L’objectif de ce PFE est de classer automatiquement des ressources textuelles disponibles sur la plateforme d’apprentissage SIDES, en fonction d’objectifs d’apprentissage. Cela devrait permettre une recommandation intelligente des ressources intégrant le niveau de complexité des objectifs d’apprentissage des étudiants.

Ce PFE est en lien avec le projet de recherche SIDES, un projet financé par l’ANR qui vise à offrir aux étudiants en médecine une plateforme d’apprentissage basée sur des modèles et des technologies du Web sémantique, avec des services à haute valeur ajoutée. L’objectif de ce PFE est de classer automatiquement des ressources textuelles pédagogiques en fonction d’objectifs d’apprentissage. Cela devrait permettre une recommandation intelligente des ressources intégrant le niveau de complexité des objectifs d’apprentissage de l’étudiant. Plus précisément, les ressources pédagogiques à classer sont des questions d’entrainement disponibles sur la plate-forme SIDES, indexées par objectifs d’apprentissage ; et une classification candidate est la taxonomie de Bloom qui fait référence dans le domaine de l’éducation. Pour atteindre l’objectif du PFE, il convient de développer une méthode basée sur les techniques de traitement automatique du langage naturel (TALN), permettant d’associer chaque taxon / classe à des patrons textuels qui doivent ensuite être identifiés dans les questions d’entrainement.

Tâches principales: • Etat de l’art des classifications existantes d’objectifs d’apprentissage (parmi lesquelles la taxonomie de Bloom) Modélisation des taxonomies choisies sous la forme de vocabulaires RDFS ou SKOS • Définition de patrons textuels caractérisant chaque catégorie • Classification automatique des questions textuelles en fonction des motifs caractéristiques • Développement d’un POC en Python et expérimentation sur un échantillon de questions représentatives

Références https://www.uness.fr/anr/projets/dune/sides3.0 https://hal.inria.fr/hal-01811490 https://en.wikipedia.org/wiki/Bloom%27s_taxono

Co-encadrants Catherine Faron Zucker faron@unice.fr Oscar Rodriguez Rocha oscar.rodriguez-rocha@inria.fr

Compétences Requises

  • Ingénierie des connaissances (en particulier introduction aux ontologies et au TALN)
  • Web de données Programmation Web (Python) Connaissance de frameworks TALN est un plus (e.g NLTK)

Besoins Clients

• Vocabulaire RDFS ou SKOS • Liste de patrons textuels caractérisant chaque classe • POC en Python de classification automatique de questions d’entrainement

Résultats Attendus

• Etat de l’art des classifications existantes d’objectifs d’apprentissage (parmi lesquelles la taxonomie de Bloom) Vocabulaire RDFS ou SKOS modélisant la classification choisie • Définition de patrons textuels caractérisant chaque catégorie • Algorithme de classification automatique des questions textuelles en fonction des motifs caractéristiques • Développement d’un POC en Python et expérimentation sur un échantillon de questions représentatives

Références

Informations Administratives

  • Contact : Catherine Faron Zucker faron@unice.fr
  • Identifiant sujet : Y1819-S020
  • Effectif : entre 2 et 2 étudiant(e)s
  • Parcours Recommandés : SD,WEB
  • Équipe: SPARKS