Analyse automatique de conversations textuelles
synchrones d’apprenants pour la détermination de
comportements sociaux
Sébastien
George ICTT,
INSA de Lyon
|
RÉSUMÉ : Dans
cet article, nous nous intéressons à l’apprentissage
collectif dans un contexte de distance et à l’utilisation
des technologies informatiques pour le soutenir. Une des limites
de la distance réside dans la difficulté d’avoir
un retour d’information sur les actions et comportements
des utilisateurs. En formation à distance, cette difficulté
est un obstacle pour le suivi pédagogique des tuteurs
et pour la réalisation d’activités collectives
entre apprenants. Nous pensons que l’informatique peut
contribuer à résoudre ce problème en
recueillant des informations sur le comportement des utilisateurs.
En particulier, nous proposons ici une approche pour la détermination
automatique de comportements sociaux, comme des comportements
d’animateurs ou d’indépendant, lors de
conversations textuelles synchrones. Cette approche est fondée
sur la spécification et la conception d’un outil
de conversation semi-structuré par des actes de langage.
MOTS
CLÉS : formation en ligne, apprentissage
collectif, analyse automatique de conversations médiatisées,
profils de comportementaux sociaux.
|
|
ABSTRACT : In
this paper, we deal with collective learning in a distance
context and with information technology to support it. A limit
of distance situation leads in the difficulty to have a feedback
on users’ actions and behaviors. In distance education,
this difficulty is an obstacle to the monitoring of teacher
and to the collective work of learners. We think that computer
system can contribute to solve this problem by giving feedback
on users’ behavior. We propose an approach to automatic
analysis of learners’ social behavior, like moderator
or independent, during computer-mediated synchronous textual
conversations. This approach is based on the specification
and design of a conversation tool semi-structured by communicative
acts.
KEYWORDS : e-learning,
collective learning, automatic analysis of computer-mediated
conversations, social behavior profiles
|
1. Introduction
Notre travail se situe dans le domaine des Environnements Informatiques
pour l’Apprentissage Humain (EIAH)
et concerne plus spécifiquement les EIAD
(Environnements Interactifs pour l’Apprentissage à
Distance). Nous définissons les EIAD
comme étant des environnements cherchant à créer
des conditions de construction de connaissances chez une personne
à partir d'interactions avec un système informatique
distribué et d'interactions médiatisées avec
d'autres acteurs (enseignants, autres apprenants) utilisant ce système.
Le contexte général de notre travail concerne l’apprentissage
collectif dans un contexte de distance et l’utilisation des
technologies informatiques pour le soutenir. Nous définissons
l’apprentissage collectif comme étant un mode de partage
et de construction de connaissances se réalisant lors d’interactions
entre apprenants. Nous nous fondons pour cela sur des approches
en psychologie du développement comme l’approche socio-culturelle
[Vygotski34]
et l’approche socio-constructiviste [DoiseMugny81].
Ces approches sont appuyées par des approches pédagogiques
[Dewey22],
[Freinet77]. Dans toutes ces approches,
l’enseignant est un acteur important qui est considéré
comme un initiateur d’activités collectives favorisant
l’apprentissage entre pairs, comme un facilitateur et un régulateur.
Nous nous intéressons dans cet article à l’Apprentissage
Collectif Assisté par Ordinateur (ACAO)
plus connu sous sa dénomination anglaise Computer-Supported
Collaborative Learning (CSCL).
Nous posons comme hypothèse fondatrice que les situations
d’apprentissage à distance utilisant les réseaux
informatiques peuvent, sous certaines conditions, être un
levier puissant pour favoriser l’apprentissage collectif.
Nous avons adopté une démarche de recherche consistant
à déterminer en premier lieu l’activité
pédagogique collective à mettre en place. En effet,
il ne faut pas seulement compter sur les nouvelles technologies
de la communication pour créer des situations d’apprentissage
collectif. Les conditions qui nous paraissent primordiales pour
favoriser l’apprentissage collectif sont la création
d’interdépendance entre apprenants, la recherche d’un
apprentissage par l’action et la mise en place d’activités
de moyenne durée – plusieurs semaines à quelques
mois – devant aboutir à une production collective.
Dans notre cas, nous avons choisi la pédagogie de projet
comme fondement pour favoriser l’apprentissage collectif.
Une partie de notre travail a alors consisté à expliciter
et à modéliser une activité de projet pour
un contexte d’apprentissage à distance. Notre modèle
s’appuie sur une organisation humaine en équipe, cette
dernière étant composée d'apprenants se trouvant
à distance et engagés dans un même projet. Un
tuteur, distant lui aussi, assure le suivi du projet et assiste
les apprenants. Le résultat de ce travail de modélisation
est présenté dans [GeorgeLeroux01].
Dès lors, nous avons déterminé les spécifications
d’un environnement informatique ayant pour objectif de soutenir
les acteurs d’une pédagogie de projet dans un contexte
de distance. Cet environnement est un support dans le sens où
il est conçu pour la mise en place, pour la réalisation
et pour le suivi d’activités de projets entre apprenants.
L’intérêt d’avoir conçu cet environnement
est double. D’une part, l’environnement est dédié
à la pédagogie de projet, approprié au contexte
éducatif et utilisable par un large public d’apprenants.
D’autre part, son architecture et ses outils permettent l’analyse
automatique des activités des acteurs afin de les assister.
L'environnement, nommé SPLACH
(Support d’une pédagogie de Projet pour l’Apprentissage
Collectif Humain), est décrit dans [George01]
ou de manière plus synthétique dans [George02]
et [GeorgeLeroux02].
Dans le cadre de l’analyse automatique des activités
collectives des apprenants, nous proposons une approche particulière
pour analyser les conversations synchrones entre apprenants, ces
interactions étant révélatrices de comportements
sociaux – animateur, indépendant, etc. – qu’il
nous paraît important de pouvoir repérer lors d’une
pédagogie de projet. Cette analyse automatique de comportements
sociaux est l’objet de cet article. Pour notre travail, nous
nous intéressons aux conversations médiatisées
synchrones de forme textuelle, plus communément appelé
chat.
Nous précisons dans la partie 2 de l’article les objectifs
visés dans la détermination de profils de comportements
sociaux. La partie 3 présente les travaux de Pléty
sur lesquels nous nous appuyons pour étudier les comportements
sociaux d’apprenants. La partie 4 décrit nos fondements
théoriques et pratiques pour l’analyse automatique
de conversations. Nous présentons alors dans la partie 5
notre proposition pour la détermination automatique de profils
de comportements sociaux lors de conversations textuelles synchrones.
Cette proposition s’est concrétisée par la conception
d’un outil de conversation synchrone particulier dont l’évaluation
est décrite dans la partie 6.
2. Objectifs recherchés dans la
détermination de profils de comportements sociaux
Lorsque des apprenants travaillent en groupe dans une classe, une
organisation se met en place spontanément [Pléty96].
Pléty précise qu’ au
sein de cette organisation chacun des partenaires sait trouver,
suivant ses capacités et ses connaissances personnelles,
sa propre place". Les apprenants se positionnent les uns
par rapport aux autres en fonction de comportements sociaux révélés
par les attitudes de chacun. L’observation de ces comportements
sociaux des apprenants dans une classe est une chose que tout professeur
fait de façon habituelle. Dans le cadre d’une pédagogie
de projet par exemple, ces observations fournissent à l’enseignant
encadrant des indicateurs pour comprendre, réagir et intervenir
auprès du groupe. De même, pour les apprenants, la
perception des comportements des individus du groupe permet de mieux
réguler le travail collectif.
Dans une situation de distance, des caractéristiques de
comportement social similaires existent dans les groupes distribués
[Rheingold93].
Cependant, la distance et la médiatisation des échanges
ne rendent pas aussi immédiat la perception de ces comportements
sociaux. Pour pallier cette limitation, nous pensons qu’il
est utile d’avoir un système informatique capable d’analyser
automatiquement ces comportements. En particulier, dans un contexte
de formation en ligne, il est intéressant de chercher à
déterminer automatiquement des profils de comportements sociaux
à l’intérieur des groupes d’apprenants
car ils peuvent être utiles aussi bien pour le tuteur que
pour les apprenants eux-mêmes.
