Le travail présenté dans ce mémoire s'inscrit dans le domaine des Environnements Informatiques pour l'Apprentissage Humain (EIAH), plus précisément celui de l'ingénierie des EIAH dans le cadre d'une approche de type « Learning Design ». Cette approche propose de construire des EIAH à partir de la description formelle d'une activité d'apprentissage. Elle suppose l'existence d'un langage de modélisation communément appelé EML (Educational Modelling Language) et d'un moteur capable d'interpréter ce langage. LDL est le langage sur lequel nous avons travaillé, en relation avec l'infrastructure LDI intégrant un moteur d'interprétation de LDL. L'EML est utilisé pour produire un scénario, modèle formel d'une activité d'apprentissage. L'EIAH servant de support au déroulement de l'activité décrite dans le scénario est alors construit de manière semi-automatique au sein de l'infrastructure associée au langage selon le processus suivant : le scénario est créé lors d'une phase de conception ; il est instancié et déployé sur une plate-forme de services lors d'une phase d'opérationnalisation (choix des participants à l'activité, affectation des rôles, choix des ressources et services) ; le scénario instancié et déployé est pris en charge par le moteur qui va l'interpréter pour en assurer l'exécution. Dans ce cadre, l'activité se déroule conformément à ce qui a été spécifié dans le scénario. Or il est impossible de prévoir par avance tout ce qui peut se produire dans une activité, les activités étant par nature imprévisibles. Des situations non prévues peuvent survenir et conduire à des perturbations dans l'activité, voire à des blocages. Il devient alors primordial de fournir les moyens de débloquer la situation. L'enseignant peut par ailleurs vouloir exploiter une situation ou une opportunité en modifiant l'activité en cours d'exécution. C'est le problème qui est traité dans cette thèse : il s'agit de fournir les moyens d'adapter une activité « à la volée », c'est-à-dire pendant son exécution, de manière à pouvoir gérer une situation non prévue et poursuivre l'activité. La proposition que nous formulons s'appuie sur la différentiation entre les données convoquées dans chacune des trois phases du processus de construction de l'EIAH : la conception, l'opérationnalisation et l'exécution. Nous exhibons un modèle pour chacune de ces phases, qui organise ces données et les positionne les unes par rapport aux autres. Adapter une activité « à la volée » revient alors à modifier ces modèles en fonction des situations à traiter. Certaines nécessitent la modification d'un seul de ses modèles, d'autres conduisent à propager les modifications d'un modèle vers un autre. Nous considérons l'adaptation « à la volée » comme une activité à part entière menée, en parallèle de l'activité d'apprentissage, par un superviseur humain qui dispose d'un environnement adéquat pour observer l'activité, détecter les éventuels problèmes et y remédier par intervention dans l'activité d'apprentissage en modifiant les modèles qui la spécifient. Pour développer les outils support à la modification et les intégrer dans l'infrastructure LDI, nous avons eu recours à des techniques de l'Ingénierie Dirigée par les Modèles. Les modèles manipulés dans ces outils en sont ainsi des données à part entière : les outils réalisés n'en offrent ainsi que plus de flexibilité et d'abstraction. Les modèles sont alors exploités comme des leviers pour atteindre et modifier les données ciblées par l'adaptation. / The work presented in this paper is in the field of Technology for Human Learning (TEL), specifically that of engineering in the context of TEL-type approach "Learning Design". This approach proposes to build ILE from the formal description of a learning activity. It assumes the existence of a common modeling language called EML (Educational Modelling Language) and an engine capable of interpreting this language. LDL is the language on which we worked in conjunction with the LDI infrastructure including a motor interpretation of LDL. The EML is used to produce a scenario, a formal model of learning activity. The ILE serving to support the conduct of the activity described in the scenario is then constructed semi-automatically in the infrastructure associated with the language using the following process: the script is created during a design phase; it is instantiated and deployed on a platform of services in an operational phase (selection of participants in the activity, role assignment, choice of resources and services); instantiated and deployed scenario