Une approche conduite par les modèles pour le
traçage des activités des utilisateurs dans des EIAH
hétérogènes
 Julien BROISIN, Philippe
VIDAL  IRIT,
Toulouse
 |
RÉSUMÉ : Cet
article propose une approche conduite par les modèles pour la gestion des
traces d'activité des utilisateurs au sein de systèmes
d'apprentissage hétérogènes instrumentés par les
technologies Web. Un modèle UML générique de traces permet
de structurer et d'ajouter une sémantique claire aux données
observées, auquel est associée une architecture distribuée
et décentralisée favorisant le partage et la réutilisation
des traces collectées par différents outils et services. Nous
appliquons ensuite cette approche au traçage de l'utilisation des objets
pédagogiques par des utilisateurs exploitant des plates-formes
d'apprentissage et viviers de connaissance. Enfin nous proposons une application
pour la visualisation des traces collectées, ainsi qu’un service de
recherche avancée d'objets pédagogiques qui offre
l’opportunité de capitaliser les expériences d'une large
communauté d'utilisateurs.
MOTS CLÉS : Traces
d’activité, partage et réutilisation, modélisation,
architecture distribuée, objet pédagogique. |
|
|
ABSTRACT : This
paper suggests a model driven approach dedicated to the management of tracking
data resulting from users activities within heterogeneous learning systems based
on internet technologies. A generic UML model describing traces allows to
structure and to bring semantics to observed data, while a distributed and
decentralized architecture makes it easier to share and reuse traces between
various tools and services. We then apply this approach to track activities of
users working with learning objects deployed into learning management systems
and learning object repositories. Finally, we suggest an application to
visualize tracking data, together with an advanced search service of learning
objects that offers the opportunity to capitalize experiences of a wide
community of users.
KEYWORDS : Usage
tracking, share and reuse, modelling, distributed architecture, learning
object.
|
1. Introduction
L'intérêt pour
l'observation, l'instrumentation et l'évaluation des systèmes
éducatifs en ligne est de plus en plus fort au sein de la
communauté des environnements informatiques pour l'apprentissage humain
(EIAH). Collecter des données sur les utilisateurs à partir des
traces de leurs activités dans l’objectif de faciliter les
processus de personnalisation, de réingénierie, ou d’aide
constitue un enjeu majeur aujourd'hui, comme le montre le nombre d'appels
à soumission ou de projets (ICALTS, 2004) (DPULS, 2005) relatifs à ce sujet. Le partage et la réutilisation des traces
représentent alors un facteur important pour atteindre ces objectifs
puisque les différents acteurs de l’e-formation utilisent souvent
plusieurs outils pour effectuer des tâches spécifiques. Un
enseignant-tuteur peut par exemple être amené à exploiter un
vivier de connaissance pour trouver des objets pédagogiques existants
lors de la création d’un cursus, une plate-forme
d’apprentissage pour mettre à disposition des apprenants un
scénario pédagogique, et un système de tutorat
avancé lors de situations d’apprentissage collaboratives. Nous
devons donc être en mesure de répondre à certaines questions
tout en prenant en compte des caractéristiques dynamiques et de mise
à l'échelle (Steinmetz, 2005) : (a) Quelles sont les informations utiles et nécessaires à la
supervision des activités des utilisateurs impliqués dans un EIAH
comprenant des outils hétérogènes, et comment les
représenter ? (b) Comment collecter ces informations ? et (c) Où
stocker ces informations et comment les exploiter ?
Nous proposons dans cet article un modèle UML générique
de traces pour les activités ainsi qu'une architecture de gestion
distribuée et décentralisée qui permettent d'apporter une
réponse aux questions soulevées ci-dessus et ainsi de
bénéficier de l’expérience d’utilisateurs de
différents systèmes hétérogènes. Ce
modèle, organisé autour d'un métamodèle existant
issu du monde de la gestion de systèmes et de réseaux, ne
s'intéresse qu'à la spécification des activités
réalisables sur des systèmes et ressources d’apprentissage,
mais démontre également comment il peut être étendu
pour satisfaire d'autres objectifs d'observation. Certains composants de
l’architecture de gestion nécessaires à
l’instrumentation de l’observation permettent de collecter les
traces produites par les actions explicites des utilisateurs et de les stocker
dans un référentiel, alors que d'autres applications et services
sont dédiés à la visualisation et à l'exploitation
des traces.
La deuxième partie expose les approches existantes
dédiées à la gestion des traces au sein d'un EIAH, et
identifie les verrous qui doivent être franchis pour assurer une
observation uniforme de systèmes hétérogènes
à grande échelle. Nous proposons dans la troisième partie
le modèle générique de traces d’activité et
l’architecture distribuée associée qui assure la prise en
compte des contraintes identifiées dans la deuxième section ;
les fondements de notre approche sont également évoqués. La
quatrième partie s'intéresse à une implantation de notre
approche théorique à travers un cas d’usage qui
s’attache à faciliter la réalisation des activités
relatives aux objets pédagogiques, en particulier lorsqu’il
s’agit de retrouver et de réutiliser des ressources
pédagogiques existantes. Nous présentons (1) le modèle UML
de traces pour la représentation d’activités
spécifiques aux objets pédagogiques et (2) les différents
composants inclus dans l'architecture d’observation responsables de
l'acquisition, du stockage, de la visualisation et de l'exploitation des traces.
Enfin, nous concluons et exposons nos travaux à court et moyen terme dans
la dernière partie de ce document.
2. Les systèmes à base de traces dans les EIAH
Différentes approches
dédiées à l'observation des activités des
utilisateurs au sein d'un EIAH ont vu le jour au cours de ces dernières
années. Cette partie situe tout d’abord le contexte de nos travaux.
Les approches prédominantes mises en œuvre dans un environnement
d'apprentissage en ligne sont ensuite exposées, et permettent de mettre
en avant les lacunes et barrières qui doivent être franchies pour
faciliter le partage de l’expérience d’une large
communauté d’utilisateurs.
2.1. Couverture des travaux
P. Tchounikine définit un EIAH comme ''un environnement informatique
conçu dans le but de favoriser l'apprentissage humain,
c'est-à-dire la construction de connaissances chez un apprenant'' (Tchounikine, 2002).
Nos travaux s’intéressent en particulier aux systèmes
d’apprentissage à distance instrumentés par le Web tels que les plates-formes de téléformation (Learning Management
System - LMS), viviers de connaissance (Learning Object Repository - LOR) ou
systèmes de tutorat en ligne, mais ne prétendent pas couvrir
l’ensemble du panel d’outils et de systèmes
dédiés à l’apprentissage et à la formation qui
sont englobés dans la précédente définition.
Nous nous attachons à collecter les traces produites par les actions
explicites des utilisateurs au sein des systèmes d’apprentissage,
en y associant une sémantique claire pour leur donner un sens ; ces
traces sont donc qualifiées de traces brutes (Courtin et Talbot, 2007).
Leurs usages varient selon les objectifs à atteindre, et peuvent
se focaliser sur la surveillance d’une machine ou d’un parc
informatique, la collecte d’informations relatives aux utilisateurs,
l’évolution et/ou l’amélioration des Interfaces Hommes
Machines, etc. Dans le cadre des EIAH, elles sont souvent utilisées
à des fins de réingénierie des scénarios
d’apprentissage (Kepka et al., 2007),
d’aide à la compréhension du comportement de
l’utilisateur (Loghin, 2006),
ou de support à la création de tutoriels d’aide intelligents (Héraud et al., 2004).
Les traces recueillies dans notre contexte visent à faciliter la
réalisation d’activités par les différents acteurs de
l’e-formation, qu’il s’agisse d’actions
effectuées par les administrateurs, les apprenants, les enseignants ou
les tuteurs. Cet objectif implique nécessairement de
bénéficier de l’expérience d’une large
communauté d’utilisateurs, puisqu’un facteur primordial du
succès de ce processus est la mise à disposition d’une masse
importante de traces à des fins de partage et de réutilisation (Laflaquière et al., 2006).
2.2. Les approches existantes
2.2.1. Les sources de traces : les fichiers de log
L'apprentissage en ligne est souvent basé sur le paradigme
Client/Serveur : le système d'apprentissage est hébergé sur
un logiciel serveur d'une machine distante, et les enseignants/apprenants
utilisent un logiciel client tel qu'un navigateur internet pour effectuer leurs
formations. Aujourd'hui, la plupart des serveurs Web tels que le logiciel
Apache propose un moyen de recueillir des informations concernant les pages,
images ou fichiers qui ont fait l'objet d'une requête HTTP, les
utilisateurs qui ont effectué ces requêtes, ou encore le nombre
d'octets qui ont été transférés.
De nombreuses informations peuvent ainsi être
déterminées, telles que le navigateur et le système
d'exploitation utilisés, le moment auquel une certaine activité a
été effectuée, la durée passée sur une
certaine page, le nombre de fois qu'une page spécifique a
été visitée, ou encore l'adresse IP correspondant à
chacun des événements. Ces données présentent un
certain potentiel pour évaluer l'efficacité d'un cursus en ligne ;
elles permettent de quantifier les interactions entre les utilisateurs et les
pages du cours/cursus et ainsi de répondre à certaines questions
comme : les pages Web du cours sont-elles adaptées au navigateur
le plus utilisé par les apprenants ? Est-ce que les apprenants
accèdent facilement aux pages essentielles du cours ? Une page
spécifique est-elle réellement nécessaire à ce cours
? Le laps de temps passé par les étudiants sur une page
particulière est-il adapté pour atteindre l'objectif visé ?
etc.