Pour le tuteur responsable de l’encadrement des apprenants
lors d’une formation à distance, des informations sur
des profils de comportements sociaux lui permettraient de mieux
comprendre les relations sociales existantes. Dans le cas d’activités
pédagogiques collectives, le tuteur pourrait alors mieux
suivre l’activité qui se déroule et donc mieux
encadrer les groupes d’apprenants. D’une manière
générale, nous pensons que des indications sur les
comportements sociaux des apprenants peuvent contribuer à
aider le tuteur dans son suivi pédagogique, suivi qui constitue
un point crucial pour la bonne réussite d’une formation
à distance. En particulier, le suivi d’un tuteur aide
à limiter les abandons liés au sentiment d’isolement
des apprenants [Linard01].
Pouvoir repérer rapidement un apprenant isolé est
un enjeu important. Notre proposition est donc de soutenir informatiquement
le suivi du tuteur. Le tuteur ne peut pas être présent
à chaque connexion des apprenants. Un système informatique
l’assistant dans sa tâche de suivi sera, dans ce contexte,
d’une aide précieuse. L’objectif est de concevoir
des systèmes présentant des vues synthétiques
des informations pertinentes pour le tuteur [Labat02].
Toujours du côté des enseignants, nous voyons d’autres
perspectives possibles à l’utilisation des profils
de comportement. Par exemple, ces profils peuvent constituer une
aide à la formation de groupes d’apprenants. Un enseignant
aurait la possibilité d’utiliser les profils en cherchant
à "équilibrer" un groupe
ou, au contraire, en cherchant à créer des conflits
intéressants d’un point de vue pédagogique [DillenbourgAl96]).
En ce qui concerne les apprenants, leur fournir des informations
sur leurs profils de comportement social permettrait de leur donner
une vue sur leurs actions et leur donner ainsi un autre regard sur
leur processus de travail. Cet "effet miroir"
est l’une des aides possibles d’un environnement support
d’apprentissage collectif [JermannAl01].
Nous pouvons même aller au-delà et utiliser les profils
analysés pour adapter les environnements aux apprenants.
Par exemple, un apprenant ayant un comportement d’animateur
se verrait attribuer des outils particuliers d’animation.
Par ailleurs, une analyse automatique aboutissant à la détermination
de profils comportementaux contribuerait à fournir des indicateurs
au système informatique pour apporter de l’assistance
adaptée et des conseils personnalisés aux apprenants.
Nous venons de citer les multiples intérêts d’une
analyse automatique des profils de comportements sociaux dans un
contexte de formation à distance. La question est de savoir
comment parvenir à cette analyse automatique. Nous présentons
l’état de nos travaux sur une approche pour y parvenir.
Pour notre travail, nous nous attachons uniquement à l’observation
et à l’analyse des comportements sociaux pendant les
conversations textuelles synchrones.
3. Fondements pour l’étude
de comportements sociaux d’apprenants
Robert Pléty, chercheur du laboratoire d’éthologie
des communications de l’université Lumière-Lyon
2, a beaucoup étudié le comportement d’élèves
travaillant en groupe dans une classe ; il a notamment analysé
des interactions entre élèves1
travaillant en groupe de quatre à la résolution de
problèmes d’algèbre [Pléty96].
Pour ce faire, il est parti d’une micro-analyse des échanges
verbaux et gestuels dans le groupe pour aboutir à la détermination
de profils de comportement chez les élèves. De cette
analyse, Pléty a défini des profils de comportement
qui caractérisent les rôles que les partenaires jouent
dans le groupe. Ses analyses lui ont permis d’identifier des
profils types de comportement. Afin de déterminer ces comportements
quatre sortes d’observations sont effectuées pour chaque
élève : le volume d’intervention, le type d’intervention,
les gestes de type communicatif (regard et mouvement), les réactions
des autres (ce que les interventions entraînent).
À partir de ces observations, Pléty fait ressortir
quatre profils types de comportement : l’animateur, le
vérificateur, le quêteur et l’indépendant.
Les caractéristiques de ces quatre profils sont résumées
dans le Tableau 1.
Profil |
Volume d’intervention |
Type d’intervention |
Gestes communicatifs |
Réactions
entraînées |
Animateur |
Important
|
Interrogation
ou proposition |
Importants
(regards et mouvements) |
Suivi de
réactions positives |
Vérificateur |
Assez important
|
Réaction,
réponse et évaluation |
Régulateurs
(regards orientés) |
Peu suivi
de réactions |
Quêteur |
Peu important
|
Très
dubitatif (questions) |
Regards
longs de quête |
Ses questions
sont bien acceptées |
Indépendant
|
Faible
|
Pas ou peu de proposition ni d’évaluation |
Peu de regards |
Ses interventions
restent en suspens |
Tableau 1 : Les profils comportementaux
d'élèves travaillant en groupe
(synthèse personnelle d’après les travaux de
Pléty)
D’après cette étude, ces quatre profils se
retrouvent dans presque tous les groupes analysés (16 au
total). Ainsi, un animateur est présent dans tous les groupes
analysés. Un vérificateur est presque toujours présent
(dans 12 des 16 groupes) et ce rôle n’est qu’une
seule fois conjoint au rôle d’animateur. Un quêteur
est présent dans tous les groupes et il arrive même
d’en retrouver plusieurs dans un même groupe. Un indépendant
se retrouve un peu moins fréquemment (dans 9 des 16 groupes).
Nous nous sommes alors posés la question de savoir si, à
distance et avec les réseaux, il était possible de
retrouver ces mêmes caractéristiques de groupes d’apprenants.
Pléty apporte un élément de réponse,
parlant de groupes d’apprenants distribués sur réseau,
en soulignant que "curieusement, on y rencontre
les mêmes aspects d'appartenance, de cohésion et de
leadership que dans les groupes ordinaires" [Pléty98].
La détermination de profils de comportement pour des apprenants
travaillant en groupe à distance semble donc avoir un sens.
La question est alors de savoir comment transposer les travaux de
Pléty dans un contexte de conversation médiatisée.
Une des manières d’y arriver est d’analyser automatiquement
les conversations entre apprenants.
4. Fondements pour l’analyse automatique
de conversations
Nous avons vu précédemment qu’il était
possible de déterminer des profils comportementaux en analysant
"manuellement" les interactions et les conversations lors
de réunions de groupe. Notre objectif est d’automatiser
la détermination de ces profils comportementaux en concevant
un système d’analyse des conversations. Pour réaliser
ces analyses nous avons besoin de comprendre plus en détail
ce qu’est une conversation. Nous présentons dans cette
partie les travaux sur lesquels nous nous fondons pour atteindre
notre objectif consistant à déterminer automatiquement
des profils de comportements sociaux lors de conversations textuelles
synchrones.
4.1. La théorie des actes du langage
L’étude de la fonction du langage a fait l’objet
de nombreuses recherches. Pendant longtemps, le langage a été
perçu comme étant un moyen de rendre compte et de
décrire le monde. Austin [Austin62]
présente une autre vision du langage en considérant
les énoncés d’une conversation comme étant
non plus seulement descriptifs mais comme des actes en soi. Les
énoncés sont eux-mêmes des actions et possèdent
une force illocutoire, c’est-à-dire une certaine valeur
(question, proposition, etc.). Ainsi, Austin pose comme principe
de la théorie des actes de langage qu’en énonçant
un message un locuteur effectue simultanément trois actes
:
-
un acte locutoire : c’est l’action
même de dire quelque chose ;
-
un acte illocutoire : c’est la valeur conventionnelle
du message ;
-
un acte perlocutoire : c’est l’ensemble
des conséquences qui découlent de l’acte
de parole (les effets).
Pour illustrer ce principe, nous pouvons prendre l’exemple
d’une personne qui dit : "Peux-tu fermer
la porte ?". La personne prononce une phrase (aspect locutoire)
pour demander quelque chose (aspect illocutoire) dans le but d’avoir
un effet sur la personne à qui ce message est destiné
(aspect perlocutoire). L’effet attendu (la fermeture de la
porte) n’est pas forcément celui qui va être
réalisé (par exemple une réponse de l’interlocuteur
comme "Vas-y toi-même !").
De nombreux travaux se sont fondés sur la théorie
des actes de langage d’Austin. Parmi ceux-ci, l’approche
interactionnelle des actes de langages nous semble particulièrement
intéressante pour l’analyse des conversations personne-personnes
médiatisées.