is supported by the engine will interpret it to ensure its implementation. In this context, the activity takes place in accordance with what was specified in the script. It is impossible to predict in advance all that can occur in an activity, the activities are by nature unpredictable. Unforeseen situations can occur and lead to disturbances in the activity, or even blocks. It then becomes important to provide the means to break the deadlock. The teacher may also want to exploit a situation or opportunity by altering the activity in progress. This is the problem that is addressed in this thesis: to provide the means to adapt an activity "on the fly", that is to say while running, so you can not handle a situation provided and continue the activity. The proposal we make is based on the differentiation between data convened in each of the three phases of construction of the ILE: design, operationalization and implementation. We exhibit a model for each phase, which organizes the data and positions to each other. Adapt an activity "on the fly" then returns to modify these models in different situations to deal with. Some require the modification of one of its models, while others lead to propagate changes from one model to another. We consider adaptation "on the fly" as a separate activity conducted in parallel with the learning activity by a human supervisor has an adequate environment to observe the activity, identify potential problems and be remedied by intervention in the learning activity by modifying the templates that specify. To develop tools to support the change and integrate them into the LDI infrastructure, we have used the techniques of Model Driven Engineering. Handled in these models are tools and data in its own right tools and made no offer more flexibility and abstraction. The models are then used as levers to achieve and change the data targeted by the adaptation.

Cette thèse en informatique se place dans le domaine des Environnements Informatiques pour l'Apprentissage Humain. Durant une activité d'apprentissage, de nombreuses informations peuvent être recueillies et interprétées pour constituer un profil, en termes de connaissances, compétences, conceptions ou comportements d'un apprenant ou d'un groupe d'apprenants. Ces profils peuvent différer de part leur intention pédagogique, leur contenu, leur structuration, leur présentation. Par ailleurs, les acteurs de la situation d'apprentissage concernés par ces profils sont divers.<br /><br />Il n'existe pas à l'heure actuelle de solution technique permettant de réutiliser ces profils hétérogènes. Cette thèse cherche donc à proposer des modèles et des outils permettant la réutilisation pour les différents acteurs de profils d'apprenants créés par d'autres.<br /><br />Dans nos travaux, nous proposons le modèle de processus de gestion de profils REPro (Reuse of External Profiles). Pour permettre la réutilisation de profils hétérogènes, nous proposons de les réécrire selon un formalisme commun qui prend la forme d'un langage de modélisation de profils, le langage PMDL (Profiles MoDeling Language). Nous définissons ensuite un ensemble d'opérateurs permettant la transformation des profils ainsi harmonisés, ou de leur structure, tels que l'ajout d'éléments dans le profil, ou la création d'un profil de groupe à partir de profils individuels. Ces propositions ont été mises en œuvre au sein de l'environnement EPROFILEA du projet PERLEA (Profils d'Élèves Réutilisés pour L'Enseignant et l'Apprenant), avant d'être mises à l'essai auprès d'enseignants en laboratoire.

Nous présentons dans cette HDR nos activités de recherche depuis une dizaine d'années, qui se déclinent sous la forme de méthodes, de systèmes prototypés et expérimentés, en milieu écologique présentiel ou distanciel, et ce dans des contextes professionnels variés. Ces activités de recherche se déclinent, également, sous la forme d'actions sur le terrain permettant d'émettre de nouvelles hypothèses de recherche. Comme le souligne le titre de l'HDR « Environnements Interactifs d'Apprentissage dans des contextes professionnels : des Tuteurs Intelligents aux Systèmes Supports d'Apprentissage à Distance », le contexte de notre recherche reflète la prise de décision dans des contextes professionnels et la conception de systèmes supports d'apprentissage qui, au fil des ans, ont été associées à des problématiques issues de l'apprentissage à distance. Dans ce cadre, l'idée essentielle de notre recherche part du postulat suivant : « les Technologies de l'Information et de la Communication