Les travaux présentés dans (Iksal et Choquet, 2005a) (Iksal et Choquet, 2005b) s'appuient sur les fichiers de log pour l'acquisition des traces, et
suggèrent le métalangage Usage Tracking Language (UTL) pour
analyser le comportement des utilisateurs dans l'objectif d'adapter et
d'améliorer les scénarios et ressources d'apprentissage. Cette
analyse s'appuie sur une approche orientée modèles
décrivant les scénarios pédagogiques, et permet d'aiguiller
les apprenants vers les scénarios les mieux adaptés à leur
situation.
Dans le même ordre d'idée, (Stermsek et al., 2007) cherche à exploiter les fichiers de log des apprenants et les
métadonnées des pages HTML pour déduire leur profil et
ainsi proposer des mécanismes de filtrage d’informations.
L’extraction des données pertinentes au sein du fichier de log et leur analyse donnent des indicateurs sur le comportement de
l’utilisateur ; celui-ci est interprété (à
partir de données statistiques, temporelles, etc.) pour dériver le
profil de l’utilisateur.
Cependant, les approches existantes de gestion de traces qui sont
fondées sur les fichiers de log doivent faire face à
certaines barrières relatives à l'accès et à la
signification des informations :
- Elles sont renfermées dans des fichiers qui ne sont
généralement pas disponibles à n'importe quel utilisateur ;
les administrateurs Réseau et Système sont de plus en plus
méfiants et n'autorisent que très rarement l'accès à
ce type d'information.
- Elles ne transcrivent pas nécessairement l'exploitation
réelle du système par les utilisateurs : un grand nombre de
moteurs de recherche tels que Google™ ou Altavista™ sont
basés sur des robots qui analysent le contenu d'un logiciel serveur afin
d'en extraire les informations pertinentes. Même si certains
systèmes différencient les visites effectuées par les
robots de celles effectuées par les utilisateurs, la majorité
d'entre eux accumulent le nombre de visites, ce qui ne rend pas compte de
l'usage véritable du système d'apprentissage.
- L'acquisition de ces données doit être
effectuée selon un intervalle de temps déterminé par le
concepteur de l'outil de supervision, elle n'est pas réalisée en
temps réel.
- Les informations renfermées dans ces fichiers ne sont pas
toujours très précises. Les données produites par les
applications s'exécutant sur le poste client (telles que les applets
Java™ ou les fichiers Macromedia Flash™ qui génèrent
des contenus multimédias plus riches que des applications ''ordinaires'')
ou celles issues d'applications produisant du contenu dynamique (comme PHP ou
Perl qui est basé sur la technologie CGI) ne sont pas recueillies,
empêchant ainsi de connaître les informations réellement
consultées par les utilisateurs (Fansler et Riegel, 2004).
Pour pallier aux inconvénients présentés par les
approches fondées sur l'analyse des fichiers de log, d'autres
approches proposent des mécanismes d'observation spécifiques
à un outil d'apprentissage particulier.
2.2.2. Les approches spécifiques
L'application eMediathèque de la classe virtuelle eLycée (eLycée, 2007) est un outil de travail collaboratif interactif qui vise à
améliorer les activités réflexives lors d'un apprentissage
collaboratif. Toutes les interactions de l'utilisateur avec cet outil sont
observées et traitées à partir de deux modèles (Michel et al., 2005) : l'un définit les objets observables (les outils mis à
disposition tels que le navigateur internet ou la messagerie instantanée,
mais aussi les ressources telles que les textes, les images, etc.) et l'autre
spécifie les actions réalisables par l'utilisateur
(création, modification, suppression de contenus, etc.). Les traces sont
ensuite créées en fonction des activités des utilisateurs,
stockées dans un composant interne de l'application, et affichées
en temps réel à l'utilisateur.
Dans le cas du Knowledge Pool System (KPS) de la fondation ARIADNE (Ariadne, 1996),
chaque interaction d'un utilisateur avec l'outil SILO (l'interface entre les
utilisateurs et le KPS) est enregistrée dans un fichier au format XML (Najjar et al., 2004).
Chaque enregistrement donne des informations telles que le titre des ressources
ayant été indexées, téléchargées ou
supprimées, l'utilisateur à l'origine de l'enregistrement, la date
de création de l'enregistrement. Cependant, des opérations
complexes telles que le dépouillement du fichier, sa décomposition
et la mise en relation des différentes informations doivent être
effectuées pour calculer les statistiques liées à un objet
pédagogique particulier. De plus, ce fichier est centralisé dans
chacun des viviers institutionnels qui constituent le KPS global ; des efforts
supplémentaires sont donc nécessaires pour obtenir une vision
générale de l'utilisation des objets pédagogiques au sein
du vivier global.
Si les approches spécifiques à un outil particulier
présentent certains atouts qui comblent les lacunes des approches
fondées sur les fichiers de log (acquisition et visualisation des
traces en temps réel, traces recueillies en fonction des activités
des utilisateurs, informations précises et détaillées),
elles souffrent de leur cloisonnement et de leur aspect propriétaire. Les
traces collectées par les systèmes mentionnés ci-dessus
présentent un format qui leur est spécifique et qui empêche
leur traitement par d'autres systèmes à base de traces (SBT).
D'autre part, les traces sont renfermées au sein d'un système
spécifique et ne peuvent pas être réutilisées.
2.3. Les verrous à lever et leurs enjeux
Cette étude nous conduit à proposer un cadre de gestion des
traces qui intègre les avantages des approches spécifiques, et qui
comble leurs manques. Notre approche doit donc être capable de :
- représenter de façon uniforme (standardisée)
les entités à observer pour permettre la collecte de traces issues
de systèmes hétérogènes ;
- définir ce qui est tracé afin de représenter
les activités avec une sémantique de plus haut niveau que celle
offerte par les fichiers de log, dans le but de rendre les traces plus
facilement interprétables (Héraud et al., 2005) ;
- assurer le stockage des traces dans des systèmes
dédiés et distincts des systèmes à observer afin de
favoriser le partage des traces, tout en offrant la possibilité de
facilement exploiter ces systèmes de stockage pour
bénéficier de l’expérience de nombreux
utilisateurs ;
- prendre en compte le caractère distribué des
systèmes d'apprentissage en ligne.
D’un point de vue organisationnel, le franchissement de ces
barrières permettrait de limiter le processus de recherche
d’informations. Des études ont montré que des sujets
à la recherche de connaissances préfèrent rechercher dans
leur application de messagerie électronique ou dans leur disque dur local
plutôt que dans les systèmes de gestion de documents (Swaak et al., 2004).
Partant de ce constat, les nouvelles technologies de l’information et de
la communication, associées à l’accès et à
l’analyse de différents référentiels de traces
responsables de diverses applications, offriraient l’opportunité de
tirer partie de ce type d’outils en informant directement les utilisateurs
de (nouvelles) ressources (humaines ou électroniques) disponibles. Dans
le cas d’un apprenant, du contenu pédagogique en relation avec son
cursus d’apprentissage pourrait lui être délivré en
complément des ressources disponibles au sein de son EIAH. A plus long
terme, la gestion de traces issues de différents systèmes,
applications et utilisateurs laisse entrevoir la possibilité de
construire dynamiquement des environnements d’apprentissage adaptés
non seulement au contexte pédagogique, mais également au profil
des utilisateurs visés.
Des outils en ligne tels que les moteurs de recherche proposés par
Google™ ou Amazon™ suggèrent à l’utilisateur des
ressources qui correspondent à leurs attraits favoris, sur la base
d’activités antérieures réalisées par de
nombreux utilisateurs. Ce mécanisme peut facilement être mis en
œuvre dans ce type de systèmes, car les utilisateurs exploitent tous
le même outil pour réaliser leurs activités. En revanche,
cette approche ne peut être transposée au contexte de
l’apprentissage en ligne, puisque les acteurs de l’e-formation
utilisent les outils spécifiques à leur contexte
d’apprentissage. Une externalisation des traces d’usage
renfermées dans chacun de ces systèmes vers un module
indépendant de ceux-ci offrirait la possibilité de
bénéficier de l’expérience d’un nombre beaucoup
plus important d’utilisateurs, et ainsi d’augmenter
l’efficacité des processus évoqués dans la section
2.1.
D’autre part, le partage des traces permettrait d’élargir
les communautés de pratiques qui, aujourd’hui, se limitent souvent
aux membres d’une même organisation. Pourtant, les cursus
pédagogiques sont pour la plupart reproduits dans plusieurs institutions,
et les acteurs d’une structure pédagogique particulière
devraient être capables de découvrir leurs homologues
exerçant au sein d’un autre EIAH, et de mutualiser ainsi leurs
expériences en termes de pédagogie et/ou de pratiques.
