outil de suivi de l-apprenant dans le serious game CellCraft (1)
1. Réalisé par:
• MESELLEM Ahmed.
• YOUCEF Redah.
Encadré par:
• Mlle BOUSBIA Nabila (LMCS-ESI).
• Mme THOMAS Pradeepa (LIP6-UPMC).
Conception et réalisation
d’un outil de suivi de l’apprenant
dans le serious game CellCraft
03 Juillet 2012
4. ContexteContexte
Problématique
Objectifs
Plan
4
Jeux sérieux versus monde virtuel de simulation
Jeux sérieux
Game play
Interaction programmée
Implémenter en local
Unité de lieu chez les acteurs
Monde virtuel de simulation
Acteurs distants
Espace 3D
Création d’un monde
Uniquement en ligne
Interaction humaine
Création d’un avatar
En ligne
Scénarisation
Interaction
Sérieux
9. Modélisation Réalisation ConclusionEtat de l’artEtat de l’Art
Suivi des jeux
intégrés dans
les LMS
Suivi par
réseaux
bayésiens
Etat de l’Art
Le suivi
intégré dans
le code
source
9
Méthode
MOCAH
10. Réalisation ConclusionEtat de l’artEtat de l’Art
Suivi des jeux
intégrés dans
les LMS
Suivi par
réseaux
bayésiens
Le suivi
intégré dans
le code
source
10
Module de suivi
Méthode
MOCAH
Jeu sérieux
Action1
Action2
Action3
.
.
.
.
Actionn
Modélisation
11. Réalisation ConclusionEtat de l’artEtat de l’Art
Suivi des jeux
intégrés dans
les LMS
Suivi par
réseaux
bayésiens
Le suivi
intégré dans
le code
source
11
Plateforme d’apprentissage
Jeu sérieux
Module de
suivi
Méthode
MOCAH
Modélisation
12. Réalisation ConclusionEtat de l’artEtat de l’Art
Suivi des jeux
intégrés dans
les LMS
Suivi par
réseaux
bayésiens
Le suivi
intégré dans
le code
source
12
Méthode
MOCAH
Modélisation
13. Réalisation ConclusionEtat de l’artEtat de l’Art
Suivi des jeux
intégrés dans
les LMS
Suivi par
réseaux
bayésiens
Le suivi
intégré dans
le code
source
13
Méthode
MOCAH Préconditions Action
Post
conditions
Modélisation
14. Réalisation ConclusionEtat de l’artEtat de l’Art
Suivi des jeux
intégrés dans
les LMS
Suivi par
réseaux
bayésiens
Le suivi
intégré dans
le code
source
14
Méthode
MOCAH
Ontologie du domaine
Action
Action
Connaissance
Modélisation
15. Réalisation ConclusionEtat de l’artEtat de l’Art
Suivi des jeux
intégrés dans
les LMS
Suivi par
réseaux
bayésiens
Le suivi
intégré dans
le code
source
15
Méthode
MOCAH
Synthèse
Formalisation du
Feedback
Parcours expert
prédéfinis
Utilisation des
outils formels
Classification des
erreurs
Modélisation
17. Extraction et
classification
des actions
Extraction des
connaissances
Réseau de
Petri
Ontologie
Etude
Conceptuelle
RéalisationEtat de l’Art Conclusion
17
Modélisation
Extraction des connaissances
Classification des actions
Réseau de Petri
Ontologie
19. Extraction et
classification
des actions
Extraction des
connaissances
Réseau de
Petri
Ontologie
Etude
Conceptuelle
RéalisationEtat de l’Art Conclusion
19
Modélisation
Objectif Actions possibles Action experte
Produire quelques
ribosomes
Chercher glucose
Déplacer
Click
Click centrosome
Click noyau
Click mitochondrie
Chercher du NA et
AA suffisant pour
produire les
ribosomes.
Produire les
ribosomes.
