Mlearning

1. CAMLearn: Une Architecture de Syst` eme de Recommandation S´ emantique Sensible au Contexte. Application au Domaine du M-Learning. Fayrouz Soualah-Alila To cite this version: Fayrouz Soualah-Alila. S´ emantique Sensible au Contexte. Application au Domaine du M-Learning.. Informatique [cs]. Universit´ e de Bourgogne, 2015. Fran¸ cais. <tel-01238233v2> CAMLearn: Une Architecture de Syst` eme de Recommandation HAL Id: tel-01238233 https://hal.archives-ouvertes.fr/tel-01238233v2 Submitted on 14 Jan 2016 HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers. L’archive ouverte pluridisciplinaire HAL, est destin´ ee au d´ epˆ ot et ` a la diffusion de documents scientifiques de niveau recherche, publi´ es ou non, ´ emanant des ´ etablissements d’enseignement et de recherche fran¸ cais ou ´ etrangers, des laboratoires publics ou priv´ es.

2. Thèse de Doctorat école doctorale scienc es pour l’ingénieur et microtechniques U N I V E R S I T É D E B O U R G O G N E CAMLearn*: Une architecture de syst` eme de recommandation s´ emantique sensible au contexte. Application au domaine du m-learning. FAYROUZ SOUALAH ALILA n

4. Thèse de Doctorat é cole do ctora le s c i e n c es p o u r l ’ i ng é n i e u r e t m i c ro te c h n i q u es U N I V E R S I T É D E B O U R G O G N E TH`ESE pr´ esent´ ee par FAYROUZ SOUALAH ALILA pour obtenir le Grade de Docteur de l’Universit´ e de Bourgogne Sp´ ecialit´ e : Informatique CAMLearn*: Une architecture de syst` eme de recommandation s´ emantique sensible au contexte. Application au domaine du m-learning. Soutenue publiquement le 18/03/2015 devant le Jury compos´ e de : M. JACKY AKOKA MME. MYRIAM LAMOLLE M. IOAN ROXIN Rapporteur Rapporteur Examinateur Professeur, CNAM Paris Professeur, IUT Montreuil Professeur, Univ. Franche- Comt´ e Maˆ ıtre de conf´ erences, Univ. Nice Sophia Antipolis Maˆ ıtre de conf´ erences, Univ. Montpellier Professeur, Univ. Bourgogne Maˆ ıtre de conf´ erences, Univ. Bourgogne MME. CATHERINE FARON ZUCKER Examinatrice MME. SANDRA BRINGAY Examinatrice Directeur de th` ese Encadrante de th` ese M. CHRISTOPHE NICOLLE MME. FLORENCE MENDES *CONTEXT-AWARE M-LEARNING

6. REMERCIEMENTS Au terme de ce travail de recherche, je suis convaincue que cette th` ese est loin d’ˆ etre un travail solitaire. Je tiens donc ` a remercier tous ceux qui, de loin ou de pr` es, ont contribu´ e ` a la r´ ealisation de ce projet. En premier lieu, je remercie vivement les membres du jury, qui ont accept´ e d’´ evaluer mon travail. Je remercie les rapporteurs de cette th` ese, Jacky Akoka (professeur associ´ e au CNAM ` a Paris), et Myriam Lamolle (professeur associ´ e ` a l’IUT de Montreuil). Je les re- mercie pour la rapidit´ e avec laquelle ils ont lu mon manuscrit, malgr´ e un emploi du temps sans doute tr` es charg´ e. Je leur suis tr` es reconnaissante pour l’int´ erˆ et qu’ils ont port´ e ` a mes travaux de recherche. Je remercie ´ egalement Ioan Roxin (professeur ` a l’universit´ e de Franche-Comt´ e), Cathe- rine Faron Zucker (maˆ ıtre de conf´ erences ` a l’universit´ e de Nice Sophia Antipolis) et San- dra Bringay (maˆ ıtre de conf´ erences ` a l’universit´ e de Montpellier) d’avoir accept´ e de faire partie de mon jury. Je tiens ` a exprimer mes plus vifs remerciements ` a Christophe Nicolle qui fut pour moi un directeur de th` ese attentif et disponible malgr´ e ses nombreuses charges. Je le remercie pour la confiance qu’il m’a toujours accord´ ee, pour son soutien et ses conseils au cours de l’´ elaboration de cette th` ese. J’ai ´ enorm´ ement appris ` a ses cˆ ot´ es et ces quelques lignes sont peu de choses par rapport ` a tout ce qu’il m’a apport´ e. J’adresse tout ma gratitude ` a Florence Mendes, encadrante de cette th` ese, pour ces encouragements, son aide et son soutien sans faille tout au long de ces ann´ ees de travail. Je la remercie aussi pour toutes nos discussions et ses conseils qui ont ´ et´ e et resteront des moteurs de mon travail de chercheur. J’adresse aussi mes remerciements ` a Erik Gebers qui a particip´ e ` a mon encadrement dans cette th` ese et qui a contribu´ e au bon d´ eroulement de ce travail de recherche. Je lui souhaite d’ailleurs bon courage pour ses projets futurs. Je remercie Florian Orpeli` ere pour sa grande patience et son aide inconditionnelle, et Val´ eriane Eymenier pour sa bonne humeur et son appui. Ces deux ing´ enieurs de l’´ equipe Checksem ont permis de faire avancer ce travail de th` ese. Les travaux pr´ esent´ es dans cette th` ese ont fait l’objet d’une convention CIFRE entre la soci´ et´ e CrossKnowledge et l’´ equipe Checksem. Je tiens ` a avoir une pens´ ee sympathique pour toutes les personnes sans exception, coll` egues et amis de la soci´ et´ e CrossKnowledge, qui savent si bien rendre agr´ eable le v

7. cadre de travail. Je remercie particuli` erement Muriel Richelet pour sa patience et sa gen- tillesse. Une pens´ ee particuli` ere ` a Bruno Larosa qui nous a quitt´ es il y’a un peu plus d’un an pour un monde meilleur. Reposes en paix. Il m’est impossible d’oublier de remercier mes coll` egues de l’´ equipe Checksem pour leur bonne humeur et leur soutien. C’est un plaisir de les cˆ otoyer tous les jours. Je ne vais pas les citer de peur d’en oublier quelqu’un. Merci ` a mes voisins de bureau qui ont du suppor- ter ma pr´ esence. Je remercie particuli` erement le trio Yoan Chabot, Benjamin Harbelot et David Werner. Les pauses caf´ e et les PhD nights vont me manquer. Mes remerciements vont aussi ` a ma famille et mes amis qui, avec cette question r´ ecurrente, ? quand est-ce que tu la soutiens cette th` ese? ?, bien qu’angoissante en p´ eriode fr´ equente de doutes, m’ont permis de ne jamais d´ evier de mon objectif final. Cela va de soi, je remercie avec grande ´ emotion mes sœurs soussou et doudou, mon petit fr` ere rourou, mon oncle migo, pour leur irremplac ¸able soutien, et ma petite M´ elie pour sa bonne humeur permanente. Ils m’ont toujours encourag´ e ` a aller de l’avant dans la vie malgr´ e la difficult´ e d’ˆ etre loin de ses proches. Merci d’avoir ´ et´ e l` a pour ´ ecarter les doutes, soigner les blessures et partager les joies. Un grand remerciement ` a papa pour son soutien et ses encouragements. Ces remerciements seraient incomplets si je n’en adressais pas ` a mon h´ ero¨ ıne : ma maman. Sa pr´ esence et ses encouragements sont pour moi les piliers fondateurs de ce que je suis et de ce que je fais. Cette th` ese elle est pour toi chouchou! Last but not least, je remercie chaleureusement Hadrien Levionnois, pour ses encoura- gements et sa grande patience (je te promets je vais essayer de rˆ aler moins). Tu auras connu tous les moments difficiles mais aussi les petites victoires. Dans chacun de ces moments ton amour sans faille m’aura donn´ e la force d’un g´ eant. J’en oublie certainement encore et je m’en excuse. Encore un grand merci ` a tous pour m’avoir conduit ` a ce jour m´ emorable. vi

8. R´ ESUM´ E En raison de la croissance rapide des technologies de l’information et de la communi- cation, les m´ ethodes d’apprentissage sont en constante ´ evolution. Le e-learning (ou ap- prentissage ´ electronique) a ´ et´ e consid´ er´ e comme la premi` ere application des syst` emes hyperm´ edia adaptatifs. Les syst` emes de recommandation sont bas´ es sur les syst` emes hyperm´ edia adaptatifs d´ evelopp´ es durant la fin des ann´ ees 90. Maintenant, le grand d´ efi des entreprises e-learning est de combler le foss´ e entre le e- learning statique et l’apprentissage mobile (ou m-learning). Parmi les caract´ eristiques du m-learning : la flexibilit´ e, l’accessibilit´ e et l’informalit´ e. La flexibilit´ e est la capacit´ e du syst` eme ` a acc´ eder librement ` a la formation d’apprentissage sans contraintes dans le temps et l’espace. L’accessibilit´ e est la capacit´ e du syst` eme ` a trouver des informations sur la formation d’apprentissage ind´ ependamment de l’organisation initiale de cet appren- tissage. L’informalit´ e est la capacit´ e du syst` eme ` a d´ evelopper un processus d’apprentis- sage non intentionnel qui d´ ecoule des activit´ es de la vie quotidienne, contrairement ` a l’apprentissage pr´ ed´ efini par le formateur. Nos travaux de recherche portent sur le d´ eveloppement d’une architecture pour le m- learning. Nous proposons une approche pour un syst` eme m-learning contextuel et adap- tatif int´ egrant des strat´ egies de recommandation de sc´ enarios de formations sans risque de rupture. Notre approche respecte les caract´ eristiques de flexibilit´ e, d’accessibilit´ e et d’informalit´ e. Ce syst` eme est une extension des travaux effectu´ es sur les syst` emes de recommandation bas´ es sur le contenu. Dans le domaine du e-learning, la plupart des propositions existantes de syst` emes de recommandation sont bas´ ees sur un ensemble de couches qui sont inspir´ ees des ar- chitectures hyperm´ edia adaptatifs. Une architecture form´ ee de trois couches minimum est n´ ecessaire pour la cr´ eation d’un syst` eme hyperm´ edia adaptatif. Ces trois couches sont : le mod` ele de domaine, le mod` ele utilisateur et le mod` ele d’adaptation. Nous avons adapt´ e ces trois mod` eles ` a notre architecture. Nous proposons une architecture d’un syst` eme de recommandation form´ e de deux par- ties : une partie statique repr´ esentant ` a la fois les connaissances sur les contenus d’ap- prentissage et le contexte de l’apprenant; et une partie comportementale contenant les r` egles et les m´ etaheuristiques, qui visent ` a combiner des modules d’apprentissage. Notre syst` eme prend en compte le contexte spatio-temporel de l’apprenant, l’´ evolution du profil de l’apprenant et l’adaptation dynamique des modules durant le processus d’apprentis- sage dans un environnement mobile. vii

10. ABSTRACT Due to the rapid growth of information and communications technology, learning methods are evolving. E-learning (or electronic learning) was considered as the first application of adaptive hypermedia systems. Recommender systems are based on adaptive hyperme- dia systems developed during the end of the 90’s. Now, the great challenge of e-learning companies is to bridge the gap between the static e-learning and the mobile learning (or m-learning). M-learning features are numerous but can be focused on these three mains : flexibility, accessibility and informality. Flexibility is the ability of the system to access freely to learning courses without constraints in time and space. Accessibility is the ability of the system to find any piece of information about learning courses independently from the initial organization of this learning. Informality is the ability of the system to develop a process of learning beyond the original path of learning defined by the teacher. Our research focuses on the development of a new architecture for a m-learning recom- mandation system. We propose an approach incorporating contextual and adaptive stra- tegies and respecting flexibility, accessibility and informality characteristics of m-learning. The proposed systeme is an extension of works on content based recommender sys- tems. In the e-learning domain, most of the existing proposals are based on a set of layers which are closed to adaptive hypermedia architectures. A consensus of proposals des- cribed a basic set of three layers made of a domain model, a user model and an adaptive model. We adapted these three layers to our architecture. We propose a new architecture as an extension of content based recommender sys- tem, made of a static part representing both teachers knowledge and learners profile and context, and a behavioral part containing rules and metaheuristics, which aims at combi- ning learning modules. Our system takes into account learners spatio-temporal context, the evolution of learner’s profile and the dynamic adaptation of modules during the lear- ning process in a mobile environment. ix

12. SOMMAIRE I Introduction 1 Introduction 3 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Approche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Structure du document . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 ´Etat de l’art II 9 1 Mobile Learning 13 Introduction ` a l’apprentissage en situation de mobilit´ e . . . . . . . . . . . . 13 1.1 1.1.1 Du d-learning au m-learning . . . . . . . . . . . . . . . . . . . . . . . 14 1.1.2 Le m-learning dans les entreprises . . . . . . . . . . . . . . . . . . . 18 D´ efinition du m-learning . . . . . . . . . . . . . . . . . . . . . . . . . 21 1.1.3 Caract´ eristiques du m-learning . . . . . . . . . . . . . . . . . . . . . 23 1.1.4 1.2 Plateformes m-learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 Le m-learning, une activit´ e en contexte . . . . . . . . . . . . . . . . . . . . . 29 1.3 1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 Contexte et sensibilit´ e au contexte 2 31 2.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 D´ efinition du contexte . . . . . . . . . . . . . . . . . . . . . . . . . . 32 2.1.1 2.1.2 Dimensions du contexte . . . . . . . . . . . . . . . . . . . . . . . . . 35 2.1.2.1 Dimension spatiale . . . . . . . . . . . . . . . . . . . . . . 36 2.1.2.2 Dimension temporelle . . . . . . . . . . . . . . . . . . . . . 36 2.1.2.3 Dimension utilisateur . . . . . . . . . . . . . . . . . . . . . 37 2.1.2.4 Dimension dispositif . . . . . . . . . . . . . . . . . . . . . . 38 xi