3. Une approche conduite par les modèles pour la gestion des
traces
Pour satisfaire l’ensemble de ces contraintes,
nous proposons de :
- faire le choix d'un métamodèle commun pour la
modélisation universelle des entités à observer ;
- élaborer un modèle de traces qui permet de
spécifier les activités à observer au sein des
systèmes d’apprentissage et dont la représentation permet
d’ajouter une sémantique claire qui donne un sens aux
traces ;
- adopter une architecture de supervision distribuée et
décentralisée qui offre la possibilité de consulter une
partie ou l’ensemble des systèmes dédiés au stockage
des traces selon différents niveaux d’abstraction ;
- exploiter des protocoles et modes de communication standards
capables d’utiliser l’internet pour véhiculer les traces
d’activité des utilisateurs.
Certains travaux menés au sein de notre équipe de recherche qui
traitent de la gestion de réseaux et de systèmes ont mis en avant
les atouts d’une approche orientée modèle, en particulier
à partir de l’initiative proposée par le DMTF (Distributed
Management Task Force), pour proposer des solutions à la supervision et
à l’intégration d’entités
hétérogènes. En effet, l’approche de
modélisation CIM (Common Information Model) (DMTF, 1999) spécifie un métamodèle sur la base des concepts Objet qui
répond à des besoins d’unification et
d’extensibilité, alors que l'architecture WBEM (Web Based
Enterprise Management) (WBEM, 1999) propose une organisation distribuée du cadre de supervision.
Le métamodèle CIM et son ensemble de diagrammes
représentent un choix approprié pour atteindre nos objectifs de
partage et de réutilisation de traces issues de systèmes
hétérogènes car son approche par niveaux d'abstraction
offre plusieurs avantages incontestables.
- Un modèle de gestion unificateur : toutes les classes
identifiant des éléments à observer héritent de la
classe CIM_ManagedElement. En proposant CIM, le DMTF avait pour objectif
d’apporter une solution d’intégration des approches de
supervision, puis à plus long terme d’unification. Sa politique de
partenariat avec les autres organismes de standardisation en
témoigne.
- Une approche extensible par métier/domaine : CIM offre
la possibilité de définir les modèles
génériques d’un domaine (Réseau, Système,
etc.) ou métier (Spatial, Finance, E-formation, etc.) particulier, ainsi
que des modèles spécifiques à un projet ou environnement
donné.
- Des choix conceptuels non spécifiques au monde de la
gestion : concepts Objet, utilisation des diagrammes de classes UML avec
quelques particularités propres, syntaxe MOF (Managed Object Format)
décrite par une DTD XML.
- Le langage de requête CIM Query Language (DMTF, 2006) permet
d’obtenir les classes et instances des différents
éléments observés qui sont définis dans le
modèle selon des niveaux d’abstraction plus ou moins
élevés.
- Le métamodèle inclut la modélisation des
utilisateurs à travers le modèle CIM User (DMTF, 2003d) qui représente les personnes et leurs caractéristiques
associées.
- Des initiatives open source : depuis l’an 2000,
des plates-formes open source ont vu le jour afin de promouvoir
l’adoption de CIM (WBEM Services, 2003).
- Notre expérimentation d’intégration et de
distribution avec CIM : nos travaux menés dans le cadre d’un
stage de DEA à l’IRIT ont abouti à
l’interopérabilité entre deux plates-formes de Gestion de
Réseau.
D'autre part, l'architecture WBEM satisfait les contraintes
mentionnées dans la section 2.3.
- Certaines entités appelées Object Provider sont dédiées à l’intégration
d’environnements et de systèmes
hétérogènes.
- D’autres entités nommées Object Manager qui renferment les traces d’observation, sont distribuées et
peuvent être facilement consultées à travers leurs fonctions
internes de gestion. Différents services et applications ont donc
l'opportunité d'exploiter les informations stockées dans chacune
de ces entités.
- Le protocole de transport mis en œuvre entre les
entités provider et manager assure la mise à
l'échelle : les informations CIM sont véhiculées via les
protocoles XML/HTTP qui facilitent la traversée des pare-feux ou proxy présents au sein d'une architecture réseau.
La prochaine partie présente tout d’abord les principes
fondamentaux du métamodèle CIM qui justifient notre choix, et
propose un modèle UML générique de traces
d’activité. Une architecture distribuée et
décentralisée fondée sur l’approche WBEM qui assure
la prise en compte du modèle défini est ensuite exposée, et
démontre comment des traces d’activités issues d’EIAH
variés peuvent être interprétées, partagées et
exploitées par une large communauté.
3.1. CIM : un métamodèle commun de l'information
L’approche de modélisation CIM spécifie un
métamodèle sur la base d’un modèle commun
d’abstraction décrivant une connaissance sémantique du monde
à observer. Les éléments de base suivants sont
utilisés pour modéliser les entités à gérer
(cf. figure 1).
- Objet géré/Classe : les objets gérés
sont tous dérivés de la classe CIM_ManagedElement. Toute
classe d’objet est spécifiée par un ensemble de
propriétés et de méthodes.
- Opération/Action : une action correspond à une
opération à invoquer sur un élément du modèle
commun d’abstraction. Elle correspond à une méthode
spécifique définie dans la description de la classe.
- Relation : deux types de relation sont considérés
dans CIM :
• Une relation d’héritage : les classes peuvent
dériver d’au plus une classe (héritage simple).
• Une association mettant en relation au moins deux classes
d’objets. Parmi les associations, deux associations spécifiques ont
été définies, à savoir la composition
(CIM_Component) qui exprime une relation de composition, et la
dépendance (CIM_Dependency) qui traduit une sémantique
existentielle ou fonctionnelle.
- Evénement : un événement est une
instance de la classe CIM_Indication. Un graphe d’héritage
est défini dans le modèle commun d’abstraction ainsi
qu’un modèle permettant la levée et l’abonnement
à ces indications (DMTF, 2003e).
Figure 1 • Les éléments
de base de la modélisation CIM
Afin de répondre aux besoins d'unification et d'extensibilité,
CIM offre une uniformisation des informations de gestion en proposant un
ensemble de schémas divisé en trois niveaux distincts.
- Le modèle CIM Core (DMTF, 2000) : il
définit un ensemble de classes et d'associations génériques
à tout domaine de gestion, c'est-à-dire une structure de base pour
tous les schémas futurs qui concernent des domaines particuliers. Ainsi,
le modèle CIM Core est stable et comporte un nombre assez
limité de classes.
- Le modèle CIM Common : il définit des classes
et des associations indépendantes de toute implantation, relatives
à un domaine particulier de la gestion. Il se compose de
différents sous-modèles qui concernent les applications (DMTF, 2003a),
systèmes (DMTF, 2003b),
réseaux (DMTF, 2003c),
etc.
- Les modèles CIM Extension : les schémas CIM Extension permettent d'étendre les classes existantes dans le
modèle CIM Common.
A partir des modèles CIM existants, la section suivante
s’attache à proposer un modèle générique de
traces capable de représenter les activités des utilisateurs au
sein de systèmes d’apprentissage en ligne
hétérogènes.
3.2. Un modèle UML générique de traces pour les
activités
Figure 2 • Un modèle UML
générique de traces pour les activités
Nous souhaitons élaborer un modèle dont un des objectifs
concerne la généricité, et qui permet de spécifier
les traces produites par les activités explicites des utilisateurs dans
un système d’apprentissage instrumenté par le Web. La
modélisation UML illustrée par la figure 2 s’organise donc
autour de quatre concepts principaux : les systèmes d’apprentissage
en ligne, les ressources intégrées dans ces systèmes, les
utilisateurs, et les activités que ces derniers peuvent réaliser
sur les systèmes et ressources. Les trois premiers concepts ont
été modélisés par des objets gérés,
alors que les activités sont représentées par des relations
d’association entre objets gérés.
La classe abstraite EIAH_System modélise les traces à
collecter pour les systèmes d'apprentissage, alors que la classe
abstraite EIAH_Resource décrit d’un point de vue observation
toute ressource intégrée dans un système
d’apprentissage, et qui est disponible pour ce système. Ces classes
héritent toutes deux de classes CIM prédéfinies dans le
métamodèle, et bénéficient naturellement d’une
relation de composition CIM_SystemComponent qui permet de connaître
les différentes ressources qui constituent un système
d'apprentissage. La relation de composition CIM_Component entre des
instances de la classe EIAH_Resource permet d'exprimer le fait qu'une
ressource d’apprentissage peut être constituée d’une ou
plusieurs autres ressources.
Pour des raisons de simplification, la figure 2 ne présente pas
l’ensemble des classes définies dans CIM qui sont
dédiées à la spécification des informations à
recueillir pour un utilisateur. Nous avons simplement réutilisé
les classes existantes du modèle CIM User (DMTF, 2003d).
Parmi l’ensemble des activités qui peuvent être
proposées dans un EIAH, nous distinguons les activités
réalisées sur le système d’apprentissage
lui-même de celles qui sont opérées sur une ressource
intégrée dans le système. Ces deux types
d’activité sont respectivement modélisées par les
relations abstraites d’association EIAH_ActivityOnSystem et EIAH_ActivityOnResource.