4.2. Approche interactionnelle des actes de langage
L’approche interactionnelle de
la conversation a fortement été influencée
par le courant de pensée dit de "l’école
genevoise". Les chercheurs de ce courant ont défini
un modèle structurel et fonctionnel du dialogue2.
Les intérêts de ce modèle proviennent du fait,
d’une part, qu’il se veut indépendant de la tâche
et, d’autre part, qu’il permet d’identifier les
différents types de constituants d’une conversation
: les échanges, les interventions et les actes de langage
[RouletAl85].
Selon ces derniers auteurs, un dialogue consiste en une suite d’échanges
constitués eux-mêmes par des interventions, qui sont
à leurs tours composées d’actes de langage.
Ce modèle structurel et fonctionnel genevois "est
basé sur l’hypothèse que la conversation est
organisée à partir d’un ensemble hiérarchisé
d’unités de rang et de relations ou fonctions entre
ces unités" [Moeschler94].
Comme nous l’avons dit, une intervention peut se composer
d’un ou plusieurs actes de langage. Cependant, il est communément
admis qu’il y a au moins un acte qui est l’acte principal
ou acte directeur [RouletAl85]
qui détermine la force illocutoire de l’intervention.
Selon Bilange, "les interventions peuvent
avoir trois fonctions illocutoires génériques : l’initiative,
la réaction et l’évaluation" [Bilange91].
Cette force illocutoire de l’intervention est entièrement
déterminée par l’acte de langage directeur de
l’intervention. De ce fait, les actes de langage peuvent être
classifiés en actes initiatifs, en actes réactifs
et en actes évaluatifs. Nous préférons cette
classification très générale à celle
plus fine de Searle [Searle72]
par exemple. En effet, nous trouvons cette classification plus pertinente
au regard de notre objectif concernant la détermination des
profils comportementaux. Nous retrouvons dans ces trois catégories
– que sont les initiatifs, les réactifs et les évaluatifs
– les indicateurs potentiels de comportements identifiés
par Pléty. Nous y reviendrons dans la partie 0
lorsque nous définissons précisément les actes
de langage de notre outil de conversation.
D’une manière générale, les chercheurs
du courant de l’école genevoise critiquent les théories
fondées sur les seuls actes de langage conçus comme
des actes isolés. Ils mettent en avant l’idée
d’échanges entre personnes et de séquences structurées
d’échanges. Pour Roulet [RouletAl85],
une intervention doit remplir un certain nombre de conditions pour
constituer une réaction adéquate et autoriser la poursuite
de l’échange. Cela ne veut pas dire pour autant qu’il
existe des règles strictes qui s’appliquent au déroulement
d’une conversation. Néanmoins, nous ne pouvons ignorer
l’existence de certaines contraintes d’enchaînements
[Moeschler94].
Il existe par exemple des contraintes thématiques qui sont
des contraintes liées aux contenus des interventions. La
contrainte qui nous paraît intéressante est celle que
Roulet appelle la "condition illocutoire"
qui, selon lui, "impose au constituant
réactif une fonction illocutoire correspondant à celle
du constituant initiatif" [RouletAl85].
L’exemple le plus simple peut se retrouver dans les deux principaux
types d’échanges identifiés par Kerbrat-Orecchioni
[KerbratOrecchioni92] :
les échanges minimaux qui sont composés d’une
intervention initiative suivie d’une intervention réactive,
et les échanges complets qui comportent en plus une intervention
évaluative. Cette vue est assez macroscopique et nous traitons
plus finement des contraintes d’enchaînement conversationnel
dans la partie suivante.
4.3. Enchaînement conversationnel
Le principal objectif des recherches
concernant les enchaînements conversationnels est de trouver
des structures récurrentes dans les conversations entre personnes.
La conversation est vue comme une co-construction dans laquelle
les interlocuteurs interagissent de manière cohérente.
D’une manière générale, nous retenons
que "chaque interaction répond
à une interaction précédente et en même
temps impose des contraintes discursives sur l'interaction suivante"
[ColineauMoulin99].
Dans une perspective d’assistance à la structuration
de conversation, nous pensons qu’il est utile de prendre en
compte ces contraintes discursives qui permettent de restreindre
pour chaque énoncé l'ensemble des énoncés
pouvant intervenir à la suite.
Les travaux de Clark et Schaefer [ClarkSchaefer89]
nous donne un éclairage notoire sur les enchaînements
conversationnels. Ces auteurs ont beaucoup étudié
ce qu’ils nomment les "contributions"
dans une conversation. Ils ont défini un modèle des
contributions dans lequel celles-ci sont créées par
les participants agissant collectivement : "contributions
are created by participants acting collectively" [ClarkSchaefer89].
Les contributions sont certes individuelles, mais dépendantes
des contributions des autres participants. Toujours selon ces chercheurs,
la plupart des tours de conversation sont organisés en paires
adjacentes3. Une paire
adjacente se compose de deux expressions ordonnées produites
par deux locuteurs. L’exemple le plus simple de paire adjacente
est la paire "question-réponse".
La forme et le contenu de la deuxième partie de la paire
(la réponse) dépendent du type de la première
partie de la paire (la question). Une première partie d’une
paire étant donnée, une seconde est appropriée
et attendue à la prochaine expression : "Given
a first pair part, a second pair part is conditionally relevant,
that is, relevant and expectable, as the next utterance"
[ClarkSchaefer89].
Clark et Shaefer proposent ainsi des types de paires adjacentes
possibles.
L’organisation en paires adjacentes rend compte de la structuration
de la conversation. Un premier acte communicatif entraîne
une réaction appropriée de l’interlocuteur.
Cette organisation en paires adjacentes a l’avantage d’être
très structurante. Nous pouvons aussi y voir une limite.
En effet, dans les travaux de Clark et Schaefer, à une première
partie de paire ne correspond qu’une seule deuxième
partie. Cette vision nous semble quelque peu restrictive. Dans la
partie 5.2, nous proposons des contraintes
d’enchaînements qui s’inspirent de ces paires
adjacentes mais présentent plus de souplesse en donnant différents
choix pour la poursuite de la conversation.
4.4. Conversations médiatisées semi-structurées
par des actes de langage
Nous avons vu qu’une conversation pouvait être considérée
comme une succession d’échanges composés d’interventions
de locuteurs et constituées elles-mêmes d’actes
de langage dont l’un est l’acte directeur. Si l’on
cherche à analyser automatiquement une conversation, il est
alors important de repérer ces actes de langage directeurs.
Deux solutions s’offrent alors à nous. La première
consiste à analyser le contenu des interventions pour tenter
de déterminer ces actes. C’est le domaine du traitement
automatique du langage naturel (TALN).
Dans son livre, Luzzati [Luzzati95]
relève les difficultés de ces analyses automatiques
et notamment celle de la compréhension du sens par le système.
Malgré les progrès effectués dans ce domaine,
les résultats ne sont pas toujours très fiables. Les
systèmes les plus performants sont ceux qui analysent des
conversations faites dans un contexte très précis
et très limité. De ce fait, beaucoup de travaux concernés
par cette analyse automatique du langage se trouvent dans le domaine
du dialogue personne-machine finalisé.
La deuxième solution pour déterminer l’acte
de langage directeur dans une intervention est de le demander à
l’utilisateur. C’est un principe de base qui est notamment
utilisé dans le domaine de l’EIAH
: si le système ne sait reconnaître l’information
nécessaire pour son analyse alors il faut la demander à
l’utilisateur : "avoid guessing, get
the student to tell you what you need to know"4
[Self88].
Une solution consiste alors à utiliser une interface semi-structurée
pour demander un acte de langage à l’utilisateur avant
que celui-ci ne saisisse le contenu de son message de manière
libre (d’où le terme de semi-structuration). Le premier
système à avoir utilisé ce principe pour obtenir
des informations à propos des actes de langage est un système
pour le travail coopératif assisté par ordinateur
(TCAO), nommé The Coordinator
[Winograd87].
The Coordinator est un système pour la gestion des actions
dans le temps et comporte un système de messagerie composé
de menus permettant d’identifier les actions linguistiques.
Les menus sont adaptés aux messages et à l’état
de la conversation. L’objectif principal est de faciliter
l’identification de rupture dans la coordination des personnes.
