Modélisation UML du e-learning adaptatif

également Rapport de Recherche I3S/RR--2005-19--FRInternational audienceGrâce à des retours d'expériences concernant des plates-formes d'e-learning (GALAGER, 2003), nous constatons que l'exploitation des possibilités de ces technologies n'est pas optimale. Les plates-formes ne sont pas adaptatives (ROUISSI, 2003) – c'est-à-dire qu'elles ne s'adaptent pas aux préférences, profils et parcours des apprenants et elles ne les guident pas dans leurs choix-mais peuvent l'être grâce à l'utilisation de techniques d'Intelligence Artificielle. Proposer un choix de cours qui corresponde aux comportements, attentes et goûts des utilisateurs est nécessaire car le risque d'échec et d'abandon est encore un frein à l'utilisation réussie de ce type d'apprentissage. Dans cet article, nous proposons une modélisation UML d'un système d'apprentissage en ligne qui s'adapte au profil des apprenants. Cette modélisation met en exergue les parties du système qui peuvent être automatisées. L'étudiant est guidé tout au long de son apprentissage et des conseils lui sont fournis par l'adaptateur (qui est l'agent, généralement automatique, qui réalise l'adaptation de l'enseignement) pour qu'il suive le parcours qui lui correspond le mieux, favorisant ainsi sa métacognition (ROMERO, 2005). L'apprenant est entièrement libre de choisir ou pas le chemin proposé par l'adaptateur et il doit être capable d'analyser de façon critique les caractéristiques de ses performances. L'adaptateur, pour faire son choix, a besoin de connaître les acquis de l'apprenant, ses résultats aux exercices effectués, ses préférences en matière d'apprentissage mais aussi les résultats des autres apprenants de la plate-forme pour le domaine étudié. Nous proposons également un début de réflexion sur les moyens informatiques à mettre en oeuvre pour réaliser l'adaptation des cours