20. Extraction et
classification
des actions
Extraction des
connaissances
Réseau de
Petri
Ontologie
Etude
Conceptuelle
RéalisationEtat de l’Art Conclusion
20
Modélisation
Organisation
dans le temps
Selon l’utilité
Actions sous-
optimales
Actions
erronées
Classification CREAM
21. Extraction et
classification
des actions
Extraction des
connaissances
Réseau de
Petri
Ontologie
Etude
Conceptuelle
RéalisationEtat de l’Art Conclusion
21
FIG1: Réseau de Petri niveau 1 FIG2: Réseau de Petri niveau 2
Modélisation
22. Extraction et
classification
des actions
Extraction des
connaissances
Réseau de
Petri
Ontologie
Etude
Conceptuelle
RéalisationEtat de l’Art Conclusion
22
Modélisation
Action trop tard Action Experte
Appartie
nt aux
actions
manqua
ntes ?
Action
franchis
sable ?
Chargement d’action
Oui
Oui Non
23. Extraction et
classification
des actions
Extraction des
connaissances
Réseau de
Petri
Ontologie
Etude
Conceptuelle
RéalisationEtat de l’Art Conclusion
23
Modélisation
Action
franchis
sable ?
Chargement d’action
Action trop tôt Action redondante Action inutile Action erronée
Sorties
marquée
s avant
l’exécuti
on
Actions
manqua
ntes
avant
elle?
Appartie
nt à la
solution
experte ?
Non
Oui Non
Oui Non Oui Non
26. Extraction et
classification
des actions
Extraction des
connaissances
Réseau de
Petri
Ontologie
Etude
Conceptuelle
RéalisationEtat de l’Art Conclusion
26
Modélisation
Algorithme d’analyse
Chargement de l’action du joueur.
Chargement de l’action experte attendue.
Recherche de l’action du joueur dans l’ontologie.
Recherche de l’action experte dans l’ontologie.
Détermination de la relation entre les deux
actions.
Libeller l’action selon des décisions prédéfinies.
Passer à l’action suivante & chargement du RdP.
27. RéalisationEtat de l’Art Réalisation
Réalisation
Outils de
réalisation
Architecture
Aperçu
Conclusion
27
Modélisation
30. Outils de
réalisation
ArchitectureArchitecture
Aperçu
RéalisationEtat de l’Art Réalisation Conclusion
30
Banque de
traces .XML
Réseau de pétri
Traitement du fichier
XML Ontologie
Analyse et interprétation
Paramétrage du système Visualisation des résultats
Sous
forme
d’arbre
Modélisation
Réflexion
31. Outils de
réalisation
Architecture
Aperçu
RéalisationEtat de l’Art Réalisation Conclusion
31
Modélisation
Réflexion
Libellé de l’action Poids (α)
Experte 1
Nécessaire 1/2
Sans effet 1/3
Trop tard 1/5
Trop tôt 1/7
Inutile 1/11
Redondante 1/13
Erronée 1/17
Réflexion sur la représentation des indicateurs
41. 41
Bibliographie
• [ALV 07] ALVREZ J. « Du jeu vidéo au serious game. Approches culturelle, pragmatique et
formelle». Science de la communication et de l’information. Toulouse. Université TOULOUSE II -
Toulouse le Mirail et Université TOULOUSE III - Paul Sabatier. 17 Décembre 2007.445 p.
• [ANG 10] ÁNGEL B, JAVIER T, EUGENIO J., IVAN M, PABLO M, BALTASAR F. « Easing
Assessment of Game-based Learning with <e-Adventure> and LAMS ». MTDL.10 Octobre 2010.
Firenze. Italy.
• [THO 11] THOMAS P, YESSAD A et LABAT J. « Réseaux de Petri et ontologies : des outils pour
le suivi de l’apprenant dans les jeux sérieux». Environnements Informatiques pour
l'Apprentissage Humain. 2011. Belgique. P 435-447.
Madame la présidente de jury ,Mesdames membres de jury, honorable assistance
Essalamou Alikoum
Permettez nous de vous exposer l’essentiel de notre travail qui s’intitule « conception et réalisation d’un outil de suivi de l’apprenant dans le serious game CellCraft » , au sein de l’école national supérieur d’informatique, Dans le cadre de l’obtention de diplôme ingénieur d’états en informatique option système informatique.
outil de suivi de l’apprenant dans le serious game CellCraft
Pour introduire notre travail, nous allons commencer par définir le concept de jeu sérieux ou serious game, Alors qu’est qu’un jeu sérieux: un jeu sérieux est une app info combinant l’aspect ludique du jeu vidéo avec l’aspect sérieux de l’apprentissage afin de sensibiliser, informer ou même éduquer.
