Presentation a l'ecole thematique CNRS MOOC EIAH 2014

1. DEL'OBSERVATION
AUX
RECOMMANDATIONS
MATHIEUD'AQUIN - @MDAQUIN
KNOWLEDGEMEDIAINSTITUTE,THEOPEN
UNIVERSITY

2. HIER
Information
| Résultats Information
| Résultats Information
Données v Résultats Information
Données > Analyse > Résultats > Interpretation > Information
Données Résultats ^ Information
Résultats | Information
Données Information

3. AUJOURD'HUI
Information
| Résultats Information
| Résultats Information
Données v Résultats Information
Données > Analyse > Résultats > Interpretation > Information > Recommandation > Action/In
Données Résultats ^ Information
Résultats | Information
Données Information

4. AUJOURD'HUI
Information
| Résultats Information
| Résultats Information
Données v Résultats Information
Données > Analyse > Résultats > Interpretation > Information > Recommandation > Action/In
Données Résultats ^ Information
Résultats | Information
Données Information

5. AUJOURD'HUI
Information ...
| Résultats Information ...
| Résultats Information ...
Données v Résultats Information ...
Données > Analyse > Résultats > Interpretation > Information > Recommandation > Action/In
Données Résultats ^ Information ...
Résultats | Information ...
Données Information ...

6. DONNÉESD'HIER POUR RECOMMANDATION D'AUJOURD'HUI
voir d'Aquin et al. @
WebSci 2012

7. DONNÉESD'HIER POUR RECOMMANDATION D'AUJOURD'HUI
voir d'Aquin et al. @
WebSci 2012

8. APPROCHEBASIQUEDERECOMMANDATION (SUR LES
CONTENUS)

9. APPROCHEBASIQUEDERECOMMANDATION (SUR LES
CONTENUS)

10. EXEMPLE:BBCLEARNING "MORELIKE
THIS"

11. L'AUTREAPPROCHE:L'INTELLIGENCE
COLLECTIVE

12. L'AUTREAPPROCHE:L'INTELLIGENCE
COLLECTIVE

13. EXEMPLETYPIQUE:AMAZON

14. ÇAPEUTETREPLUSSIMPLE
(TECHNIQUEMENT)...
Avec des données pre-compilées...

15. KEYINFORMATIONSET

16. KEYINFORMATIONSET-COLLECTION

17. KEYINFORMATIONSET-COLLECTION

18. KEYINFORMATIONSET-COLLECTION

19. KEYINFORMATIONSET-COLLECTION

20. KEYINFORMATIONSET-USE

21. KEYINFORMATIONSET-
RECOMMANDATION

22. ÇAPEUTAUSSIETREBEAUCOUP PLUS
COMPLEXE
Recommendation pas seulement de resources !
Analyser ce que font les etudiants pour predire leur succés
Recommender aussi des interventions

23. OU ANALYSE

24. OU ANALYSE

25. UNPEUPLUSSURLA
SIMILARITÉ

26. UNPEU PLUSSURLASIMILARITÉ
Ça se resemble...

27. EXEMPLE:BBC

28. UNPEU PLUSSURLASIMILARITÉ
C'est lié...

29. EXEMPLE:STUDYATTHEOU

30. EXEMPLE:TALISASPIRE

31. UNPEU PLUSSURLASIMILARITÉ
Quand les resources sont hétérogènes...

32. UNPEU PLUSSURLASIMILARITÉ
Quand les resources sont hétérogènes...

33. UNPEU PLUSSURLASIMILARITÉ
Quand les resources sont hétérogènes...

34. EXEMPLE:DISCOU ( )DISCOU.INFO

35. EXEMPLE:DISCOU ( )DISCOU.INFO

36. EXEMPLE:DISCOU ( )DISCOU.INFO

37. EXEMPLE:DISCOU ( )DISCOU.INFO

38. EXEMPLE:DISCOU ALFA
( )DISCOU.INFO/ALFA

39. EXEMPLE:DISCOU ALFA
( )DISCOU.INFO/ALFA

40. ATTENTION:LESPIÈGESDE
L'ANALYSEDEDONNÉES
Parce ce que ce n'est pas simplement des techniques....

41. LESPIÈGESDEL'ANALYSEDEDONNÉES
:DONNÉESPERSONELLES
L'annonimisation n'est pas la meme chose que la
pseudonymisation, et que la de-identifiçation...
Et tout ça est trop souvent mal fait de toute facon.
Collecter données personelles => CNIL/Data Protection Act
L'argument "oui mais nous ont est gentils" ne compte pas.
Attention à l'effet de bord du partage des données/résultats
Un train peu en cacher un autre, des données publiées peuvent en impliquer des autres.

42. LESPIÈGESDEL'ANALYSEDEDONNÉES
:PROPRIÉTÉ
Données crées par le chercheur => propriété de l'employeur
Données crées par l'utilisateur => co-propriété
utilisateur/plateforme
Données crées comme effet secondaire de l'utilisation =>
????

43. LESPIÈGESDEL'ANALYSEDEDONNÉES
:BIAISETINTERPRETATION
La collection de données introduit un biais
L'analyse de données introduit un biais
L'interpretation de l'analyse introduit un biais
La recommendation introduit un biais

44. LESPIÈGESDEL'ANALYSEDEDONNÉES
:BIAISETINTERPRETATION

45. LESPIÈGESDEL'ANALYSEDEDONNÉES
:BIAISETINTERPRETATION

46. LESPIÈGESDEL'ANALYSEDEDONNÉES
:BIAISETINTERPRETATION

47. LESPIÈGESDEL'ANALYSEDEDONNÉES
:BIAISETINTERPRETATION

48. LESPIÈGESDEL'ANALYSEDEDONNÉES
:BIAISETINTERPRETATION

49. CONCLUSION/ FUTUR
Problème du passé - j'aimerai bien faire quelque
chose, mais je n'ai pas de données
Problème de maintenant - j'ai plein de données,
mais je ne sais pas quoi faire avec
Problème du future - j'ai plein de données et
d'outils, mais comment les gerer, y donner accés...
et a qui (enseignant, aprennant, persone, mon
gouvernement, la companie qui gere le MOOC) ?

50. MERCI
mdaquin.net
@mdaquin
data.open.ac.uk
LinkedUniversities.org
discou.info