Salut
De nombreux Environnements Informatiques d’Apprentissage Humain (EIAH) se sont appuyés principalement sur la détection de caractéristiques relatives aux connaissances, aux intérêts, aux objectifs, aux pré-requis et aux traits individuels pour le suivi et l’adaptation des contenus. Cependant, l’identification de ces caractéristiques est un problème difficile dans le domaine de l’enseignement à distance. En effet, l’observation de l’apprenant, est rendue difficile par l’absence du contact face-à-face. Par conséquent, les recherches se sont orientées vers l’analyse du comportement de l’apprenant dans l’environnement d’apprentissage pour remplacer, en partie, l’observation informelle de son activité. Cette analyse est basée sur l’interprétation d’informations recueillies pendant la session d’apprentissage, appelées traces. Ces traces, définies comme une séquence temporelle d’observés, fournissent des connaissances sur l’activité grâce à des variables calculées que nous appelons indicateurs. Parmi les caractéristiques individuelles, nous nous intéressons dans cette thèse, plus particulièrement, aux styles d’apprentissage. Ce concept est lié à la fois à un ensemble de conduites et de stratégies dans la manière de gérer et d'organiser l'information et à la manière de mettre en œuvre ces conduites et stratégies. Les EIAH qui utilisent ces styles s’appuient généralement sur l’un des modèles proposés dans la littérature, ou proposent un modèle qui n’est qu’une sélection de dimensions ou de préférences pouvant être déterminées dans de tels contextes. Par ailleurs, pour l’auto-détection de ces styles, les nouveaux travaux se sont orientés vers l’utilisation des traces via des méthodes de datamining. L’objectif de cette recherche est de proposer des indicateurs, aussi indépendants que possible de la conception de l’environnement de formation, permettant de fournir aux enseignants une perception du comportement de leurs apprenants et d’auto-détecter leurs styles