=Paper= {{Paper |id=Vol-547/paper-64 |storemode=property |title=Approche de modélisation d'un apprenant à base d'ontologie pour un hypermédia adaptatif pédagogique |pdfUrl=https://ceur-ws.org/Vol-547/130.pdf |volume=Vol-547 |dblpUrl=https://dblp.org/rec/conf/ciia/BehazD09 }} ==Approche de modélisation d'un apprenant à base d'ontologie pour un hypermédia adaptatif pédagogique== https://ceur-ws.org/Vol-547/130.pdf

Approche de modélisation d’un apprenant à base
d’ontologie pour un hypermédia adaptatif pédagogique

Amel Behaz 1 , Mahieddine Djoudi2
1
Faculté des Sciences, Université de Batna (05000) Algérie
amelbehaz@hotmail.com
2
Laboratoire SIC et Equipe IRMA
UFR Sciences SP2MI, Université de Poitiers Teleport 2, Boulevard Marie et pierre
Curie BP 30179,86962 Futuroscope, Chasseneuil Cedex- France,
mahieddine.djoudi@univ-poitiers.fr

Résumé. Tout processus d’adaptation repose sur un modèle de l’utilisateur,
une représentation de ses caractéristiques dont le système prend en compte.
Les systèmes hypermédia adaptatifs sont basés sur le profil d’apprenant, les
données de plus en plus nombreuses et volumineuses doivent s’adapter aux
apprenants. A l’heure actuelle les ontologies constituent une solution pour la
représentation et le partage des connaissances. C’est dans ce contexte que ce
situe nos travaux de recherches, concernant la modélisation d’un apprenant
dans un système hypermédia.. Nous présentons une ontologie apprenant basée
sur des résultats des travaux des théories cognitives pour la description des
profils apprenants.

Mots clés: Hypermédia adaptatif, web sémantique, ontologie, modélisation
apprenant.

1 Introduction

Une nouvelle génération de systèmes avancés d’apprentissage doit intégrer des
nouvelles approches pédagogiques donnant à l’apprenant un rôle actif pour
apprendre et construire ses connaissances. Ces systèmes doivent être plus interactifs,
mais surtout intégrer une vision plus centrée sur l’utilisateur. Les systèmes
hypermédias adaptatifs dans le domaine de l’enseignement à distance (e-Learning)
proposent des solutions à ces problèmes, [6] ,[8]. L’objectif de ces systèmes est
d’adapter la présentation de la connaissance et aider l’apprenant à naviguer à travers
le graphe composé par l’ensemble des pages et des liens.
A l’heure actuelle les ontologies constituent une solution très prometteuse pour
la représentation et le partage des connaissances [9]. Les travaux dans le Web
sémantique [7], [11], [13]et [2] tentent de rendre le contenu des ressources
interprétable et réutilisable par les systèmes hypermédias adaptatifs.
C’est dans ce contexte que se situe le champ d'application de nos travaux afin
d’intégrer une nouvelle vision de représentation formelle. Dans cet article, Nous
allons passer en revue les différentes techniques de modélisation des apprenants.
Nous présentons ensuite notre approche de modélisation fondée sur une ontologie.
Cette ontologie est basée sur des résultats des travaux des théories cognitives pour
la description des profils apprenants plus précisément pour la représentation des
préférences d'apprentissages. Nous terminons par la mise en œuvre d’un prototype
afin de valider nos propositions et un bilan de nos travaux. Notamment à travers la
description des apports essentiels de notre étude.