Selon les auteurs, The Coordinator a aussi une dimension éducative
: "The Coordinator also has an educational
dimension" [FloresAl88].
En effet en utilisant le système, les personnes acquièrent
de nouvelles compétences en matière d’action
sociale. Le simple fait de caractériser un message comme
une "offre" ou une "demande"
amène l’utilisateur à se demander "qu’est-ce
que je veux faire là ?". De nombreux environnement
d’ACAO ont alors repris le principe
de semi-structuration des communications, entres autres ICLS
[McManusAiken95],
C-CHENE [BakerLund97],
TECFAMOO [JermannSchneider97],
BetterBlether [RobertsonAl98]
et COMET [SollerAl99].
Même si cette technique comporte des inconvénients,
comme le manque de flexibilité ou l’ajout de contraintes
et de discipline pour l’utilisateur [Suchman94],
elle peut être utile dans un contexte d’apprentissage
pour les raisons suivantes :
-
le fait de typer un message amène l’utilisateur
à se demander ce qu’il veut dire et a donc une
valeur éducative [Winograd87],
[FloresAl88]
;
-
une interface semi-structurée encourage
les utilisateurs à se centrer davantage sur la tâche
[BakerLund97],
[JermannSchneider97]
;
-
l’utilisation d’ouvreurs permet de
concevoir des systèmes d’analyse automatique de
discussions [McManusAiken95].
Il nous semble donc opportun d’utiliser une structuration
au moyen d’actes de langage pour, d’une part, concevoir
un outil de conversation dans un contexte éducatif et, d’autre
part, analyser automatiquement des profils de comportements sociaux.
Nous sommes conscients des critiques qui existent à ce sujet
et nous tentons d’apporter des solutions notamment par rapport
aux points suivants :
-
la structuration de l’environnement doit
par elle-même encourager à utiliser l’acte
de langage correspondant à l’intervention [RobertsonAl98]
;
-
un grand nombre d’actes rend l’interface
difficilement utilisable [SollerAl99]
;
-
l’outil doit permettre de rendre le fil
des conversations explicite [RobertsonAL98].
5. Proposition pour la détermination
de profils de comportements sociaux
Nous présentons dans cette partie notre proposition pour
déterminer de manière automatique, lors de conversations
textuelles synchrones, des profils de comportement sociaux.
5.1. Réflexion pour le choix des actes de langage pour
l’outil de conversation
Nous poursuivons un double objectif en proposant une interface
semi-structurée par des actes de langage pour l’outil
de conversation. D’une part, nous souhaitons analyser automatiquement
certains aspects des conversations afin de faire ressortir des profils
comportementaux des utilisateurs. En nous fondant sur les travaux
de Pléty et en les transposant dans notre contexte de conversation
médiatisée, les indicateurs permettant de déterminer
ces profils peuvent être considérés comme étant
de deux natures : d’une nature quantitative en ce qui
concerne le volume des interventions et d’une nature qualitative
pour ce qui est du type d’intervention. Les actes de langage
nous intéressent pour ce deuxième point. Les actes
de notre système sont choisis relativement aux indicateurs
de type d’intervention relevés par Pléty (colonne
"type d’intervention" du Tableau
1) à savoir : interrogation, proposition, réaction,
réponse, évaluation, question. Ces types constituent
les premiers éléments de définition des actes
pour notre outil.
D’autre part, le second objectif est de se servir de la structuration
qu’implique l’utilisation des actes de langage pour
faciliter la conversation des apprenants. Ainsi, nous pensons que
l’outil proposé, plutôt que d’être
un obstacle, doit permettre d’améliorer les conversations
médiatisées.
Afin de limiter les choix possibles d’actes de langage et
donc la complexité, nous choisissons de ne pas utiliser une
classification théorique des actes de langage mais plutôt
une classification pragmatique en rapport avec nos besoins. Les
taxinomies sont utiles pour des chercheurs mais sont peu adaptées
à des utilisateurs qui veulent communiquer (les actes proposés
ne sont pas assez concrets). Il est certain que le fait de définir
un ensemble d’actes de langage comporte une part d’arbitraire.
Des processus itératifs de tests auprès des utilisateurs
(durant une première expérimentation) nous ont permis
d’affiner l’ensemble d’actes de langages déterminés
de manière pragmatique.
Nous choisissons de présenter les actes de langage sous
forme de verbes. En effet, un verbe est plus proche de l’action
de l’utilisateur qui veut exprimer quelque chose [Scapin86].
Notre choix s’oriente vers un ensemble de verbes qui expriment
des forces illocutoires. De plus, les verbes choisis doivent relever
d’un vocabulaire usuel et ne pas faire appel à des
définitions complexes ou ambiguës.
D’un point de vue ergonomique, la présentation des
actes dans un menu déroulant lorsque l’utilisateur
sélectionne un message de la conversation semble la plus
"utilisable" et la moins déroutante
pour les utilisateurs. Un autre avantage de ce menu est qu’il
peut être créé de façon contextuelle :
selon le message auquel l’utilisateur réagit, nous
pouvons lui présenter la liste des actes pour enchaîner.
5.2. Les actes de langage proposés pour l’outil de
conversation
Les actes que nous proposons d’intégrer
dans l’outil de conversation semi-structuré se répartissent
en cinq catégories. Trois de ces catégories se trouvent
par exemple dans les travaux de [Roulet86]
à savoir : les actes initiatifs, les actes réactifs
et les actes évaluatifs (cf. partie 4.2).
Nous avons ajouté deux autres catégories à
celles-ci. La première est la catégorie "salutation"
[KendonFerber73],
[Laver81] qui
permet de commencer et de clore une conversation. La deuxième
catégorie ajoutée est celle des actes auto-réactifs.
Nous n’avons pas trouvé de travaux y faisant référence.
Nous pensons néanmoins qu’il est nécessaire
de pouvoir réagir à ses propres interventions. Il
est vrai que cette catégorie peut se confondre avec la catégorie
des actes réactifs.
Catégories |
Actes de langage |
Icônes |
Salutation |
Saluer |
|
Initiatif |
Proposer
Demander[5]
Affirmer |
|
Réactif |
Répondre
Questionner |
|
Évaluatif |
Approuver
Désapprouver |
|
Auto-réactif |
Préciser
Rectifier |
|
Tableau 2 :
Les actes de langage proposés pour notre outil de conversation
Cependant, nous préférons distinguer clairement
les interventions de réaction d’un locuteur à
l’une de ses propres interventions, de celles réagissant
à des interventions émises par d’autres. Le
Tableau 2 précise les actes que
nous avons identifiés pour chacune des catégories
retenues.
Afin de faciliter le travail de sélection des actes de langage
par l’utilisateur, nous avons cherché à définir
un nombre restreint d’actes distants sémantiquement.
Nous arrivons à dix actes au total. Cet ensemble d’actes
a été choisi dans le but d’être facilement
exploitable par les apprenants et d’être suffisant pour
l’analyse que nous voulons en faire, c’est-à-dire
pour la détermination des profils comportementaux. Enfin,
nous rappelons que le Tableau 2 est
le résultat d’une confrontation de notre outil de conversation
avec les utilisateurs lors d’une première expérimentation
de l’environnement SPLACH (cf.
partie 6).
5.3. Enchaînement des actes de langage dans l’outil
de conversation
Comme nous l’avons déjà
exposé, les actes de langage ne sont pas indépendants
les uns des autres. Ainsi, dans une conversation, les actes de langage
obéissent à des contraintes d’enchaînement
(cf. partie 4.3). Nous utilisons l’idée
des paires adjacentes pour atteindre deux de nos objectifs :
faciliter la structuration des conversations et contribuer à
limiter les sélections inappropriées d’actes
de langage.
Nous nous sommes beaucoup inspirés des travaux de Clark
et Shaefer [ClarkSchaefer89]
pour déterminer les contraintes d’enchaînements
entre les actes de langage. Nous reprenons leur idée de paires
adjacentes. Cependant, nous ne limitons pas la deuxième partie
de la paire à un seul acte, nous proposons une liste des
actes possibles. Le Tableau 3 décrit
les paires adjacentes retenues.
Types de paires adjacentes |
Exemples |
Première partie |
Deuxième partie |
Intervention de A |
Réaction de B |
Proposer |
Approuver
Désapprouver
Questionner |
- Je propose qu’on écrive le document. |
- Oui, d’accord.