- La première associe un utilisateur à un
système d’apprentissage, et s’intéresse en particulier
aux activités fonctionnelles, de maintenance et de configuration qui sont
généralement effectuées par les administrateurs des
systèmes et applications. Les traces de certaines activités comme
l’ajout ou la suppression d’une fonctionnalité, la mise
à jour, ou le changement de l’interface homme/machine d’un
système d’apprentissage sont donc spécifiées par la
spécialisation de cette classe. La relation de composition EIAH_AOSComponent dénote le fait qu’une telle
activité peut être constituée d’une ou plusieurs
sous-activités.
- La seconde référence un utilisateur et une ressource
intégrée dans un système, et se focalise sur les
activités d’apprentissage réalisées par les
apprenants et enseignants-tuteurs sur les ressources. Les traces
d’activité à collecter lors de la création d’un
nouveau cursus, de l’envoi d’un message dans un forum de discussion,
du dépôt d’un devoir, ou de la participation à une
séance de messagerie instantanée sont modélisées
à partir de cette classe en définissant de nouvelles relations qui
caractérisent ces activités. La relation de composition EIAH_AORComponent permet de déterminer les sous-activités
qui constituent une activité de plus haut niveau.
Enfin, la relation de composition EIAH_ARSComponent associe les deux
types d’activité identifiés, et signifie qu’une action
exécutée sur une ressource peut constituer une partie d’une
activité réalisée sur un système
d’apprentissage.
Nous avons proposé ici un modèle UML dédié
à la spécification des traces d’activités à
collecter lors de l’usage d’un système d’apprentissage
par un utilisateur. La section suivante s’intéresse quant à
elle à l’architecture informatique distribuée et
décentralisée que nous avons adoptée pour assurer la
gestion, le partage et la réutilisation de ces traces.
3.3. Une architecture distribuée et décentralisée pour
le suivi des activités au sein d'EIAH
3.3.1. Les fondements : l'architecture WBEM
Le DMTF propose, au travers de l’architecture WBEM associée au
modèle CIM, une distribution des composants de supervision en
introduisant les notions d’Object Manager et d’Object
Provider qui présentent des interfaces génériques
basées sur les concepts CIM de classe, propriété,
méthode et instance. Ces deux composants sont respectivement
désignés par CIM OM et CIM OP dans la suite du document.
Un CIM OM est une application qui a pour charge d’assurer le stockage
et l’intégrité des informations relatives à un ou
plusieurs domaines d’observation. Pour cela, il dispose d’un
référentiel contenant la description de sa connaissance de gestion
sous forme de classes CIM, ainsi que cette connaissance
représentée par des instances de classes CIM. Le
référentiel est exploité par des fonctions de gestion
intégrées au sein du CIM OM.
Un CIM OP est une entité de gestion responsable de
l’intégration d’un environnement à gérer comme
l’environnement Unix ou un environnement de base de données
Oracle™ ; pour chaque type d’environnement à observer,
un CIM OP est nécessaire. Ils permettent d’offrir une vue
homogène des environnements hétérogènes à
intégrer.
Le monde hétérogène à observer est
instrumenté par l’intermédiaire de composants logiciels,
accessibles via des protocoles standards ou spécifiques.
Enfin, des applications clientes restituent sous la forme d’interfaces
graphiques orientées utilisateur les informations de gestion
distribuées auprès des CIM OM, et offrent aux gestionnaires
humains la possibilité de réaliser des actions (mise à
jour, invocation de méthode, etc).
L'architecture WBEM permet donc de collecter des informations de supervision
à travers les composants logiciels intégrés dans les
systèmes à observer et le CIM OP, de stocker ces informations dans
un référentiel CIM par le biais du CIM OM, et enfin d'exploiter
ces informations en consultant les classes et instances contenues dans le
référentiel. Sur la base de cette architecture, nous proposons
dans la section suivante une architecture distribuée et
décentralisée pour le suivi des activités des utilisateurs
au sein d'un EIAH.
3.3.2. L'organisation
distribuée et décentralisée
3.3.2.1. Processus de
génération et de stockage des traces
Figure 3 • Une organisation
distribuée et décentralisée pour la gestion des
traces
Parmi les différentes propositions de distribution des entités
de gestion énoncées dans (Martin Flatin, 2003),
nous pourrions qualifier notre architecture de fortement distribuée
puisque tous les CIM OM sont des composants distribués et qu’ils
ont, de base, les mêmes fonctionnalités. Par ailleurs, leur
répartition est fonction des structures pédagogiques souhaitant
partager leurs traces d’activités, alors que la distribution des
CIM OP est structurée selon les environnements d'apprentissage des
institutions qui composent une structure pédagogique. Sur la figure 3,
les EIAH 1 et 2 constituent les environnements d'apprentissage de deux
institutions différentes comprises dans une même structure de
pédagogie, alors que l'EIAH 3 correspond à une autre structure.
Ces choix assurent :
- le partage de l’ensemble des traces issues des
systèmes hétérogènes d’une même
structure de pédagogie, mais également la mise à
disposition des traces renfermées dans les différents CIM OM
à n’importe quel outil fondé sur les technologies Web ;
- la prise en compte du caractère distribué des
environnements d’apprentissage ;
- la répartition des charges de traitement des traces sur
différents composants logiciels ;
- l'extensibilité et l’ouverture de l'architecture de
gestion (cf. section 3.4).
Les composants logiciels intégrés dans les systèmes
à observer ont pour fonction de capturer les traces brutes,
c’est-à-dire chacune des informations correspondant aux
propriétés définies dans les classes du modèle UML
de traces qui traduisent la réalisation d’une activité par
un utilisateur (l’activation du processus doit être effectuée
par l’administrateur lors de la configuration du système
d’apprentissage). Ces composants logiciels transmettent ensuite
l’ensemble des données capturées ainsi que la nature de
l’activité réalisée à un CIM OP qui joue le
rôle d'intermédiaire entre l'environnement d'apprentissage et
l'environnement de gestion des traces.
Un CIM OP est constitué de deux interfaces : l'une est
dédiée à la réception des traces brutes transmises
par les composants logiciels, alors que l’autre est responsable de la
création ou de la modification des traces d’activité
à travers l’invocation de méthodes implantées dans le
CIM OM qui permettent de créer de nouvelles instances ou de modifier des
instances existantes de classes définies dans le modèle UML de
traces.
En effet, un CIM OM est capable de réaliser des opérations
relatives aux traces d’activités dans la mesure où le
modèle UML de la figure 2 est décrit par le langage MOF et
injecté dans son référentiel (des extraits de fichiers MOF
sont donnés dans la partie 4). A partir d’une DTD XML
décrivant le langage MOF, un CIM OM stocke les classes et instances de
classes CIM sous la forme de documents XML valides ; la création, la
modification ou la suppression d’une instance d’une classe
correspond donc à la modification du document XML correspondant, la
manière de gérer ces documents étant spécifique
d’une implémentation de l’architecture WBEM à une
autre.
3.3.2.2. Consultation des référentiels de traces
Le DMTF a introduit le langage de requête CIM Query Language (CQL) pour
permettre à des applications clientes d’envoyer des requêtes
vers un CIM OM afin de retrouver les classes et instances contenues dans son
référentiel. Les applications clientes exploitent ce langage pour
spécifier la nature et le nombre d’instances qui doivent être
sélectionnées, ainsi que les propriétés à
retourner pour chacune des instances.
CQL est composé d’un ensemble de fonctionnalités de base
auxquelles s’ajoutent des fonctionnalités optionnelles qui
déterminent la complexité de la syntaxe et de la sémantique
des requêtes. Les principes les plus importants de CQL sont :
requête simple, jointure simple ou complexe, liste de sélection
étendue, agrégation, et mécanisme d’expression
régulière. L’ensemble des fonctionnalités
proposées par CQL est à la disposition du lecteur dans ce document (DMTF, 2006).
Une vue homogène des traces d'activités renfermées dans
différents CIM OM peut alors être obtenue selon deux
approches (cf. figure 3):
- un CIM OM additionnel a pour rôle d'assurer la
fédération de plusieurs référentiels de
traces ; ce CIM OM pourra être interrogé par une application
cliente pour retrouver l’ensemble des traces ;
- la jointure des traces est laissée à la charge de
l’application orientée utilisateur qui restitue de manière
interprétable les traces d’activité en envoyant des
requêtes CQL aux différents CIM OM.
3.3.2.3. Protocoles et modes de communication
Le protocole de communication proposé par le DMTF s’appuie sur
deux standards du Web : XML pour l’encodage et HTTP pour le
transport. Le DMTF a opté pour l’utilisation du protocole HTTP
étendu (Nielsen et al., 2000) qui consiste à encapsuler la description XML des informations CIM dans le
corps d’une unité de données HTTP. Ces spécifications
CIM/HTTP ont été publiées en 2002 et plusieurs
plates-formes adoptent ces spécifications.
Les communications mettant en jeu un CIM OM sont donc fondées sur le
protocole XML/HTTP. La transmission des traces brutes capturées par les
composants logiciels au sein des systèmes à observer vers les CIM
OP doit quant à elle être assurée par n’importe quel
protocole de communication supportant les technologies Web.
