L’apprentissage mobile est devenu un sujet d’intérêt car il implique de nombreux domaines de recherche concernant les contextes d’usages et de technologie complexes. En effet, ce type de formation a été reconnu pour sa capacité à motiver les apprenants car ils peuvent construire leurs propres connaissances en collaborant avec les autres. Dans ce contexte, l’orchestration des scénarios d'apprentissage mobile permet la gestion en temps réel et la contextualisation des activités à réaliser mais ceci engendre des coûts importants d’organisation. En outre, cette organisation réalisée par l'instructeur est peu adaptée aux méthodes d’apprentissage employées pendant la sortie pédagogique car l’apprenant doit pouvoir garder une certaine maîtrise de ses choix et de son parcours. Dans cette thèse, nous présentons un nouveau style de recommandation pour faire une orchestration dynamique des activités d’apprentissage en fonction de la localisation des apprenants et de l’historique de la visite. Cette technique s’appuie sur un filtrage collaboratif exploitant l’activité antérieure des apprenants mais en prenant en compte les contraintes pédagogiques et la localisation. Notre approche s’inspire du mode de fonctionnement de l’intelligence en essaim (algorithme ACO) pour l’implémentation de notre système de recommandation des POIs. Outre les simulations qui ont permis de comparer les différentes variantes de recommandations, la validation de notre système SAMSSP passe par l’expérimentation de nos deux prototypes de visite de campus.
Directeurs de Thèse : Luigi LANCIERI, Zohra SLAMA Rapporteurs : SENOUCI Sidi Mohamed, KADRI Benamer Examinateurs : SENOUCI Sidi Mohamed, LEHIRECHE Ahmed
Thesis of the team NOCE defended on 07/01/2016
français
English