Généralisation de motifs séquentiels pour la fouille de données multi-sources

L’objectif général de ce travail de recherche est d’améliorer l’apprentissage scolaire. D’une part, il vise à aider les élèves à comprendre, évaluer leurs performances scolaires et suivre leurs progrès. D’autre part, il vise à aider les élèves à améliorer leurs acquis en fournissant à chacun des recommandations personnalisées. Afin de répondre à nos objectifs, notre travail de recherche s’intéresse à une phase amont : l’analyse et à la compréhension des données d’activité des apprenants ainsi qu’à l’extraction d’informations de comportement-type.

Notre question de recherche principale était : les sources multiples d’informations sur les apprenants, leur comportement et les ressources pédagogiques permettent-elles d’identifier des comportements-type riches, dans un contexte où la quantité de traces et d’informations est limitée ?

L’analyse de données (Data Analytics) consiste à examiner des données brutes, d’en extraire de l’information, de tirer des conclusions et de prendre des décisions. En éducation, comprendre les données des apprenants est une première étape fondamentale pour identifier leurs acquis, estimer leurs résultats possibles, recommander des ressources pédagogiques à consulter par les apprenants sur leur ENT ou encore leur recommander des ressources pédagogiques en fonction de leurs besoins et de leurs préférences.

Les données des apprenants sont multiples. Elles incluent à la fois des données sur leur comportement et sur leurs traces d’activité sur l’ENT. Par exemple, ces données représentent les séquences de ressources pédagogiques consultées associées au moment de cette consultation, des données descriptives des apprenants (données démographiques, résultats scolaires, etc.), ou encore des données descriptives sur les ressources pédagogiques consultées.

Dans ce travail de recherche, l’objectif est de permettre l’exploitation de données réelles : traces d’activité réelles d’apprenants sur leur environnement numérique de travail en conditions réelles d’activité, données d’apprenants et de ressources réelles, etc. Nous avons conçu un algorithme qui permet d’extraire des motifs récurrents d’apprentissage, à partir des données recueillies, par techniques de fouille de données (Bu Daher et Brun, 2020 ; Bu Daher et al., 2019 ; Bu Daher et al., 2020) pour mieux comprendre les apprenants. Un exemple de motif est donné ci-dessous.

Le processus de fouille de motifs ainsi que les motifs fréquents générés par ce processus sont interprétables, ce qui permet, par exemple, de proposer des recommandations. Pour permettre cette extraction de motifs, une quantité significative de traces est nécessaire, sur des apprenants d’un même niveau (5^e par exemple), pouvant provenir de plusieurs classes, voire de plusieurs établissements. Cependant, sur des données réelles, les quantités de données ne sont pas infinies, et le processus de fouille fait rapidement face à un manque de données. L’algorithme conçu permet de pallier ce manque de données en tirant profit de la multitude de sources des données complémentaires mises à disposition. Ainsi, l’ensemble des données de cette étude contient différents types de données provenant d’une seule source ou de plusieurs sources de données. Malgré sa complexité et son hétérogénéité, cet ensemble de données est riche et contient une grande quantité d’informations qui pour certaines sont pertinentes et exploitables. C’est cette complexité et cette richesse qui constituent le défi scientifique de la fouille associée.

En e-éducation, les données de traces sont séquentielles et peuvent représenter les séquences de ressources pédagogiques (examens, exercices, etc.) que les apprenants consultent sur leur ENT dont voici un exemple : élève-143 : ⟨R₃ R₈ R₁₃ R₂₇ R₂₉⟩, où élève-143 représente l’identifiant de l’élève et R_n représente l’identifiant d’une ressource pédagogique. La séquence signifie que l’étudiant a consulté les ressources R₃, puis R₈, puis R₁₃, puis R₂₇et enfin R₂₉.

Deux résultats principaux peuvent être associés à ce travail de recherche. Le premier résultat concerne l’identification de plusieurs types de relations entre sources de données, et la nature des motifs fouillés associés. Un premier type de relations existe entre la source de données séquentielles et la source de données descriptive des apprenants. La source de données descriptive des apprenants fournit des informations spécifiques à chacun. Lorsque ces données sont rapprochées de la source de données séquentielles, elles permettent d’obtenir des motifs séquentiels fréquents plus précis que ceux générés par l’exploration traditionnelle de données séquentielles uniquement. Ainsi, ce type de relations permet d’extraire des informations associant le comportement numérique des apprenants et la source de données descriptive de ceux-ci.

Un deuxième type de relations existe entre la source de données séquentielle et la source de données descriptives des ressources pédagogiques. La source de données séquentielle contient des séquences des ressources pédagogiques, et la source de données descriptives des éléments fournit des données supplémentaires sur chaque élément des séquences. Lorsque les données descriptives des ressources sont fournies aux données séquentielles, chaque ressource est décrite par des attributs descriptifs supplémentaires. Ces attributs représentent des informations plus générales que les identifiants des ressources, donnant donc plus de généralités aux motifs fouillés.

Le second résultat concerne l’algorithme de fouille qui gère les deux types de relations. L’algorithme conçu tire l’avantage de la source de données descriptives des ressources pédagogiques afin de générer des motifs séquentiels généraux. Afin de gérer le problème de la similarité des données et de générer des motifs plus fréquents, nous définissons deux mesures de similarité : la similarité de motifs qui compare différents motifs et la similarité d’éléments qui compare différents éléments dans les motifs où un élément représente une ressource pédagogique. Ensuite, nous formons des motifs généraux à partir de motifs similaires, c’est-à-dire contenant des éléments similaires. Un motif général est un motif qui contient des informations plus générales que les motifs fréquents traditionnels. Enfin, nous proposons une nouvelle méthode pour détecter des motifs généraux fréquents. Notre algorithme permet de résoudre le problème de la similarité des données et de la faible couverture des données en générant des motifs plus fréquents ; de plus, les motifs généraux fréquents sont riches car ils contiennent divers types d’informations.

Les motifs fréquents extraits de cet algorithme sont exploités pour former des règles d’association, et ces règles sont utilisées pour fournir des recommandations personnalisées aux apprenants. Les informations descriptives fréquentes des apprenants extraites par l’algorithme permettent d’identifier les apprenants ayant des profils similaires, et les informations séquentielles fréquentes associées sont utilisées 1/ pour identifier le comportement passé des apprenants, et, 2/ pour leur fournir des recommandations personnalisées basées sur leurs besoins académiques. Ces recommandations sont représentées sous la forme d’une ressource pédagogique ou d’une séquence de ressources pédagogiques à consulter parles étudiants sur leur ENT pour les aider à améliorer leur niveau académique. Les motifs généraux fréquents extraits de cet algorithme permettent d’obtenir plus de possibilités de recommandations.