13. SOMMAIRE 2.1.3 Acquisition des informations de contexte . . . . . . . . . . . . . . . . 38 Mod´ elisation du contexte . . . . . . . . . . . . . . . . . . . . . . . . 39 2.1.4 Syst` emes sensibles au contexte . . . . . . . . . . . . . . . . . . . . . . . . 43 2.2 D´ efinition de la sensibilit´ e au contexte . . . . . . . . . . . . . . . . . 43 2.2.1 Architecture g´ en´ erale d’un syst` eme sensible au contexte 2.2.2 . . . . . . 44 Exemples d’architectures de syst` emes sensibles au contexte . . . . 46 2.2.3 2.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 Syst` emes de recommandation 3 57 Introduction aux syst` emes de recommandations . . . . . . . . . . . . . . . 58 3.1 3.2 Approches de recommandation . . . . . . . . . . . . . . . . . . . . . . . . . 60 Recommandations bas´ ees sur le contenu . . . . . . . . . . . . . . . 60 3.2.1 3.2.2 Recommandations par filtrage collaboratif . . . . . . . . . . . . . . . 65 Avantages et inconv´ enients des approches de recommandation 3.2.3 . . 67 3.2.4 Approches hybrides . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 Syst` emes de recommandation sensibles au contexte 3.2.5 . . . . . . . . 70 3.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 Approche s´ emantique et combinatoire pour un syst` eme de recom- III mandation sensible au contexte 73 Autour des objets p´ edagogiques 4 77 Objet p´ edagogique, d´ efinition et caract´ eristiques . . . . . . . . . . . . . . . 78 4.1 D´ efinition d’un objet p´ edagogique 4.1.1 . . . . . . . . . . . . . . . . . . . 78 Caract´ eristiques d’un objet p´ edagogique 4.1.2 . . . . . . . . . . . . . . . 79 Cycle de vie d’un objet p´ edagogique . . . . . . . . . . . . . . . . . . . . . . 80 4.2 Normes pour la description d’un objet p´ edagogique 4.3 . . . . . . . . . . . . . 83 4.3.1 Dublin Core . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 4.3.2 LOM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 4.3.3 IMS-LD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 4.3.4 SCORM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 4.3.5 TIN CAN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 xii

14. SOMMAIRE 4.3.6 LRMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 Que choisir pour notre mod` ele? . . . . . . . . . . . . . . . . . . . . 93 4.3.7 4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 Architecture du syst` eme 5 97 Pr´ esentation g´ en´ erale de l’architecture . . . . . . . . . . . . . . . . . . . . . 98 5.1 Serveur s´ emantique de connaissances 5.2 . . . . . . . . . . . . . . . . . . . . 100 Le Web s´ emantique . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 5.2.1 Mod´ elisation par les ontologies . . . . . . . . . . . . . . . . . . . . . 104 5.2.2 Mod` ele des LO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 5.2.3 Mod` ele de contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 5.2.4 Mod` ele de contraintes . . . . . . . . . . . . . . . . . . . . . . . . . . 120 5.2.5 Mod` ele d’adaptation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124 5.3 5.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 Probl` eme d’optimisation 6 127 D´ efinition du probl` eme d’optimisation combinatoire . . . . . . . . . . . . . . 128 6.1 6.1.1 Formalisation des LO . . . . . . . . . . . . . . . . . . . . . . . . . . 129 Pond´ eration des LO . . . . . . . . . . . . . . . . . . . . . . . . . . . 130 6.1.2 6.1.3 Graphe des LO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132 6.1.4 Pertinence d’une solution . . . . . . . . . . . . . . . . . . . . . . . . 135 Les m´ etaheuristiques 6.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137 Introduction aux m´ etaheuristiques . . . . . . . . . . . . . . . . . . . 137 6.2.1 M´ ethodes m´ etaheuristiques approch´ ees . . . . . . . . . . . . . . . . 138 6.2.2 M´ ethodes constructives . . . . . . . . . . . . . . . . . . . . . . . . . 139 6.2.3 M´ ethodes de recherche locale / ` a solution unique 6.2.4 . . . . . . . . . . 140 6.2.4.1 Le Hill-Climbing . . . . . . . . . . . . . . . . . . . . . . . . 141 Le recuit simul´ e . . . . . . . . . . . . . . . . . . . . . . . . 142 6.2.4.2 La m´ ethode tabou . . . . . . . . . . . . . . . . . . . . . . . 145 6.2.4.3 La recherche ` a voisinage variable . . . . . . . . . . . . . . 146 6.2.4.4 M´ ethodes ´ evolutives / ` a population de solution . . . . . . . . . . . . 147 6.2.5 Les algorithmes g´ en´ etiques 6.2.5.1 . . . . . . . . . . . . . . . . . 149 xiii

15. SOMMAIRE Les algorithmes ` a estimation de distribution . . . . . . . . . 151 6.2.5.2 6.2.5.3 Les algorithmes de colonies de fourmis . . . . . . . . . . . 152 Impl´ ementation des m´ etaheuristiques . . . . . . . . . . . . . . . . . . . . . 154 6.3 6.3.1 Construction d’une solution initiale par un algorithme de type glouton154 Am´ elioration de recherche locale par un algorithme Hill-Climbing . . 156 6.3.2 Am´ elioration de recherche locale par un algorithme de recuit simul´ e 157 6.3.3 Am´ elioration de recherche locale par un algorithme tabou . . . . . . 158 6.3.4 Am´ elioration de recherche locale par un algorithme VNS 6.3.5 . . . . . . 160 R´ esultats exp´ erimentaux 6.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163 Jeux de donn´ ees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163 6.4.1 Param´ etrage des algorithmes et r´ esultats . . . . . . . . . . . . . . . 164 6.4.2 6.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166 IV Conclusion et travaux futurs 169 Conclusion et travaux futurs 171 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 Travaux futurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173 V Annexes 175 A Les hyperm´ edia adaptatifs 177 A.1 Les hyperm´ edia classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 177 A.2 Les hyperm´ edia adaptatifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180 A.2.1 M´ ethode et techniques d’adaptation . . . . . . . . . . . . . . . . . . 180 A.2.2 Architecture des hyperm´ edia adaptatifs . . . . . . . . . . . . . . . . 183 A.3 Avantages et inconv´ enients . . . . . . . . . . . . . . . . . . . . . . . . . . . 190 B La logique de description 191 B.1 Les langages formels et le Web s´ emantique . . . . . . . . . . . . . . . . . . 191 B.1.1 Les bases de connaissances . . . . . . . . . . . . . . . . . . . . . . 192 B.1.2 Les familles de logiques de description . . . . . . . . . . . . . . . . 193 xiv

16. SOMMAIRE B.1.3 Le langage ontologique OWL . . . . . . . . . . . . . . . . . . . . . . 197 B.2 Les raisonneurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200 B.2.1 Inf´ erence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201 B.2.2 Approches de raisonnement . . . . . . . . . . . . . . . . . . . . . . 202 B.2.3 Les raisonneurs pour OWL . . . . . . . . . . . . . . . . . . . . . . . 204 B.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205 ´Etude comparative des triplestores C 207 ´Evolution des mod` eles de donn´ ees . . . . . . . . . . . . . . . . . . . . . . . 208 C.1 C.1.1 Le mod` ele hi´ erarchique . . . . . . . . . . . . . . . . . . . . . . . . . 208 C.1.2 Le mod` ele r´ eseau . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208 C.1.3 Le mod` ele relationnel . . . . . . . . . . . . . . . . . . . . . . . . . . 209 C.1.4 Le mod` ele objet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209 C.1.5 Le mod` ele s´ emantique . . . . . . . . . . . . . . . . . . . . . . . . . 210 C.2 Les solutions triplestores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213 C.2.1 Syntaxes RDF support´ es . . . . . . . . . . . . . . . . . . . . . . . . 213 C.2.2 Langages d’interrogation . . . . . . . . . . . . . . . . . . . . . . . . 215 C.2.3 Inf´ erence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 C.2.4 Langages support´ es pour les clients . . . . . . . . . . . . . . . . . . 217 C.2.5 Licences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217 C.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218 Rapports techniques 219 Publications 221 Bibliographie 236 xv

18. I INTRODUCTION 1

20. INTRODUCTION L’apprentissage constitue aujourd’hui une pr´ eoccupation majeure. Propuls´ ees par les technologies en constante ´ evolution, les th´ eories et les m´ ethodes p´ edagogiques se succ` edent dans l’objectif d’´ elaborer et de mettre en place des outils susceptibles de rendre plus efficaces et pertinents les processus d’apprentissage. La source de l’apprentissage ` a distance est apparu il y a plus de deux cent ans avec l’in- vention de la poste moderne au Royaume-Uni et par cons´ equent l’apparition des cours par correspondance destin´ es aux apprenants qui ´ etaient dans l’impossibilit´ e de s’inscrire dans des ´ etablissements d’enseignement (cause de la distance, maladie, etc.). Sa prin- cipale caract´ eristique est la s´ eparation entre l’enseignant et l’apprenant. L’apprentissage commence alors ` a sortir des salles de cours et ` a entrer dans des environnements moins classiques. Au gr´ e de l’apport des technologies de l’information et de la communication, l’apprentissage ` a distance se d´ ecline en de multiples fac ¸ons d’apprentissage : serious game (application dont l’objectif est de combiner l’aspect s´ erieux de l’apprentissage avec des ressorts ludiques issus des jeux vid´ eo), apprentissage ´ electronique, apprentissage mobile ou encore blended learning (combinaison de l’apprentissage ´ electronique ` a un apprentissage classique pr´ esentiel), sont aujourd’hui de nouvelles m´ ethodes de l’appren- tissage en plein essor. L’´ evolution dans la formation ` a distance peut ˆ etre caract´ eris´ ee comme un passage de l’apprentissage classique pr´ esentiel, ` a l’apprentissage ´ electronique puis aujourd’hui ` a l’apprentissage mobile. Ces trois stades de d´ eveloppement correspondent ` a l’influence de la r´ evolution industrielle dans les pays en d´ eveloppement, sur la soci´ et´ e du 18 ` eme au 19 ` eme si` ecle, la r´ evolution ´ electronique des ann´ ees 1980 et la r´ evolution des technolo- gies mobiles et sans fil des derni` eres ann´ ees du 20 ` eme si` ecle (les t´ el´ ephones portables, les baladeurs num´ eriques, les ordinateurs portables, les assistants personnels, les Net Books et maintenant les tablettes et les Smartphones). Personnel, portable, collaboratif, interactif, adapt´ e au contexte, l’apprentissage mobile a des qualit´ es sp´ ecifiques qui le distinguent de l’apprentissage ` a distance classique. Il pri- vil´ egie l’apprentissage juste ` a temps et une transmission des connaissances qui peut ˆ etre effectu´ ee en tout lieu et ` a tout moment. L’apprentissage mobile peut ˆ etre ainsi d´ efini comme une activit´ e dont le but est de localiser et de d´ elivrer des contenus p´ edagogiques ` a cet apprenant en fonction de son besoin en informations et du contexte dans le- quel il se situe. Jusqu’` a pr´ esent l’environnement d’apprentissage ´ etait soit d´ efini par un cadre p´ edagogique (exemple, l’´ ecole, le formateur, etc.) soit impos´ e par le contenu 3

21. p´ edagogique (l’apprenant devait alors organiser son environnement pour recevoir la for- mation). Dans notre travail, nous cherchons ` a l’inverse ` a adapter le cadre p´ edagogique et le contenu p´ edagogique au contexte dynamique de l’apprenant. Afin d’atteindre cet objectif, il est n´ ecessaire d’adapter les syst` emes d’apprentis- sage ´ electronique actuels avec de nouvelles technologies pour la repr´ esentation, la mod´ elisation, l’indexation des contenus p´ edagogiques dans un contexte de mobilit´ e. CONTEXTE Le travail de recherche ´ elabor´ e dans le cadre de cette th` ese s’inscrit dans un projet de collaboration entre la soci´ et´ e CrossKnowledge1et l’´ equipe Checksem2(Semantic Intel- ligence Research) du laboratoire LE2I3(Laboratoire Electronique, Informatique et Image – Universit´ e de Bourgogne). CrossKnowledge est le leader europ´ een des solutions d’apprentissage ´ electronique et du d´ eveloppement des comp´ etences manag´ eriales sur internet. Fond´ ee en 2000, CrossK- nowledge est une entreprise internationale de plus de 200 salari´ es, pr´ esente dans de nombreux pays d’Europe, d’Asie et d’Am´ erique. CrossKnowledge conc ¸oit, d´ eveloppe et commercialise le catalogue le plus complet du march´ e avec plus de 17 mille forma- tions multilingues en apprentissage ´ electronique abordant l’ensemble des th´ ematiques de leadership, de management et d’accompagnement du changement. Ces contenus sont conc ¸us en partenariat avec des professeurs et des experts d’HEC, ESSEC, HAR- VARD, INSEAD, etc. CrossKnowledge compte plus de 3 million d’apprenants au sein de grandes entreprises internationales de tous secteurs. La recherche dans l’´ equipe Checksem est bas´ ee sur plusieurs ´ el´ ements fondateurs. Les travaux concernent premi` erement l’ing´ enierie d’ontologies, ` a savoir la mod´ elisation, le peuplement, la persistance et l’´ evolution des ontologies. Les travaux au sein de Check- sem concernent aussi l’ing´ enierie de r` egles (r` egles logiques, m´ etaheuristiques). Le der- nier aspect des recherches au sein de l’´ equipe vise la qualification formelle des connais- sances s´ emantiques ainsi que la gestion des profils et contextes utilisateurs lors de l’ex- ploitation des ontologies, tout au long du cycle de vie du syst` eme d’information. Cet ensemble de comp´ etences forme un axe de recherche coh´ erent sur le th` eme de la mod´ elisation s´ emantique et de son exploitation contextuelle par des syst` emes intelli- gents. Ce projet de collaboration a pour objectif la proposition d’une nouvelle architecture pour la conception d’une plateforme d’apprentissage mobile. Cette plateforme doit permettre par le d´ eveloppement d’un syst` eme de recommandation s´ emantique orient´ e m´ etier appliqu´ e au contexte de l’apprentissage mobile, la personnalisation de l’exp´ erience p´ edagogique 1. http ://www.crossknowledge.com/fr FR/elearning/home.html 2. http ://checksem.u-bourgogne.fr/www/ 3. http ://le2i.cnrs.fr/ 4