ont une contribution innovante à apporter aux dispositifs éducatifs et à l'apprentissage humain ». En effet, ces technologies transforment les modes de relation et d'interactions, la façon dont les humains communiquent leurs connaissances et de ce fait, transforment l'apprentissage lui-même. Elles favorisent également la diffusion et la mutualisation de connaissances. Avec l'essor d'Internet, le numérique constitue une nouvelle technique de transfert de celles-ci. Dans l'éducation et la formation, cet instrument technologique permet alors de repenser l'acte d'apprendre et de ne plus être limité à un apprentissage en présence. Aujourd'hui, la question, que se pose des chercheurs sensibles à cette évolution, n'est pas celle de l'opportunité ou non d'introduire ces technologies dans les systèmes supports d'apprentissage, mais plutôt celle de comprendre comment les appréhender et les maîtriser afin de proposer des systèmes innovants. <br />De plus notre pratique d'enseignant et de tuteur dans des formations à distance, doublée du constat de l'isolement des apprenants et leur besoin de collaborer, nous a amenées, depuis 2000, à nous interroger sur la place de l'apprentissage collectif et/ou personnalisé dans un dispositif de FAD. En effet, ces dernières sont souvent considérées comme la diffusion de connaissances et de contenus . Dans ce type de dispositif, les interactions s'établissent surtout entre « contenus médiatisés et apprenants » au détriment de la relation « enseignant - apprenant » . C'est pourquoi, nous pensons que ces apprentissages à distance doivent, d'une part, être l'occasion de mettre en œuvre une pédagogie différente et plus active, et d'autre part, reposer sur une analyse des besoins des usagers, à partir de laquelle sont conçues des activités pédagogiques adaptées et ce dans un contexte transdisciplinaire. Nous avons alors proposé une méthodologie de conception participative centré sur l'usager. Des questions pédagogiques sont alors sous-jacentes, notamment : comment lier un apprentissage collectif et personnalisé ? Quels modes d'activités est à proposer pour favoriser ces types d'apprentissage ? Quelle est la place réservée aux outils de FAD ? Comment les enseignants produisent leurs activités pédagogiques et leurs ressources ? Ou bien encore, des scénarios à priori sous-jacents aux activités pédagogiques existent-ils ? Ces questionnements ont orientés notre recherche vers la conception des systèmes supports d'apprentissage à distance alliant une approche collective et personnalisée et vers la conception d'outils d'aide à l'enseignant.

Les nouvelles technologies de l'information sont entrées au cœur de notre société et provoquent de profonds changements dans notre vie quotidienne, notamment dans le monde du travail. Or le métier d'enseignant n'a pas vraiment évolué, même si les méthodes éducatives changent, car toute tentative d'introduction de l'informatique se heurte à la méfiance des enseignants qui ont peur de perdre leur liberté de choix éducatifs. De plus, les avancées technologiques n'ont d'intérêt que si elles sont intégrées dans un processus global de conception d'applications éducatives. Nos recherches ont donc pour objectif principal de faciliter la tâche de l'enseignant dans la préparation de ses séquences pédagogiques. Nous définissons ainsi le support méthodologique d'un environnement informatique d'aide à la spécification des connaissances éducatives. Nous organisons alors nos travaux autour de trois axes. Tout d'abord, nous proposons la mise en place d'enseignements axés sur la notion de situations-problèmes au sens IUFM car elle met les apprenants en situation de projet tout en répondant aux objectifs pédagogiques fixés. Nous exposons ensuite la nécessité pour les enseignants de se reposer sur un processus de spécification formelle que nous définissons et pour lequel nous proposons un cycle de vie basé sur le prototypage rapide. Nous proposons aussi une ontologie de l'enseignement s'appuyant sur une architecture orientée-objet. Nous montrons enfin que l'utilisation de méta-outils CASE permet de développer un environnement ayant une assistance adaptée et suffisamment flexible pour permettre différentes façons de spécifier et différents points de vue et-ou formalismes de représentation sur une spécification. Le prototype développé couple le méta-outil CASE HARDY, qui fournit une interface diagrammatique supportant les étapes du processus de développement, et le générateur de système expert CLIPS qui assure la cohésion globale en terme de guidage et de flexibilité.