- Non, pas tout de suite.
- Quel document ? |
Demander |
Répondre
Questionner |
- As-tu rempli ton document ? |
- Oui, je l’ai fait.
- Quel document ? |
Affirmer |
Approuver
Désapprouver
Questionner |
- Je veux faire cette tâche. |
- D’accord.
- Je l’avais déjà prise !
- Quelle tâche ? |
Répondre |
Approuver
Désapprouver
Questionner |
- Le document de l’étape d’analyse. |
- Ah, oui.
- Tu te trompes d’étape.
- Où est ce document ? |
Questionner |
Répondre
Questionner |
- Quel document ? |
- Celui d’analyse.
- Il y en a plusieurs ? |
Approuver |
Approuver
Désapprouver
Questionner |
- Je suis d’accord avec l’analyse de Claude. |
- Moi aussi, d’accord.
- Je ne suis pas d’accord.
- Quelle analyse ? |
Désapprouver |
Approuver
Désapprouver
Questionner |
- Je ne suis pas d’accord avec l’analyse de Claude ? |
- Oui, moi non plus.
- Moi, je suis d’accord.
- Pourquoi ? |
Saluer |
Saluer |
- Bonjour Benoît. |
- Bonjour Anne. |
Tableau 3 : Les
paires adjacentes dans l'outil de conversation proposé
Dans ce tableau, la deuxième partie d’une paire correspond
à une réaction d’un interlocuteur différent
de celui ayant effectué la première partie de cette
paire. De ce fait, nous n’avons pas indiqué les actes
auto-réactifs qui correspondent à la réaction
d’un utilisateur à une de ses propres interventions
("préciser" ou "rectifier").
La Figure 1 représente un graphe
de successions ou grammaire des actes de langage retenus. Ce graphe
est en fait une autre vue des paires adjacentes que nous avons définies
précédemment. Le nœud de gauche représente
l’initiation d’une nouvelle discussion. Ainsi, un utilisateur
peut commencer une discussion par une salutation ("saluer")
ou par un acte initiatif ("demander",
"proposer" ou "affirmer").
Pour prendre un autre exemple, à partir d’une proposition,
un utilisateur peut "questionner" cette
proposition ou l’évaluer ("approuver"
ou "désapprouver"). Pour les actes
auto-réactifs, lorsqu’un utilisateur a fait une intervention,
quel qu’en soit le type, il peut réagir à sa
propre intervention en précisant ou rectifiant ce qu’il
vient de dire.
Figure 1 : Graphe de successions des actes
de langage
Nous pouvons par ailleurs remarquer que le graphe de successions
ne présente pas de nœud de fin. Cette caractéristique
vise à permettre aux débats de se dérouler.
Cet aspect est important dans un contexte d’apprentissage
pour favoriser l’approfondissement des idées (ici l’objectif
n’est pas que les utilisateurs trouvent un accord le plus
rapidement possible mais qu’ils puissent échanger et
partager leurs connaissances). Un fil de discussion se termine lorsqu’il
n’y a plus de réaction à un message (par exemple
s’il y a un accord ou une réponse satisfaisante).
5.3. Représentation arborescente des messages
Un grand nombre d’outils de communication
écrite synchrone existe sur le marché (outils de chat).
Cependant, ces outils n’ont pas beaucoup évolué
depuis une vingtaine d’années et demeurent peu adaptés
pour des conversations soutenues. Leur fonctionnement repose sur
un empilement des messages des utilisateurs de façon temporelle.
Nous formulons des critiques à ce fonctionnement. Cet empilement
de messages les uns à la suite des autres selon leur ordre
d’arrivée pose des problèmes dans un contexte
de conversation synchrone. En effet, le temps nécessaire
à la composition des textes (temps de frappe) ne permet pas
de répondre de façon immédiate à un
message. De ce fait, les temps de latence provoquent des imbrications
des interventions qui rendent le suivi de la discussion difficile.
Deux messages peuvent se retrouver proches à l’interface
alors qu’ils ne sont pas forcément liés et,
à l’inverse, deux messages en relation peuvent être
séparés par d’autres messages. La conséquence
de ce défaut majeur est d’avoir une conversation délicate
à suivre et à mener. Des résultats d’analyse
de discussions médiatisées par des outils de chats
ont montré que celles-ci étaient très souvent
incohérentes et qu’on trouvait de nombreux messages
de "réparation" de la discussion
[Herring99].
Afin de pallier ce problème d’imbrication, nous proposons
de munir l’outil de conversation d’une représentation
arborescente des messages. L’organisation des messages sous
forme arborescente est beaucoup utilisée dans les forums
de discussion asynchrones. Le principe est de lier chaque message
à celui auquel il répond ou réagit. Les nouveaux
sujets de discussion sont placés à la racine de l’arbre,
les autres se raccrochant aux messages existants. L’avantage
de cette représentation est de tenir compte des fils de discussion
et donc des sujets de conversation. Peu de recherches ont été
menées sur la représentation arborescente des conversations
synchrones médiatisées. Depuis la création
de notre outil, nous avons néanmoins trouvé un autre
travail de recherche allant dans ce sens. Ainsi, un prototype d’interface
nommée Threaded Chat a été développé
dans les laboratoires de recherche de Microsoft©
[SmithAl00].
Une étude expérimentale de cet outil a permis de voir
qu’il facilitait notamment l’aide à la prise
de décision. Cependant, dans cet outil, chaque message ne
s’affiche que sur une seule ligne ce qui oblige l’utilisateur
à faire défiler le message horizontalement pour le
lire dans sa totalité. L’outil que nous avons conçu
(cf. partie suivante) n’a pas ce problème ergonomique
grâce à un affichage des messages sur plusieurs lignes
lorsque cela est nécessaire. Par ailleurs, cette représentation
arborescente des messages contribue à faciliter l’utilisation
des actes de langages appropriés car elle permet de les proposer
de manière contextuelle.
5.4. L’outil de conversation proposé
À partir de tous les éléments définis
ci-dessus, un outil de conversation a été conçu
et développé. Il se présente sous la forme
d’une arborescence d’interventions. Chaque nœud
de l’arbre est le début d’un fil de discussion.
La Figure 2 représente une copie d’écran
de l’outil. Nous pouvons y voir un fil de discussion contenant
six interventions. Chaque intervention commence par une icône
(cf. Tableau
2) symbolisant l’acte de langage sélectionné
par l’utilisateur. Pour intervenir, l’utilisateur clique
soit sur un message existant, soit à la fin de la conversation
sur la ligne « cliquer ici pour commencer une nouvelle
discussion ». Dans les deux cas un menu apparaît
près de la souris et propose la liste des actes possibles
(d’après les enchaînements spécifiés
dans la partie 5.2). L’utilisateur sélectionne alors l’acte
souhaité puis saisie le texte de son intervention de façon
libre. Le message est alors insérée à la bonne
place dans l’arborescence. Dans l’exemple ci-dessous,
un clique sur une question de Michel a fait apparaître un
menu déroulant permettant de "répondre"
ou de "questionner".
Figure 2. L'outil de conversation textuelle
synchrone semi-structurée
Cet outil a été intégré à l’environnement
support de projet collectif à distance SPLACH.
Toutes les données issues des conversations sont donc analysables
par les agents d’analyse de l’environnement SPLACH
[George01].
Nous présentons dans la partie suivante la détermination
automatique des profils de comportement sociaux à partir
des données recueillies.
5.5. Calcul des profils comportementaux
À partir des spécifications précédentes
concernant la conception d’un outil de conversation, il nous
est possible de concevoir un système d’analyse automatique
afin d’identifier les quatre profils de comportements types
relevés par Pléty : animateur, vérificateur,
quêteur et indépendant. Il est toujours délicat
de tenter de modéliser le comportement de l’être
humain. Notre objectif n’est pas ici d’obtenir un modèle
complet de l’apprenant comme c’est le cas dans les tuteurs
intelligents visant à modéliser les connaissances
mais nous souhaitons disposer d’une image du comportement
social lors de conversations.
Nous présentons ici les formules utilisées par un
agent de l’environnement SPLACH
chargé d’analyser les réunions. Ces formules
heuristiques ont été déterminées à
partir des indications provenant des travaux de Pléty et
ont été affinées lors d’expérimentations.