22. selon les besoins des apprenants (connaissances et comp´ etences ` a acqu´ erir) et les si- tuations d’apprentissage (contexte de mobilit´ e : informel, en entreprise, etc.). L’enjeu derri` ere cet effort d’innovation est d’augmenter l’efficacit´ e de l’apprentissage, que ce soit du point de vue des apprenants, des formateurs ou des organisations financ ¸ant la formation. APPROCHE Pour atteindre les objectifs fix´ es par l’entreprise, nous avons souhait´ e ´ etudier dans un pre- mier temps les syst` emes sensibles au contexte. La sensibilit´ e au contexte est un concept indispensable dans la conception de syst` emes d’apprentissage mobile. L’´ etude des ar- chitectures de ces syst` emes nous a permis de d´ egager les principaux concepts pour la conception d’un syst` eme contextuel. Ces architectures constituent un cadre g´ en´ eral pour la conception, l’acquisition d’informations contextuelles et l’adaptation des contenus aux utilisateurs. L’objectif est de rendre le syst` eme capable de r´ eagir de fac ¸on pertinente aux changements de l’environnement dans lequel se situe l’apprenant. Nous avons ´ etudi´ e dans un second temps les syst` emes hyperm´ edia adaptatifs pour com- prendre comment fonctionnent les m´ ecanismes d’adaptation d’un ensemble de donn´ ees. L’hyperm´ edia adaptatif concerne le d´ eveloppement de syst` eme Web o` u le contenu et la navigation sont dynamiquement adapt´ es en fonction d’un profil utilisateur. Nous avons pu identifier que l’architecture d’un syst` eme hyperm´ edia adaptatif est construite par un em- pilement de couches. Une architecture minimale form´ ee de trois couches peut servir de base ` a tous types de syst` emes hyperm´ edia adaptatifs. Cette architecture est form´ ee d’un mod` ele de domaine, un mod` ele utilisateur et un mod` ele d’adaptation. Le premier mod` ele contient l’ensemble des donn´ ees du syst` eme, le second d´ ecrit le profil de l’utilisateur et le dernier contient les r` egles d’adaptation. Notre recherche nous a permis d’identifier un sous-ensemble des syst` emes hyperm´ edia adaptatifs qui sont les syst` emes de recommandations. Nous avons pr´ esent´ e une ´ etude approfondie de ces syst` emes qui nous a permis d’identifier les principales ca- ract´ eristiques de ces syst` emes et de proposer une classification des principales ap- proches. Ces approches proposent des m´ ecanismes pour recommander un item4` a un utilisateur soit en se basant sur une analyse du contenu des offres ` a recommander, soit en se basant sur une analyse des avis des utilisateurs. Bien que nous ayons pu identifier certains m´ ecanismes utiles pour notre probl` eme, tels que ceux utilisant des ontologies pour d´ efinir la s´ emantique des contenus, aucun projet de recherche identifi´ e ne permet ni de proposer des combinaisons d’items, ni de proposer des m´ ecanismes de recom- mandation bas´ es sur le savoir-faire des experts m´ etiers. Le travail de recherche pr´ esent´ e 4. Item est le terme usuel dans le domaine des syst` emes de recommandation pour parler d’un ´ el´ ement ` a recommander 5

23. dans ce m´ emoire a pour principal objectif de d´ evelopper une architecture g´ en´ erique qui permet la construction d’un syst` eme de recommandation qui r´ epond aux limites de ces syst` emes. Nous avons aussi ´ etudi´ e les standards et normes actuelles de mod´ elisation des contenus d’apprentissage. Un probl` eme d’efficacit´ e se pose aujourd’hui avec le d´ eveloppement des contenus p´ edagogiques ces derni` eres ann´ ees, qui a conduit ` a un important volume d’informations h´ et´ erog` enes et difficilement r´ eutilisables. Les efforts de standardisation qui ont vu le jour suite ` a ce probl` eme, doivent n´ ecessairement ˆ etre pris en compte dans les nouveaux projets du domaine afin d’assurer l’interop´ erabilit´ e, le partage et la r´ eutilisation des contenus. A l’intersection de ces diff´ erents domaines de recherche, ce travail pr´ esente une archi- tecture pour la construction d’un syst` eme de recommandation sensible au contexte d´ edi´ e au domaine de l’apprentissage mobile. Pour r´ epondre au probl` eme de combinaison de contenus p´ edagogiques adapt´ es au contexte, nous avons ´ etudi´ e le domaine de recherche de l’optimisation combinatoire. Ce domaine n´ ecessite de d´ efinir pr´ ecis´ ement le probl` eme d’optimisation qui doit ˆ etre ´ etudi´ e. Nous avons d´ efini le probl` eme d’optimisation d’offres d’apprentissage, puis nous avons ´ etudi´ e les diff´ erentes m´ etaheuristiques qui pouvaient r´ esoudre ce probl` eme. Pour r´ epondre aussi au probl` eme de la mod´ elisation du savoir-faire des experts m´ etiers et au verrou de l’h´ et´ erog´ en´ eit´ e des contenus, nous avons ´ etudi´ e le domaine du Web s´ emantique. L’ontologie est un concept central du Web s´ emantique. Une des d´ efinitions de l’ontologie qui fait autorit´ e dans le domaine est celle de (Gruber, 1993) : une ontologie est une sp´ ecification explicite d’une conceptualisation. Le caract` ere formel d’une ontolo- gie implique que celle-ci doit ˆ etre exploitable par des machines tandis que le caract` ere partag´ e de sa conceptualisation indique que les cr´ eateurs de l’ontologie doivent avoir une mˆ eme vision du domaine repr´ esent´ e. Une ontologie est ainsi vue comme une struc- ture de donn´ ees compos´ ee de concepts, de relations entre ces derni` eres et repr´ esentant les connaissances d’un domaine. Pour r´ esumer, l’utilisation d’une ontologie dans notre syst` eme permet de standardiser le vocabulaire, d’uniformiser le langage d’´ echange entre les diff´ erentes plateformes d’apprentissage et de structurer la connaissance pour simpli- fier l’analyse des contenus p´ edagogiques. Nous avons ainsi ´ etendu les propositions des syst` emes de recommandations utilisant des ontologies en ajoutant des m´ ecanismes de pond´ eration et des r` egles logiques pour r´ epondre aux besoins de l’entreprise en mati` ere de mod´ elisation de son savoir-faire m´ etier. STRUCTURE DU DOCUMENT Ce rapport de th` ese est articul´ e en 6 chapitres : – Le chapitre 1 est un ´ etat de l’art de l’apprentissage mobile. Nous pr´ esentons 6

24. dans ce chapitre l’historique de d´ eveloppement, les classifications et les ca- ract´ eristiques de l’apprentissage. Nous pr´ esentons et comparons aussi des architec- tures repr´ esentatives de l’apprentissage mobile dans lesquelles nous avons cherch´ e des inspirations. Finalement nous d´ ecrivons l’apprentissage mobile comme une acti- vit´ e en contexte. – Dans le chapitre 2 nous pr´ esentons un ´ etat de l’art du contexte et de la sensibilit´ e au contexte. Dans la premi` ere partie du chapitre nous pr´ esentons les diff´ erentes visions de la notion du contexte en essayant d’en faire ressortir les caract´ eristiques que nous regrouperons en dimensions. La combinaison de ces dimensions permet de construire des contextes sp´ ecifiques pour des besoins clairement identifi´ es. Dans la deuxi` eme partie du chapitre nous ´ etudions l’architecture des syst` emes sensibles au contexte en essayant d’en extraire les principales fonctionnalit´ es requises pour prendre en charge ce contexte en apprentissage mobile. – Le chapitre 3 est un ´ etat de l’art de diff´ erentes m´ ethodes et techniques de recomman- dations utilis´ ees pour la r´ esolution de notre projet de recherche. La premi` ere partie de ce chapitre pr´ esente bri` evement le domaine des syst` emes hyperm´ edia adaptatifs (un ´ etat de l’art plus complet sur les syst` emes hyperm´ edia adaptatifs est propos´ e dans l’annexe A). Cette partie met en ´ evidence une architecture suffisante pour la r´ ealisation de syst` emes adaptatifs avec une description des couches principales. Le but des syst` emes hyperm´ edia adaptatifs est de r´ esoudre le probl` eme de surcharge cogni- tive (ou surcharge d’informations) et le probl` eme de perte dans l’hyperespace. Nous d´ ecrivons ces deux probl` emes dans le chapitre. Un sous-domaine des hyperm´ edia adaptatifs, charg´ e de r´ esoudre uniquement le premier probl` eme, est appel´ e syst` emes de recommandation. Dans ces syst` emes, pr´ esent´ es dans la seconde partie de ce cha- pitre, il existe deux principales m´ ethodes de recommandations : la m´ ethode bas´ ee sur le contenu et la m´ ethode par filtrage collaboratif. Nous identifions qu’aucune de ces deux m´ ethodes ne r´ epond ` a notre besoin de combiner plusieurs items selon des crit` eres s´ emantiques et contextuels pour en faire une recommandation ` a l’utilisateur final. – Dans le chapitre 4 nous introduisons la notions d’objets p´ edagogiques. Les res- sources p´ edagogiques sont consid´ er´ ees comme la pierre angulaire de l’appentissage ´ electronique. La qualit´ e des ressources p´ edagogiques d´ etermine la qualit´ e de la for- mation. L’assurance qualit´ e se d´ efinit comme le r´ esultat des dispositions prises par les organismes de normalisation qui visent ` a ´ etablir des r` egles qui faciliteront le par- tage et la r´ eutilisation des objets p´ edagogiques. Nous d´ etaillerons dans ce chapitre le point de vue adopt´ e par les diff´ erents organismes de normalisation et les faiblesses de certaines approches. Cette ´ etude nous permet de nous positionner par rapport aux diff´ erentes normes propos´ es et de choisir celle qui est la plus adapt´ ee pour notre syst` eme. – Le chapitre 5 d´ efinit formellement un nouveau type de syst` eme de recommandation proposant des combinaisons d’objets p´ edagogiques et permettant la prise en compte, 7

25. sous la forme de r` egles m´ etiers du savoir-faire des fournisseurs des contenus. Cette proposition est une extension des syst` emes de recommandation bas´ es sur le contenu utilisant une ontologie associ´ ee ` a des m´ ecanismes de pond´ eration et d’indexation. L’architecture utilis´ ee est issue des syst` emes hyperm´ edia adaptatifs et est compos´ ee de trois couches : le mod` ele des objets p´ edagogiques (qui correspond au mod` ele de domaine dans l’architecture hyperm´ edia), le mod` ele de contexte (qui correspond au mod` ele utilisateur) et le mod` ele d’adaptation. Les deux premiers mod` eles forment un serveur s´ emantique des connaissances. Pour proposer des recommandations sous forme de combinaisons d’objets p´ edagogiques, le mod` ele d’adaptation est d´ ecrit de mani` ere ` a pouvoir utiliser des algorithmes d’optimisation combinatoire adapt´ es au do- maine d’application. – Le chapitre 6 a pour objectif de d´ efinir le probl` eme d’optimisation combinatoire en apprentissage mobile et de proposer des pistes pour la r´ esolution de ce probl` eme. Ce chapitre d´ efinit formellement le probl` eme de combinaison d’objets p´ edagogiques et pr´ esente les concepts n´ ecessaires ` a la r´ esolution des probl` emes d’optimisation. Comme notre probl` eme n’est pas r´ esolvable par des heuristiques classiques en un temps raisonnable, la deuxi` eme partie du chapitre pr´ esente les m´ etaheuristiques les plus connues pour r´ esoudre des probl` emes d’optimisation combinatoire classiques. Fi- nalement, la derni` ere partie du chapitre est d´ edi´ e ` a la description et l’impl´ ementation des algorithmes m´ etaheuristiques utilis´ es pour r´ esoudre notre probl` eme. Quatre al- gorithmes sont test´ es pour la g´ en´ eration de combinaisons : un algorithme de type Hill-Climbing, un algorithme bas´ e sur le recuit simul´ e, un algorithme tabou et un algo- rithme de recherche ` a voisinage variable. Des benchmarks de comparaison des perfor- mances de ces algorithmes sont pr´ esent´ es. Il en ressort que l’algorithme de recherche ` a voisinage variable est sup´ erieur en terme de qualit´ e. – Trois annexes et une bibliographie viennent compl´ eter ce rapport de th` ese. L’annexe A pr´ esente un ´ etat de l’art sur les syst` emes hyperm´ edia adaptatifs, l’annexe B porte sur la logique de description et l’annexe C propose une ´ etude comparative entre diff´ erents triplestores. 8