Notre problématique en EIAH (environnements informatiques pour l'apprentissage humain) concerne la place de l'informatique quant à l'aide qu'elle peut apporter à des enseignants pour accommoder leur enseignement sur des plate-formes de formation. Cette problématique, très générale, nous a amené à nous interroger sur l'organisation sociale des enseignants que nous souhaitons adresser, sur les pratiques de création enseignante, sur les objets pédagogiques que ces pratiques nécessitent, ainsi que sur les médias accueillant ces pratiques. Nous décrivons les contours d'une ingénierie des EIAHs adaptée à des équipes d'enseignants pratiquant le bricolage pédagogique dans une perspective artisanale. Cette ingénierie repose sur une infrastructure exploitant les ressources de l'ingénierie dirigée par les modèles adaptées au domaine des EIAHs. Cette infrastructure est composée d'une plate-forme de modélisation et d'un générateur de constructeur spécifique. Elle permet, de modéliser, de contextualiser et de construire des dispositifs pédagogiques sur des plate-formes de formation ou sur de simples applications Web. Trois études de cas menées pendant cette thèse illustrent les différents aspects de notre travail, et montrent que la proposition d'ingénierie que nous présentons permet d'adresser toute la diversité des environnements informatiques pour l'apprentissage humain. Nous concluons en montrant que les concepts et solutions présentées dans cette thèse permettent de relever les enjeux posés par les récentes évolutions en EIAH, tant au niveau des approches pédagogiques, que des médias utilisés

Cette thèse propose de cartographier le parcours de navigation des usagers des EIAH pour le visualiser, visualiser pour interpréter et interpréter pour anticiper. Les profils d'apprentissage ont une influence sur les modes de navigation dans un environnement d'apprentissage en ligne. S'appuyant sur une méthodologie capable de modéliser le parcours de navigation d'un usager et d'anticiper son prochain clic sur une plateforme, notre étude cherche à élargir le champ des connaissances de l'efficacité/performance des styles d'apprentissage. La méthodologie utilisée repose sur l'analyse des traces d'utilisation élaborée à partir de 63 archives logs Web, incluant 4637 lignes de registre et 13 206 possibilités de choix de module. Le travail de recherche s'inscrit dans le cadre d'approches associant sémiologie, des sciences de l'information, psychologie cognitive et sciences de l'éducation. Trois observations ont été menées, générant des informations sur le profil de l'usager, la représentation des parcours et l'impact du style d'apprentissage dans le choix des fonctionnalités de travail offertes disponibles sur la plateforme. Les principaux résultats sont de deux types : d'une part, l'élaboration d'un outil convertissant les traces des fichiers log en parcours de navigation, et d'autre part, la confirmation d'un lien entre style d'apprentissage et mode de navigation. Ce deuxième résultat permet d'élaborer une méthode d'anticipation du nouveau choix de module sur une plateforme numérique de travail. Les applications pratiques visant à rendre exploitables ces traces dans les formations universitaires sont l'élaboration de bilans de qualité (ressources préférées, fonctionnalités moins utilisées) et l'identification des besoins de médiation pédagogique pour la compréhension de la tâche ou du processus (identifié par exemple dans l'insistance sur le module de consignes, le temps investi par un groupe ou par des trajets répétés). Cette thèse s'adresse principalement aux responsables pédagogiques universitaires décideurs de l'intégration des TIC, et par extension, aux étudiants universitaires et aux concepteurs d'outils d'apprentissage.