Comme exemple de jeu sérieux nous citons:
Ludiville: qui est destiné aux conseillers clientèle débutants. L’objectif est de leur faire acquérir les bons réflexes et les bonnes pratiques sur le montage des dossiers de financement immobilier.
Le Endangered Animals » développé pour MacDonald’s en vue de protéger les animaux. Le jeu met en scène des figurines distribuées dans les menus enfant.
Hairz's Island : développé pour l’Oréal afin de former les coiffeurs aux différentes teintures ou
Prog & Play » (Muratet et al., 2009) dont l’objectif est d’enseigner la programmation en premier
cycle universitaire.
Cellcraft: destiné au élèves de CEM afin de leurs apprendre les bases de la biologie cellulaire
Climway » SG destiné à
sensibiliser aux problématiques écologiques, que
Comme exemple de jeu sérieux nous citons:
Ludiville: qui est destiné aux conseillers clientèle débutants. L’objectif est de leur faire acquérir les bons réflexes et les bonnes pratiques sur le montage des dossiers de financement immobilier.
Le Endangered Animals » développé pour MacDonald’s en vue de protéger les animaux. Le jeu met en scène des figurines distribuées dans les menus enfant.
Hairz's Island : développé pour l’Oréal afin de former les coiffeurs aux différentes teintures ou
Prog & Play » (Muratet et al., 2009) dont l’objectif est d’enseigner la programmation en premier
cycle universitaire.
Cellcraft: destiné au élèves de CEM afin de leurs apprendre les bases de la biologie cellulaire
Climway » SG destiné à
sensibiliser aux problématiques écologiques, que
Malgré qu’ils ont faits leur preuves en matière d’apprentissage grâce à leur autonomie, leur haut niveau d’immersion et leur rentabilité
Les jeux sérieux présentes quelques lacunes parmi les plus importantes sont: La standardisation de la conception: en effet les chercheurs sont pencher sur des mécanisme pour standardiser la réalisation des SG afin de permettre au expert du domaine de créer scénariser leurs propre jeu sérieux,
Un autre défaut majeur est le manque de suivi: car il est vrai que dans un jeu sérieux on apprends des trucs, mais la majorité de ces jeu n’offre pas la possibilité à l’apprenant de s’auto-évaluer ou d’être évaluer par un expert sachant que l’évaluation est une étape très importante dans le processus d’apprentissage,
Donc la problématique de notre travail c’est de comprendre le parcours de l’apprenant, relier les comportement au connaissance et de fournir un feedback pertinent.
Ou plus précisément c’est comment donner à l’apprenant la possibilité de s’auto-évaluer ou être évalué,
Pour permettre cet évaluation nous proposons un outil de suivi basé sur l’analyse à postériori du comportement de l’apprenant/joueur appliqué sur le je sérieux Cellcraft
afin de permettre au tuteur d’apprécier non seulement quantitativement mais surtout qualitativement le travail des étudiants sans avoir à explorer la trace détaillée. Tout en favorisant l’auto-évaluation de l’apprenant
Durant cette présentation, nous allons :
Commencer par donner une vue globale sur quelques travaux antérieures dans le domaine de suivi des jeux sérieux
Ensuite nous passerons à la partie Modélisation dans laquelle nous allons décrire étape par étape la démarche adoptée pour concevoir notre outil,
Puis nous allons présenter la phase de réalisation et nous terminerons par une conclusion et quelques perspectives.
Commençons par la première méthode
La première méthode qu’on va vous présenter consiste à intégrer le module de suivi dans le code source même du jeu, le suivi se résume en l’accomplissement de certaines actions critiques prédéfinis par le développeur. L’analyse se fait après l’exe de chaque action en utilisons des régles de typre si,,,,alors
Ce type d’analyse présente le défaut majeure qu’il ne reconnait que les erreurs prédéfinies par le concepteur.
Cette méthode implique du temps et des développements importants et alourdit considérablement l’exécution du jeu.