26. II ´ETAT DE L’ART 9

28. Les dispositifs mobiles offrent aujourd’hui des possibilit´ es de formation que nous ne pou- vons pas avoir couramment avec d’autres outils d’apprentissage. Ils permettent notam- ment d’acc´ eder ` a des contenus n’importe o` u et en tout temps, et de vivre de nouvelles situations d’apprentissage dans diff´ erents lieux (Droui et al., 2014). Cette variabilit´ e du contexte en apprentissage mobile n´ ecessite d’une part, de lever des verrous sur la mod´ elisation du contexte, mais aussi de trouver des solutions pour pr´ eserver les objectifs p´ edagogiques du processus d’apprentissage, malgr´ e les varia- tions du contexte de l’apprenant. Pour r´ epondre ` a ces objectifs, de nombreux travaux de recherche ont ´ et´ e men´ es ses 15 derni` eres ann´ ees. Tout d’abord, dans le domaine de l’apprentissage mobile, o` u l’obtention d’un consen- sus pour une d´ efinition pr´ ecise de l’apprentissage mobile reste difficile. Ensuite, plus sp´ ecifiquement dans le domaine de la mod´ elisation contextuelle, qui n’est pas propre ` a l’apprentissage mobile. La d´ efinition d’un contexte est une tˆ ache difficile, compos´ ee de nombreux param` etres. L’identification de ses param` etres et leur mod´ elisation dans un tout coh´ erent ` a destination de l’apprentissage mobile demande un grand travail de clas- sification. Enfin, dans le domaine des syst` emes hyperm´ edia adaptatifs, qui propose des architectures de recommandation dont le but est de limiter la surcharge cognitive de l’uti- lisateur par une s´ election appropri´ ee d’un item ou d’une combinaison d’items. Notre ´ etat de l’art est ainsi compos´ e de trois grands chapitres d´ edi´ es ` a chacun des do- maines pr´ ecis´ es. Le premier chapitre est un ´ etat de l’art de l’apprentissage mobile. Ce chapitre pr´ esente une br` eve description de l’´ evolution de l’apprentissage mobile ainsi que les nombreuses d´ efinitions associ´ ees. L’apprentissage mobile caract´ erise tout type d’apprentissage qui se produit lorsque l’apprenant n’est pas ` a un endroit fixe, pr´ ed´ etermin´ e, et lorsque ce dernier utilise des technologies de l’information et de la com- munication mobiles pour se former (O’Malley et al., 2005). Certaines approches consid` erent que l’apprentissage mobile est simplement une exten- sion de l’apprentissage ´ electronique. Toutefois, nous verrons que les besoins et les at- tentes des apprenants dans une situation de mobilit´ e diff` erent de ceux des apprenants dans un contexte d’enseignement ´ electronique. Afin de mieux adapter l’apprentissage aux besoins des apprenants en mobilit´ e, ce cha- pitre pr´ esentera une ´ etude des caract´ eristiques des environnements mobiles et du com- portement des syst` emes d’apprentissage dans ces environnements. La mobilit´ e est tra- duite par les notions de contexte d’apprentissage et de sensibilit´ e au contexte. Le second chapitre se concentre naturellement sur la notion de contexte et la notion de sensibilit´ e au contexte. Nous avons en tant qu’humains une compr´ ehension intuitive du contexte. Nous r´ eagissons diff´ eremment en fonction d’´ el´ ements tels que l’heure, la localisation, la m´ et´ eo, le niveau de bruit, etc. Ainsi, en fonction des informations rec ¸ues nous adaptons notre comportement aux conditions externes. Il en est de mˆ eme pour les nouveaux syst` emes 11

29. informatiques. Dans les deux derni` eres d´ ecennies, l’´ evolution de l’informatique mobile, a donn´ e lieu ` a de nombreux travaux sur la notion de contexte. En apprentissage mobile le but est d’am´ eliorer l’efficacit´ e de l’exp´ erience d’apprentissage, en recommandant les contenus appropri´ es au contexte actuel de l’apprenant et aux changements de l’environnement. Vu la complexit´ e du contexte et les diff´ erentes informations contextuelles qui pourraient influencer les syst` emes mobiles, il est n´ ecessaire de classifier les diff´ erents types de contexte et les fac ¸ons de r´ eagir au contexte. La sensibilit´ e au contexte est un concept indispensable dans la conception d’un syst` eme d’apprentissage mobile. L’objectif est de rendre le syst` eme capable de r´ eagir de fac ¸on pertinente aux changements de l’environ- nement de l’apprenant. On en arrive ainsi ` a l’adaptation ou encore la recommandation de contenus d’apprentissage dans un contexte mobile. Le troisi` eme chapitre de l’´ etat de l’art est une ´ etude des syst` emes hyperm´ edia adaptatifs, dont l’utilisation est r´ epandue dans le domaine de l’apprentissage ´ electronique. De nombreuses architectures sont propos´ ees pour construire de tels syst` emes. Elles sont toutes construites ` a partir d’une architecture pivot, n´ ecessaire et suffisante pour la r´ ealisation d’un syst` eme adaptatif (Picot-Cl´ emente, 2011); cette architecture est articul´ ee en trois couches : une couche qui repr´ esente (1) l’utilisateur et le contexte, (2) une couche qui repr´ esente le domaine et (3) une couche qui repr´ esente les m´ ecanismes d’adapta- tion. Le but des syst` emes hyperm´ edia adaptatifs est de r´ esoudre deux probl` emes : le probl` eme de perte dans l’hyperespace (perte de rep` eres au sein de la structure du r´ eseau hypertexte) et le probl` eme de surcharge cognitive (surcharge par l’abondance d’informa- tions et par l’exc` es de tˆ aches ` a r´ ealiser). Dans un environnement d’apprentissage mobile, l’objectif est de proposer ` a l’apprenant des contenus adapt´ es, sans que ce dernier se perde dans la multitude de propositions. Une sous-classe des syst` emes hyperm´ edia adaptatifs charg´ es de r´ esoudre le probl` eme de surcharge cognitive est appel´ ee syst` emes de recommandation. La seconde partie de ce chapitre pr´ esente les diff´ erentes cat´ egories de syst` emes de recommandation et surtout leurs limites par rapport aux objectifs de recommandation d’un syst` eme d’ap- prentissage en mobilit´ e. 12

30. 1 MOBILE LEARNING L’objectif des travaux en mobile learning est de construire un environnement d’apprentis- sage o` u les activit´ es doivent s’adapter ` a la situation de mobilit´ e de l’apprenant ` a l’aide des nouvelles technologies num´ eriques. Ce chapitre pr´ esente un ´ etat de l’art de l’apprentissage en situation de mobilit´ e (appren- tissage mobile ou mobile learning ou m-learning) articul´ e en trois parties. La premi` ere partie pr´ esente un bref historique de l’´ evolution de l’apprentissage ´ electronique vers l’ap- prentissage mobile ainsi qu’une ´ etude des d´ efinitions de l’apprentissage mobile et de ses caract´ eristiques. La seconde partie est une analyse des diff´ erentes strat´ egies et pla- teformes d´ evelopp´ ees dans le cadre de l’apprentissage mobile. La troisi` eme partie se focalise sur l’impact du contexte sur l’apprentissage mobile. Sommaire Introduction ` a l’apprentissage en situation de mobilit´ e . . . . . . . . 1.1.1 Du d-learning au m-learning . . . . . . . . . . . . . . . . . . . . . 1.1.2 Le m-learning dans les entreprises . . . . . . . . . . . . . . . . . 1.1.3 D´ efinition du m-learning . . . . . . . . . . . . . . . . . . . . . . . 1.1.4 Caract´ eristiques du m-learning . . . . . . . . . . . . . . . . . . . Plateformes m-learning . . . . . . . . . . . . . . . . . . . . . . . . . . Le m-learning, une activit´ e en contexte . . . . . . . . . . . . . . . . . Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 13 14 18 21 23 26 29 30 1.2 1.3 1.4 INTRODUCTION ` A L’APPRENTISSAGE EN SITUATION DE MOBI- LIT´ E 1.1/ Avec le d´ eveloppement du tout connect´ e, l’acc` es ` a la connaissance et sa transmission se sont d´ emultipli´ es de fac ¸on exponentielle ces 30 derni` eres ann´ ees. Propuls´ ees par les nouvelles technologies, les th´ eories et les m´ ethodes se succ` edent pour ´ elaborer et mettre en place des outils susceptibles de rendre plus efficaces et pertinents les processus 13

31. 1.1. INTRODUCTION`A L’APPRENTISSAGE EN SITUATION DE MOBILIT´E d’apprentissage. N´ eanmoins, efficaces et pertinents signifient aussi en ad´ equation avec leur ´ epoque et en prise avec les soci´ et´ es qu’ils doivent instruire (Li´ enard, 2010). Dans la suite, nous pr´ esenterons tout d’abord, un r´ esum´ e de l’´ evolution de la transmis- sion du savoir dans le domaine de l’apprentissage ` a distance. Ensuite, nous focaliserons notre ´ etude sur l’usage du e-learning au sein des entreprises. L’apprentissage dans un environnement professionnel est un enjeu strat´ egique pour l’´ economie des entreprises. C’est dans cet environnement que de nombreuses ´ etudes et avanc´ ees ont ´ et´ e r´ ealis´ ees pour proposer des solutions d’apprentissage mobile, chacune des solutions avec ses propres objectifs et sa propre vision de l’apprentissage mobile. Enfin nous profiterons de cette h´ et´ erog´ en´ eit´ e pour identifier la principale contrainte qui peut diff´ erencier l’appren- tissage ´ electronique classique (e-learning) de l’apprentissage en situation de mobilit´ e (m-learning) : l’impact du contexte de l’apprenant en situation d’apprentissage. 1.1.1/ DU D-LEARNING AU M-LEARNING Historiquement, l’apprentissage ` a distance, ou d-learning, est apparu apr` es l’apprentis- sage classique il y a plus de deux cent ans. L’apprentissage ` a distance, est?l’utilisation de techniques p´ edagogiques, de ressources et de moyens de communication sp´ ecifiques qui facilitent l’apprentissage, impliquant des apprenants et des formateurs s´ epar´ es dans le temps et dans l’espace?1. Les premi` eres formations ` a distance ont vu le jour ` a l’Uni- versit´ e de Londres, au 19 ` eme si` ecle, avec des cours par correspondance destin´ es aux citoyens britanniques qui ´ etaient dans l’impossibilit´ e de s’inscrire ` a cause de la distance. Plus pr´ ecis´ ement, l’apprentissage ` a distance par correspondance est n´ e avec la nais- sance de la poste. Ensuite, avec l’apparition de chaque nouveau m´ edia (e.g. la radio, le t´ el´ ephone, la t´ el´ evision) qui permettait de faciliter la communication, cette technologie ´ etait utilis´ ee pour enrichir l’apprentissage ` a distance et les approches p´ edagogiques. Les approches p´ edagogiques permettent de?r´ epondre ` a l’ambivalence math´ etique par la polyvalence didactique?(Leclercq, 1998). Avec l’´ emergence des Technologies d’Infor- mation et de Communication (TIC), il est possible de r´ epondre ` a la diversit´ e de styles cog- nitifs (visuel ou auditif), aux besoins, aux attentes des apprenants en mati` ere d’apprentis- sage. De plus la vari´ et´ e de ces technologies permet d’entretenir chez les apprenants, la motivation n´ ecessaire pour s’investir dans leur apprentissage. L’apprenant devient acteur et peux choisir lui-mˆ eme la m´ ethode, le parcours, le moment. Avec l’apparition des TIC, l’apprentissage ` a distance a ´ evolu´ e pour devenir un appren- tissage rapide et efficace, avec un minimum de probl` emes d’organisation et de perte de temps. Ce mode d’apprentissage est bas´ e sur l’acc` es ` a des formations en ligne, in- teractives et parfois personnalis´ ees, diffus´ ees par l’interm´ ediaire d’un r´ eseau (Internet ou Intranet) ou d’un autre m´ edia ´ electronique2. Cet acc` es permet de d´ evelopper les 1. http ://www.unesco.org/new/fr/unesco/themes/icts/lifelong-learning/open-and-distance-learning/ 2. http ://eduscol.education.fr/numerique/dossier/archives/eformation/e-formation-e-learning 14

