE LIF3 (Programmation fonctionnelle et récursive) en première année de licence STS à l'Université Lyon 1.
Les générateurs de l'outil ASKER sont indépendants du domaine. Des connaissances du domaine permettent néanmoins de faciliter la création de modèles d'exercices par l'auteur. Nous travaillons actuellement dans le cadre de la thèse de Bryan Kong Win Chang sur la représentation, l'acquisition et la découverte de ces connaissances.
Pour en savoir plus :
- Cablé, B., Guin, N., & Lefevre, M. (2013). Un outil auteur pour une génération semi- automatique d’exercices d’auto-évaluation. In EIAH 2013 (pp. 155–166). Toulouse, France. pdf
Ces types d’exercices (QCM, textes à trous, appariements, etc.) peuvent être utilisés dans tous les domaines, mais il serait dommage de se limiter à ce type d’activités pédagogiques alors que des EIAH existants peuvent proposer des activités de résolution de problèmes prédéfinies ou inclure des générateurs d’exercices de types plus spécifiques et permettant un apprentissage différent. Dans le but d’offrir à l’auteur une interface unique permettant d’utiliser ces bases d’exercices ou ces générateurs existants, nous avons dans le cadre de la thèse de Marie Lefevre défini l’approche GEPPETO-S, qui permet de piloter le choix ou la génération d’exercices dans des EIAH existants. Cette approche repose sur la définition par un expert d’un modèle des connaissances pédagogiques et techniques pour chacun de ces EIAH.
Pour en savoir plus :
- Sur GEPPETO-S :
Lefevre, M. (2009). Processus unifié pour la personnalisation des activités pédagogiques : méta-modèle, modèles et outils. Université Claude Bernard Lyon 1. - Sur son application à AMBRE-add :
Guin, N., & Lefevre, M. (2013). From a customizable ITS to an adaptive ITS. In AIED 2013 (pp. 141–150). Memphis, USA.