Dans le monde des systèmes distribués, les modes Pull et Push désignent deux approches pour échanger des
données entre entités distantes. Dans le cadre de la gestion de
réseaux et de systèmes, le mode Pull est basé sur le
paradigme Client/Serveur : le client envoie une demande au serveur, puis le
serveur répond de manière synchrone ou asynchrone. Le mode Push, à l’inverse, est basé sur le patron conceptuel
''Publieur/Souscripteur'' ou encore ''Publieur/Consommateur''. Le client peut
s’abonner pour recevoir des événements, chaque serveur
prenant individuellement l’initiative d’envoyer les
événements aux souscripteurs.
Dans notre architecture, le mode Push est le mode par lequel les
composants intégrés dans les systèmes d’apprentissage
notifient en temps réel les CIM OP d'une activité
réalisée par un utilisateur. Ce mode de communication est
utilisé entre CIM OP et CIM OM pour propager toute notification issue des
composants intégrés dans les EIAH à superviser, mais
également dans le cas d'échanges entre CIM OM, suite à une
requête cliente effectuée par exemple par un service souhaitant
exploiter les traces. Le mode Pull intervient seulement dans ce type
d'interaction, puisque les applications clientes cherchent à retrouver
des informations existantes qui sont renfermées dans les
référentiels CIM ; elles n'ont pas pour objet de notifier les
activités des utilisateurs.
3.4. Capacité d’adaptation du cadre de gestion des traces
Les environnements d’apprentissage sont loin d’être des
environnements figés et sont sujets à de nombreuses
évolutions. Nous étudions dans cette section comment notre
approche peut s’adapter à différents changements en termes
d’organisation d’un EIAH ou d’activités additionnelles
à observer.
3.4.1. Ajout/modification d’un système dans un EIAH
Lorsqu’un nouveau système est introduit dans un environnement
d’apprentissage, deux cas de figure doivent être
distingués : soit le composant logiciel spécifique au
système à observer a déjà été
implémenté, soit il n’existe pas. Dans la première
situation, l’unique tâche à accomplir est d’introduire
le composant dans le système d’apprentissage. Des approches
fondées sur la programmation orientée aspect sont envisageables
pour réaliser cette opération puisqu’elles ont pour fonction
principale la modification du code source d’une application en y
intégrant de nouvelles fonctionnalités (Tarby et al., 2007) (Leclet et al., 2007).
Si le composant logiciel n’existe pas, une phase de création
nécessitant l’étude du système à observer doit
précéder le processus décrit ci-dessus. Cela ne
représente pas un travail trop lourd puisque la tâche du
développeur ne consiste qu’à identifier les informations
à capturer au sein du nouveau système avant d’exploiter le
mécanisme de transmission des informations au CIM OP.
Les outils informatiques ne cessent d’évoluer, comme en
témoignent les nombreuses mises à jour régulièrement
proposées aux utilisateurs. Dans le cas d’une nouvelle version
d’un système d’apprentissage qui apporte des changements
significatifs à la structure de l’application, la seule
entité à modifier dans notre architecture est le composant
logiciel qui doit satisfaire les nouvelles spécifications du
système d’apprentissage.
3.4.2. Observation d’activités additionnelles
L’observation d’une activité additionnelle implique la
modification de plusieurs entités de l’architecture de gestion des
traces.
- Le modèle UML de traces d’activité : les
traces brutes à collecter qui sont relatives à la nouvelle
activité à observer doivent être décrites dans le
modèle UML de traces de la figure 2 afin d’injecter les classes MOF
correspondantes dans le ou les CIM OM responsables de l’observation de ces
activités.
- Les composants logiciels : sans une mise à jour, ils
ne seront pas capables de capturer les informations relatives à la
nouvelle activité à observer qui sont définies dans le
modèle UML de traces.
- Les CIM OP : à partir des traces brutes
collectées par les composants logiciels, ils doivent être en mesure
de créer ou modifier les instances CIM qui traduisent la
réalisation de la nouvelle activité par un utilisateur.
Même si trois entités sont modifiées lors de
l’observation d’une activité supplémentaire, seule la
tâche d’instrumentation des CIM OP requiert un investissement non
négligeable en terme de temps de travail. Mais une application cliente
pourra alors disposer d'une vue uniforme et cohérente de
différentes activités effectuées au sein de multiples
outils d'apprentissage déployés dans différentes
infrastructures de formation en ligne.
3.5. Positionnement de notre approche
L’approche orientée modèle permet de spécifier les
traces à acquérir pour atteindre les objectifs pédagogiques
visés par l’observation des activités des utilisateurs. Si
ces travaux (Héraud et al., 2005) mettent en avant les avantages d’une représentation des objets
observés avec un haut niveau d’abstraction et exprimant les
activités avec une sémantique claire, ils dénotent
également que cette approche empêche de considérer les
activités qui n’ont pas été prédites dans le
modèle et qui sont pourtant utiles en terme d’analyse des
activités d’un utilisateur. Une proposition intégrant
différentes sources d’informations (celles contenues dans les
fichiers de log, celles issues des activités explicites des
utilisateurs, etc.) ainsi que des mécanismes capables de
générer des traces combinées et interprétables sont
alors suggérés. Le métamodèle CIM
élaboré à ce jour propose de nombreux modèles, et
les entités de gestion spécifiques à une source de
données prédominante sont d’ores et déjà
implémentées ; les composants nécessaires à la
supervision de certaines activités des systèmes
d’exploitation Windows et Unix sont notamment disponibles. Les traces
d’usage du système d’exploitation peuvent alors être
intégrées dans le même CIM OM que celui renfermant les
traces des activités explicites des utilisateurs sur un système
d’apprentissage. L’ensemble des traces étant
représentées de façon uniforme, aucun mécanisme de
transformation n’est nécessaire.
Plusieurs travaux s’intéressant à l’exploitation de
traces en vue d’une réingénierie des scénarios
pédagogiques ou des interfaces graphiques sont fondés sur des
systèmes multi-agents (Carron et al., 2006) (Michel et al., 2005) (Laflaquière et Prié, 2003).
Le système de gestion de traces est généralement
composé d’un agent responsable de la collecte des traces brutes,
d’un agent capable de structurer les traces brutes en traces
interprétables, et d’un agent de visualisation qui restitue
à travers une interface les traces interprétables à
l’utilisateur. (Carron et al., 2006) a toutefois soulevé deux difficultés à surmonter dans ces
approches :
- un système multi-agents est plus difficile à mettre
en œuvre et à superviser qu’un système
centralisé car les agents sont fortement dépendants entre
eux ;
- les agents qui sont implantés dans les stations des
utilisateurs entraînent une montée en charge significative des
processeurs.
L’architecture distribuée et décentralisée tente
de combler ces manques : les entités de l’architecture de
gestion des traces sont fortement indépendantes les unes des autres (cf.
section précédente), et les traitements à exécuter
sur les stations des utilisateurs sont réduits au minimum (seul le
composant logiciel responsable de la capture des données est
intégré dans le système à superviser). Notons
également que même si la masse globale des traces stockées
dans des référentiels décentralisés est importante,
la durée nécessaire au traitement de l’ensemble des traces
par un logiciel client n’est pas proportionnelle à cette masse
globale puisqu’il bénéficie des traitements
simultanés de plusieurs CIM OM.
Les travaux présentés dans (Iksal et Choquet, 2005a) et évoqués en section 2.1 ont défini le langage UTL afin
d’ajouter de la sémantique aux traces collectées à
partir de fichiers de log, et d’extraire des informations
statistiques ou de comparer des scénarios d’apprentissage
observés à ceux prédits par le concepteur de cursus. Dans
notre approche, la sémantique des activités observées est
exprimée au sein même du modèle UML de traces, alors que le
langage CQL permet de restituer ces traces selon différents niveaux
d’abstraction. Ce processus est facilité par la description UML des
informations disponibles d’une part, et par le caractère
normalisé de CQL d’autre part. Celui-ci est fondé sur les
langages SQL de l’ISO et XML-Query du W3C, ce qui en facilite sa prise en
main et l’élaboration de requêtes complexes.
4. Cas de l'exploitation des objets pédagogiques
Nous avons présenté dans (Broisin et Vidal, 2005) une architecture pour la virtualisation des objets pédagogiques (cf.
partie gauche de la figure 5) fournissant à la fois une vue
unifiée d'un ensemble de ressources stockées dans
différents viviers de connaissance, et un accès facilité
à ces ressources à travers les plates-formes d'apprentissage.
Cette architecture offre une interopérabilité entre LOR et LMS et
permet aux utilisateurs, à partir des plates-formes d'apprentissage,
d'exploiter de façon transparente les objets pédagogiques
renfermés dans différents viviers de connaissance. Cette
architecture a été implémentée avec deux
plates-formes open source, respectivement INES et MOODLE, et quatre
viviers de connaissance : le KPS de la fondation ARIADNE, MERLOT, EDNA et le
LRC.
Nous proposons dans cette partie une application de l’approche
présentée dans la partie précédente. Le cadre de
travail présenté assure la gestion des traces qui traduisent les
activités réalisées sur des objets pédagogiques par
les utilisateurs impliqués dans l'architecture de virtualisation ;
aucune activité effectuée sur les systèmes
d’apprentissage n’est proposée. L'outil SILO est
également intégré dans notre proposition, validant ainsi le
caractère flexible de notre solution.