32. 1.1. INTRODUCTION`A L’APPRENTISSAGE EN SITUATION DE MOBILIT´E comp´ etences des apprenants, tout en rendant le processus d’apprentissage ind´ ependant du temps et du lieu. Ce nouveau mode d’apprentissage est l’apprentissage ´ electronique, plus connu sous l’appellation e-learning. Il existe une grande diversit´ e de d´ efinitions et de mani` ere de nommer l’e-learning (forma- tion en ligne, site web ´ educatif, t´ el´ e-formation, e-training, etc.). ”Certaines d´ efinitions sont centr´ ees sur le support technologique, d’autres sur la distance, d’autres insistent sur les aspects p´ edagogiques”, tandis que d’autres insistent sur les types d’interactions. La d´ efinition la plus r´ epandue de l’e-learning est celle propos´ ee par la Commission Eu- rop´ eenne,?c’est l’utilisation des nouvelles technologies multim´ edias et de l’Internet pour am´ eliorer la qualit´ e de l’apprentissage en facilitant l’acc` es ` a des ressources et des ser- vices, ainsi que les ´ echanges et la collaboration ` a distance?3. Cette d´ efinition pr´ esente l’e-learning comme une nouvelle technique d’apprentissage ne consistant simplement qu’` a mettre sur internet des ressources p´ edagogiques ou des applications d’´ evaluation de connaissances. Mˆ eme si on peut effectivement classer ce genre d’apprentissage dans le domaine du e-learning, cette vision est tr` es r´ eductrice et nous renvoie aux syst` emes d’apprentissage des ann´ ees 60-70, appel´ es aussi syst` emes d’Enseignement Assist´ e par Ordinateur (EAO) (Blanchard, 2007). Le guide de l’e-learning4pr´ ef` ere s’appuyer sur la d´ efinition propos´ ee par le LabSET5(La- boratoire de Soutien ` a l’Enseignement T´ el´ ematique) :?e-learning ou electronic learning : apprentissage en ligne centr´ e sur le d´ eveloppement de comp´ etences par l’apprenant et structur´ e par les interactions avec le tuteur et les pairs?. Avec cette nouvelle d´ efinition de l’e-learning centr´ ee sur l’apprenant, et depuis le d´ ebut des ann´ ees 80, l’EAO a alors ´ evolu´ e vers ce que l’on nomme fr´ equemment Envi- ronnements Informatiques pour l’Apprentissage Humain (EIAH). Alors que l’EAO se pr´ eoccupait plutˆ ot de la transmission de contenus, l’EIAH tente d’orienter l’apprentis- sage en fonction de l’apprenant (ses pr´ ef´ erences p´ edagogiques, ses connaissances, ses objectifs, etc.). L’objectif de l’EIAH est d’adapter l’apprentissage en fonction des particu- larit´ es propres ` a l’apprenant. Ainsi, en e-learning, on peut distinguer deux types d’applications : d’une part les syst` emes d’apprentissage ne proposant aucune adaptation, et d’autre part les syst` emes d’apprentissage adaptatifs cherchant ` a mieux comprendre l’apprenant pour lui fournir le meilleur contenu correspondant ` a ses besoins. Ces derniers syst` emes sont com- mun´ ement appel´ es Syst` emes Tutoriels Intelligents (STI). Les STI sont des syst` emes d’apprentissage informatiques, r´ epandus aujourd’hui sous le nom de Learning Management Systems (LMS), qui poss` edent (1) des contenus sous forme de base de connaissances, (2) des strat´ egies d’apprentissage et (3) une connais- sance sur l’apprenant pour une meilleure adaptation (Murray, 1999). Il s’agit principale- 3. http ://www.awt.be/web/edu/index.aspx?page=edu,fr,gui,080,010 4. http ://www.awt.be/ 5. http ://www.labset.ulg.ac.be/portail/ 15

33. 1.1. INTRODUCTION`A L’APPRENTISSAGE EN SITUATION DE MOBILIT´E ment de concevoir des syst` emes d’apprentissage individualis´ es. Un LMS est une plateforme e-learning d´ evelopp´ ee pour accompagner tout apprenant dans son processus de formation. Les plateformes LMS sont les outils les plus utilis´ es pour acc´ eder aux cours tout en permettant une adaptation des contenus p´ edagogiques. Ils permettenet aussi d’administrer des contenus provenant de diff´ erents fournisseurs mais ne fournissentt pas des outils pour la cr´ eation de contenus d’apprentissage, qui est le rˆ ole des LCMS (Learning Content Management System). Une plateforme LCMS est donc destin´ ee aux experts de la production de formations et intervient en amont de la diffusion des contenus (cette 2e ´ etape est r´ ealis´ ee via une plateforme LMS). Plateforme Ganesha - Propri´ et´ e Claroline + Blackboard + Moodle - Sakai + CK LMS + Personnalisation par les teurs du menu de navigation Personnalisation par l’apprenant de l’interface du cours Personnalisation du contenu fonction du profil de l’apprenant QCM, QCU Description, r´ eponse mise en corres- pondance, ` a trous Forum Wiki Groupes d’appre- nants Communaut´ e d’apprentissage forma- - - - + - + Adaptation +/- - - - - +/- en + + + + + - + + + + + + ´Evaluation courte, texte + + + + + + + - + + + + + + + + + + Collaboration - - - + + + TABLE 1.1 – Tableau comparatif de LMS Il existe aujourd’hui plusieurs LMS en licence libre, comme par exemple Claroline6et Blackboard7. Ces plateformes sont personnalisables, adaptables et offrent un environ- 6. http ://www.claroline.net/ 7. http ://fr.blackboard.com/sites/international/globalmaster/ 16

34. 1.1. INTRODUCTION`A L’APPRENTISSAGE EN SITUATION DE MOBILIT´E nement de travail flexible et sur mesure. Ganesha8est une plateforme qui permet ` a un formateur, dans le cadre d’une formation ` a distance ou pour enrichir le pr´ esentiel, de mettre ` a la disposition d’un ou plusieurs groupes de stagiaires des modules de forma- tion avec supports de cours, compl´ ements, quiz et tests d’´ evaluation ainsi que des outils collaboratifs. L’apprenant n’est plus seul face ` a son cours et aux interrogations qu’il peut se poser, mais fait partie d’un groupe de travail dans lequel il peut communiquer avec les autres participants ` a l’aide d’un forum ou d’un chat (Dogbe-Semanou et al., 2008). Moodle9et Sakai10int` egrent la notion de communaut´ e d’apprentissage, c’est ` a dire par- tager ses connaissances et communiquer avec les formateurs et les apprenants, plutˆ ot que juste mettre en ligne des contenus p´ edagogiques. Parmi les LMS en licence payante et vu le contexte de la th` ese, nous citons la plateforme d’apprentissage de CrossKnowledge, connu sous le non de CrossKnowledge Learning Suite. La CrossKnowledge Learning Suite prend la forme d’un Learning portal de derni` ere g´ en´ eration, personnalis´ e, social et mobile. Il permet de regrouper en un seul espace toutes les activit´ es d’apprentissage auxquelles est inscrit le participant : ses parcours, ses ressources e-learning, ses ´ echanges avec son tuteur, son groupe ou sa commu- naut´ e, ses flux RSS, etc. Le Learning Portal de CrossKnowledge est assez flexible et param´ etrable sans comp´ etence technique particuli` ere. La personnalisation peut se faire avec de multiples possibilit´ es de mise en page de l’environnement de formation, grˆ ace ` a une large s´ election de widgets disponibles. Le tableau 1.1 r´ esume les caract´ eristiques des diff´ erentes plateformes d´ ecrites pr´ ec´ edemment. Nous remarquons qu’aucune de ces plateformes ne propose d’adap- tation des contenus suivant le profil de l’apprenant, seuls les param` etres d’affichage peuvent ˆ etre modifi´ es. En e-learning, un nouveau ph´ enom` ene a ´ emerg´ e au cours de ces derni` eres ann´ ees, il s’agit des MOOC (Massive Open Online Course). L’apparition des MOOC aux Etats-Unis dans les ann´ ees 2010 rel` eve de choix ´ economiques de pure rentabilit´ e. L’objectif affich´ e ´ etait de r´ epondre ` a la crise des universit´ es priv´ ees am´ ericaines, suite ` a la hausse des frais de scolarit´ e, ` a l’augmentation des emprunts ´ etudiants, au chˆ omage croissant des jeunes diplˆ om´ es et ` a l’affaiblissement de leur retour sur investissement. En 2011, trois cours en ligne massifs propos´ es par l’universit´ e de Stanford d´ epassent la barre sym- bolique des 100 000 ´ etudiants, un an avant que les plateformes Coursera11, Udacity12 ou edX13fassent r´ eellement leur apparition. Depuis, les MOOC connaissent un essor remarquable, et prennent de plus en plus d’ampleur en mati` ere d’enseignement. Mais alors que les MOOC se donnaient l’ambition de d´ emocratiser l’enseignement et d’attirer un nouveau public vers l’universit´ e, il apparaˆ ıt que la plupart des inscrits qui r´ eussissent 8. http ://www.ganesha.fr/ 9. https ://moodle.org/ 10. https ://sakaiproject.org/ 11. https ://fr.coursera.org/ 12. https ://www.udacity.com/ 13. https ://www.edx.org/ 17

35. 1.1. INTRODUCTION`A L’APPRENTISSAGE EN SITUATION DE MOBILIT´E une formation MOOC sont d´ ej` a diplˆ om´ es. En effet, l’inscription ` a un MOOC est tr` es fa- cile, il reste ensuite la capacit´ e de l’´ etudiant ` a s’autodiriger, ` a s’auto´ evaluer et ` a exploiter les ressources ` a sa disposition, donc ` a les d´ ecoder. En r´ ealit´ e la plus part des ´ etudiants inscrits n’ont pas, au d´ epart, forc´ ement la volont´ e de suivre le cours de A ` a Z, alors qu’un MOOC n´ ecessite un effort de longue dur´ ee qui n´ ecessite une grande motivation initiale. Si les inscriptions sont massives, les abandons le sont tout autant (seuls 5% des inscrits valident leur formation)14. Suite ` a ce au taux d’abandon trop ´ elev´ e, une ´ evolution des MOOC fait apparition. Le SPOC (Small Private Online Courses) s’impose donc comme une solution ad´ equate : permettre une meilleure proximit´ e formateur/´ etudiant ainsi qu’un meilleur encadrement des apprenants. Et surtout, l’obtention d’un diplˆ ome ` a la fin, donne plus de cr´ edibilit´ e ` a la formule des SPOC. Les SPOC ont ´ et´ e exp´ eriment´ e par exemple ` a Harvard et San Jos´ e. San Jos´ e, dont l’exp´ erience MOOC avait ´ et´ e peu concluante, a conclu un partenariat SPOC avec la plateforme Edx, dont les premiers r´ esultats sont encourageants : 91 % des ´ etudiants ont obtenu leur examen ` a la fin du cours bas´ e sur le SPOC, contre 65 % en moyenne les ann´ ees pr´ ec´ edentes15. 1.1.2/ LE M-LEARNING DANS LES ENTREPRISES Aujourd’hui, l’e-learning est utilis´ e principalement par deux secteurs bien distincts : le secteur des grandes entreprises qui l’utilisent pour former et actualiser les connais- sances de leurs employ´ es de mani` ere plus rapide, et le secteur des universit´ es qui offrent des alternatives de formation ` a distance. Vu l’omnipr´ esence d’Internet dans les ´ etablissements scolaires et les nouvelles technologies qui font d´ esormais partie de la vie des jeunes g´ en´ erations, l’int´ egration de l’e-learning devient n´ ecessaire dans le mi- lieu ´ educatif. Dans le milieu professionnel, la formation des salari´ es se retrouve ˆ etre au cœur des pr´ eoccupations des services de ressources humaines, avec pour ques- tion principale ?comment motiver et responsabiliser les salari´ es dont les formations ne sont pas forc´ ement adapt´ ees ` a l’´ evolution de l’entreprise??(Chomienne et al., 2008). L’e- learning devient de plus en plus accessible ` a un plus grand nombre d’entreprises. L’offre est de plus en plus vari´ ee et large. Dans le secteur bancaire par exemple, l’exploitation du e-learning s’explique notamment par l’´ evolution rapide des produits et des services n´ ecessitant des efforts de formation massifs. Selon le barom` etre Europ´ een de l’e-learning men´ e par CrossKnowledge (Fiehl et al., 2010), nous constatons que le nombre de salari´ es ayant suivi au moins une formation en e-learning est plus important dans les grandes entreprises et dans le secteur des services, alors que dans le secteur de l’industrie les taux restent assez faibles. Dans ce rapport, CrossKnowledge pr´ edit une forte progression du e-learning ` a l’horizon 2020. En 14. http formation-4534/ 15. http ://www.slate.fr/story/78916/mooc-cours-internet-spoc ://etudiant.lefigaro.fr/les-news/actu/detail/article/moocs-seuls-5-des-inscrits-valident-leurs- 18

36. 1.1. INTRODUCTION`A L’APPRENTISSAGE EN SITUATION DE MOBILIT´E effet, le pourcentage d’entreprises qui n’utilisent pas ou peu l’e-learning (<10% des sa- lari´ es form´ es) a nettement recul´ e entre 2010 et 2014, passant de 37% ` a 15% en quatre ans (figure 1.1). Le e-learning se g´ en´ eralise en s’´ etendant ` a un cercle croissant de sa- lari´ es dans l’entreprise, avec comme effet attendu un boom du nombre d’entreprises qui vont former entre 10 et 50% de leurs salari´ es (passage de 30 ` a 45% de l’´ echantillon entre 2010 et 2014). FIGURE 1.1 – Pourcentage des salari´ es ayant suivi une formation e-learning Cette rapide ´ evolution du e-learning, aussi bien dans les universit´ es que dans le domaine industriel, est vite rattrap´ ee par l’´ evolution des nouvelles technologies : l’informatique de- vient ubiquitaire, pervasive, mobile, et l’utilisation des r´ eseaux sans fil ´ emerge et rend les objets mobiles de plus en plus intelligents. D´ ej` a en 2004, quelques statistiques mettaient en avant l’importance de l’utilisation de ces nouvelles technologies pour l’apprentissage en europe (Georgiev et al., 2004) : – Plus de 50% des lieux de travail sont mobiles. – Plus de 1 milliard d’utilisateurs se servent d’une connexion internet sans fil. – Partout dans le monde sont vendus plus de 500 millions de t´ el´ ephones portables pou- vant se connecter ` a Internet et le nombre de PDA (Personal Digital Assistant) et de Smartphones vendus a augment´ e de plus de 200%. Quelques ann´ ees plus tard, l’Union Internationale des T´ el´ ecommunications (UIT), qui analyse l’´ evolution des TIC, publie dans une ´ etude portant sur 154 pays en 200916, les derni` eres statistiques r´ ecolt´ ees concernant l’usage des diff´ erentes technologies de communication y compris les dispositifs mobiles (figure 1.2). L’´ etude r´ ev` ele notamment l’abandon petit ` a petit de l’usage des t´ el´ ephonies fixes et de la connexion Internet fixe en faveur des nouvelles technologies mobiles. 16. http ://www.itu.int/ITU-D/ict/material/Telecom09 flyer.pdf 19