2. Approches de modélisation des apprenants

Le but de la modélisation de l'apprenant est de donner une description aussi
complète et fidèle que possible de tous les aspects relatifs aux comportements de cet
utilisateur. Les modèles utilisateurs dans les hypermédias adaptatifs sont en général
compatibles avec les standards IMS [12] et PAPI (Public And Private Information)
[15]. Il suffit de choisir d'utiliser leurs structures et leurs vocabulaires pour former
des paires attribut-valeur pour la construction des modèles.
L’adaptation nécessite des connaissances sur les utilisateurs (capacité, objectifs,
préférences, styles d’apprentissage, historiques). Ces connaissances sont construites
selon des modèles stéréotypes (classe d’individus) ou des modèles de recouvrement
(individu). On remarque que dans les modèles stéréotypes le manque
d’individualisation de l’adaptation. En effet, le modèle stéréotype propose le niveau
minimal qu’une classe d’apprenants dispose sur un concept donné. Par contre le
modèle de recouvrement représente exactement le niveau de connaissances de
chaque individu dans le système. Il serait intéressant d’élaborer un modèle mixte des
deux approches. Initialiser le modèle de l’apprenant à l’aide d’un stéréotype, puis
l’affiner en utilisant un modèle de recouvrement (le réévaluer de nouveau en
fonction de ses actions et réponses utilisant une méthode probabiliste). Par ailleurs,
il existe deux manières d’obtenir de l’information sur les utilisateurs : l’acquisition
explicite selon laquelle des interactions avec le système permettent de créer ou
compléter le modèle. L’acquisition implicite selon laquelle le système infère
l’information suivant le comportement de l’utilisateur et des règles d’inférences. Le
tableau 1 récapitule tous ces points.
Approche de modélisation d’un apprenant à base d’ontologie pour un hypermédia
adaptatif pédagogique 3
Modèle Apprenant
Caractéristiques Modèle de Représentation Acquisition
Capacité Stéréotype/Recouvrement Implicite
Objectifs et plans Stéréotype/Recouvrement Implicite/ Explicite
Styles d’apprentissage Stéréotype Implicite/ Explicite
Préférences Stéréotype Explicite
Historiques Recouvrement Implicite

Tableau 1. Récapitulation des modèles de représentation

3. Description de l’ontologie apprenant proposée

Plusieurs travaux ont proposé des solutions à base d'ontologies pour décrire des
profils apprenants. [17]ont élaboré des modèles pour la représentation des
connaissances des apprenants afin de pouvoir suivre et contrôler leurs activités.
Notre approche de modélisation est basée sur des résultats des travaux des
théories cognitives pour la description des profils d'apprenants plus précisément
pour la représentation des styles (préférences d'apprentissages). Le modèle
apprenant proposé est définit comme une ontologie, comprenant diverses
caractéristiques d’un utilisateur, à base de concepts, sous concepts et relations entre
les différents concepts. Nous proposons de décrire un apprenant sous 4 facettes
(Figure 1). Ces facettes sont décrites comme des notions abstraites dans l’ontologie:

Figure 1. Ontologie apprenant élaboré.

