Exploiting activity traces and learners’ reports to support self-regulation in project-based learning

Min Ji 1
1 SICAL - Situated Interaction, Collaboration, Adaptation and Learning
LIRIS - Laboratoire d'InfoRmatique en Image et Systèmes d'information
Résumé : L'Apprentissage Par Projet (APP) est une méthode d'enseignement orientée apprenant, qui leur permet de réaliser des projets sous forme d'enquêtes approfondies. L'APP offre aux apprenants la possibilité de planifier leur projet, de collaborer avec leurs pairs et de rechercher les ressources pour atteindre les objectifs du projet. Cependant, l'APP est difficile à mettre en œuvre avec succès du fait que les apprenants manquent souvent des compétences d'autorégulation pour suivre, réfléchir, gérer et évaluer les activités durant le projet. L'apprentissage autorégulé peut aider les apprenants à acquérir ces compétences. Cependant, la plupart des environnements d'apprentissage utilisés en APP proposent surtout des matériaux d'apprentissage riches aux apprenants, et rarement les moyens de suivre et analyser leurs processus de gestion de projet et d'apprentissage. L'objectif principal de cette thèse est de soutenir l'apprentissage autorégulé en apprentisage par projet. Nous proposons une architecture générale de système de gestion des apprentissage par projet (PBLMS) qui aide les apprenants à comprendre comment réguler leurs activités d'apprentissage au cours d'un projet. Cette architecture générale intègre un système existant de gestion des apprentissages (LMS) et deux outils que nous proposons: un outil de reporting et un tableau de bord dynamique. L'outil de reporting supporte les processus de réflexion des apprenants en les amenant à décrire leurs activités non instrumentées, leurs réflexions et leurs évaluations sur les activités menées durant le projet à l'aide de phrases semi-structurées. Le système enregistre automatiquement les traces des interactions des utilisateurs avec le LMS, l'outil de reporting et le tableau de bord. Ces traces d'activité sont fusionnées avec les données autodéclarées afin que les indicateurs puissent être calculés sur la base de ces deux types d'informations. Le tableau de bord dynamique permet aux apprenants de créer des indicateurs personnalisables. Les apprenants peuvent spécifier les données à prendre en compte, le calcul et les modes de visualisation. Nous avons implémenté cette proposition théorique avec le développement de la plate-forme DDART (tableau de bord dynamique basé sur les traces d'activité et déclarées) qui intègre l'outil de reporting et le tableau de bord dynamique. Pour évaluer notre proposition, nous avons tout d'abord testé la capacité de DDART à créer un large échantillon d'indicateurs qui sont proposés dans les recherches existantes sur l'analyse des activités, la cognition, les émotions et les réseaux sociaux. De plus, une expérience a été menée afin d'évaluer l'utilisabilité et l'utilité perçue de DDART. Selon les résultats de cette expérience, nous avons constaté que DDART supporte les réflexions des apprenants sur la façon dont ils mènent leur projet et leur fournit les moyens de suivre leurs activités et apprentissages, même si la création d'indicateurs apparait difficile pour les novices.
Type de document :
Thèse
Machine Learning [cs.LG]. INSA de Lyon, 2015. English. <NNT : 2015ISAL0032>
Liste complète des métadonnées


https://tel.archives-ouvertes.fr/tel-01212256
Contributeur : Abes Star <>
Soumis le : mardi 6 octobre 2015 - 16:25:09
Dernière modification le : lundi 24 avril 2017 - 14:31:17
Document(s) archivé(s) le : jeudi 7 janvier 2016 - 10:43:03

Fichier

these.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01212256, version 2

Collections

Citation

Min Ji. Exploiting activity traces and learners’ reports to support self-regulation in project-based learning. Machine Learning [cs.LG]. INSA de Lyon, 2015. English. <NNT : 2015ISAL0032>. <tel-01212256v2>

Partager

Métriques

Consultations de
la notice

297

Téléchargements du document

350