37. 1.1. INTRODUCTION`A L’APPRENTISSAGE EN SITUATION DE MOBILIT´E FIGURE 1.2 –´Evolution de l’usage des technologies de t´ el´ ecommunication et mobiles Une ´ etude plus r´ ecente pr´ esent´ ee en 2013 par Lux Research17, montre une nette ´ evolution de l’utilisation des technologies mobiles (figure 1.3). Des appareils mobiles tels que les Smartphones et les tablettes ont cr´ e´ e une r´ evolution dans la fac ¸on dont les utili- sateurs de se connecter, de travailler et de se former. FIGURE 1.3 –´Evolution de l’usage des dispositifs mobiles L’informatique mobile est essentiellement fond´ ee sur la capacit´ e ` a d´ eplacer physiquement un environnement informatique avec l’utilisateur. De nombreux utilisateurs ne poss` edent 17. www.luxresearchinc.com 20

38. 1.1. INTRODUCTION`A L’APPRENTISSAGE EN SITUATION DE MOBILIT´E plus uniquement des ordinateurs de bureau ou mobiles, ils poss` edent d´ esormais aussi des PDA, des lecteurs MP3, des Smartphones, etc. Sharples pr´ ecise : ?we are now entering the mobile age, where phones are carried everywhere, banks are accessed from holes in the wall, cars are becoming travelling offices, airplane seats are entertain- ment centres, computer games are handheld, and advertising is ubiquitous? (Sharples, 2006). Le m-learning tire profit de l’informatique omnipr´ esente pour proposer de nouvelles m´ ethodes d’apprentissage. Dans la section suivante nous discutons de diff´ erentes propositions de d´ efinitions du m- learning existantes, et nous proposons la nˆ otre, adapt´ ee ` a notre cadre de recherche. D´ EFINITION DU M-LEARNING 1.1.3/ Le terme m-learning a diff´ erentes d´ efinitions selon les communaut´ es scientifiques. De- puis la naissance du terme m-learning, la d´ efinition de celui-ci n’a jamais arrˆ et´ e d’´ evoluer. Jusqu’aux r´ ecentes conf´ erences sp´ ecialis´ ees dans le domaine, telle que dans IADIS In- ternational Mobile Learning Conference 2013, la d´ efinition du m-learning reste un point de discussion pour les chercheurs et les experts du m´ etier. Sharples a identifi´ e trois directions dans les ´ evolutions de la d´ efinition du m-learning : la premi` ere est focalis´ ee sur les outils, la deuxi` eme sur l’apprentissage hors des murs (d-learning, e-learning), et la troisi` eme sur la mobilit´ e des apprenants o` u l’apprentissage se d´ eroule dans un contexte (Sharples, 2006) (Endrizzi, 2011) : – Premi` ere direction : Les premi` eres d´ efinitions du m-learning apparaissent centr´ ees essentiellement sur les nouvelles technologies ´ electroniques mobiles (Pinkwart et al., 2003). Ces technologies sont consid´ er´ ees comme des outils de stockage et de trans- port des contenus multim´ edias. Le m-learning est alors vu comme un prolongement logique du e-learning sur des technologies mobiles (figure 1.4). FIGURE 1.4 – Cartographie du m-learning, version 1 21

39. 1.1. INTRODUCTION`A L’APPRENTISSAGE EN SITUATION DE MOBILIT´E Quinn d´ eclare ?mobile learning is e-learning through mobile computational devices : Palms, Windows CE machines, even your digital cell phone? (Quinn, 2000). Cette d´ efinition est consid´ er´ ee exacte mais inutile, car Quinn ne cherche qu’` a placer l’ap- prentissage mobile quelque part sur le spectre de portabilit´ e de l’e-learning (Traxler, 2005). Le projet Learning2go18lanc´ e en 2008 illustre bien cette premi` ere direction. Les plus r´ ecentes d´ efinitions de m-learning ont transf´ er´ e le centre d’int´ erˆ et des tech- nologies mobiles ` a la mobilit´ e des apprenants. – Deuxi` eme direction : Les d´ efinitions se concentrent sur les potentialit´ es en termes d’apprentissage ` a l’ext´ erieur de l’espace physique classique d´ elimit´ e par les murs de la salle de formation (un voyage d’´ etudes, une sortie scolaire telle que la visite d’un mus´ ee, etc.) (Sharples et al., 2009). En ce sens, O’Malley propose sa d´ efinition :?mo- bile learning takes place when the learner is not at a fixed, predetermined location, or when the learner takes advantage of the learning opportunities offered by mobile technologies?(O’Malley et al., 2005). Il s’agit d’une nouvelle m´ ethode, dont les grands principes sont de tirer inspiration de l’environnement de l’apprenant pour proposer des exercices narratifs et ludiques. Repr´ esentatif de cette direction, en 2009, un jeu nomm´ e The Island19a ´ et´ e d´ evelopp´ e entre Amsterdam et New York : des ´ etudiants de ces deux villes, connect´ es entre eux grˆ ace ` a leurs portables, ont particip´ e ` a une chasse au tr´ esor dans les rues des deux cit´ es, grˆ ace ` a une application mˆ elant g´ eo-localisation, cartes historiques et ´ el´ ements architecturaux. – Troisi` eme direction : Dans cette derni` ere direction, les projets ne se focalisent plus ni sur les outils utilis´ es par les apprenants, ni sur les activit´ es. Cette phase se focalise es- sentiellement sur la localisation de l’apprenant dans un contexte sp´ ecifique grˆ ace aux technologies de capture de localisation, comme les syst` emes GPS, les r´ eseaux sans fil, les m´ ethodes de d´ etection de proximit´ e, etc. afin d’analyser ce qui se passe au- tour de l’apprenant. En d’autres termes, en reliant les activit´ es d’apprentissage ` a des informations contextuelles, les apprenants peuvent d´ ecouvrir de nouvelles connais- sances et explorer des concepts li´ es ` a leur environnement. C’est parce que l’on est dans un contexte particulier qu’une activit´ e utilisant un ´ equipement mobile prend tout son sens et devient pertinente, ?mobile devices give us a unique opportunity to have learners embedded in a realistic context at the same time as having access to sup- porting tools? (Naismith et al., 2005). Repr´ esentatifs de cette direction, on peut citer les deux projets MOBILearn20et MARA21(Mobile Augmented Reality Applications). Le projet MOBILearn propose un outil embarquant un ensemble de fonctionnalit´ es combinant capture, stockage et partage de contenus, tout en prenant en compte l’envi- ronnement physique de l’apprenant (des fonctionnalit´ es li´ ees ` a la g´ eo-localisation sont propos´ ees). Dans le projet MARA, il s’agit de superposer des informations graphiques num´ eriques ` a des images r´ eelles. Le dispositif d’apprentissage devient un outil avec 18. http ://www.learning2go.org/ 19. https ://waag.org/en/project/island 20. http ://www.mobilearn.org/ 21. https ://research.nokia.com/page/219 22

40. 1.1. INTRODUCTION`A L’APPRENTISSAGE EN SITUATION DE MOBILIT´E lequel l’apprenant acc` ede ` a un monde r´ eel augment´ e d’informations nouvelles. Dans le cadre de notre projet de recherche, nous proposons une nouvelle d´ efinition du m-learning, de mani` ere ` a int´ egrer ce dernier dans les trois directions propos´ ees par Sharples. Notre d´ efinition est la suivante : ?Le m-learning est l’adaptation de modules d’apprentissage ` a des technologies mobiles en ayant une meilleure connaissance de l’apprenant (profil) et une meilleure connais- sance de son environnement (contexte)?. Nous proposons dans la figure 1.5, ` a partir de notre d´ efinition, une nouvelle cartographie du m-learning. FIGURE 1.5 – Cartographie du m-learning, version 2 A travers ces diff´ erentes d´ efinitions nous pouvons d´ egager plusieurs caract´ eristiques r´ ecurrentes du m-learning, telles que l’attractivit´ e, la flexibilit´ e, l’accessibilit´ e et l’infor- malit´ e. Nous d´ eveloppons plus en d´ etail ces caract´ eristiques dans la section suivante. CARACT´ ERISTIQUES DU M-LEARNING 1.1.4/ Attractivit´ e, flexibilit´ e, accessibilit´ e et informalit´ e sont les concepts phares qui permettent de synth´ etiser l’ensemble des avantages du m-learning. Attractivit´ e : D’apr` es Traxler, tout tend ` a montrer que le m-learning est motivant et attrayant, en parti- culier aupr` es de ceux que l’apprentissage classique rebutait (Traxler, 2007). En effet, en donnant une formation m-learning ` a quelqu’un qui se montre d’habitude r´ eticent et sans enthousiasme, le comportement de ce dernier change; il manifeste une v´ eritable envie et un plaisir ` a apprendre. 23

41. 1.1. INTRODUCTION`A L’APPRENTISSAGE EN SITUATION DE MOBILIT´E Flexibilit´ e : Deux grands types de flexibilit´ e offerts par le m-learning peuvent ˆ etre identifi´ es22” : – Organisationnelle : Dans le temps et dans l’espace (o` u je veux et quand je veux). – Cognitive et p´ edagogique : Adaptation, personnalisation, modularisation, just-in-time, polyvalence didactique (ce dont j’ai besoin, comme j’en ai besoin et quand j’en ai be- soin)”. Le d´ ecoupage d’un contenus p´ edagogique en modules courts permet d’´ etaler la forma- tion dans le temps et ainsi d’avoir une meilleure assimilation des connaissances. En outre, une formation m-learning permet aux apprenants de consulter les contenus autant de fois qu’ils le souhaitent, contrairement ` a une formation en pr´ esentiel. Tous ces facteurs permettent un assouplissement de l’apprentissage et offrent aux apprenants la possibilit´ e de se former ` a leur rythme en organisant eux-mˆ emes leurs formations. Accessibilit´ e : Cinq grands types d’accessibilit´ e offerts par le m-learning peuvent ˆ etre identifi´ es23” : – Accessibilit´ e temporelle et g´ eographique : Permettre l’acc` es ` a des personnes sou- mises ` a des contraintes diverses, distantes g´ eographiquement, vivant dans des fu- seaux horaires diff´ erents ou tout simplement poss´ edant des agendas charg´ es ou une libert´ e organisationnelle variable. – Accessibilit´ e socio-culturelle : S’adapter facilement ` a des r´ ealit´ es culturelles et sociales vari´ ees. Par exemple, le m-learning permet ` a des gens issus de milieux d´ efavoris´ es, comme les habitants du tiers-monde, d’acc´ eder ` a un enseignement v´ ehicul´ e par la technologie et de faire fructifier ce nouveau savoir, ce qui ´ etait jusqu’ici inenvisageable pour eux (exemple, Dr Maths est un service d’apprentissage en ligne d’Afrique du Sud qui aide les ´ el` eves du secondaire en maths). – Accessibilit´ e socio-´ economique : Permettre une accessibilit´ e ` a un grand nombre d’uti- lisateurs, ` a un coˆ ut faible. – Accessibilit´ e technique : Permettre une accessibilit´ e moyennant des comp´ etences techniques basiques et des acc` es simples au niveau ergonomique. – Accessibilit´ e intellectuelle : Prolonger l’accessibilit´ e en s’adaptant ` a divers styles d’ap- prentissage et comp´ etences ` a d´ evelopper. Cette nouvelle m´ ethode d’apprentissage permet de rendre accessible la formation ` a des personnes qui ne pouvaient pas assis- ter ` a des formations en pr´ esentiel (apprenants ` a mobilit´ e r´ eduite, apprenants distants g´ eographiquement, etc.) et de cr´ eer des formations visant des comp´ etences et des besoins particuliers”. Informalit´ e : L’apprentissage est dit formel lorsqu’il se passe dans le cadre d’un ´ etablissement d’en- 22. http ://www.awt.be/web/edu/index.aspx?page=edu,fr,gui,080,010 23. http ://www.awt.be/web/edu/index.aspx?page=edu,fr,gui,080,010 24

