Conception d'un système auteur pour la création et la manipulation d'une base de ressources pédagogiques

V.1. Fonctionnalités des LCMS

· Création de contenu

· Stockage de contenu

· Diffusion dynamique

· La gestion de groupes (travail collaboratif)

· La comptabilité avec les normes (AICC, SCORM)

· Prise en compte du LOM (Learning Object Model, métadonnées...) [http9]

VI. Utilité des plates-formes d'eLearning

· Regrouper un ensemble de fonctionnalités sur une même plate-forme afin de supporter les différents acteurs de la formation (apprenants, enseignants, tuteurs, cours, etc.)

· Organiser et faciliter la création collaborative de contenu

· Gérer les apprenants et leurs cursus

· Gérer de multiples contenus

· Gérer simultanément plusieurs formations [http9]

VII. Principales plates-formes existantes

Plus de 250 plates-formes d'eLearning dénombrées à ce jour

1. Plates-formes propriétaires

· WebCT

· BlackBoard

· TopClass

· Apex Learning

· ANGEL Learning

· Etc.

2. Plates-formes libres (Open Source)

· ATutor

· Moodle

· Dorkeos

· Claroline

· Sakai Project

· Etc.

VIII. Points clés pour choisir une plate-forme

Choisir une plate-forme adaptée aux besoins de l'ingénierie pédagogique est une étape importante pour l'optimisation du dispositif et l'atteinte des objectifs.

Ce choix peut ainsi être conditionné par :

· Respect des normes d'eLearning

· Gestion multi sites

· Gestion de groupes d'apprenants

· Solutions de messagerie : forum, chat, liste de diffusion, etc.

· Statistiques des activités de l'apprenant (parcours, temps, etc.)

· Références existantes

· Support du système, notamment la présence de clubs d'utilisateurs

· Compatibilité avec votre environnement technologique

· Si possible :

· Intégration des apprenants par LDAP (OpenLDAP ou AD)

· Gestion multi-langue

· Favorisez les systèmes basés sur des logiciels libres, car plus compatibles avec le reste du monde (ATutor, Moodle, Dokeos, etc.) [http9]

IX. Conclusion

En conclusion, les LMS et les LCMS sont deux outils différents et complémentaires. La difficulté d'appréhender cette différence provient notamment du fait que bien souvent les LCMS intègrent toutes les fonctionnalités de base d'un LMS. Les LCMS offrent donc les services fusionnés du LMS et du CMS (ou pour une raison de simplification : LCMS = LMS+ CMS).

I. Introduction

L'ingénierie de connaissances (IC) a longtemps été considérée comme le domaine de prédilection du développement d'expertise en conception de système à base de connaissances. Afin d'améliorer la conception des systèmes intelligents; historiquement, l'ingénierie ontologique (IO) a émergé de l'ingénierie des connaissances l'ingénierie ontologique permet de spécifier la conceptualisation d'un système, c'est à dire, de lui fournir une représentation formelle des connaissances qu'il doit acquérir, sous la forme de connaissances déclaratives exploitables par un agent.

Ainsi, l'exploitation par un mécanisme d'inférence, d'une représentation de type déclarative telle que l'ontologie, tout en suivant les règles d'inférence définie dans cette ontologie, est la source de l'intelligence de système.

L'ingénierie de connaissances a ainsi donné naissance à l'ingénierie ontologique, où l'ontologie est l'objet clé sur lequel il faut se pencher. La nécessité d'une ontologie et d'une ingénierie ontologique des systèmes à base de connaissances commence à être comprise et accepté. [Chet&Rou]

II. Définition d'une ontologie

A l'origine, l'ontologie est une notion philosophique, dans laquelle les philosophes ont tenté de rendre compte de l'existence de façon formelle. L'intelligence artificielle et les chercheurs du Web sémantique ont adapté ce terme dans leur propre jargon et diverses définitions d'ontologie existent dans la littérature informatique.

[Mizoguchi, 2004] insiste sur la nature conceptuelle d'une ontologie, faite pour pouvoir partager des connaissances entre homme et systèmes, et entre systèmes. Il considère conceptualisation, partage et réutilisation comme les concepts-clés d'une ontologie, ce qui représente les attentes de la communauté d'intelligence artificielle sur les ontologies.

[Natalya et al, 2001] définit une ontologie comme une description formelle explicite des concepts dans un domaine du discours (classes appelées parfois concepts), des propriétés de chaque concept décrivant des caractéristiques et attributs du concept (attribut appelés parfois rôles ou propriétés) et des restrictions sur les attributs (facettes appelées parfois restrictions de rôles). Classe et concept définissent le même terme dans ce qui suit. Une méthodologie pour le développement d'une ontologie est aussi développée dans [Natalya et al, 2001].

En résumé, en informatique, une ontologie est comprise comme un système de concepts fondamentaux qui sont mis en relation les uns avec les autres et représentés sous une forme compréhensible par un ordinateur. [Mbao2007]

III. Rôle des ontologies

La communauté d'intelligence artificielle utilise les ontologies pour deux raisons principales : le partage et la réutilisation de connaissances, et l'amélioration de la communication.

La réutilisation des données sur un domaine précis est une des raisons majeures qui ont poussé la recherche sur les ontologies.