Une première formule permet de calculer tout d’abord
le coefficient de participation d’un participant p
en divisant le nombre de messages envoyés par celui-ci par
le nombre moyen de messages6
envoyés par les participants. Nous avons donc la formule
suivante :
Si le nombre de messages envoyés par un participant est
égal au nombre moyen de messages, alors le coefficient de
participation de ce participant est de 50. Un coefficient de participation
proche de 0 indique une faible participation alors qu’un coefficient
proche de 100 indique une forte participation dans la conversation.
Pour tous nos calculs, si un coefficient dépasse 100, il
est alors ramené à 100. Dans le cas présent,
une valeur de 100 au coefficient de participation signifie que le
participant a envoyé deux fois plus de messages que la moyenne.
Quatre formules permettent de calculer des coefficients correspondant
aux quatre profils : coefficient d’animation, coefficient
de vérification, coefficient de quête et coefficient
d’indépendance. Par exemple, le coefficient d’animation
du participant p est calculé par la formule suivante :
Dans cette formule, nbMessagesInitiatifs(p) correspond au
nombre de messages de type initiatif (i.e. proposer, affirmer,
demander) envoyés par le participant et nbMessagesTotal(p)
correspond au nombre total de messages envoyés par ce même
participant. Le rapport entre ces deux termes est multiplié
par le rapport entre le nombre d’actes au total (10) et le
nombre d’actes de type initiatif possibles (3). Lorsque ce
coefficient se rapproche de 0, cela signifie que le participant
n’est pas animateur alors qu’un coefficient proche de
100 signale un fort comportement d’animation. Les calculs
des autres coefficients (vérificateur, quêteur, indépendant)
sont obtenus de manière similaire en reprenant les indications
fournies par Plety et en les transformant sous forme d’équations.
Nous ne prétendons pas avoir déterminé les
équations « exactes » des résultats
de Pléty, mais nous proposons des formules qui reprennent
ses idées et qui ont été établies de
manière heuristique.
Dès lors, les profils comportementaux sont calculés
en pondérant le coefficient de participation avec un des
quatre coefficients décrits ci-dessus. Un coefficient de
pondération7 est
appliqué pour obtenir des valeurs représentatives
et pertinentes. Ainsi, le profil d’animateur du participant
p est calculé par la formule suivante :
Dans ce cas, une pondération de 2/3 accorde plus d’importance
au coefficient d’animation par rapport au coefficient de participation.
Les quatre profils sont calculés au fur et à mesure
d’une conversation et évoluent au cours du temps. Nous
présentons dans la partie suivante un outil permettant d’observer
l’évolution de ces profils.
6. Évaluation de l’outil
de conversation synchrone et de la détermination automatique
de comportements sociaux
En expérimentant l’environnement
SPLACH, notre but est de réaliser
une évaluation formative [Paquette91],
[Delozanne92]
pour tester les usages, les interfaces et les outils de notre environnement.
Par ailleurs, les expérimentations rentrent dans notre approche
de développement incrémental et itératif. Ainsi,
l’usage de l’environnement nous a permis de faire évoluer
et d’affiner les spécifications de celui-ci. Une description
détaillée des expérimentations de l’environnement
SPLACH se trouve dans [George01].
Nous nous centrons dans cette partie sur l’évaluation
de l’outil de conversation textuelle synchrone.
6.1. Contextes d’expérimentation
L’un des objectifs de notre recherche est d’effectuer
des expérimentations dans des contextes réels de formation
pour ne pas nous limiter à l’observation de l’utilisation
des fonctionnalités techniques mais pour observer les usages.
Deux séries d’expérimentations ont été
menées. La première, réalisée avec quinze
élèves provenant de trois collèges, nous a
permis de tester l’outil de conversation textuelle synchrone
et de l’améliorer. Les améliorations ont portées
sur l’interface et sur les actes de langages proposés.
Nous avons ainsi ajouté les actes auto-réactifs (préciser
et rectifier) ainsi qu’un acte initiatif (proposer). Nous
ne nous étendons pas davantage sur cette expérimentation
visant à faire évoluer un prototype pour nous concentrer
sur la deuxième expérimentation.
Une deuxième expérimentation de SPLACH
et de l’outil de conversation synchrone a été
réalisée dans un contexte de téléformation
à la Télé-université du Québec.
Six étudiants suivant des cours de programmation à
distance ont formé deux équipes-projets pendant six
semaines. L’objectif global était de réaliser
un programme en Pascal de manière collective. Cette expérimentation
avait plusieurs objectifs dont l’un était d’évaluer
l’outil de conversation semi-structurée et la méthode
de calcul des profils comportementaux.
Les données recueillies lors de cette expérimentation
sont de deux natures : les traces informatiques et les réponses
à des questionnaires. L’environnement SPLACH
garde des traces des actions des utilisateurs dans le système.
Nous avons ainsi la possibilité d’avoir des données
sur les connexions, sur les activités réalisées
et sur les communications effectuées. Pour ce qui nous concerne
ici, le système garde des traces sur les actions des utilisateurs
dans l’outil de conversation synchrone : liste des participants
aux réunions synchrones, messages envoyés, actes de
langage sélectionnés et fils de discussion.
En fin d’expérimentation, les étudiants ont
rempli un questionnaire que nous avions élaboré pour
recueillir des informations plus qualitatives. Les questions étaient
donc très ouvertes. Par ailleurs, nous avons conçu
un autre questionnaire pour le tuteur afin de recueillir ses impressions
à l’issue de l’expérimentation.
6.2. Résultats
D’une manière générale, les étudiants
de notre expérimentation ont apprécié l’outil
de conversation synchrone et n’ont pas trouvé gênant
le fait de sélectionner un acte de langage avant d’envoyer
un message. Il ressort également du questionnaire que l’outil
est simple d’utilisation et facile à prendre en main.
Une analyse manuelle de l’utilisation des actes de langage
nous montre que les étudiants les ont très souvent
utilisés à bon escient (seulement 10 à 15%
des actes sélectionnés ne correspondent pas au contenu
du message). D’un point de vue ergonomique, la sélection
des actes par menu déroulant contextuel, issue de la mise
en œuvre du graphe de succession, paraît pertinente.
Par ailleurs, les utilisateurs n’ont pas trouvé qu’il
manquait d’actes de langage pour typer les messages. Une différence
existe entre les apprenants et le tuteur : les apprenants n’ont
pas trouvé d’utilité particulière dans
la sélection d’actes de langage alors que le tuteur
pense que ce principe est très utile au développement
des idées. Selon le tuteur, l’outil facilite la discussion
textuelle et l’approfondissement des idées.
Contrairement à la remarque de Cerratto [Cerratto99]
qui signalait qu’à distance les échanges étaient
souvent minimaux (initiatif-réactif), nous avons constaté
beaucoup d’échanges complets (initiatif-réactif-évaluatif)
dans les conversations. Cet aspect évaluatif signale un engagement
plus important des locuteurs [KerbratOrecchioni92].
Nous interprétons ce résultat par le fait que l’outil
incite à évaluer ce qui se dit (approuver, désapprouver)
et également par l’activité de projet qui pousse
à prendre position.
L’expérimentation a permis de montrer que les profils
comportementaux calculés étaient fidèles à
ce qui se passait dans les conversations. Les formules de calculs
élaborés semblent donc pertinentes par rapport à
notre contexte d’usage. La Figure
3 montre un outil qui permet de visualiser l’évolution
des profils comportementaux au cours d’une conversation. Cet
outil a pour l’instant été conçu dans
un objectif d’observation expérimentale mais il pourrait
être fourni au tuteur pour l’assister dans le suivi
des apprenants ou aux apprenants eux-mêmes pour leur donner
une vue sur leurs propres comportements.
Figure 3. L'outil de visualisation des profils
comportementaux
Chaque graphe correspond à un type de profil particulier
et les courbes représentent l’évolution dans
le temps des profils des utilisateurs présents à la
réunion. Nous avons donc quatre graphes : animateur, vérificateur,
quêteur et indépendant. Sur chaque graphe, nous avons
une courbe pour chacun des participants à la conversation,
pour trois participants dans notre exemple. Les profils calculés
sur 100 sont représentés en ordonnée et le
temps est en abscisse. Pour information, la durée totale
de la conversation prise en exemple est d’environ une heure
et il y a eu 66 messages échangés. L’outil de
visualisation permet de faire des interprétations. Par exemple,
le graphe "Animateur" de la Figure
3 signale que l’utilisateur Luc a majoritairement tenu
un rôle d’animateur lors de cette réunion alors
que Michel a été le "moins animateur".