42. 1.1. INTRODUCTION`A L’APPRENTISSAGE EN SITUATION DE MOBILIT´E seignement. Hors de ce cadre, l’apprentissage est consid´ er´ e comme informel. Living- stone(Livingstone, 2001) d´ efinit l’apprentissage informel comme ?(1) a new significant form of knowledge, understanding or skill acquired outside a prescribed curricular set- ting, and (2) the process of acquisition, either on your own initiative in the case of self directed informal learning, or with aid of a mentor in the case of informal training?. On d´ eduit de cette d´ efinition que l’apprentissage informel a un caract` ere non intentionnel. Dans un environnement mobile, l’apprenant peut apprendre en situation de mobilit´ e, ` a la maison, dans le train, au bureau, sur le lieu de travail, au travers des temps, de l’espace, n’importe quand et n’importe o` u (Pham, 2010). Le m-learning d´ ecoule de la vie quoti- dienne (Bomsdorf, 2005). Les r´ esultats acquis de l’apprentissage informel ne conduisent g´ en´ eralement pas ` a une certification, mais ils peuvent ˆ etre valid´ es et certifi´ es dans le cadre de programmes de validation des acquis par un formateur. Le m-learning est alors consid´ er´ e comme apprentissage informel en compl´ ement et renforcement de l’apprentis- sage formel et vice et versa. Nous pouvons citer comme exemples de projets qui sou- tiennent l’apprentissage informel, le projet T2T (Text to Teach)24et le projet BridgeIT25 Les lacunes du m-learning : Ces diff´ erentes caract´ eristiques attestent de la focalisation sur l’apprentissage davantage que sur le contenu et sur la prise en compte du profil et du contexte de l’apprenant. En effet dans une formation m-learning l’apprenant se trouve souvent confront´ e ` a certains probl` emes qui peuvent mener ` a l’´ echec de la formation. Parmi ces probl` emes nous ci- tons26” : – L’apprenant est submerg´ e d’informations : La tentation est parfois forte pour le forma- teur de d´ elivrer dans les modules en ligne un grand nombre de contenus. Si l’infor- mation est trop dense ou mal structur´ ee, l’apprenant risque de se perdre dans ces informations. C’est ce qu’on appelle la surcharge cognitive. – L’apprenant a peu de contrˆ ole sur les contenus : ”Le contenu des modules d’apprentis- sage est souvent mis en ligne arbitrairement par les formateurs. Les apprenants n’ont donc pas la possibilit´ e de le manipuler ou de le transformer facilement en fonction de leurs propres besoins.”. – Les contenus ne s’adaptent pas ` a l’environnement ext´ erieur : Certains environnement sont peu adapt´ es ` a des apprentissages qui n´ ecessitent calme et concentration. Par exemple, un a´ eroport ou un train peuvent constituer des environnements peu propices ` a l’assimilation de certains contenus qui n´ ecessitent un certain niveau de concentra- tion. – Confusion entre vie priv´ ee et professionnelle : Les apprenants ayant acc` es ` a des for- mations de type m-learning ne sont pas souvent dispos´ ees ` a consacrer du temps pour se former lorsqu’ils sont chez eux au lieu de se charger de leurs activit´ es quotidiennes. 24. http ://www.text2teach.org.ph/?page id=59 25. http ://bridge-it.communicationproject.eu/The-e-learning-Platform.htm 26. http ://www.formavox.com/elearning-avantages-inconvenients-top-5-flop-5 25

43. 1.2. PLATEFORMES M-LEARNING – Trop d’outils et manque de p´ erennit´ e : Il existe aujourd’hui plusieurs outils ` a disposition des formateurs pour cr´ eer des contenus e-learning et ` a disposition des apprenants acc´ eder ` a ces contenus (e.g. plateformes LMS, m´ edias sociaux, podcasts). Difficile donc parfois de s’y retrouver et d’avoir la garantie que ces contenus tiendront dans la dur´ ee.” – Freins ` a l’usage professionnel : Lors d’une formation dans le cadre du travail, le m- learning peut ˆ etre vu comme une tentative de la part de l’entreprise de profiter de p´ eriodes o` u l’employ´ e n’est pas dans les locaux de la soci´ et´ e, pour poursuivre la for- mation, ` a son domicile. – Cadre peu adapt´ e pour l’apprentissage : Certains environnement sont peu adapt´ es ` a l’apprentissage qui n´ ecessite confort, calme et concentration. Un a´ eroport ou un train peuvent constituer des environnements peu propices ` a l’assimilation de certains conte- nus. Le m-learning est donc a priori peu adapt´ e aux contenus th´ eoriques complexes. Un syst` eme m-learning efficace devrait donc adapter son fonctionnement et ses contenus pour la r´ eussite de la formation. Dans la section suivante, nous pr´ esentons et comparons quelques travaux qui ont ´ et´ e r´ ealis´ es dans le cadre du m-learning, afin de d´ eterminer les points forts et les points faibles des diff´ erentes propositions existantes. 1.2/ PLATEFORMES M-LEARNING Il existe de nombreux projets s’int´ eressant ` a l’´ evolution des TIC et leur int´ egration dans le domaine de l’apprentissage. IAmLearn27(International Association for Mobile Learning) propose un large catalogue descriptif des diff´ erents projets m-learning existants. Dans cette section, nous analysons les projets les plus connus dans le domaine du m-learning afin d’illustrer les caract´ eristiques d´ ecrites dans la section pr´ ec´ edente. Projet MoMaths : Dans les pays en d´ eveloppement, un grand nombre des nouvelles technologies ´ educatives font usage de MXit28, le principal r´ eseau social africain sur plateforme mobile. Lanc´ ee en mai 2005, MXit revendique environ 30 millions d’abonn´ es et est le premier logi- ciel de messagerie instantan´ ee cr´ e´ e sp´ ecifiquement pour ˆ etre utilis´ e depuis un t´ el´ ephone portable. Cette approche est id´ eale dans les pays o` u Internet et les ordinateurs sont encore peu ac- cessibles. C’est l’id´ ee sous-jacente de plusieurs programmes ´ educatifs mobiles comme le projet MoMaths29de Nokia d´ evelopp´ e par MXit Lifestyle, une plateforme de services faci- litant l’apprentissage des math´ ematiques sur mobiles. Elle propose de nombreuses fonc- 27. http ://www.iamlearn.org/resources/projects 28. http ://www.nextafrique.com/sciencestech/analyses-sciencestech/2182-comment-le-telephone- mobile-pourrait-revolutionner-l-education-en-afrique 29. http ://momaths.nokia.com/ 26

44. 1.2. PLATEFORMES M-LEARNING tionnalit´ es bas´ ees sur les programmes scolaires de plusieurs niveaux (th´ eorie, exercices, tutorat, entraˆ ınement aux examens, etc.). En Afrique du Sud, MoMaths a fait ses preuves dans 200 ´ etablissements, aupr` es de 50.000 ´ el` eves dont les r´ esultats en math´ ematiques sont sup´ erieurs ` a ceux n’utilisant pas cet outil. Ce projet est plus ax´ e sur l’accessibilit´ e des ressources d’apprentissage dans des mi- lieux d´ efavoris´ es que sur l’adaptation des ressources au profil de l’apprenant et ` a son contexte. Projet Ensemble : Le projet Ensemble30s’inscrit dans le programme europ´ een Lifelong Learning Program31 co-financ´ e par la communaut´ e europ´ eenne et coordonn´ e par l’Universit´ e de Florence32 dont l’objectif principal est le d´ eveloppement de l’apprentissage en ligne. Le projet a ´ et´ e lanc´ e en 2010 et a d´ evelopp´ e une strat´ egie pour l’utilisation des TIC dans le but de promouvoir l’int´ egration culturelle et sociale des citoyens immigr´ es. L’id´ ee est de tirer parti de technologies largement utilis´ ees, telles que les lecteurs MP3 et les t´ el´ ephones mobiles, et de tester des m´ ethodes d’enseignement et des formats de communication adapt´ es ` a ces appareils. Le projet s’adresse ` a un groupe de coll´ egiens issus de classes au pourcentage ´ elev´ e d’immigr´ es ainsi qu’` a leurs parents (le projet a ´ et´ e test´ e en France sur deux classes de 3 ` eme de deux coll` eges des Yvelines : ` a Mantes- la-Jolie et aux Mureaux). Il leur a ´ et´ e diffus´ e, ` a un rythme r´ egulier, des contenus sur des th` emes pr´ ecis, ` a partir d’une plateforme de diffusion automatique et synchronis´ ee. L’int´ erˆ et de ce projet porte sur les aspects p´ edagogiques en direction des coll´ egiens en difficult´ e, mais ´ egalement sur la construction de liens plus ´ etroits avec les parents, ainsi associ´ es au suivi des ´ etudes de leurs enfants grˆ ace ` a une approche de formation innovante et multimodale. Projet DRIM-AP : L’objectif du projet DRIM-AP (Mercier et al., 2004) (Dispositifs Radios Interactifs Multiples et Amphis Participatifs) men´ e ` a l’´ ecole centrale de Lyon est de rendre l’enseignement dans les amphith´ eˆ atres plus vivant et participatif. ”Dans un amphith´ eˆ atre interactif, chaque ´ etudiant dispose d’un terminal mobile (PDA, PC portable, Smartphones, etc.) communiquant sur r´ eseau wifi. Les enseignants de leur cˆ ot´ e disposent d’un ordinateur portable pour superviser les ´ echanges avec les ´ etudiants, ces ordinateurs sont aussi d’outils pour l’´ evaluation du niveau de connaissance ou de compr´ ehension des ´ etudiants sur les sujets abord´ es”. Dans ce projet l’apprentissage reste formel. La dimension mobilit´ e du projet consiste ` a transf´ erer des contenus p´ edagogiques sur des dispositifs mobiles. L’adaptation au contexte n’est pas prise en compte. 30. http ://www.ensembleproject.org/ 31. http ://eacea.ec.europa.eu/llp/ 32. http ://www.unifi.it/ 27

45. 1.2. PLATEFORMES M-LEARNING Projet MOBILearn : Le projet MOBILearn lanc´ e en 2002 est un projet europ´ een de recherche et de d´ eveloppement (Beale and Lonsdale, 2004) qui a pour objet d’explorer l’utilisation des environnements mobiles pour favoriser l’apprentissage informel, l’apprentissage par r´ esolution de probl` emes et l’apprentissage au travail. Dans le cadre de ce projet, une architecture pour l’apprentissage mobile a ´ et´ e r´ ealis´ ee. Elle permet de g´ en´ erer des contenus et des services pour accompagner un apprenant pendant ses activit´ es d’apprentissage dans une galerie d’exposition ou dans un mus´ ee. L’apprentissage est support´ e par un ensemble d’activit´ es lors des visites des mus´ ees. Les visiteurs plac´ es devant une œuvre peuvent utiliser un PDA ou un Smartphone pour obtenir des informations pertinentes, tout en observant l’œuvre. De plus, si un appre- nant visite un mus´ ee pour la seconde fois, il peut obtenir des informations diff´ erentes qui prennent en compte sa visite pr´ ec´ edente. Projet MoULe : Le projet MoULe33(Mobile and Ubiquitous Learning) qui a obtenu Le Gold Award ` a la conf´ erence mLearn 2009, a ´ et´ e d´ evelopp´ e par le Conseil National Italien de recherche (Institut de Technologies Educatives). MoULe propose un environnement en ligne pour l’apprentissage collaboratif qui fonctionne en int´ egrant les t´ el´ ephones portables et les Smartphones, favorisant ainsi les activit´ es p´ edagogiques bas´ ees sur l’exploration de lieux g´ eographiques. Le syst` eme inclut des fonctionnalit´ es sp´ ecifiques pour rechercher et acc´ eder ` a des es- paces d’information, pour communiquer et annoter des lieux selon leurs coordonn´ ees g´ eographiques. Les donn´ ees sont stock´ ees dans un syst` eme, y compris les donn´ ees d´ epos´ ees par les autres utilisateurs, et sont enrichies par les informations concernant les localisations g´ eographiques, pour que le syst` eme fournisse ` a l’utilisateur des informa- tions sp´ ecifiques sur les lieux ` a visiter. Les administrateurs peuvent utiliser MoULe pour concevoir des parcours aussi bien touristiques que p´ edagogiques, animer les activit´ es de l’utilisateur en temps r´ eel, et ´ evaluer la quantit´ e et la qualit´ e des interactions entre les utilisateurs. Projet AMULETS : Le projet AMULETS34(Advanced Mobile and Ubiquitous Learning Environments for Tea- chers and Students) d´ evelopp´ e ` a l’universit´ e de Linnaeus a ´ et´ e lanc´ e en 2012. Il a pour objectif de concevoir un syst` eme permettant aux enseignants d’´ elaborer et de mettre en œuvre de nouveaux sc´ enarios d’enseignement. AMULETS utilise comme outil mobile un Smartphone de type NoKia 6630 muni d’un GPS. Il est utilis´ e pour la g´ en´ eration et l’affichage de contenus, l’envoi de messages et le d´ ecodage d’´ etiquettes de code-barres 2D. De plus AMULETS propose un ensemble d’ac- 33. http ://moule.pa.itd.cnr.it/ 34. http ://amulets.blogg.se/ 28