Cette thèse aborde la problématique de l’acquisition des connaissances dans le cadre de la conception des Environnements Informatiques pour l’Apprentissage Humain (EIAH). Dans le contexte spécifique de ce travail, nous nous intéressons à des EIAH destinés à enseigner des méthodes de résolution de problèmes. De telles méthodes permettent, dans un domaine donné, de reconnaître la classe d’un problème et d’être capable de savoir quelle technique de résolution appliquer pour le résoudre. Le coût de conception de ces EIAH est cependant très élevé, en particulier du fait de l’élicitation des connaissances, qui nécessite non seulement une expertise dans le domaine concerné mais également en programmation.Afin de réduire le coût de conception de ces EIAH, et permettre à des auteurs (enseignants ou pédagogues plus experts) de pouvoir éliciter sans programmer les connaissances nécessaires à l’EIAH, nous proposons un processus d’acquisition interactive de ces connaissances. Ce processus est mis en œuvre à travers la conception d’un outil auteur : AMBRE-KB. Pour ce faire, nous avons d’abord proposé des méta-modèles qui permettent de décrire la forme des connaissances à acquérir. Ces connaissances ne sont pas celles d’un expert dans un domaine, mais les connaissances telles qu’on voudrait qu’elles fonctionnent chez l’apprenant à l’issue de l’apprentissage. En s’appuyant sur ces méta-modèles, nous avons ensuite proposé un processus d’acquisition de ces connaissances qui permet d’assister l’auteur lors de l’élicitation des connaissances nécessaires, en lui permettant de construire un modèle de connaissances spécifique à un domaine.Nous avons mené deux expérimentations pour évaluer le processus d’acquisition des connaissances et sa mise en œuvre dans l’outil AMBRE-KB. La première porte sur la complétude. Il s’agit de vérifier, pour un domaine donné, si les modèles de connaissances générés par AMBRE-KB permettent à l’EIAH de résoudre des problèmes. L’objectif de la deuxième expérimentation est de mesurer l’utilité et l’utilisabilité de AMBRE-KB. Les résultats des deux expérimentations sont satisfaisants. / The general issue we addressed in this thesis is the challenge of knowledge elicitation in Intelligent Tutoring Systems (ITS). In the context of this work, we are interested in ITS teaching problem solving methods. Teaching methods for solving problems consists in teaching students how to think about the problem before starting its resolution. In a given field, such a method is based on a categorization of problems. Knowing to recognize the class of a problem enables students to choose the resolution technique associated with this class. However, designing such ITS is tedious and costly, and specially require expertise in the application domain and in programming.In order to reduce the design cost of these ITS and to enable an author (for example a teacher) to be able to elicit knowledge needed without programming, we propose an interactive knowledge elicitation process. This process is implemented through the design of an authoring tool: AMBRE-KB. For that, we first propose meta-models for the knowledge to be acquired. This knowledge is not an expert knowledge, but knowledge such as we would want that they work at the end of the learning. Next, we propose a knowledge acquisition process based on these meta-models, which enable the author to be assisted in the elicitation process enabling him/her to build specific knowledge models for a given domain.We conducted two experiments to evaluate the knowledge acquisition process and its implementation in the AMBRE-KB tool. The first relates to completeness. The aim is to verify, for a given domain, whether the knowledge models generated by AMBRE-KB enable the solver to solve problems. The aim of the second experiment is to measure the utility and usability of AMBRE-KB. The results of both experiments are satisfactory.

Cette thèse aborde la thématique de la comparaison et de la construction de diagnostics des connaissances dans les Environnements Informatiques pour l'Apprentissage Humain (EIAH). Ces diagnostics sont utilisés pour déterminer si les apprenants maîtrisent ou non les connaissances ou conceptions du domaine d'apprentissage (par exemple math au collège) à partir des traces collectées par l'EIAH. Bien que ces diagnostics soient récurrents dans les EIAH, ils sont fortement liés au domaine et ne sont que peu formalisés, si bien qu'il n'existe pas de méthode de comparaison pour les positionner entre eux et les valider. Pour la même raison, utiliser un diagnostic dans deux domaines différents implique souvent de le redévelopper en partie ou en totalité, sans réelle réutilisation. Pourtant, pouvoir comparer et réutiliser des diagnostics apporterait aux concepteurs d'EIAH plus de rigueur pour le choix, l'évaluation et le développement de ces diagnostics. Nous proposons une méthode d'assistance à la construction et à la comparaison de diagnostics des