Par ailleurs, nous pouvons voir que Michel a été le
plus "quêteur" et qu’aucun
participant n’a vraiment été "indépendant".
Les résultats de ces analyses automatiques de réunions
n’étaient pas à disposition du tuteur durant
cette expérimentation. Cependant, ayant vu a posteriori ces
résultats, le tuteur qui encadrait les étudiants a
déclaré que cet outil lui aurait été
utile pour avoir une vue sur les réunions auxquelles il n’avait
pas assisté.
7. Conclusion et perspectives
Nous avons présenté notre travail visant une double
objectif : faciliter les activités collectives entre apprenants
et permettre leur suivi. Nous nous sommes centrés sur un
cas particulier : les activités de discussions synchrones
sous forme textuelle. Nous avons pour cela conçu un outil
de conversation synchrone particulier facilitant, d’une part,
le déroulement des conversations et, d’autre part,
rendant possible l’analyse automatique de celles-ci dans le
but de déterminer des profils comportementaux sociaux.
Les résultats obtenus lors de l’expérimentation
à la Télé-université, semblant confirmer
notre hypothèse de retrouver les profils comportementaux
relevés par Pléty dans les groupes d’apprenants
travaillant à distance, nous encouragent à poursuivre
dans cette voie. Il est vrai que notre système pourrait être
affiné en prenant d’autres variables en compte. Par
exemple, une intervention d’un animateur se caractérise
aussi par le fait qu’elle entraîne souvent des réactions.
Cependant, notre volonté était d’avoir des calculs
peu complexes pour le moment et ne mettant pas en jeu un trop grand
nombre de paramètres.
Par ailleurs, la richesse des analyses de Pléty vient du
fait qu’il ne se limite pas seulement au plan verbal mais
qu’il prend aussi en compte la gestualité dans l’interaction.
À ce sujet, il distingue les gestes et les regards communicatifs
(adressés à un destinataire) des gestes non-communicatifs
(postures, gestes d’auto-contacts). Un travail avec des chercheurs
en traitement d’image est envisageable pour la prise en compte
de la gestualité dans la détermination des profils
de comportements à distance. Cependant, les gestes relevés
par Pléty dans ses analyses de groupe en face-à-face
sont difficilement transposables tels quels à distance (gestes
et regards vers les autres). En revanche, les gestes d’auto-contact
et les postures peuvent demeurer révélateurs de comportements.
Nous tenons à signaler le biais que peut entraîné
l’outil informatique de conversation dans le calcul des profils
comportementaux. En effet, comme tout outil, celui-ci modifie l’activité
de l’utilisateur. De ce fait, nous analysons ici une conversation
médiatisée par un outil. Le calcul que nous faisons
est donc effectué par rapport à l’activité
de conversation dans un contexte précis et ne prétend
en aucun cas refléter les comportements des utilisateurs
d’une façon générale.
Une perspective à nos travaux concerne l’approfondissement
de l’étude sur l’outil de visualisation de profils
de comportementaux et d’une façon plus large sur l’instrumentation
du formateur dans son rôle d’encadrement des apprenants
dans un contexte d’apprentissage collectif. En effet, les
expérimentations nous ont enseigné que le tuteur doit
souvent entrer en contact par forum ou courrier électronique
avec les apprenants afin de comprendre le déroulement des
activités. Il serait utile de lui fournir des outils appropriés
à son activité de suivi pour pallier cette surcharge
de travail. Nous nous orientons vers la conception d’outils
donnant au tuteur une vue synthétique et organisée
des activités individuelles et collectives des apprenants
ainsi que de leurs communications.
Le travail présenté dans cet article a servi de base
à un projet mené actuellement par le laboratoire d’informatique
de l’Université du Maine. Une équipe de chercheur
travaille sur un outil de discussion qui reprend le principe de
structuration sous la forme d’arborescence d’énoncés
et d’enchaînement d’actes de langage. L’outil,
nommé Oscar, est un outil de recherche dont les actes de
langage et les grammaires d’enchaînement sont paramétrables
[Delium03].
De plus, Oscar permet à la fois les discussions synchrones
et asynchrones. Nous pensons néanmoins que les actes de langage
et les enchaînements ne peuvent être les mêmes
en synchrone et en asynchrone car les natures de ces deux modes
de discussion sont bien différentes. Dans le cas du synchrone,
les messages sont courts et l’acte de langage directeur est
facilement identifiable par l’utilisateur. Dans le cas de
conversations asynchrones, les énoncés sont bien souvent
beaucoup plus longs et comprennent en fait plusieurs messages, donc
plusieurs actes de langage directeurs. Il est alors beaucoup plus
difficile de demander à l’utilisateur de typer son
intervention. L’utilisation d’Oscar devrait permettre
de tester ce point.
Remerciements
L’auteur a réalisé les travaux de recherche
présentés dans cet article dans le cadre de son travail
de thèse au Laboratoire d’Informatique de l’Université
du Maine. Cette recherche a été en partie réalisée
dans le cadre du collectif scientifique LÉA
qui a été soutenu par la commission permanente de
coopération franco-québecoise. L’auteur tient
à remercier toutes les personnes qui ont permis de réaliser
les expérimentations en situation réelle.
Références
Bibliographie
[Austin62]
Austin, J. L. (1962). How to do Things with
Words. Oxford University Press.
[BakerLund97]
Baker, M. J., Lund, K. (1997). Promoting reflective
interactions in a computer-supported collaborative learning environment.
Journal of Computer Assisted Learning, 13, 175-193.
[Bilange91]
Bilange, É. (1991). Modélisation
du dialogue oral finalisé personne-machine par une approche
structurelle. Thèse de Doctorat en Informatique, Université
de Rennes I.
[Cerratto99]
Cerratto, T. (1999). Activités collaboratives
sur réseau, une approche instrumentale de l'écriture
en collaboration. Thèse de Doctorat en Psychologie cognitive,
Université Paris 8.
[ClarkSchaefer89]
Clark, H. H., Schaefer, E. F. (1989). Contributing
to Discourse. Journal of Cognitive Science, 13, 259-294.
[ColineauMoulin99]
Colineau, N., Moulin, B. (1999). Détermination
d'actes de dialogue suivant une approche connexionniste. In
Analyse et Simulation de Conversations, Moulin, B., Delisle,
S., Chaib-draa, B., (Eds.), Lyon, L'interdisciplinaire, 243-271.
[Delium03]
Delium, C. (2003). OSCAR, un environnement
de communication médiatisée structurée par
les actes de langages. Actes de la conférence EIAH 2003,
Strasbourg, (15-16 avril), 127-138.
[Delozanne92]
Delozanne, E. (1992). Explication en EIAO :
études à partir d'Elise, un logiciel pour s'entraîner
à une méthode de calcul de primitives. Thèse
de Doctorat en Informatique, Université du Maine.
[Dewey22]
Dewey, J. (1922). L'école et l'enfant.
Paris, Delachaux et Niestlé.
[DillenbourgAl96]
Dillenbourg, P., Baker, M. J., Blaye, A., C.O'Malley
(1996). The evolution of research on collaborative learning. Learning
in Humans and Machines: Towards an Interdisciplinary Learning Science,
Spada, H., Reimann, P. (Eds.), 189- 211.
[DoiseMugny81]
Doise, W., Mugny, G. (1981). Le développement
social de l'intelligence. Paris, InterEditions.
[FloresAl88]
Flores, F., Graves, M., Hartfield, B., Winograd,
T. (1988). Computer Systems and the Design of Organizational Interaction.
ACM Transactions on Office Information Systems, 6 (2), 153-172.
[Freinet77]
Freinet, C. (1977). Les Techniques Freinet
de l'école moderne. Bourrelier (Ed.) librairie Armand
Colin, Carnet de pédagogie pratique.
[George01]
George, S. (2001). Apprentissage collectif
à distance. SPLACH : un environnement informatique support
d'une pédagogie de projet. Thèse de Doctorat en Informatique,
Université du Maine.