46. 1.3. LE M-LEARNING, UNE ACTIVIT´E EN CONTEXTE tivit´ es d’apprentissage afin d’encourager la collaboration des diff´ erents groupes d’´ el` eves avec les enseignants. L’apprentissage prend la forme d’un jeu collaboratif. Ce dernier est constitu´ e d’un ensemble de missions que les ´ el` eves doivent d´ ecouvrir et accomplir. Ces missions ont lieu dans diff´ erents endroits et ` a diff´ erentes p´ eriodes de temps. Les acti- vit´ es ainsi conc ¸ues contiennent des d´ efis, ` a d´ ecouvrir par les ´ el` eves, dans lesquels ils ont besoin de collaborer et d’appliquer des strat´ egies de r´ esolution de probl` eme. Projet InTouch : Le projet InTouch35est un projet europ´ een, en cours de r´ ealisation, qui a pour objectif de d´ efinir une approche innovante dans le cadre des entreprises : permettre de d´ evelopper les principales comp´ etences inhabituelles des employ´ es. Le projet vante une approche flexible, qui utilise les possibilit´ es offertes par les nou- velles technologies, et qui r´ epond efficacement aux nouvelles attentes du march´ e du travail. Afin de couvrir les besoins des employ´ es, les partenaires du projet InTouch s´ electionnent les supports p´ edagogiques les plus flexibles, ` a savoir les appareils mobiles, ainsi qu’une solution d’apprentissage int´ eressante, les jeux s´ erieux (serious games). Ces jeux pr´ esentent des exemples d’apprentissage situationnels li´ es ` a des comp´ etences in- habituelles identifi´ ees dans le cadre d’un projet, et emploient diff´ erents types d’inter- actions en fonction du th` eme abord´ e. Pour ´ elargir leurs connaissances, les utilisateurs peuvent partager leurs points de vue personnels et leurs exp´ eriences au sein de la com- munaut´ e36. Synth` ese sur les plateformes m-learning : Bien que ces diff´ erents projets respectent les caract´ eristiques d’attractivit´ e, de flexibilit´ e, d’accessibilit´ e et d’informalit´ e, ils ne proposent pas d’adaptation de contenus en fonction du profil et du contexte de l’apprenant. Nous d´ ecrivons dans la section suivante le m- learning comme une activit´ e en contexte. LE M-LEARNING, UNE ACTIVIT´ E EN CONTEXTE 1.3/ Le m-learning est souvent consid´ er´ e comme une sp´ ecialisation du e-learning. C’est plutˆ ot une extension ` a de nouvelles formes d’environnements d’apprentissage. Le m-learning permet d’apprendre ` a travers des contextes :?mobile learning is not just about learning using portable devices, but learning across contexts? (Sharples, 2006). Ici l’accent est mis sur la mani` ere dont les apprenants se forment au travers des lieux et des transitions entre diff´ erents contextes. Il ne doit pas y avoir de rupture dans l’apprentissage entre le pr´ esentiel et l’ext´ erieur. L’apprentissage est fond´ e sur la continuit´ e de l’activit´ e au travers de l’espace et du temps 35. hhttp ://www.intouch-ict.eu/ 36. https ://www.adam-europe.eu/prj/8980/prd/14/1/D%207.5%20Article%20for%20sensitisation FR.pdf 29

47. 1.4. CONCLUSION en interagissant avec des technologies mobiles et fixes. L’apprentissage ne doit pas ˆ etre limit´ e ` a certains environnements, mais doit accroitre la mobilit´ e de l’apprenant au travers ces derniers. Avec l’apparition et l’´ evolution des nouvelles technologies mobiles, l’adaptation au contexte est devenue un caract` ere indispensable des nouveaux syst` emes informatiques pour une utilisation nomade. Il faut donc dans le cas d’une adaptation au contexte en apprentissage, d´ eterminer selon le contexte de l’apprenant quelles sont les contenus ` a envoyer, de quelle mani` ere, sur quel outil, etc. Tout le processus d’apprentissage doit s’adapter ` a ces changements de contexte. D’un autre cˆ ot´ e, l’apprentissage au travers des contextes n´ ecessite une suite organis´ ee d’activit´ es, c’est-` a-dire que l’apprentissage ayant lieu dans un contexte pr´ ecis d´ epend de ceux qui ont eu lieu avant. Il faut donc que le syst` eme prenne en compte l’historique de l’apprentissage pour proposer ` a l’apprenant des activit´ es d’apprentissage pertinentes et ainsi poursuivre ses activit´ es au travers de contextes. 1.4/ CONCLUSION Ce chapitre avait pour objectif de mieux comprendre le domaine de l’apprentissage en situation de mobilit´ e. L’´ etude des diff´ erentes d´ efinitions du m-learning nous montre que l’apprentissage mobile est caract´ eris´ e essentiellement par l’attractivit´ e, la flexibilit´ e, l’ac- cessibilit´ e, l’informalit´ e. L’apprentissage mobile peut avoir lieu au travers de contexte diff´ erents et dynamiques, grˆ ace aux technologies mobiles. A travers l’analyse des tra- vaux existants, nous avons un aperc ¸u des possibilit´ es offertes par les environnements m-learning en fonction de besoins particuliers des apprenants. La plupart de ces travaux permettent un apprentissage dans des localisations diff´ erentes : en classe, en entreprise, ` a l’ext´ erieur, dans un mus´ ee, etc. Cependant le m-learning reste limit´ e car il n’est pas ca- pable de s’adapter ` a son environnement. Le contexte n’est pas explicitement repr´ esent´ e dans le syst` eme, mais requis par celui-ci pour un apprentissage en situation. L’adaptation au contexte doit permettre de d´ epasser cette limite. Le chapitre 2 introduit la notion de contexte et de sensibilit´ e de contexte pour l’adaptation de parcours p´ edagogiques en situation de mobilit´ e. 30

48. 2 CONTEXTE ET SENSIBILIT´ E AU CONTEXTE Dans le domaine de l’informatique, la prise en compte du contexte dans une analyse ou une r´ eponse programm´ ee n’est pas nouvelle. D` es les ann´ ees soixante, syst` emes d’exploitation, th´ eorie des langages et intelligence artificielle exploitent d´ ej` a cette notion pour adapter leur comportement et leur r´ eponse ` a l’environnement d’ex´ ecution. Ces 10 derni` eres ann´ ees, avec l’´ emergence massive de l’informatique mobile, ubiquitaire et am- biante, elle est plac´ ee au cœur des d´ ebats. De nombreux travaux de recherche ont ´ et´ e men´ es sur la mod´ elisation du contexte. Bien que cette notion soit universelle, chacun poss` ede sa propre perception du contexte. Un contexte est g´ en´ eralement d´ ecrit comme un ensemble d’´ el´ ements qui peuvent influencer la compr´ ehension d’une information. Dans la premi` ere partie de ce chapitre, nous pr´ esenterons les diff´ erentes visions de la notion du contexte en essayant d’en faire ressortir des traits de caract´ erisation que nous appellerons dimensions. La combinaison de ces dimensions permet de construire des contextes sp´ ecifiques pour des besoins clairement identifi´ es. Au-del` a de la capacit´ e de repr´ esenter un contexte, il faut ˆ etre capable d’exploiter ce contexte. La construction d’un syst` eme dont les r´ eponses sont influenc´ ees par le contexte, un syst` eme sensible au contexte, est un travail complexe. L’´ etude de ce domaine ` a aussi donn´ e lieu a de nom- breux travaux. Dans la seconde partie de ce chapitre, nous pr´ esenterons ce domaine en essayant, l` a encore, d’extraire les principales fonctionnalit´ es requises pour prendre en charge ce contexte. Sommaire 2.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1.1 D´ efinition du contexte . . . . . . . . . . . . . . . . . . . . . . . . 2.1.2 Dimensions du contexte . . . . . . . . . . . . . . . . . . . . . . . 2.1.3 Acquisition des informations de contexte . . . . . . . . . . . . . . 2.1.4 Mod´ elisation du contexte . . . . . . . . . . . . . . . . . . . . . . Syst` emes sensibles au contexte . . . . . . . . . . . . . . . . . . . . . 2.2.1 D´ efinition de la sensibilit´ e au contexte . . . . . . . . . . . . . . . 32 32 35 38 39 43 43 2.2 31

49. 2.1. CONTEXTE Architecture g´ en´ erale d’un syst` eme sensible au contexte Exemples d’architectures de syst` emes sensibles au contexte . . 2.2.2 2.2.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 46 54 2.3 2.1/ CONTEXTE La notion de contexte est assez universelle. Elle d´ esigne l’ensemble des ´ el´ ements qui peuvent influencer la compr´ ehension d’une situation particuli` ere. Cette description est ensuite utilis´ ee pour mieux comprendre l’environnement. Il existe de nombreuses d´ efinitions du contexte. Dans cette section nous proposerons d’organiser ces d´ efinitions selon un ordre chronologique, montrant une progression dans la compr´ ehension de la notion de contexte. Ensuite nous proposerons une classification des diff´ erentes informations contextuelles en dimensions, en termes de caract´ eristiques, propri´ et´ es et utilisations. La prise en compte du contexte n´ ecessite une repr´ esentation explicite de ce dernier dans le syst` eme. Nous pr´ esenterons et analyserons en dernier lieu les m´ ethodes de mod´ elisation du contexte, en nous basant sur l’organisation en dimensions et les caract´ eristiques du contexte. D´ EFINITION DU CONTEXTE 2.1.1/ Avant de pr´ esenter les d´ efinitions du contexte propos´ ees dans la litt´ erature scientifique, nous commenc ¸ons par introduire et analyser des d´ efinitions propos´ ees dans diff´ erents dictionnaires : – Techno-Science1, encyclop´ edie scientifique en ligne : ? Le contexte d’un ´ ev` enement inclut les circonstances et conditions qui l’entourent ?. En informatique, ? le contexte est l’ensemble des conditions sous lesquelles un dispositif est en train d’ˆ etre utilis´ e, par exemple l’occupation actuelle de l’utilisateur ?. – Grand Dictionnaire Technologique2(GDT) : ? Texte entourant un terme, ou situation dans laquelle ce terme est employ´ e ?. En informatique, ? ensemble d’informations concernant l’action du stylet, en rapport principalement avec sa localisation ` a l’´ ecran, qui permet au syst` eme d’exploitation de l’ordinateur ` a stylet de diff´ erencier les com- mandes et l’entr´ ee des donn´ ees, et de fonctionner en cons´ equence?. – Centre National de Ressources Textuelles et Lexicales3:?Ensemble de circonstances li´ ees, situation o` u un ph´ enom` ene apparaˆ ıt, un ´ ev´ enement se produit ?. En informa- tique,?le contexte est l’ensemble d’informations concernant un ´ ev` enement en rapport principalement avec sa localisation, qui permet au syst` eme informatique de fonctionner et de s’adapter en cons´ equence?. 1. http ://www.techno-science.net/ 2. http ://gdt.oqlf.gouv.qc.ca/ 3. http ://www.cnrtl.fr/ 32

50. 2.1. CONTEXTE Un point commun ´ emerge de ces d´ efinitions. Elles d´ ecrivent toutes le contexte comme un ensemble d’informations associ´ ees ` a quelque chose?ensemble de ... qui entoure/consti- tue/concernant/li´ es/etc. quelque chose?. La nature de ce quelque chose (un ´ ev` enement, un texte, une action, un ph´ enom` ene, une situation, etc.) d´ epend de l’usage dans un do- maine d’application (linguistique, informatique, etc.). Cet usage permet de sp´ ecifier com- ment le contexte est utilis´ e (modifier la valeur des ´ el´ ements, diff´ erencier les commandes, ou fonctionner en cons´ equence) (Pham, 2010). En informatique, selon Schilit dans (Schilit and Theimer, 1994), le contexte se r´ ef` ere ` a la localisation et l’identit´ e des personnes et des objets ` a proximit´ e ainsi que les modifica- tions pouvant intervenir sur ces objets. Dans un autre travail, Schilit reprend sa premi` ere d´ efinition et propose une m´ ethode pour d´ eterminer le contexte en r´ epondant ` a trois ques- tions : o` u ˆ etes-vous?, avec qui ˆ etes-vous? et quelles sont les ressources ` a proximit´ e de vous? (Schilit et al., 1994). Quelques ann´ ees plus tard, (Brown et al., 1997) introduit l’heure, la saison, la temp´ erature, l’identit´ e et la localisation de l’utilisateur comme nou- veaux ´ el´ ements du contexte. En fait, dans ces premi` eres d´ efinitions du contexte, les auteurs limitent le contexte ` a l’utilisateur et son environnement. Les travaux de recherche plus r´ ecents essayent alors d’´ etablir une d´ efinition plus g´ en´ erale et plus claire du contexte. Abowd fournit une d´ efinition plus g´ en´ erale du contexte, en le consid´ erant comme des in- formations qui entourent l’entit´ e ou l’´ el´ ement sur lequel un syst` eme se focalise,?any in- formation that can be used to characterize the situation of an entity ?(Abowd et al., 1999). Une entit´ e ou un ´ el´ ement peut ˆ etre interpr´ et´ e diff´ eremment par diff´ erents objectifs d’utili- sation : (1) Une entit´ e, dans un domaine centr´ e application logicielle, est une fonction, un ´ ev´ enement d’un logiciel ou le logiciel lui-mˆ eme. Le contexte est alors constitu´ e d’un en- semble de param` etres et d’´ etats de l’environnement, utilis´ es pour d´ eterminer cette entit´ e (Chen and Kotz, 2000). (2) Une entit´ e peut ˆ etre un dispositif. Dans ce cas, le contexte est un environnement physique et social dans lequel ce dispositif est utilis´ e, ? physical and social situation in which computational devices are embedded 2001). (3) Dans un syst` eme centr´ e utilisateur, les entit´ es impliqu´ ees dans des interac- tions sont divis´ ees en trois cat´ egories : les lieux (bˆ atiment, pi` ece, etc.), les personnes (individus ou groupes d’individus) et les objets (objets physiques, ordinateurs, etc.) (Dey et al., 2001). Pour r´ esumer, une information fait partie du contexte si elle influe sur une interaction entre deux entit´ es :?context is any information that can be used to characterize the situation of an entity. An entity is a person, place, or object that is considered relevant to the inter- action between a user and an application, including the user and application themselves ?(Dey, 2000). Cette derni` ere d´ efinition concerne particuli` erement la conception des syst` emes sensibles au contexte, que nous introduirons dans la deuxi` eme partie du chapitre. Chaari consid` ere que cette d´ efinition est incompl` ete car elle ne pr´ ecise pas ce qui compose le contexte. Il ? (Moran and Dourish, 33