Evaluation des apprentissages au sein d’un environnement de type MOOC adaptatif

Assessment of learning within an adaptive MOOC type environment

¹ Laboratoire Signaux Systèmes Distribués et Intelligence Artificielle (SSDIA), ENSET Mohammedia, Université Hassan 2 de Casablanca (UH2C), Maroc
² Equipe STIE, CRMEF-Casablanca-Settat, Section provinciale d’El Jadida, Maroc

^* Corresponding author: hamida.93s@gmail.com

Résumé

La problématique de l’évaluation des apprentissages au sein d’un MOOC suscite un grand débat. Ce type d’environnements d’apprentissage offre des cours limités dans le temps, organisés en ligne et ouverts à tous. L’apprentissage au sein des MOOC consiste en l’échange du savoir entre les participants et l’interaction avec les concepteurs (forum, chat, etc.) en se libérant des contraintes de temps et d’espace. En effet, le MOOC est un outil d’apprentissage en ligne et rythmés. L’évaluation des apprentissages au sein des MOOC représente un pilier essentiel pour la favorisation d’un apprentissage rythmé. Cet apprentissage libère les apprenants dans le temps et dans l’espace. Les concepteurs des MOOC ont largement investi sur des modalités d’évaluation automatisées, tels que des modes de la correction automatique (les quiz ou les questionnaires à choix multiples). Pourtant, ces modalités restent très limitées face au développement d’une pensée critique au cours d’une séquence d’apprentissage. Dans ce papier nous allons aborder les techniques et les méthodes d’évaluation qui permettent de mesurer l’atteinte des objectifs d’apprentissage dans un MOOC. Ensuite, nous présentons l’architecture d’un modèle d’apprentissage basé sur les agents susceptibles de fournir une évaluation formative et personnalisé de cours en ligne massifs.

Abstract

Learning within MOOCs involves the exchange of knowledge between participants and interaction with designers (forum, chat, etc.), freeing themselves from the constraints of time and space. Indeed, the MOOC is an online and rhythmic learning tool. The evaluation of learning in MOOCs is an essential pillar for promoting rhythmic learning. This learning frees learners in time and space. MOOC designers have largely invested in automated assessment methods, such as automatic correction modes (quizzes or multiple-choice questionnaires). However, these modalities remain very limited in the face of the development of critical thinking during a learning sequence. In this paper, we will present and discuss the techniques and methods of evaluation that allow measuring the achievement of learning objectives in a MOOC environment. Finlay, we present the architecture of an agent-learning model based that could provide formative and personalized assessment of massive online courses.