En vedette - Des outils de traitement du langage pour aider les enseignants et les étudiants
«On observe un problème croissant dans la communauté de l'éducation, notamment au niveau de l'enseignement supérieur: la taille des classes. Avec ce phénomène d'augmentation du nombre d'étudiants par classe, une ressource vient vraiment à manquer: le temps des professeurs», explique Wolfgang Greller, professeur agrégé à New Media Technologies and Knowledge Innovation à l'université ouverte des Pays-Bas. D'après le Dr Greller, coordinateur du projet LTfLL, l'association des solutions avancées de TLN («traitement du langage naturel») et d'autres technologies pourrait aider à réduire ce problème. Dans les pays de l'OCDE, l'inscription des étudiants à l'université a augmenté de 4% par an depuis le milieu des années 1990 en moyenne, et certains cours universitaires sont maintenant suivis par des centaines d'étudiants. Le plus inquiétant est de constater que l'augmentation de la taille des classes a un impact négatif direct sur la performance de l'étudiant; en effet, les étudiants de classes plus petites obtiennent de bien meilleurs résultats que ceux de classes plus grandes, indépendamment du sujet étudié. Dans le cadre du projet LTfLL, les chercheurs se sont concentrés sur trois domaines importants où la technologie peut considérablement profiter aux étudiants et aux enseignants: le positionnement de l'étudiant et le développement conceptuel aident à assurer que les étudiants s'inscrivent au bon niveau en fonction de leurs connaissances, et que leurs progrès peuvent être suivis; le dialogue et l'analyse de texte, associés à un retour d'informations intelligent et automatisé, aidera à guider les étudiant dans leurs parcours et à réduire la charge qui incombe aux enseignants; et la découverte sémantique et sociale des ressources renforcent la pertinence des informations et ressources propres à des thèmes. Les outils LTfLL en accès ouvert, développés à l'aide d'un financement de la recherche de 2,85 millions d'euros de la Commission européenne, sont conçus pour être intégrés de manière homogène dans des systèmes de gestion de l'apprentissage existant tels que Moodle, dans tout environnement de technologie d'aide à l'apprentissage existant. Ils pourront être implémentés ensemble ou individuellement en fonction des besoins de l'utilisateur. «Les technologies et outils que nous avons développés sont très utile dans tout environnement pédagogique, pas seulement les universités mais également le secondaire, l'éducation pour adultes et la formation professionnelle», explique le Dr Greller. Cependant, certaines des applications se révèlent vraiment utiles dans des cas où un seul enseignant ou maître de conférences doit gérer plusieurs étudiants. Par exemple, certaines classes à l'université comptent plus de 400 étudiants. Pour impliquer davantage les étudiants dans le processus d'apprentissage, ces derniers seront divisés en groupes de quelques personnes débattant du même sujet, mais ceci implique de surveiller une centaine de groupes. «Ce sont des centaines de conversations se tenant en parallèle. Il est impensable qu'un seul enseignant ou tuteur puisse surveiller, évaluer et fournir des retours à tous les groupes; au mieux, ils pourront participer ça et là», ajoute le Dr Greller. «À la fin de la discussion, le maître de conférences doit évaluer et analyser les thèmes évoqués par les divers groupes et les conclusions qu'ils ont tirées; il s'agit là d'une quantité énorme de travail si l'on considère le nombre de groupes, de discussions et d'échanges qui ont eu lieu.» Une analyse du dialogue Un outil d'analyse du dialogue basé sur une technologie innovante de TLN développée par les chercheurs de LTfLL a permis d'aborder le problème. Testé dans des universités des Pays-Bas et de Roumanie dans trois langues (néerlandais, anglais et roumain), il analyse les interactions par texte des étudiants dans des conversations ou des forums de discussion en ligne, et il étudie non seulement l'ampleur de leur participation, mais également la façon dont ils participent. «Ainsi, les tuteurs peuvent analyser de manière qualitative les conversations des étudiants en voyant les personnes actives, et de quelle manière cette action se traduit: posent-ils des questions? répondent-ils aux questions d'autres étudiants? sont-ils isolés dans leur fonction? aident-ils d'autres personnes? jouent-ils le rôle de médiateur? etc.», poursuit le Dr Greller. «Il permet à l'enseignant de constater si les principaux points d'un thème ont été traités ou si les étudiant sont partis en digression et ont fini par parler de football ou d'autres thèmes totalement hors sujet.» Ainsi, les enseignants et maîtres de conférences gagneront du temps lors de l'évaluation des progrès de leurs étudiants, mais, plus important encore, les étudiants pourront obtenir un retour d'informations à la demande concernant leurs progrès, et ce directement à partir de l'outil d'analyse. Ce genre de retour d'informations à la demande est également essentiel dans le cas des étudiants qui écrivent des dissertations ou des articles, pour lesquels l'équipe de recherche de LTfLL a développé un outil d'analyse distinct mais connexe. «Cet outil fournit un soutien et un retour continus sur la façon dont les étudiants captent les idées et les concepts liés au thème qu'ils étudient et s'ils les comprennent bien. Il est donc possible d'éviter le risque de digression du centre du sujet, ce qu'ils pourraient ne réaliser que bien plus tard, par exemple quand ils donnent leur première ébauche de dissertation à leur tuteur», explique le Dr Greller. Les outils d'analyse fonctionnent sur la base de la comparaison du langage utilisé par les étudiants à ceux employé par les experts dans le domaine concerné; ils prennent note de l'occurrence de certains mots dans le vocabulaire employé par les étudiants et le contexte dans lequel ils l'emploient, et mènent des contrôles de cohérence textuelle et stylistique similaire au logiciel de détection de plagiat. Les outils utilisent la technologie avancée de TLN mais également l'analyse sémantique et la découverte de connaissances. La recherche sémantique donne un accès facile aux étudiants à un contenu connexe, et un moteur à composante sociale dédié au thème qu'ils étudient les aide à communiquer et à partager des informations qu'ils ont obtenues auprès d'homologues de confiance. «Ainsi, il ne s'agit pas d'un algorithme informatique qui sélectionne le contenu proposé, mais plutôt d'une source sécurisée, à savoir votre tuteur, vos collègues étudiants ou vos amis», ajoute le Dr Greller. «Il encourage l'engagement de l'étudiant et aide les gens à étudier dans des contextes officiels ou non.» En tant que logiciel en accès ouvert, ces outils ont été mis à disposition de la communauté de recherche pour leur perfectionnement et plusieurs partenaires du projet continuent d'y travailler. Parallèlement, le partenaire autrichien Bit Media prévoit d'offrir des services de soutien aux établissements scolaires et aux facultés ne pouvant implémenter la technologie seuls. LTfLL a reçu un financement de la recherche au titre du sixième programme-cadre (7e PC) de la Commission européenne. Liens utiles: - projet LTfLL -site web «Language technologies for lifelong learning» - Fiche d'information du projet LTfLL sur CORDIS Articles connexes: - En vedette: un grand bond en avant en matière de traitement du langage naturel pour l'enseignement - Des bases de données à activation vocale pour faciliter l'accès aux informations - Un projet de TIC pour améliorer l'interactivité humain-système