Une autre méthode consiste à intégré le jeu sérieux et le module de suivi dans une platforme LMS, cette méthode est intéressante car elle fait le rapprochement entre l’apprentissage classique et le jeu sérieux
comme exemple de cette approche l’intégration des jeu sérieux réalisé par e-adventure dans les plateforme d’apprentissage LAMS
Le choix des deux outils est dû à leurs disponibilité en open source et aussi aux flexibilité qu’il offre lors de la modification.
L’intégration nécessite un développement des deux côtés [ANG 10] :
Du côté du jeu : une architecture flexible composée de deux couches (the communication layer CL, the Assessment and Adaptation layer AL).
Du côté du LAMS : une architecture séparant entre le noyau destiné pour la conception des activités d‘apprentissages et les outils conçues pour la gestion des contenus.
Dans le domaine des jeux sérieux, la plateforme e-Adventure propose un système de
suivi basé sur des machines à états [MORENO-GER et al., 08]. Dès qu’un état prédéfini par le
tuteur est atteint, le système enregistre les actions effectuées. Aucune analyse ou
interprétation n’est proposée actuellement. Il s’agit juste de fournir au tuteur un ensemble de
variables observées à des moments donnés.
Le suivi en utilisant les réseaux bayésiens est très intéressant lui aussi grâce à la liberté qu’il offre à l’apprenant car le modèle expert est construit au fur et à mesure de l’avancement de la partie, il est basé sur le modèle evidence centred design,
The fundamental ideas underlying ECD came from Messick (1994). This process
begins by identifying what should be assessed in terms of knowledge, skills,
or other learner attributes. These variables cannot be observed directly, so behaviors
and performances that demonstrate these variables need to be identified
La dernière méthode que nous allons vous présenter est la méthode de l’équipe MOCAH qui voit un jeu sérieux comme un système dynamique à évènement discret qui évolue dans le temps, donc il peut très bien être modéliser par un réseau de Petri, qui est défini par des transitions qui modélise les actions de l’apprenant et des places pour modéliser les pré et post conditions pour l’exécution d’une action;
Malgré leur puissance de modélisation des sys dynamique, le réseau de Petri s’avère insuffisant pour modéliser toutes les actions faites par le joueur en effet le RDp ne sert à modéliser que les connaissances procédurales ou séquentiels
Pour remédier à ce problème l’équipe fait recours à une ontologie du domaine pour modéliser le reste des actions qui ne peuvent être modéliser par un RDP,
Dans l’ontologie on trouve 2 types d’entité nœuds et arcs; les nœuds qui représente les différentes actions incluant les actions présentes dans le RDP et les connaissance pédagogique associées à chaque action,
Les arcs représente les relations entres les différents type d’actions et aussi les relations sémantiques entres les actions et les contenu pédagogique,
Dans le tableau suivant un est synthèse de notre état da l’art basée sur 4 critères qu’on a juger influent durant le choix de l’approche à suivre:
Premièrement ; la formalisation du feedback
Parcours prédéfini:
Outil formel:
Classification des erreurs:
Nous entamons maintenant la phase de la modélisation et nous allons commencer par décrire la démarche adopté pour la réalisation de notre projet.
La réalisation de notre outil a nécessité les étapes suivantes:
1,Une Analyse détaillée du jeu cellcraft afin d’extaire les contenus pédagogique
2,Extaire et classifier les différents types d’actions possibles dans le jeu
Pour enfin concevoir le réseau de Petri et l’ontologie.