4.1. Un modèle UML de traces d’activités pour les objets
pédagogiques
A partir du modèle UML générique de traces pour les
activités illustré par la figure 2, nous avons
élaboré un modèle qui s’attache, en
spécialisant les classes abstraites modélisant les
systèmes, ressources et activités d’un EIAH, à
représenter les traces des activités qui peuvent être
réalisées sur des objets pédagogiques. Le modèle
résultant est exposé par la figure 4 ; nous ne
décrivons ici que les principales classes du modèle, le lecteur
peut consulter (Broisin, 2006) pour de plus amples détails.
Des plates-formes pédagogiques et viviers de connaissance constituent
notre environnement d’apprentissage. La classe EIAH_LearningManagementSystem et la classe EIAH_ContentManagementSystem héritent de la classe abstraite EIAH_System, et permettent de représenter les traces brutes
à capturer lors d’activités réalisées sur ces
systèmes. Quatre attributs sont définis pour ces deux classes, et
indiquent leurs nom, rôle, localisation et description. Pour les
plates-formes de téléformation, la version du système est
également disponible, alors que les viviers de connaissance sont
décrits à l’aide d’un attribut additionnel qui
spécifie le standard de méta-données utilisé par le
système de stockage.
Deux types de ressources sont identifiés dans notre contexte :
les objets pédagogiques et les cursus d’apprentissage. Les traces
à collecter pour les objets pédagogiques (classe EIAH_LearningObject) concernent des données statistiques (le
nombre de consultations des méta-données, le nombre de
téléchargements, le nombre d'intégrations de chaque objet
au sein d'un cursus d'apprentissage), ainsi que des repères temporels
(date de création, dates de consultation, de téléchargement
et d'intégration de l'objet pédagogique). Un ensemble de
méthodes est associé aux attributs précités afin de
modifier leur valeur. La classe EIAH_Courseware décrit un cursus
pédagogique délivré par un LMS ; en plus des
propriétés définies par sa classe parente EIAH_Resource, elle spécifie la discipline concernée par
cet enseignement.
Figure 4 • Un modèle UML de
traces d’activités pour les objets pédagogiques
Afin d’exprimer les relations existant entre systèmes et
ressources d’apprentissage et ainsi d’apporter une sémantique
aux traces représentées par les classes précitées,
nous avons défini deux relations d’association : EIAH_IsStoredBy indique le(s) vivier(s) de connaissance qui renferme(nt)
un objet pédagogique spécifique (et réciproquement,
l’ensemble des objets stockés dans un vivier particulier), alors
qu’EIAH_IsDeployedBy renseigne la plate-forme d’apprentissage
déployant un cursus pédagogique donné.
Aucun effort de modélisation n'a dû être entrepris pour
représenter les utilisateurs des systèmes d'apprentissage, les
classes nécessaires étant définies dans le modèle
existant CIM User (DMTF, 2003d).
Nous avons recensé six activités pouvant être
réalisées sur un objet pédagogique par un
utilisateur à partir des plates-formes d’apprentissage :
- la recherche d’objets pédagogiques renfermés
dans des viviers de connaissance et qui correspondent à des mots
clés particuliers renseigne sur les concepts recherchés par un
utilisateur, spécifiés dans le modèle CIM
User ;
- la consultation des métadonnées de ces objets
d'apprentissage est modélisée par la relation d’association EIAH_HasConsulted ;
- le téléchargement des documents correspondants sur
leur poste local apparaît à travers la relation EIAH_HasDownloaded ;
- l’importation des ressources au sein d'un cursus de la
plate-forme d'apprentissage est représentée par
l’association EIAH_HasIntegrated ;
- l’indexation de nouveaux objets au sein de la plate-forme et
du vivier de connaissance cible correspond, à une variante près,
à l’activité d’importation ; nous n’avons
pas spécifié de classe spécifique ;
- l’évaluation d’un objet pédagogique est
exprimée à l’aide de la classe EIAH_HasRated.
Les classes exprimant les relations d’association mentionnées
ci-dessus héritent toutes de la classe abstraite EIAH_ActivityOnResource. Elles référencent donc
l’utilisateur et l’objet pédagogique concernés par
l’activité réalisée au sein du système
d’apprentissage. Un attribut permet de connaître les dates
auxquelles l’utilisateur a réalisé
l’activité.
Nous avons établi dans cette section un modèle UML de traces
pour le suivi des activités relatives aux objets pédagogiques
conforme au métamodèle CIM. Le modèle représente les
différentes traces que nous souhaitons collecter lors de la
réalisation d’une activité ; la section suivante
s'intéresse à l'intégration de l'organisation
distribuée et décentralisée au sein de l’EIAH
existant.
4.2. L'architecture pour la gestion des traces
L'architecture globale de l’EIAH illustrée par la figure 5 prend
en compte l'architecture de virtualisation, à laquelle nous avons
intégré les composants spécifiés par l'initiative
WBEM et présentés précédemment.
Figure 5 • Architecture de gestion des
traces
La première étape a consisté à adopter un outil open source conforme à l'architecture WBEM et fournissant un CIM
OM. Parmi les initiatives existantes, le projet WBEM Services (WBEM Services, 2003) développé par Sun Microsystems™ consiste en un ensemble
d'API et d'applications Client/Serveur Java™. Il fournit un compilateur
qui permet d’introduire un fichier MOF au sein du
référentiel associé au CIM OM et figurant en rouge sur la
figure 5. Afin d'y intégrer notre modèle de traces
d’activité, nous avons décrit chaque classe de notre
modèle UML selon le format MOF avant de compiler l'ensemble de ces
fichiers dans le référentiel. La figure 6 donne un extrait de la
description MOF de la classe EIAH_HasConsulted.
Nous avons ensuite développé un CIM OP responsable de
l’intégration des traces d’activité dans le CIM OM.
Une interface dédiée à la réception des traces
brutes capturées au sein d’un système d'apprentissage a
été implémentée sous la forme d'un service Web. L’autre interface, celle qui communique avec le CIM OM via
XML/HTTP, est constituée de six méthodes qui correspondent aux six
activités recensées. Pour chacune d’entre elles, le CIM OP
assure la création et/ou la modification des instances du modèle
de traces impliquées dans l’activité réalisée
par l’utilisateur.
Figure 6 • Extrait de la
représentation MOF de la classe EIAH_HasConsulted
Enfin, pour permettre l'acquisition de chacune des traces brutes
résultant des activités des utilisateurs exploitant la couche de
virtualisation, nous y avons intégré un composant logiciel.
Celui-ci a également été adapté et introduit dans la
version officielle de l'outil SILO, offrant ainsi la possibilité de
recueillir des traces issues de ce système. Ce composant communique avec
l'interface Web du CIM OP à travers les protocoles SOAP/HTTP. Les
traces brutes capturées étant transmises lors de l'activation
d'une activité spécifique chez le client, les valeurs des
données produites par des langages de programmation dynamiques sont
disponibles.
4.3. Visualisation des traces d’activités
WBEM Services fournit une application pour naviguer dans le
référentiel CIM et consulter une à une les instances qui y
sont renfermées. Cependant, cette application n’offre pas
l’opportunité de consulter un ensemble d’instances qui donne
un sens aux traces d’activité. Nous avons alors
développé l'application baptisée LOMA (Learning Object
MAnagement tool) qui offre sous la forme d’une interface graphique
fondée sur les technologies Web une vue homogène des traces
d’activité qui sont renfermées dans le
référentiel CIM. Cette application émet différentes
requêtes CQL au CIM OM (via les protocoles XML/HTTP) afin d’extraire
du référentiel CIM les instances de classes demandées avant
de les retourner à l'application LOMA qui, finalement, les met en forme
avant de les présenter à l'utilisateur. L'interface graphique
propose quatre sections différentes pour consulter les traces
stockées dans le référentiel CIM, dont deux
s’intéressent en particulier à la visualisation des traces
d’activités sur les objets pédagogiques.
Pour un utilisateur spécifique, l’application permet de
visualiser les traces d’usage suivantes (cf. figure 7) :
- pour chacune des activités, les objets pédagogiques
qu’il a manipulés ;
- des données statistiques sur l’usage des objets
pédagogiques ainsi que les dates associées à ces
données ;
- Des informations sur le déploiement des objets
pédagogiques en activant l’hyperlien placé sur le titre de la
ressource (le(s) vivier(s) de connaissance de stockage, le(s) cursus
d'apprentissage intégrant cet objet, la ou les plate(s)-forme(s)
d'apprentissage déployant ces différents cursus).
Figure 7 • L'interface de
l'application LOMA
La visualisation par objets pédagogiques affiche les informations
décrites ci-dessus, mais prend en compte les traces
d’activité réalisées par l’ensemble des
utilisateurs et non par un utilisateur spécifique.
4.4. Scénario d’activités
Nous illustrons ici un scénario simple de deux activités
réalisées sur deux systèmes d’apprentissage
différents. La première activité consiste en la
consultation des méta-données d’un objet pédagogique
traitant du langage de programmation PHP à partir de l’outil SILO.
La deuxième activité réalisée sur la plate-forme
INES est décomposée en deux sous-activités :
l’attribution d’un niveau d’appréciation
élevé à un objet pédagogique relatif lui aussi
à PHP, et l’importation de cet objet dans un cursus
d’apprentissage.