[George02]
George, S. (2002). SPLACH: a Computer Environment
Supporting Distance Project-Based Learning. Proceedings of the
World Conference on Educational Multimedia, Hypermedia & Telecommunications
ED-MEDIA 2002, Denver, Colorado, USA, (June 24-29), 588-593.
[GeorgeLeroux01]
George, S., Leroux, P. (2001). Un environnement
support de projets collectifs entre apprenants : SPLACH. Actes des
sixièmes journées francophones Environnements Interactifs
d'Apprentissage avec Ordinateur (EIAO'2001), Paris, (26-27 avril),
Hermès, 49-60.
[GeorgeLeroux02]
George, S., Leroux, P. (2002). Un environnement
pédagogique dédié aux projets collectifs à
distance intégrant une assistance aux apprenants et au chef
de projet. Actes de la 3ème conférence internationale
sur les Technologies de l'Information et de la Communication dans
l'Enseignement d'Ingénieurs et dans l'industrie (TICE 2002),
Lyon, France, (13-15 octobre), 289-295.
[Herring99]
Herring, S. (1999). Interactional Coherence
in CMC. Journal of Computer-Mediated Communication, McLaughlin,
M. L., Rafaeli, S. (Eds.), 4 (4), http://www.ascusc.org/jcmc/vol4/issue4/.
[JermannSchneider97]
Jermann, P., Schneider, D. (1997). Semi-structured
interface in collaborative problem-solving. First Swiss Workshop
on distributed and parallel systems.
[Jermann1l01]
Jermann, P., Soller, A., Muehlenbrock, M. (2001).
From mirroring to guiding: A review of state of the art technology
for supporting collaborative learning. Proceedings of the
European Conference on Computer-Supported Collaborative Learning
(Euro-CSCL 2001), Maastricht, Netherlands, (march 22-25), 324-331.
[KendonFerber73]
Kendon, A., Ferber, A. (1973). A description
of some human greetings. in Comparative ecology and behaviour of
primates, Michael, R. P., Crook, J. H., (Eds.), London, Academic
Press, 591-668.
[KerbratOrecchioni92]
Kerbrat-Orecchioni, C. (1992). Les interactions
verbales. Paris, Armand Colin, vol. 2.
[Labat02]
Labat, J.-M. (2002). EIAH : quel retour d'informations
pour le tuteur ? Actes de la 3ème conférence internationale
sur les Technologies de l'Information et de la Communication dans
l'Enseignement d'Ingénieurs et dans l'industrie (TICE 2002),
Lyon, France, (13-15 novembre), 81-88.
[Laver81]
Laver, J. (1981). Linguistic routines and
politeness: Greeting and parting. in Conversational routines,
Coulmas, F., (Ed.), New York, Mounton, 289-305.
[Linard01]
Linard, M. (2001). Concevoir des environnements
pour apprendre : l'activité humaine, cadre organisateur de
l'interactivité technique. Revue Sciences et Techniques
Educatives, 8 (3-4), 211-238.
[Luzzati95]
Luzzati, D. (1995). Le dialogue verbal homme-machine.
Paris, Masson.
[McManusAiken95]
McManus, M. M., Aiken, R. M. (1995). Using
an Intelligent Tutor to Facilitate Collaborative Learning. Innovating
Adult Learning with Innovative Technologies, Davies, G., Collis,
B. (Eds.), Elsevier Science, 49-64.
[Moeschler94]
Moeschler, J. (1994). Analyse du discours
et analyse conversationnelle. In Dictionnaire Encyclopédique
de pragmatique, Moeschler, J., Reboul, A., (Eds.), Edition du
Seuil, 471-492.
[Paquette91]
Paquette, G. (1991). Métaconnaissance
dans les environnements d'apprentissage. Thèse de Doctorat
en Informatique, Université du Maine.
[Pléty96]
Pléty, R. (1996). L'apprentissage
coopérant. Lyon, ARCI Presse Universitaire, Collection
Ethologie et psychologie des communications.
[Pléty98]
Pléty, R. (1998). Comment apprendre
et se former en groupe. Paris, Retz.
[Rheingold93]
Rheingold, H. (1993). Les communautés
virtuelles. Paris, Addison-Wesley France.
[RobertsonAl98]
Robertson, J., Good, J., Pain, H. (1998). BetterBlether:
The Design and Evaluation of a Discussion Tool for Education. International
Journal of Artificial Intelligence in Education, 9, 219-236.
[Roulet86]
Roulet, E. (1986). Complétude interactive
et mouvements discursifs. Cahier de Linguistique Française,
7, 189-206.
[RouletAl85]
Roulet, E., Auchlin, A., Moeschler, J., Schelling,
M., Rubattel, C. (1985). L'articulation du discours en français
contemporain. Berne, Peter Lang, Collection Sciences pour la
communication.
[Scapin86]
Scapin, D. (1986). Guide ergonomique de conception
des interfaces. Rapport de recherche n°77, Rocquencourt, INRIA.
[Searle72]
Searle, J. R. (1972). Les actes de langage.
Hermann, Editeurs des sciences et des arts, Collection Savoir :
Lettres.
[Self88]
Self, J. A. (1988). Bypassing the Intractable
Problem of Student Modelling. Proceedings of the 1st International
Conference on Intelligent Tutoring System, Montréal,
Canada, (june 1-3), 18-24.
[SmithAl00]
Smith, M., Cadiz, J. J., Burkhalter, B. (2000).
Conversation Trees and Threaded Chats. Proceedings of the ACM
Conference on Computer Supported Cooperative Work (CSCW'00),
Philadelphia, Pennsylvania, USA, (december 2-6), 97-105.
[SollerAl99]
Soller, A., Linton, F., Goodman, B., Lesgold,
A. (1999). Toward Intelligent Analysis and Support of Collaborative
Learning Interaction. Proceedings of the ninth International
Conference on Artificial Intelligence in Education, Le Mans,
(July 18-23), IOS Press, 75-82.
[Suchman94]
Suchman, L. A. (1994). Do Categories Have
Politics? - The language/action perspective reconsidered. In
Computer-Supported Cooperative Work, Kluwer Academic Publishers,
vol. 2, 177-190.
[Vygotski34]
Vygotski, L. S. (1934). Pensée et
langage. Cambridge, MA, MIT press.
[Winograd87]
Winograd, T. (1987). A Language/Action Perspective
on the Design of Cooperative Work. Human-Computer Interaction,
3 (1), 3-30.
[1]. Les élèves
de son étude étaient des collégiens en classe
de 4ème.
[2]. Ce modèle
du dialogue, donc a priori entre deux personnes, est aussi pertinent
pour servir de modèle à toute conversation impliquant
plus de deux locuteurs. D’ailleurs ce modèle est aussi
parfois appelé "modèle conversationnel".
[3]. Adjacency Pairs
en anglo-saxon.
[4]. N’essayez
pas de deviner, demander à l’apprenant de vous dire
ce que vous avez besoin de savoir (traduction personnelle)
[5]. Des actes comme
"demander" et "questionner"
peuvent paraître identiques mais ils ne seront pas disponibles
en même temps car ne faisant pas partie de la même catégorie.
[6]. Cette moyenne tient
compte de la présence du participant pour ne pas fausser
le calcul si un participant arrive en cours de réunion. On
ajoute 1/nbParticipants à la moyenne à chaque message
reçu. Cette moyenne n’est donc pas forcément
la même pour tous les participants.
[7]. Ces coefficients
de pondération ont été déterminés
suite à des tests et expérimentations.
A propos des auteurs
Sébastien
George est maître de conférences à l’INSA
de Lyon depuis 2002 et rattaché au laboratoire ICTT (Interaction
Collaborative, Téléformation, Téléactivités).
Après l’obtention d’un doctorat en informatique
à l’Université du Maine, il a travaillé
au centre de recherche LICEF de la Télé-université
du Québec dans le cadre d’un post-doctorat. Ses travaux
portent sur les environnements informatiques support à l’apprentissage
collectif.
Adresse : Laboratoire ICTT
(Interaction Collaborative, Téléformation, Téléactivités)
21, avenue Jean Capelle
69621 Villeurbanne Cedex - France
Courriel : Sebastien.George@insa-lyon.fr
|