– La première facette appelée IdentiUser est chargée de représenter les
informations concernant un utilisateur particulier. Elle est composée d’attributs
prédéfinis indispensables et communs à tous les utilisateurs : nom, prénom,
identifiant, langue, type de média… se modélise sous forme d'un ensemble de
couples attribut-valeur. Exemple considérons A1 un apprenant décrit ainsi : , , >.
– La deuxième facette appelée Préférences chargée de représenter les
préférences d’apprentissages chez les apprenants. Cette composante est basée sur la
théorie des types psychologiques de MBTI (Myers-Briggs Type Indicator) et inspiré
directement de la théorie des types psychologiques de Carl Gustav Jung [18],
aboutissant à la conception d'un indicateur MBTI. Le MBTI est un outil qui permet à
un individu d’être conscient de ses propres préférences comportementales. Selon
cette théorie, chacun possède une préférence naturelle. Dès leur jeune âge, les
individus manifestent des différences entre les manières d’apprentissages :
Certains préfèrent recevoir des instructions complètes et précises avant de
commencer une nouvelle tâche : (T);
Certains préfèrent passer immédiatement à l’action et apprendre sur le tas : (F);
Certains ont besoin de terminer le sujet en cours avant de passer au suivant : (J);
Certains ont besoin de souplesse, de possibilités d’exploration : (P);
Certains ont besoin de temps et d’espace pour : (L);
Enfin, certains sont très rapides dans l'assimilation des apprentissages : (R).
Cette composante se modélise sous forme d'un vecteur conceptuel Vp = (Tp, Fp,
Jp, Pp, Lp, Rp), ce vecteur permet de spécifier le style psychologique MBTI de
l'apprenant et donc de renseigner sur ces préférences d'apprentissages. Il existe des
questionnaires permettant de déterminer le type psychologique d'une personne. Par
exemple les types psychologique d'un apprenant A1 est décrit comme suit: , , , , , >
– La troisième facette appelée Capacité (connaissance) chargée de représenter
ou de donner un niveau de connaissance d’un apprenant pour un concept. Cette
connaissance est modélisée par un stéréotype (classe d’individus) qui peut être
obtenu à l’aide d’un test de niveau (QCM). Le modèle stéréotype permet la
modélisation de la connaissance dans un groupe. L’apprenant est classé sous un
stéréotype, hérite de ses propriétés et dispose des adaptations élaborées par le
stéréotype en question.. Les valeurs possibles sont: bas, moyen, excellent cette
échelle nous permet d’avoir plus de précision sans qu’elle soit trop profonde.
– La quatrième facette appelée Historique est chargée de garder trace de l’état
des historiques d’un apprenant. Mémorisation de la navigation et des ressources lues
dans les documents. Cette représentation permet de donner la date du parcours d’une
ressource ou encore les chemins de parcours dans l’ordre de navigation. Exemple le
parcours de l'apprenant A1 est décrit ainsi: , <"Réseau", "description", "23/02/05">>. La troisième et la quatrième
facette vont évoluer de manière automatique et dynamique au fur et à mesure que
l'apprenant va acquérir de nouvelles connaissances.
Pour présenter les ontologies, nous avons choisi d'utiliser le logiciel d'édition
d'ontologies Protégé [16]. Protégé présente les taxonomies de classes sous la forme
d'arbre de composites (Figure 2).
Approche de modélisation d’un apprenant à base d’ontologie pour un hypermédia
adaptatif pédagogique 5

Figure 2. Représentation dans protégé de l'ontologie Apprenant

Une partie du code source généré.
?xml version="1.0"?>

……..

Possède

……..
Les ontologies du domaine sont détaillées dans nos travaux [3] et [4] Il y a une
ontologie des concepts OConcept et une ontologie des ressources Oressource. L'ontologie
ressources Oressource= {Ométadonnées, Osémantique} est décrite par deux ensembles de
métadonnées, Ces métadonnées peuvent être classifiées en deux grandes catégories.
La première Ométadonnées décrit les caractéristiques éducatives de la ressource
(auteurs, titre, langue, média, durée, ...) et se modélise par un ensemble de couples
"attribut – valeur". Cette partie est comparable aux métadonnées décrites dans les
normes actuelles comme LOM [14]. La deuxième catégorie O sémantique qui permet de
décrire la sémantique de la ressource et de classer les ressources en différentes
catégories en se basant sur leurs contenus, leurs usages et les finalités de ces usages.
Usage est décrit sous forme d'un vecteur conceptuel Vu= (Tu, Fu, Ju, Pu, Lu, Ru),
ce vecteur permet de spécifier que le contenu de la ressource est plutôt adapté pour
un style d'apprentissage donné donc pour un style psychologique MBTI. Par
exemple la ressource <"Modèle OSI ", "définition"> ayant le vecteur conceptuel
Vu= (Tu:25%, Fu:5%, Ju:30%, Pu:4%, Lu:30%, Ru:6%), indique que cette
ressource est plus adaptée à un profil apprenant qui préfère terminer sa tâche avant
de passer à la suivante (Tu:25%), qui privilégie l'aspect bien structuré (Ju:30%) et
qu'il est long dans l'assimilation (Lu:30%) etc. L’affectation des paramètres d’une
ressource est effectuée par le concepteur (ou un annotateur) connaissant le contenu,
l’usage possible et la finalité de cette ressource. Cette affectation est réalisée via une
interface ergonomique (formulaires, questionnaire, etc.) masquant les détails
techniques lors de la déposition d’une ressource. Par la suite, la valeur d’un vecteur
d’usage Vu d’une ressource peut être modifiée (ou ajustée) manuellement par le
concepteur de la ressource ou d’une manière automatique par le système.