connaissances, réifiée dans une première plateforme, en se basant sur une formalisation du diagnostic des connaissances en EIAH que nous avons défini et sur l'utilisation de traces d'apprenant. L'assistance à la construction se fait via un algorithme d'apprentissage semi-automatique, guidé par le concepteur du diagnostic grâce à une ontologie décrivant les traces et les connaissances du domaine d'apprentissage. L'assistance à la comparaison se fait par application d'un ensemble de critères de comparaison (statistiques ou spécifiques aux EIAH) sur les résultats des différents diagnostics construits. La principale contribution au domaine est la généricité de notre méthode, applicable à un ensemble de diagnostics différents pour tout domaine d'apprentissage. Nous évaluons notre travail à travers trois expérimentations. La première porte sur l'application de la méthode à trois domaines différents (géométrie, lecture, chirurgie) en utilisant des jeux de traces en validation croisée pour construire et appliquer les critères de comparaison sur cinq diagnostics différents. La seconde expérimentation porte sur la spécification et l'implémentation d'un nouveau critère de comparaison spécifique aux EIAH : la comparaison des diagnostics en fonction de leur impact sur une prise de décision de l'EIAH, le choix d'un type d'aide à donner à l'apprenant. La troisième expérimentation traite de la spécification et de l'ajout d'un nouveau diagnostic dans notre plateforme, en collaborant avec une didacticienne. / Comparing and building knowledge diagnostic is a challenge in the field of Technology Enhanced Learning (TEL) systems. Knowledge diagnostic aims to infer the knowledge mastered or not by a student in a given learning domain (like mathematics for high school) using student traces recorded by the TEL system. Knowledge diagnostics are widely used, but they strongly depend on the learning domain and are not well formalized. Thus, there exists no method or tool to build, compare and evaluate different diagnostics applied on a given learning domain. Similarly, using a diagnostic in two different domain usually imply to implementing almost both from scratch. Yet, comparing and reusing knowledge diagnostics can lead to reduce the engineering cost, to reinforce the evaluation and finally help knowledge diagnostic designers to choose a diagnostic. We propose a method, refine in a first platform, to assist knowledge diagnostic designers to build and compare knowledge diagnostics, using a new formalization of the diagnostic and student traces. To help building diagnostics, we used a semi-automatic machine learning algorithm, guided by an ontology of the traces and the knowledge designed by the designer. To help comparing diagnostics, we use a set of comparison criteria (either statistical or specific to the field of TEL systems) applied on the results of each diagnostic on a given set of traces. The main contribution is that our method is generic over diagnostics, meaning that very different diagnostics can be built and compared, unlike previous work on this topic. We evaluated our work though three experiments. The first one was about applying our method on three different domains and set of traces (namely geometry, reading and surgery) to build and compare five different knowledge diagnostics in cross validation. The second experiment was about designing and implementing a new comparison criteria specific to TEL systems: the impact of knowledge diagnostic on a pedagogical decision, the choice of a type of help to give to a student. The last experiment was about designing and adding in our platform a new diagnostic, in collaboration with an expert in didactic.

Notre travail de recherche s’inscrit dans le cadre du projet de recherche REDiM (Réingénierie des EIAH Dirigée par les Modèles) qui porte sur la réingénierie d'un scénario pédagogique. Il se focalise plus précisément sur l'analyse de traces collectées en session par un EIAH pour fournir à l'enseignant des indicateurs calculés.Dans notre contexte de travail, UTL (Usage Tracking Language) permet de définir des indicateurs sous une forme proche des patrons de conception. Il a été conçu pour répondre aux questions de capitalisation et de réutilisation. Par contre, UTL ne disposait initialement pas de moyens pour spécifier formellement la façon de calculer l’indicateur à partir des traces collectées. De plus, les approches par développement ad hoc d’indicateurs ne permettent pas de modéliser de façon formelle la méthode de calcul. En général, les patrons de conception se limitent à la description, ils ne peuvent donc pas être automatisés. Des descriptions textuelles dans UTL pour produire un indicateur à partir des traces ne permettent pas de générer automatiquement les valeurs d’un indicateur.Notre principal objectif de recherche a donc été de définir des modèles, des méthodes et des outils pour la formalisation et l’automatisation du calcul d’indicateurs. Pour