Le résultat de la première activité se traduit par les
opérations successives suivantes (ne sont décrites ici que les
opérations liées aux activités) :
- création d’une instance de la classe CIM_Identity pour représenter l’utilisateur à
l’origine de l’activité ;
- création d’une instance EIAH_LearningObject qui correspond à l’objet pédagogique
consulté ;
- création d’une instance de la relation
d’association EIAH_HasConsulted qui référence les
identifiants des deux instances ci-dessus.
La deuxième activité engendre, en plus des deux
premières actions mentionnées ci-dessus, la création :
- d’une instance de la relation EIAH_HasRated qui
référence les instances de l’utilisateur et de l’objet
pédagogique correspondants ;
- d’une instance de la relation d’association EIAH_HasIntegrated qui référence également les
mêmes utilisateur et objet pédagogique.
La partie suivante montre comment les traces d’usage produites par ces
deux activités peuvent être exploitées pour faciliter le
processus de recherche d’objets pédagogiques lors de la phase de
création d’un cursus par un enseignant.
4.5. Exploitation des traces : un service de recherche avancée
d’objets pédagogiques
Lors de la création d’un cursus, un enseignant recherche souvent
du matériel pédagogique existant afin de l’adapter ou de le
réutiliser dans son contexte d’apprentissage. Cependant, de
nombreuses ressources sont aujourd’hui disponibles dans différents
viviers de connaissance, et un utilisateur doit parcourir un grand nombre
d'objets d'apprentissage avant de trouver une ressource correspondant à
ses objectifs. Pour lever ce verrou, nous avons proposé un service de
recherche avancée d'objets pédagogiques qui exploite les traces
d’activité renfermées dans le référentiel CIM (Broisin et Vidal, 2007).
Ce service permet de présélectionner les ressources les plus
pertinentes en fonction de certaines traces d’usage : les informations
statistiques d'utilisation, le cursus pédagogique visé, et les
évaluations associées aux objets pédagogiques. Le service
de recherche avancée présente, de la même manière que
le CIM OP, deux interfaces distinctes : l'une capable de recevoir des
requêtes issues de différents systèmes, l'autre
interagissant avec le CIM OM pour consulter les traces d’usage.
Continuons le scénario initié dans la section
précédente, et imaginons qu’un enseignant recherche,
à partir de MOODLE, un objet pédagogique pour un cursus
d’apprentissage traitant du langage de programmation PHP. Le
scénario mis en œuvre lors de l’activation du service de
recherche de la couche de virtualisation se décompose en 5
étapes.
- Le service de recherche de la couche de virtualisation envoie une
requête vers le service de recherche avancée en transmettant les
mots clés mentionnés par l’utilisateur.
- Le service de recherche avancée traite la requête en
recherchant, dans le CIM OM, les instances d’objets pédagogiques
correspondant aux mots clés et dont les traces d’usage sont les
plus pertinentes. Dans notre scénario, la ressource pédagogique
ayant déjà fait l’objet d’une évaluation
positive et d’intégration dans un cursus sera classée avant
celle n’ayant été que consultée.
- Les résultats retrouvés et triés par le
service de recherche avancée sont ensuite retournés au service de
recherche de la couche de virtualisation.
- Ce dernier établit la correspondance entre les objets
pédagogiques retrouvés dans le vivier de connaissance et ceux
retournés par le service de recherche avancée.
- Les résultats sont formatés puis
présentés à l'enseignant, les objets pédagogiques
retrouvés par le service de recherche avancée figurant en
tête de la liste des résultats.
L’enseignant a donc pu bénéficier de traces
d’activités qui ont été produites par d’autres
utilisateurs exploitant d’autres systèmes d’apprentissage que
celui utilisé dans son contexte, ce qui a facilité
l’activité de recherche d’objets pédagogiques. En
effet l’enseignant n’est pas contraint de parcourir de nombreuses
ressources avant de trouver celle(s) correspondant à ses besoins.
5. Conclusions et perspectives de recherche
Nous avons proposé
une approche conduite par les modèles capable d’assurer la gestion
de traces issues d’environnements d’apprentissage
hétérogènes et qui facilite leur partage en vue d’une
réutilisation par différents SBT. Le modèle UML
générique que nous avons établi se focalise sur les traces
produites par les activités explicites des utilisateurs, mais le
caractère générique et extensible du
métamodèle CIM sur lequel nous nous sommes appuyés montre
que d'autres sources de traces peuvent facilement être prises en compte
dans notre approche. Les protocoles et modes de transport retenus dans
l’architecture distribuée et décentralisée mise en
œuvre pour la gestion des traces s'appuient sur les technologies des
services Web, et assurent ainsi l’interopérabilité et
la communication entre systèmes à observer et composants
d’observation sur une grande échelle. Cette architecture facilite
la collecte et le partage de traces issues de diverses communautés
d’utilisateurs, et participe ainsi à l’augmentation de la
masse de traces disponibles pour atteindre les objectifs visés par les
SBT.
L’approche proposée a été appliquée avec
succès dans le cadre de l’observation des activités
relatives aux objets pédagogiques intégrés dans des
plates-formes de formation et viviers de connaissance, et facilite le processus
de recherche de ressources pédagogiques en enrichissant les outils
traditionnels associés aux viviers de connaissance. Pour des raisons de
simplification, l’architecture déployée dans ce cas
d’usage n’est constituée que d’un seul
référentiel responsable du stockage de l’ensemble des traces
issues des systèmes précités. Toutefois, dans le cadre de
la nouvelle architecture orientée services actuellement
élaborée au sein de la fondation ARIADNE, un
référentiel de traces sera associé à chaque vivier
local. Ainsi, les différentes institutions pourront choisir de
bénéficier des traces produites par leur structure
pédagogique, ou par l’ensemble de la communauté ARIADNE.
Dans le premier cas, le référentiel ne retournera que ses propres
données, alors qu’il enverra des requêtes vers tous les
autres référentiels dans le deuxième cas.
Une perspective de ces travaux consiste à mettre en oeuvre d'autres
fonctionnalités qui exploitent les concepts du métamodèle
CIM. Ce dernier définit des associations entre objets gérés
qui expriment des relations de dépendance reliant au moins deux classes
d'objets : l'une identifiée comme Antécédent,
l'autre comme Dépendant. Par exemple, une relation de
dépendance est intrinsèquement définie entre un
système (l'Antécédent) et un service (le Dépendant) hébergé par ce système. De plus,
des travaux (Sibilla et al., 2004) ont proposé la possibilité d'associer des actions à
effectuer sur l'objet Dépendant en fonction
d'événements survenant sur l'objet Antécédent. En spécifiant des relations de
dépendance entre certaines classes de notre modèle, nous serons en
mesure d'automatiser des actions à exécuter en fonction
d'événements se produisant sur des instances du modèle.
Lorsqu'une nouvelle ressource pédagogique correspondant aux concepts
préférés de certains utilisateurs est créée
au sein du référentiel de traces, un courrier électronique
pourra par exemple les avertir de la disponibilité d'une ressource
supplémentaire. La sémantique forte du métamodèle
CIM et les travaux qui visent à ajouter de la dynamique permettraient
d'aller plus loin dans le processus d’exploitation et de
réutilisation des traces d’usage.
BIBLIOGRAPHIE
Fondation
ARIADNE (1996). http://www.ariadne-eu.org, (consulté
le 6 mai 2007).
BROISIN J., VIDAL P. (2007). Finding Learning Objects: an
Advanced Search Service based on Tracking Data. E-Learn 2007,
Québec ville, Canada.
BROISIN J. (2006). Un Environnement Informatique pour
l'Apprentissage Humain au service de la Virtualisation et de la Gestion des
Objets Pédagogiques. Thèse de doctorat de l'Université
Paul Sabatier Toulouse III, 2006, 206 p. Disponible sur internet : http://www.irit.fr/~Julien.Broisin/
BROISIN J., VIDAL P. (2005). Un Environnement
Informatique pour l'Apprentissage Humain au service de la Virtualisation des
Objets Pédagogiques. Revue Sciences et Techniques de l'Information et
de la Communication pour l'Éducation et la Formation, 2005, vol. 12.
Disponible sur internet : http://sticef.univ-lemans.fr/num/vol2005/broisin-08/sticef_2005_broisin_08p.pdf
CARRON T., MARTY J. C., HERAUD J. M., FRANCE L. (2006).
Helping the teacher to re-organize tasks in a collaborative learning activity:
an agent-based approach. The 6th IEEE International Conference on Advanced
Learning Technologies, Kerkrade, Pays-Bas, p 552-554.
COURTIN T., TALBOT S. (2007). Une station
d’observation pour des Situations d’Apprentissage Collaboratif
Instrumenté. Environnements Informatique pour l’Apprentissage
Humain, Lausanne, Suisse, p. 371-376.
Distributed Management Task Force (1999). Common
Information Model (CIM) Specification. Rapport technique, DSP0004, 1999, 96
p. Disponible sur internet : http://www.dmtf.org/standards/documents/CIM/DSP0004.pdf (consulté le 30 avril 2007).
Distributed Management Task Force (2000). Common
Information Model (CIM) Core Model. Rapport technique, DSP0111, 2000, 54 p.
Disponible sur internet : http://www.dmtf.org/standards/documents/CIM/DSP0111.pdf (consulté le 30 avril 2007).