4. Génération dynamique au profil d’un apprenant

La construction de l’hypermédia est réalisée au fur et à mesure que l’apprenant
visualise un cours. La génération de contenus démarre lorsque l’apprenant décide
d’activer un concept qu’il voudrait suivre, ou lorsqu’il clique sur un lien hypertexte
qui l’amène vers un autre concept du même cours ou d’un autre cours. Le
Générateur de l’hypermédia (GH) permet de composer des pages, relatives à un
concept donné, à partir de différentes ressources. Ces ressources doivent être
ordonnées les unes par rapport aux autres. Ensuite, le GH fournit une liste de liens
sur cette page composée (figure 3).

Figure 3. Processus de génération de l’hypermédia.

L’identification des ressources pertinentes à un concept est basé sur le modèle
apprenant et sur le modèle des connaissances du domaine. Le système construit une
requête vers la base des ressources. Cette opération renvoie les identificateurs de
ressources correspondantes au concept. Pour cela nous avons pensé à utiliser deux
Approche de modélisation d’un apprenant à base d’ontologie pour un hypermédia
adaptatif pédagogique 7
sortes de filtres le premier permet d’extraire un sous ensemble de ressources
pédagogiques qui sont en relation avec le concept donné et ayant le même niveau de
connaissance qu’un apprenant. Le deuxième filtre permet d’effectuer le même
genre d’extraction mais pour un type physique donné. Le résultat est une liste
Lressource qui est soumise à un autre module qui compare l'usage sémantique de
chaque ressource de la liste avec la description des préférences d'apprentissage de
l'apprenant. Cette comparaison est réalisée en utilisant une distance D qui calcule la
distance (au sens vectoriel) entre le vecteur Vp décrivant les préférences
d'apprentissage de l'apprenant et le vecteur Vu usage de chaque ressource. Une autre
liste L'ressource est alors proposée à l'apprenant. Cet ensemble de ressources se
rapprochent le plus des styles d’apprentissages de l’apprenant. Ceci assure donc une
meilleure assimilation des connaissances au rythme et aux capacités de
compréhension de chaque apprenant.
A la fin des étapes précédentes, le système dispose d'un ensemble de ressources
pédagogiques qui correspondent toutes sémantiquement et physiquement aux
besoins de l'apprenant. Il faut alors les organiser dans la page de l'hypermédia de
façon à respecter les relations de précédences.
Une fois que le moteur de génération a construit le contenu d’une page, il faut
que le système détermine les liens hypertextes permettant à l’apprenant d’accéder à
d’autres concepts en rapport avec la page courante. Nous prenons en considération
Les relations définies dans l'ontologie des concepts. Le système masque les liens
hypertextes dont les pages cibles sont en inadéquation avec le modèle de l’apprenant
(trop compliqués ou trop simples). L’annotation des liens hypermédia est réalisée en
utilisant différentes couleurs.
Les traitements de présentation concernant la mise en forme des pages XML sont
réalisés par des feuilles de styles. A chaque document XML généré est associée une
feuille de style XSL permettant la représentation du document en HTML sur le
navigateur de l’apprenant.

