Québec Université Laval, Bibliothèque 2014

Québec Université Laval, Bibliothèque 2016

Le cours d'un professeur donné à des étudiants se sépare en général en deux parties distinctes, la première consiste en la transmission des connaissances, et ensuite vient un dialogue entre les deux parties afin de répondre aux questions des étudiants et de les faire progresser. La phase d'échange est très importante, car elle permet aux élèves de mieux appréhender les notions qu'ils viennent d'apprendre. Elle demande cependant une grande implication du professeur pour répondre aux questions de chaque étudiant. À l'inverse, la phase de transmission des connaissances est souvent une élocution du professeur plutôt qu'une interaction avec les élèves. De plus, cette transmission est répétitive d'une année à l'autre, et certaines notions basiques pourraient être apprises d'une autre manière afin que l'enseignant puisse se concentrer davantage sur l'échange avec ses étudiants. À l'image de la médecine personnalisée, une médecine qui se base sur les caractéristiques génétiques et moléculaires du patient afin de lui proposer un traitement plus efficace, nous proposons dans ce mémoire de réfléchir à une méthode permettant d'adapter et d'automatiser la phase de transmission des connaissances à chaque étudiant. Plutôt que d'énoncer le même cours à tous les élèves, ou de donner le même médicament à tous les patients, nous souhaitons utiliser les antécédents de l'étudiant en vue de lui proposer une version personnalisée du cours adaptée à ses besoins, ce qui lui permettrait d'apprendre plus facilement. L'automatisation de cette tâche permettrait en plus de libérer du temps au professeur pour d'autres tâches. Nous allons nous concentrer dans ce mémoire sur l'apprentissage d'un langage de programmation tel que le Python. Nous allons réfléchir à une démarche permettant d'automatiser et de personnaliser son apprentissage. Pour ce faire, nous allons travailler sur la génération de code Python à partir d'une description en langage naturel afin de créer automatiquement des exercices. Cette génération permet de recommander automatiquement des exercices adaptés aux élèves. Nous allons utiliser les avancées en intelligence artificielle afin de simuler l'intelligence d'un professeur pour adapter au mieux le programme à chaque étudiant. / A teacher's lecture to students is usually divided into two distinct parts, the first of which consists of the transmission of knowledge, followed by a dialogue between the two parties in order to answer the students' questions and help them progress. The exchange phase is very important, as it allows the students to better understand the concepts they have just learnt. However, it requires a great deal of involvement on the part of the teacher to answer each student's questions. In contrast, the knowledge transmission phase is often a speech by the teacher rather than an interaction with the students. Moreover, this transmission is repetitive from one year to the next, and some basic notions could be learnt in another way so that the teacher can concentrate more on the exchange with his students. In the image of personalised medicine, a medicine that is based on the genetic and molecular characteristics of the patient in order to propose a more effective treatment, we propose in this manuscript to think about a method that would allow us to adapt and automate the phase of knowledge transmission to each student. Rather than giving the same lecture to all students, or the same drug to all patients, we want to use the student's background to provide a personalised version of the lecture that is tailored to their needs, making it easier for them to learn. The automation of this task would also free up the teacher's time for other tasks. In this manuscript, we will focus on the learning of a programming language such as Python. We will think about an approach that allows us to automate and personalise its learning. To do this, we will work on the generation of Python code from a natural language description in order to automatically create exercises. This generation allows us to automatically recommend exercises adapted to the students. We will use advances in artificial intelligence to simulate the intelligence of a teacher to best adapt the programme to each student.

Québec Université Laval, Bibliothèque 2015

Québec Université Laval, Bibliothèque 2016

De nombreuses études menées dans le domaine de l'éducation ont révélé que l'apprentissage mobile apparaît de plus en plus comme une méthode d'apprentissage efficace avec l'utilisation des téléphones intelligents. Toujours opérationnels et facilement transportables, les téléphones intelligents peuvent être utilisés n'importe où, à n'importe quel moment et dans n'importe quel contexte. Considérant ce potentiel des téléphones intelligents dans notre société actuelle, nous présentons dans ce mémoire un modèle de l'apprentissage mobile conçu comme outil de support d'apprentissage en informatique et génie logiciel. Pour atteindre ce but, nous présentons d'abord les efforts qui tentent d'intégrer le téléphone intelligent parmi les outils de programmation. Dans ce sens, nous montrons des exemples d'utilisation des applications mobiles de programmation. Nous démontrons ensuite que le téléphone intelligent a des limites qui rendent l'exercice de programmation non efficace. Compte tenu de ces limites, nous montrons que, en particulier pour les cours de programmation, l'apprentissage mobile joue pleinement son rôle lorsqu'il permet d'accéder à l'information utile, de manière continue pour soutenir le processus d'apprentissage. Ainsi, nous arrivons à la conception de l'apprentissage mobile comme outil de support d'apprentissage en informatique et génie logiciel. Dans ce sens, l'apprentissage mobile offre un environnement d'accès aux mises à jour sur le travail planifié, aux notifications, aux commentaires, aux échéanciers de tâches, aux nouvelles tâches à réaliser, etc. Ensuite, après avoir étudié différents styles architecturaux et différents types d'applications, nous présentons des possibilités d'implémentation de ce modèle de l'apprentissage mobile. Nous identifions l'architecture hybride de développement d'applications mobiles comme l'architecture idéale pour concevoir et développer des outils de l'apprentissage mobile. Nous montrons le fonctionnement de cette architecture hybride en utilisant l'infrastructure logicielle Apache Cordova pour produire des outils d'apprentissage à la fois personnalisables et portables. / Many studies undertaken in the field of education have revealed that m-learning is emerging more and more as an effective learning method with the use of smartphones. Always turned on and easily transported, smartphones can be used anywhere, at any given time and in any context. Considering this potential of smartphones in our current society, in this thesis we present an m-learning model designed as a learning support tool in computer science and software engineering. To achieve this goal, we first show the existing efforts to integrate smartphones into programming tools. Following the same idea, we show examples of using mobile applications for programming. We then demonstrate that smartphones have limitations that make the programming exercise ineffective. Given these limitations, we show that, especially for programming courses, m-learning plays its role fully when it provides access to useful information on an ongoing basis to support the learning process. Thus, we come up with the design of m-learning as a learning support tool in computer science and software engineering. In this sense, m-learning provides an environment to receive updates on the planned work, notifications, comments, task schedules, new tasks to be performed, etc. Then, after having studied different architectural styles and different types of applications, we present possibilities of implementation of this m-learning model. We identify the hybrid architecture as the ideal architecture for designing and developing m-learning tools. We show how this hybrid architecture works by using the Apache Cordova Framework to produce m-learning tools that are both customizable and portable.

.

.

Québec Université Laval, Bibliothèque 2015

Québec Université Laval, Bibliothèque 2016