Commençons par la première étape:
Pour extraire les connaissances et les contenu pédagogiques nous avons analyser le jeu cellcraft, Nous avons mis en valeur les différents indicateurs fournis dans le jeu à savoir l’atp le niveau de glucose,,,,etc, afin de les utiliser lors de l’analyse
Après nous avons bien définit les règles métier ou règles du jeu:
Par exemple: 1 ribosome= 50 unités d’ Acide Aminique et 10 Acide nucléique,
Après nous avons formaliser les contenu pédagogiques à retenir, pour les utilisés après dans l’ontologie
Durant cette étape nous avons fait un listing des différentes actions possibles dans le jeu, puis nous les avons répartis par objectif, comme vous pouvez le voir sur la tableau. L’objectif de produire des ribosomes: les actions permises ou possibles sont: la recherche de glucose, les click,…etc. et l’action experte est d’avoir suff de ressource pour produire les ribosome
Pour la classification des actions extraites auparavant nous avons opter pour la classification CREAM de l’erreur humaine qui classifie les erreurs selon leurs orga dans le temps utilité, optimalité ou justesse et nous l’avons adapté à notre cas d’étude
Dans notre cas les actions du jeu sont réparties en 2 catégories actions expertes et actions sans effets ou aidantes
Nécessaire : actions nécessaire pour l’avancement dans le jeu
Sans effet: qui sont des actions beaucoup plus ergonomiques
Après l’extraction des actions nous passons a la conceptions du réseau de Petri, sachant que le RDP ne représente que le comportement expert,
Comme vous pouvez le voir sur la figure, les action du jeu sont représenter par des transition et les post et pré condition qui défini l’état du système sont représenter par des places,
Notre réseau de Petri et un peu différent du réseau de Petri proposé par MOCAH, nous avons recouru a qlq modification pour l’adapter au jeu de type gestion de ressources,
Comme vous pouvez le voir sur la fig 1 une action peut occurer plusieurs fois dans le réseau de Petri,
NOUS AVONS aussi proposer à l’utilisateur une liberté de choix pour le scénario qu’il veut suivre,
Une autre adaptation c’est que après la sensibilisation de chaque le réseau de Petri ne représente l’état actuel du jeu pour cela nous avons prooser de mettre à jour le réseau après chaque action,
Pour remédier à ce problème nous faisons recours à l’ontologie du domaine pour compléter et affiner l’analyse,
Comme vous pouvez le voir sur la première figure l’ontologie sert a définir les liens sémantiques entre les différentes actions par exemple comme dans la figure 1
L’action eat glucose qui est une action experte nécessite un pseudopod,
Une autre utilité de l’ ontologie c’est qu’elle sert a représenter les liens entre les actions et les connaissances pédagogique correspondante comme décrit dans la figure suivante
Dés qu’une action est jugé erronée par le RDP un autre analyse est effectuer impliquant l’ontologie selon l’algorithme suivant
Soit elle est nécessaire, sans effet ou s’il n’existe aucun liens: erronée
Dans la phase de réalisation
nous allons d’abord citer les technologie utilisées pour le développement de l'application.
Pour réaliser notre projet nous avons utilisé
Netbeans comme environnement de développement Et la bibliothèque Jfreecart pour la conception des différents graphes,
Pour établir le réseau de Petri nous avons untiliser l’outil Tina
Pour définir l’ontologie nous avons utilisé protégé2000
Concernant l’architecture, nous allons décrire les composants essentiels de l’application
Au début l’utilisateur configure l’application et choisit le fichier de traces qu’il veut analyser puis ce fichier est envoyer à la classe de traitement pour le charger dans un arbre, par la suite l’analyse se fait en utilisant l’ontologie et le réseau de Petri,
Au début l’utilisateur configure l’application et choisit le fichier de traces qu’il veut analyser puis ce fichier est envoyer à la classe de traitement pour le charger dans un arbre, par la suite l’analyse se fait en utilisant l’ontologie et le réseau de Petri,
Au début l’utilisateur configure l’application et choisit le fichier de traces qu’il veut analyser puis ce fichier est envoyer à la classe de traitement pour le charger dans un arbre, par la suite l’analyse se fait en utilisant l’ontologie et le réseau de Petri,
Pour conclure on peut dire que nous avons réussi à vérifier que le suivi en utilisant les réseaux de Petri et l’ontologie est tout a fait applicable sur des jeux sérieux de gestion de ressource, en plus
Comme perspectives par rapport à ce travail :
Il serait intéressant de lever le niveau d’abstraction des actions vers les connaissances
Une autre perspective c’est de raffiner l’ontologie du domaine afin d’ interpréter toutes les relations entres les actions et les connaissances
Il serait aussi intéressant de tester l’outil sur un large échantillon d’élève
C’était tous dans notre présentation, merci pour votre attention.
Comme perspectives par rapport à ce travail :
Il serait intéressant de lever le niveau d’abstraction des actions vers les connaissances
Une autre perspective c’est de raffiner l’ontologie du domaine afin d’ interpréter toutes les relations entres les actions et les connaissances
Il serait aussi intéressant de tester l’outil sur un large échantillon d’élève
C’était tous dans notre présentation, merci pour votre attention.