4.1 Mise à jour du modèle apprenant

Le modèle apprenant est mit à jour lorsque l’apprenant effectue un test (QCM)
validant son degré de connaissance du concept. Ce test est fournit à la fin de chaque
lecture d'une ressource. La mise à jour du modèle consiste à modifier les valeurs
représentant le niveau de connaissance de l’apprenant et ceci pour un certain nombre
de ressources d'un concept donné. Exemple de règle de mise à jour du niveau de
l'apprenant.
IF ((lire (concept)) and (niveau (apprenant, concept) < moyen))
THEN niveau (apprenant, concept) = moyen
Cette règle décrit le fait que la lecture d’un concept dont la connaissance est
inférieure à "moyen" entraîne la mise à jour du niveau de l’apprenant à "moyen".
Historique va évoluer aussi de manière dynamique et automatique au fur et à
mesure que l’apprenant va suivre de nouvelles connaissances. Ainsi des traitements
ultérieurs sur les traces de parcours de l’apprenant peuvent être exploités pour
affiner le profil de l’apprenant ou les descriptions des usages des ressources.

5. Un Prototype

Pour valider nos propositions un prototype est développé autour de XML et Java,
destiné aux étudiants et enseignants de la communauté universitaire [5]. Ce
prototype est encore à un stade expérimental au niveau de l’université de Batna en
Algérie. Nous confirmons l’importance du nombre des ressources pédagogiques
impliqués pour pouvoir prétendre avoir un système qui s’adapte réellement à
l’apprenant. Or la production de ces ressources n’est pas des plus triviale, et coûte
énormément cher en terme de temps et d’efforts. L’environnement MEDYNA
(Figure 4) propose à l’apprenant une série d’onglets lui permettant de spécifier ses
choix. Par exemple ses préférences (média, langue,…), des questionnaires sont aussi
proposées permettant de déterminer les types psychologiques d'une personne, plus
précisément pour la représentation des styles (préférences d'apprentissages).
L’apprenant aura la liberté de navigation dans l’hypermédia tout en l’acheminant
vers des parties adéquates à ses capacités de connaissances. Des tests associés à des
concepts obligent l’apprenant à y répondre. La page visualisée est divisée en deux
parties (Figure 4). La partie de gauche présente le plan du cours de façon
hiérarchique, sur la partie de droite on peut visualiser le contenu de la partie qui est
active et qui est en adéquation avec le modèle de l’apprenant.

Figure 4. Page de l’hypermédia générée.

Dans les figures (Figure 5) et (Figure 6) une génération dynamique d’un même
concept "Réseau" présenté à des apprenants de profils différents un de niveau de
connaissances moyen qui préfère terminer sa tâche avant de passer à la suivante, qui
Approche de modélisation d’un apprenant à base d’ontologie pour un hypermédia
adaptatif pédagogique 9
privilégie l'aspect bien structuré. Un autre apprenant de niveau excellent qui a besoin
de souplesse, de possibilités d’exploration. Nous remarquons une adaptation tant au
niveau de contenu que liens est effectivement réalisée. En effet, le contenu est
généré différemment, plus de détails pour un apprenant moyen, moins de détails
pour un apprenant excellent. Aussi, L’annotation des liens que nous proposons est
réalisée en utilisant différentes couleurs pour souligner le degré de pertinence des
ressources vers lesquelles pointent ces liens.

Figure 6. Pages de l’hypermédia Pour un
Figure 5. Page de l’hypermédia Pour un profil apprenant "excellent"
profil apprenant "moyen".
5.1. Eléments de Comparaison avec d’autres modèles Utilisateurs

Dans cette partie nous allons essayer de comparer notre modèle avec certains
modèles qui existent déjà. Certes, nous avons construit ce modèle en nous inspirant
des modèles existants. Néanmoins, il propose un cadre général pour concevoir des
modèles de l’utilisateur spécifiques pour n’importe quel domaine d’application. Notre
modèle est bien compatible avec les standards IMS (Ims,, 2007) et PAPI (Public And
Private Information) (Papi, 2007) car il réutilise un sous ensemble d’attributs
sélectionnés. Dans certains systèmes comme ARIADNE (Alliance of Remote
Instructional Authoring and Distribution Networks for Europe) [1] les cours ne sont
adaptables que par les enseignants, ce sont leurs choix qui déterminent les
caractéristiques des cours construits, les apprenants n’ont aucune influence. le
système Métadyne [10] offre des services plus améliorés, en effet les cours
multimédia en ligne sont adaptables par les enseignants et adaptés par les apprenants.
Nous choisissons les modèles Munich Model [8], INT [11] et AHAM [8] qui sont
aussi des modèles généraux. Seulement, ils présentent quelques différences avec notre
modélisation.