D'après [Ranwez, 2000] il existe trois types de communication dans un projet : communication homme-homme, homme-système ou entre les différents modules du système. Ces trois types de communication possèdent tous des caractéristiques particulières qui engendrent certains problèmes auxquels les ontologies peuvent apporter des solutions. [Mbao2007]

IV. Composantes d'une ontologie

Les connaissances décrivant un domaine on utilisant la notion d'ontologie sont représentées par les cinq éléments suivants : Les concepts, les relations, les axiomes, les fonctions et les instances. [Chet&Rou]

· Concept 

Les concepts peuvent être une pensée, un principe, une notion profonde. Ils sont appelés aussi termes ou classes de l'ontologie, selon Gomez Pérez ces concepts peuvent être classifiés selon plusieurs dimensions :

1) Niveau d'abstraction (concret ou abstrait).

2) Atomicité (élémentaire ou composée).

3) Niveau de réalité (réel ou irréel).

· Relation 

Les relations d'une ontologie désignent les différentes interactions et corrélations entre les concepts de l'ontologie ces relations englobent les associations suivantes: Sous classe de (spécification ou généralisation), partis de (agrégation ou composition), associé a, instance de, est un ... etc.

· Axiome 

Les axiomes sont utilisés pour décrire les assertions de l'ontologie qui seront considérés après comme vrais, cette détermination a pour but de définir les significations des composants d'ontologie, les contraintes sur les valeurs des attributs, et les arguments de relations.

· Fonction 

Elles constituent des cas particuliers de relation, dans laquelle un élément de la relation, le nième est défini en fonction des n-1 éléments précédents.

· Instance 

C'est une définition extensionnelle de l'ontologie, par exemple les individus « Amina » et « Saloua » sont des instances du concept «personne». [Chet&Rou]

V. Critères d'évaluation d'une ontologie

D'après Gruber, cinq critères permettent de mettre en évidence des aspects importants d'une ontologie :

· La clarté 

La définition d'un concept doit faire passer le sens voulu du terme, de manière aussi objective que possible (indépendante du contexte). Une définition doit de plus être complète (c'est-à-dire définie par des conditions à la fois nécessaires et suffisantes) et documentée en langage naturel.

· La cohérence 

Rien qui ne puisse être inféré de l'ontologie ne doit entrer en contradiction avec les définitions des concepts (y compris celles qui sont exprimées en langage naturel).

· L'extensibilité 

Les extensions qui pourront être ajoutées à l'ontologie doivent être anticipées. Il doit être possible d'ajouter de nouveaux concepts sans avoir à toucher aux fondations de l'ontologie.

· Une déformation d'encodage minimale 

Une déformation d'encodage a lieu lorsque la spécification influe la conceptualisation (un concept donné peut être plus simple à définir d'une certaine façon pour un langage d'ontologie donné, bien que cette définition ne corresponde pas exactement au sens initial). Ces déformations doivent être évitées autant que possible.

· Un engagement ontologique minimal 

Le but d'une ontologie est de définir un vocabulaire pour décrire un domaine, si possible de manière complète ; ni plus, ni moins. Contrairement aux bases de connaissances par exemple, on n'attend pas d'une ontologie qu'elle soit en mesure de fournir systématiquement une réponse à une question arbitraire sur le domaine. Une ontologie est la théorie la plus faible couvrant un domaine ; elle ne définit que les termes nécessaires pour partager la connaissance liée à ce domaine. [http11]

VI. Classification des ontologies

Les ontologies peuvent être classifiées selon plusieurs dimensions. Parmi celles-ci, nous en examinerons quatre :

VI.1. Typologie selon l'objet de conceptualisation

Par rapport quatre catégories au à l'objet de la conceptualisation de l'ontologie, moins peuvent être identifiées :

· Ontologie d'application

Contrairement à l'ontologie de domaine, l'ontologie d'une application donnée ne peut pas être réutilisée pour d'autre application, elle sert à décrire des conceptualisations de domaine spécifique à l'application en question.

· Ontologie de domaine

Ces ontologies peuvent être réutilisées pour plusieurs applications qui touchent un domaine, elle concerne la description et la définition des connaissances d'un domaine à la qu'elle l'application désirée appartienne.

· Ontologie générique (ontologie de haut niveau)

Cette ontologie a l'objectif d'exprimer les connaissances acceptables par différents domaines, elle permet de catégoriser les choses du monde, par exemple, les relations, les actions, l'espace, le temps, etc. [Chet&Rou]

· Ontologie de représentation des connaissances (méta ontologie)

Elle décrit les concepts utilisés par les langages de représentation des ontologies. [Chet&Rou]

VI.2. Typologie selon le niveau de détail de l'ontologie

Par rapport au niveau de détail utilisé lors de la conceptualisation de l'ontologie en fonction de l'objectif opérationnel envisagé pour l'ontologie, deux catégories au moins peuvent être identifiées :

· Granularité fine

On parle sur ce niveau lorsque les ontologies sont très détaillées, ou possèdent un vocabulaire plus riche capable d'assurer une description détaillée des concepts pertinents d'un domaine ou d'une tâche. Ce niveau de granularité peut s'avérer utile lorsqu'il s'agit d'établir un consensus entre les agents qui l'utiliseront. [Chet&Rou]

· Granularité large

Correspondant à un vocabulaire moins détaillé comme par exemple dans les scénarios d'utilisation spécifiques où les utilisateurs sont déjà préalablement d'accord à propos d'une conceptualisation sous -jacente. Les ontologies de haut niveau possèdent une granularité large, compte tenu que les concepts qu'elles traduisent sont normalement raffinés subséquemment dans d'autres ontologies de domaine ou d'application. [Chet&Rou]