Serious Game Research Lab Thierry Montaut thierry.montaut@univ-jfc.fr

1. Serious Game Research Lab Thierry Montaut thierry.montaut@univ-jfc.fr Catherine Lelardeux catherine.lelardeux@univ-jfc.fr Centre Universitaire Jean-François Champollion Michel Galaup michel.galaup@toulouse.iufm.fr UMR EFTS • Pierre Lagarrigue pierre.lagarrigue@univ-jfc.fr

2. Serious Game Research Lab • Les projets • Analyse de traces de jeu à l'aide de réseaux Bayésiens

3. Le serious Game ResearchLab (Université Champollion): Chef d’équipe : Pierre Lagarrigue Directeur de projet : Cathy Lelardeux Le Serious Game Research Network (11 partenaires) : Laboratoires : - Serious Game ResearchLab - Institut Clément Ader - UMR Education, Formation, Travail, Savoirs (EFTS) - Institut de Recherche en Informatique de Toulouse (IRIT) - UMR Framespa Activités : - Transfert au travers de l’objet ‘Serious Game’ - Recherche sur les thèmes : Suivi de l’apprenant, outils d'aide à la conception de learninggame

4. Le serious Game Research Network Structuration de l’équipe en Groupement d’Intérêt Scientifique (GIS) Partenaire industriel : KTM Advance Soutiens : AerospaceValley, PRES Toulouse, C2A

5. Le serious Game ResearchLab Exemples de projets : • Mecagenius : Serious Game en génie mécanique (2008-2012) Lauréat NKM 2009 • 3D Virtual Operating Room : Serious Game pour la formation interprofessionnelle à la gestion des risques au bloc opératoire Lauréat de l’appel à projet du FUI 12 en 2011 Label CAP DIGITAL et Visa Tic & Santé (CAP DIGITAL & MEDICEN)

6. Mecagenius : un serious game en génie mécanique Découverte de l’atelier de génie mécanique reproduisant l’univers d’une industrie de génie mécanique Optimisation de production sur machine outil à commande numérique Pour enseigner - Fournir à l’enseignant un outil à proposer aux étudiants - dans le cadre de l’enseignement en présentiel, hybride ou à distance s’appuyant sur les référentiels de compétences académiques et industriels Pour apprendre Étudiants en formation initiale, • Elèves ingénieurs en formation initiale, • Professionnels en formation continue.

7. Classement de joueurs Salon de travail collaboratif Réglage d’une MOCN Optimisation d’une stratégie d’usinage Boutique d’achat de matériels

8. Mecagenius : réalisations • prototype académique • moteur de jeu • une dizaine de mini-jeux • salon de travail collaboratif (chat, webcam, partage de fichiers…) • Bibliothèque technique : • ~ 700 modèles 3D • ~ 50 animations • Réalisations d’outils de tracking • Etude des activités de l’apprenant basée sur • 20 séances de tests en formation (UPS, IUFM, IUT, Collège, Lycée, Lycée Airbus…) (130 étudiants ) • 10 séances de découverte Lycée Airbus Sept 2011 (100 élèves) • Epreuve du Concours Course en Cours 2010 (26 équipes – 78 élèves) Une soixantaine d’heures de tests en formation

9. Mecagenius : le projet Projet académique 2008-2010 • Equipe de 3 pers. au CUFR Champollion • Nominé au Concours Goût des Sciences Projet industriel financé par l’aap ‘Serious gaming’ (lancé en 2009) s’appuyant sur le projet académique • Equipe académique de 10 pers. • Equipe KTM Advance ~ 10 pers. • Durée du projet : mars 2010 – mars 2012

10. Analyse de traces de jeu à l'aide de réseaux bayésiens Objectifs • Etude didactique des traces de jeu • diagnostique des compétences du joueur apprenant, • Etude de l'évolution des compétences au cours du jeu, • Aide à la décision d'intervention (aide ou remédiation) • validation des caractéristiques pédagogiques d'un serious game ou d'une activité ludique

11. Difficulté Les paramètres entrant en jeu dans la réussite d'une activité ludique Compétences, motivation, immersion... : • Ne sont pas explicites (directement lisibles à travers les actions de jeu) • Ne peuvent être qu'estimés de manière incomplète et incertaine.

12. But du projet Effectuer une étude didactique des traces de jeu • À partir des expériences menées avec le serious game MECAGENIUS • Réalisant les objectifs de diagnostique, de suivi dynamique, d'aide à la décision de remédiation et de certification. • Modèle quantitatif à l'aide de réseaux bayésiens,

13. Deuxième modèle statique

14. Aide à la scénarisation de SeriousGames • Adopter une démarche permettant de s'assurer que le jeu corresponde bien aux attentes des experts métiers et des pédagogues. • Réaliser une aideà la scénarisation de serious game mettant en œuvre les méthodes précédentes. démonstration Problématique

15. Le modèle Les compétences à transmettre sont modélisées en collaboration avec les experts-métiers et les enseignants • Permettre un traitement du modèle • S'assurer de la couverture de l'ensemble des compétences • Hériter des pratiques pédagogiques et du savoir faire des experts

16. Les activités pédagogiques proposées sont décrites de manière normalisée en vu d'un traitement formel • Recouvrement « optimal » des compétences par un sous-ensemble des activités proposées. • Différentes métriques à l'étude : diamètre au sein de l'ontologie, diamètre au sein du tri par niveau, coquilles de jeu, temps de jeu, « note » des experts...