5.2.3. Le Munich Model
Le modèle Munich [8] est composé d’une classe gestionnaire d’utilisateurs, qui est
composée d’un ou de plusieurs utilisateurs. Un utilisateur possède des attributs nom
d’utilisateur et email. Il contient également d’autres attributs, potentiellement
quelconques. Les attributs sont divisés en deux, ceux qui dépendent du domaine, et
ceux qui n’en dépendent pas. Un attribut est constitué d’un nom et d’une valeur.
L’identifiant est unique pour un utilisateur dans toute l’application. Les attributs
dépendant du domaine sont liés aux composants du domaine. Ce modèle a une seule
catégorie d’attributs indépendants du domaine. Dans notre cas nous en avons
plusieurs, afin de pouvoir raisonner différemment sur différentes sortes d’attributs. Ce
modèle ne permet pas de conserver la trace des documents parcourus : il n’y a pas
d’historique, dans notre cas si.

5.2.4. Modèle INT
Dans sa récente thèse [11] décrit le modèle de l’apprenant de la façon suivante. Le
modèle de l’utilisateur est un triplet : UM =< learner, preference, knowledge >
learner est l’identifiant de l’utilisateur. Les préférences de l’utilisateur correspondent
à sa langue ou à sa présentation préférée. Chaque élément de l’ensemble des
préférences est représenté par une paire < attribute, value >. Les connaissances de
l’utilisateur sont représentées par des triplets de la forme : < domainConcept, role,
educationalState >. Là encore, les connaissances sont séparées des attributs
indépendants du domaine. Les attributs indépendants du domaine sont représentés par
une paire nom/valeur (Jacquiot,2006). Les attributs de connaissance possèdent une
Approche de modélisation d’un apprenant à base d’ontologie pour un hypermédia
adaptatif pédagogique 11
valeur (educational-state) et un rôle, correspondant au type de la connaissance
acquise (connaissance pratique, théorique, histoire du concept, etc).

5.2.5. Modèle AHAM
Le modèle de l’utilisateur de AHAM est relativement peu formalisé [8]. Il reste
très général. Dans AHAM, le modèle de l’utilisateur est constitué d’attributs, qui
correspondent le plus souvent à la connaissance de concepts. Pour chaque entité, un
certain nombre de paires attribut-valeur sont stockées, comme, par exemple, le fait
qu’un concept ait été lu ou le niveau de connaissance d’un concept. Les données
relatives aux utilisateurs sont stockées dans une table. Cette table contient l’état des
connaissances que l’utilisateur a du domaine, ainsi que ses préférences si nécessaire.
La façon dont les caractéristiques des utilisateurs sont mises en relation avec les
autres éléments du modèle est implicite. Il n’y a pas d’historique. Il n’y a pas
d’attributs prédéfinis.

6. Conclusion

L’adaptation des services d’apprentissage est la caractéristique essentielle pour
concevoir une nouvelle génération d’applications sur le Web. L’adaptation d’un
hypermédia nécessite l’accès aux donnés utilisateurs ou à des mécanismes permettant
d’inférer les caractéristiques et le contexte des utilisateurs.
La représentation des connaissances à base d’ontologie est le mécanisme le plus adapté
pour réaliser la vision du Web Sémantique. La modélisation d’utilisateur à base
d’ontologie nécessite une structure référentielle classique statique et une partie adaptative
qui doit évoluer en prenant en compte des progrès de l’apprenant conformément à sa
Capacité, préférence, son style d’apprentissage, etc.
Nous avons présenté, une nouvelle approche de modélisation de l’apprenant dans
un système hypermédia adaptatif. Une ontologie apprenant basée sur des résultats des
travaux des théories cognitives pour la description des profils apprenants plus
précisément pour la représentation des préférences d'apprentissages. Il semble donc
utile d’avoir à disposition un certain nombre d’attributs prédéfinis, dont certains
peuvent être optionnels, et de donner un cadre pour faciliter la création d’attributs
non-prédéfinis. Il est difficile de fournir à l’utilisateur final l’information dont il a
besoin à l’instant précis où il en a besoin. L'accès à une information pertinente,
adaptée aux besoins et au contexte de l'utilisateur est un vrai challenge.