Distributed Management Task Force (2003). Understanding the Application Management Model. Rapport technique,
DSP0140, 2003, 50 p. Disponible sur internet : http://www.dmtf.org/standards/documents/CIM/DSP0140.pdf (consulté le 30 avril 2007).
Distributed Management Task Force (2003). CIM System
Model White Paper. Rapport technique, DSP0150, 2003, 22 p. Disponible sur
internet : http://www.dmtf.org/standards/documents/CIM/DSP0150.pdf (consulté le 30 avril 2007).
Distributed Management Task Force (2003). CIM Network
Model White Paper. Rapport technique, DSP0152, 2003, 19 p. Disponible sur
internet : http://www.dmtf.org/standards/published_documents/DSP0152.pdf (consulté le 30 avril 2007).
Distributed Management Task Force (2003). CIM User and
Security Model White Paper. Rapport technique, DSP0139, 2003, 11 p.
Disponible sur internet : http://www.dmtf.org/standards/documents/CIM/DSP0139.pdf (consulté le 30 avril 2007).
Distributed Management Task Force (2003). CIM Event
Model White Paper. Rapport technique, DSP0107, 2003, 28 p. Disponible sur
internet : http://www.dmtf.org/standards/documents/CIM/DSP0107.pdf (consulté le 9novembre 2007).
Distributed Management Task Force (2006). CIM Query
Language Specification. Rapport technique, DSP0202, 2006, 68 p. Disponible
sur internet : http://www.dmtf.org/standards/published_documents/DSP0202.pdf (consulté le 9 novembre 2007).
Design Patterns for recording and analysing Usage of
Learning Systems (2005). Réseau d'Excellence Kaleidoscope, http://www.noe-kaleidoscope.org/pub/researcher/activities/wp_desc/32.html (consulté le 19 avril 2007).
eLycée. http://www.elycee.com, (consulté le 25
avril 2007).
FANSLER K., RIEGEL R. (2004). A Model Of Online
Instructional Design Analytics. 20th Annual Conference on Distance Teaching
and Learning, Madison, Etats-Unis, Disponible sur internet : http://www.uwex.edu/disted/conference/Resource_library/proceedings/04_1069.pdf.
HERAUD J.M., FRANCE L., MILLE A. (2004). Pixed: An ITS
that guides students with the help of learners’ interaction logs. Intelligent Tutoring System, Maceio, Brésil, Disponible sur
internet : http://www.andrew.cmu.edu/user/jb8n/its2004/heraud.pdf
HERAUD J.M., MARTY J. C., FRANCE L., CARRON T. (2005).
Helping the interpretation of web logs : Application to Learning Scenario
Improvement. Workshop Usage Analysis in Learning Systems, 12th International
Conference on Artificial Intelligence in Education, Amsterdam, Pays-Bas.
Interaction & Collaboration Analysis' supporting
Teachers & students' Self-Regualtion (2004). Réseau d'Excellence
Kaleidoscope, http://www.rhodes.aegean.gr/ltee/kaleidoscope-icalts/ (consulté le 19 avril 2007).
IKSAL S., CHOQUET C. (2005). Usage Analysis Driven by
Models in a Pedagogical Context. Workshop on Usage Analysis in Learning
Systems , 12th International Conference on Artificial Intelligence in
Education, Amsterdam, Pays-Bas, p. 49-56.
IKSAL S., CHOQUET C. (2005). An open architecture for
usage analysis in a e-learning context. The 5th IEEE International Conference
on Advanced Learning Technologies, Kaohsiung, Taïwan, p. 177-181.
KEPKA L., HERAUD J. M., FRANCE L., MARTY J. C., CARRON T.
(2007). Activity Visualization and Regulation in a Virtual Classroom. The
10th IASTED International Conference on Computers and Advanced Technology in
Education, Beijing, Chine.
LAFLAQUIERE J., SETTOUTI L. S., PRIE Y., MILLE A. (2006).
Trace-Based Framework for Experience Management and Engineering. 10th
International Conference on Knowledge-Based Intelligent Information and
Engineering Systems, Bournemouth, UK, Lecture Notes in Computer Science 4251
Springer 2006.
LAFLAQUIERE J., PRIE Y. (2003). Modélisation
d’utilisation de système pour une assistance à base de
trace : une application de MUSETTE à la tâche de veille
documentaire. Traces, interactions, co-constructions collectives et relations
à la cognition, AS CoMETE, Paris, France.
LECLET D., LEPRETRE E., PETER Y., QUENU-JOIRON C., TALON
B., VANTROYS T. (2007). Améliorer un dispositif pédagogique par
l’intégration de nouveaux canaux de communication. Environnements Informatique pour l’Apprentissage Humain, Lausanne,
Suisse, p. 347-358.
LOGHIN J. C. (2006). Aide à la
compréhension du comportement de l’utilisateur par la
transformation des traces collectées. 1res Rencontres Jeunes
Chercheurs sur les Environnements Informatiques pour l’Apprentissage
Humain, Evry, France, p. 115-122.
MARTIN FLATIN, J.P. (2003). Web-based management of IP
networks and systems. Edition Wiley series in Communications Networking
& Distributed Systems, 2003.
MICHEL C., PRIE Y., LE GRAET L. (2005). Construction
d’une base de connaissance pour l’évaluation de l’usage
d’un environnement STIC. 17eme Conférence Internationale
Francophone sur l’Interaction Homme-Machine, Toulouse, France, p.
199-202.
NAJJAR J., TERNIER S., DUVAL E. (2004). User Behavior in
Learning Object Repositories: An Empirical Analysis. Educational Multimedia,
Hypermedia \& Telecommunications - EDMEDIA04, Lugano, Suisse, p.
4373-4379.
NIELSEN H., LEACH P., LAWRENCE S. (2000). An HTTP
Extension Framework. Internet Engineering Task Force, RFC 2774, 2000, 18 p.
Disponible sur internet : http://www.ietf.org/rfc/rfc2774.txt (consulté
le 30 avril 2007).
SIBILLA M., BARROS DE SALES A., BROISIN J., VIDAL P.,
JOCTEUR-MONROZIER J.F. (2004). Behaviour modelling : a contribution to CIM. DMTF Academic Alliance Paper Competition, 7p. Disponible sur internet : http://www.dmtf.org/education/academicalliance/sibilla_2004.pdf (consulté le 13 avril 2007).
STEINMETZ R. (2005). Learning Objects, Learning Object
Repositories and Beyong. Intelligent, Interactive, Learning Object
Repositories 2005, Vancouver, Canada.
STERMSEK G., STREMBECK M., NEUMANN G. (2007). A User
Profile Derivation Approach based on Log-File Analysis. International
Conference on Information and Knowledge Engineering, Las Vegas,
Etas-Unis.
SWAAK J., EFIMOVA L., KEMPSEN M., GRANER M. (2004).
Finding in-house knowledge: patterns and implications. The fourth
International Conference on Knowledge Management, I-KNOW 04, Gras, Autriche
p. 27-36.
TARBY J. C., EZZEDINE H., ROUILLARD J., TRAN C. D.,
LAPORTE P., KOLSKI C. (2007). Traces Using Aspect Oriented Programming and
Interactive Agent-Based Architecture for Early Usability Evaluation: Basic
Principles and Comparison. Human Computer Interaction, Part I, HCII 2007,
LNCS 4550, Beijing, Chine p. 632-641.
TCHOUNIKINE P. (2002). Pour une ingénierie des
Environnements Informatiques pour l'Apprentissage Humain. Revue I3
information - interaction – intelligence, Vol. 2 n° 1, p.
59-95.
Web Based Enterprise Management. (1999). http://www.dmtf.org/standards/wbem/,
(consulté le 30 avril 2007).
WBEM Services. (2003). http://wbemservices.sourceforge.net/,
(consulté le 30 avril 2007).
A
propos des auteurs
Julien Broisin est Maître de Conférences
à l’Université Paul Sabatier de Toulouse. Ses travaux de
recherche se préoccupent des problématiques liées à
la capitalisation des expériences tracées en vue d’une
conception dynamique d'environnements d'apprentissage personnalisés et
adaptés à un contexte particulier.
Adresse : Institut de Recherche en
Informatique de Toulouse, 118 route de Narbonne Bâtiment 1R1 31062
Toulouse Cedex 4
Courriel : broisin@irit.fr
Toile : http://www.irit.fr/~Julien.Broisin
Philippe Vidal est Professeur à l'Université
Paul Sabatier de Toulouse. Il effectue son activité de recherche au sein
de l'équipe SIERA du laboratoire IRIT. Sa thématique de recherche
concerne la distribution et la supervision des objets pédagogiques
à grande échelle dans l'objectif de partage et
réutilisation, et la construction d’environnements d’aide
à la conception et à l’exploitation d’outils
d’enseignement à distance.
Adresse : Institut de Recherche en
Informatique de Toulouse, 118 route de Narbonne Bâtiment 1R1 31062
Toulouse Cedex 4
Courriel : vidal@irit.fr
Toile : http://www.irit.fr/~Philippe.Vidal
| 
Sciences et Technologies
Sommaire![[Retour en haut de cette page]](../../../img/fleche_haut.gif){kind=small}
Haut de la page