cela, nous avons élaboré une nouvelle version d’UTL qui intègre un langage de combinaison de données nommé DCL4UTL, qui permet de modéliser des indicateurs sous une forme capitalisable, automatisable et réutilisable afin de fournir des indicateurs signifiants à l’enseignant/concepteur. Ces indicateurs peuvent être calculés en temps réel ou après une session, respectivement dans un contexte de tutorat ou de réingénierie du scénario pédagogique.L'originalité de notre approche réside dans le fait que cette version permet non seulement de capitaliser des savoir-faire sur les techniques d'analyse d'usage d'un EIAH, mais aussi, avec le langage DCL4UTL (1) de décrire formellement dans une forme générique des méthodes de modélisation et de calcul d’indicateurs à partir des traces collectées par un EIAH, (2) d’intégrer des fonctions externes (qui proviennent d’autres outils d’analyse), et (3) de créer des données intermédiaires paramétrées facilitant la modélisation et la réutilisation de la méthode de calcul d’indicateurs. Nous avons également développé un outil d’analyse pour calculer les indicateurs modélisés.Cette version est le résultat d'une étude théorique et d’une analyse de l’état de l’art, mais aussi de travaux exploratoires sur la modélisation d’indicateurs et l’analyse de traces. L’approche et le langage ont été validés par plusieurs expérimentations avec plusieurs EIAH existants. / The research topic of this thesis is a part of the REDIM (model driven re-engineering) research project. It focuses specifically on the analysis of tracks collected during the learning session by a TEL (Technology Enhanced Learning) system in order to provide teachers indicators calculated. In our work environment, UTL (Usage Tracking Language) allows users to define the indicators in a form close to the design patterns. It was designed to response capitalization and reuse questions. However, UTL did not initially have any means to formally specify how to calculate indicators based on tracks collected. In general, design patterns are limited to the description, they cannot be automated. In addition, textual descriptions in UTL to produce indicators from tracks do not allow generating automatically an indicator’s values.Our main research objective was therefore to define models, methods and tools for formalizing and automating the calculation of indicators. We propose an extension for UTL named DCL4UTL (Data Combination Language for UTL) to model indicators in a capitalizable, automatable and reusable form to provide meaningful indicators to teachers/designers. With this new version, the indicators can be calculated in real-time or after a learning session in the context of tutoring actions or the reengineering of learning scenarios, respectively.The originality of our approach (DCL4UTL) lies in the fact that this version not only capitalize know-how on analysis techniques of the use an TEL system, but also (1) formally describe models and calculation methods of indicators from tracks collected by a TEL system, (2) integrate external functions (from other analysis tools), and (3) create parameterized intermediate data facilitating the modeling and reuse of indicators’ calculation method. We have also developed an analysis tool to calculate modeled indicators. Our approach and language have been validated by several experiments with several existent TEL systems.

Les travaux présentés correspondent à ceux que nous avons menés au sein de l'équipe IEIAH (Ingénierie des Environnements Informatiques pour l'Apprentissage Humain) au sein du Laboratoire d'Informatique de l'Université du Maine. La question de recherche générale que nous avons choisie de traiter est la suivante : "Comment aider l'enseignant/concepteur à améliorer sa situation d'apprentissage grâce à l'observation de cette dernière?". Pour cela, nous nous sommes intéressés au processus d'observation et plus particulièrement, nous avons défini un cadre méthodologique de l'ingénierie de l'observation par la prescription. En effet, les travaux dans le domaine de l'observation traitent le plus souvent du processus d'analyse uniquement. Ce processus est certes important, car il définit la manière dont sont calculés les indicateurs, mais le plus souvent ces indicateurs sont "subis" par les usagers. Nous avons choisi de nous intéresser au processus d'ingénierie de l'observation qui va de l'agent humain exprimant son besoin d'observation jusqu'à l'agent humain (le plus souvent, il s'agit de la même personne) qui exploite le résultat de l'observation. Nous envisageons donc l'observation au sens large, au travers d'un cycle d'ingénierie/réingénierie qui s'étend de l'expression du besoin jusqu'à l'opérationnalisation et le retour d'expérience sur l'observation. Nous parlons alors d'ingénierie de l'observation basée sur la prescription car en intégrant l'enseignant-concepteur dans le processus, nous lui demandons de scénariser et donc de prescrire l'observation.