References

[1] ARIADNE, http://ariadne-eu.org, Visité en novembre 2004.
[2] Basque J., Paquette G., Pudelko B. et al., "Collaborative Knowledge Modeling with a
Graphical Knowledge Representation Tool: A Strategy to Support the Transfer of
Expertise in Organizations.," Knowledge Cartography. Mapping Techniques and Software
Tools., A. Okada, S. B. Shum and T. Sherborne, eds., London: Springer-Verlag, 2008.
[3] Behaz A., Djoudi D., Génération dynamique de documents hypermédias adaptatifs dans
un environnement numérique de travail, Revue Africaine de la Recherche en Informatique
et Mathématiques Appliquées (ARIMA), ISSN 1638-5713, Vol. 3, November 2005.
[4] Amel Behaz, Mahieddine Djoudi, "MEDYNA : Un environnement numérique de travail
de type hypermédia adaptatif dynamique", Colloque International sur l’Informatique et
ses Applications, IA’2006, Ouajda, Maroc, October 2006.
[5] A. Behaz, M. Djoudi, "Création dynamique de documents hypermédias adaptatifs", 10
ème Colloque International sur le Document Electronique, CIDE'10, 2 - 4 juillet 2007
[6] Brusilovsky P. Nejdl, « Adaptive hypermedia and Adaptive Web », In: M. P. Singh (ed.)
Practical Handbook of Internet Computing. Baton Rouge: Chapman Hall & CRC Press,
pp. 1.1-1.14, 2005
[7] Corby et Al « Querying the Semantic Web with the Corese conception & development
search Engine,», proceeding of European Conference on Artificial Intelligence ECAI,
2004.
[8] De Bra P., Nejdl W., « Adaptive Hypermedia and Adaptive Web-Based Systems », Third
International Conference, AH 2004, Eindhoven, The Netherlands, August 23- 26, 2004.
[9] Dehors S. « QBLS : web sémantique de formation pour un apprentissage par
questionnement», EIAH Montpellier 2005.
[10] Delestre N. « METADYNE, un Hypermédia Adaptatif Dynamique pour l'Enseignement »,
Thèse de l'Université de Rouen, Soutenue le 20 Janvier 2000.
[11] Duitama F., Defude B., Bouzeghoub A., and Carpentier C., « A framework for the
generation of adaptive courses based on semantic metadata », Multimedia Tools and
Applications, 2005.
[12] IMS http: //www.imsglobal.org/profiles/index.html. Ims learner information package
specification. (Consulté octobre 2007).
[13] Lando P. « Conception et développement d’applications informatiques utilisant des
ontologies : application aux EIAH» RJC-EIAH 2006
[14] LOM http ://ltsc.ieee.org/wg12/. Learning object metadata.
[15] Papi Papi learner, draft 8 specification. http ://edutool.com/papi/ . (Consulté nov 2007).
[16] Protégé Stanford Medical Informatics. "Protégé home page," 29 Mai, 2006;
http://protege.stanford.edu/.
[17] Razmerita, L., User modeling and personalization of the Knowledge Management
Systems, book chapter,in Adaptable and Adaptive Hypermedia, by Idea Group Publishing,
2005.
[18] Todd C.R. Myers-Briggs Type Indicator. The Skeptic's Dictionary.
http://skepdic.com/myersb.html. (Consulté Octobre 2008).