Depuis le « Plan Informatique Pour Tous » de 1985, les technologies numériques ne cessent d'occuper une place grandissante dans l'enseignement : manuels numériques, logiciels de géométrie dynamique, learning games, e-learning, blended learning, MOOC, classes inversées, robotique éducative, etc.L'ambition de nos travaux est de montrer que certaines de ces technologies peuvent contribuer à améliorer les apprentissages, en dynamisant les contenus, en accentuant la motivation des étudiants, en proposant des dispositifs adaptés à la formation à distance, en personnalisant les parcours pédagogiques.Les enjeux autour de ces questions sont importants. La nécessité de motiver les étudiants et de personnaliser les apprentissages apparaît de plus en plus clairement. Ce sont des atouts majeurs pour lutter contre le décrochage scolaire et pour l'égalité des chances.Objectifs de nos travaux antérieurs à 2011 :— Ludifier et animer des contenus afin de les rendre plus motivants et plus explicites.— Visualiser des concepts en manipulant des objets numériques.— Virtualiser des objets d'apprentissage pour s'affranchir de contraintes matérielles afin de faire travailler des méthodes, de dépasser des difficultés de manipulation et des situations de handicap.— Fournir des outils d'interactivité, de visualisation, de calcul formel et de géométrie pour des environnements informatiques d'apprentissage (plateformes d'enseignement à distance, logiciels).— Fournir des outils de monitoring des activités des utilisateurs afin de suivre au mieux leur progression, afin de pouvoir les suivre au plus près dans leurs cheminements, de leur fournir des retours adaptés et des parcours personnalisés, de les rendre plus autonomes.— Expérimenter des objets à la fois numériques et tangibles tels que les robots pour évaluer leur impact dans les apprentissages.— Repenser les manuels scolaires en les accompagnant de dispositifs numériques.Ces travaux ont trouvé un prolongement ciblé, fortement ancré recherche, dans des travaux plus récents.Objectifs de nos travaux postérieurs à 2011 :— Optimiser et personnaliser en profondeur les apprentissages en faisant appel à l'intelligence artificielle et à des algorithmes de machine learning.— Introduire des objets tangibles, tels que les robots, que les élèves peuvent manipuler, voire programmer, pour éclairer différemment les apprentissages et proposer une approche concrète pour construire de nouveaux concepts. / Since the "Plan Informatique Pour Tous" in 1985, digital technologies occupy an increasingly importance in education: digital textbooks, dynamic geometry software, learning games, e-learning, blended learning, MOOC, flipped classrooms, educational robotics, etc.The aim of our work is to show that some of these technologies can contribute to improve learning, boosting learning contents, emphasizing student motivation by proposing devices suitable for distance learning and personalizing learning paths.The stakes of these issues are important. The need to motivate students and personalize learning is more and more crucial. These are major assets to reduce dropout and promote equal opportunities.Objectives of our work before 2011:- Gamify contents to make them more motivating.- Visualize concepts by using digital objects.- Virtualize learning objects in order to reduce physical constraints to work methods, to overcome handling difficulties and disability situations.- Provide tools for interactivity, visualization, computer algebra and geometry for computer environments learning (distance learning platforms, software).- Provide tools for monitoring user activity in order to better track their progress, to follow them with precision, to making them more autonomous.- Experiment with objects both digital and tangible such as robots, to assess their impact in learning.- Build new textbooks by accompanying them with digital devices.This work was continued in recent and more research-driven work.Objectives of our work from 2011:- Optimize and personalize learning by using artificial intelligence and machine learning algorithms.- Use tangible objects such as robots, that students can manipulate and program, to approach learning differently to provide concrete environment to build new concepts.

La personnalisation de l’apprentissage dans les environnements informatiques pour l’apprentissage humain (EIAH) est un sujet de recherche qui est traité depuis de nombreuses années. Avec l’arrivée des cours en ligne ouverts et massifs (MOOC), la question de la personnalisation se pose de façon encore plus cruciale et de nouveaux défis se présentent aux chercheurs. En effet, le même MOOC peut être suivi par des milliers d’apprenants ayant des profils hétérogènes (connaissances, niveaux éducatif, objectifs, etc). Il devient donc nécessaire de tenir compte de cette hétérogénéité en présentant aux apprenants des contenus éducatifs adaptés à leurs profils afin qu’ils tirent parti au mieux du MOOC.D’un autre côté, de plus en plus de ressources éducatives libres (REL) sont partagées sur le web. Il est important de pouvoir réutiliser ces REL dans un contexte différent de celui pour lequel elles ont été créées. En effet, produire des REL de qualité est une activité coûteuse en temps et la rentabilisation des REL passe par leur réutilisation.Pour faciliter la découverte des REL, des schémas de métadonnées sont utilisés pour décrire les REL.Cependant, l’utilisation de ces schémas a amené à des entrepôts isolés de descriptions hétérogènes et qui ne sont pas interopérables. Afin de régler ce problème, une solution adoptée dans la littérature consiste à appliquer les principes des données ouvertes et liées (LOD) aux descriptions des REL.Dans le cadre de cette thèse, nous nous intéressons à la personnalisation des MOOC et à la réutilisation des REL.Nous proposons un système de recommandation qui fournit à un apprenant en train de suivre un MOOC des ressources externes qui sont des REL adaptées à son profil, tout en respectant les spécificités du MOOC suivi.Pour sélectionner les REL, nous nous intéressons à celles qui possèdent des descriptions insérées dans les LOD, stockées dans des entrepôts accessibles sur le web et offrant des moyens d’accès standardisés. Notre système de recommandation est implémenté dans une plateforme de MOOC, Open edX et il est évalué en utilisant une plateforme de micro-tâches. / For many years now, personalization in TEL is a major subject of intensive research. With the spreading of Massive Open Online Courses (MOOC), the personalization issue becomes more acute. Actually, any MOOC can be followed by thousands of learners with different educational levels, learning styles, preferences, etc. So, it is necessary to present pedagogical contents taking into account their heterogeneous profiles so that they can maximize their benefit from following the MOOC.At the same time, the amount of Open Educational Resources (OER) available on the web is permanently growing. These OERs have to be reused in contexts different from the initial ones for which they were created.Indeed, producing quality OER is costly and requires a lot of time. Then, different metadata schemas are used to describe OER. However, the use of these schemas has led to isolated repositories of heterogeneous descriptions which are not interoperable. In order to address this problem, a solution adopted in the literature is to apply Linked Open Principles (LOD) to OER descriptions.In this thesis, we are interested in MOOC personalization and OER reuse. We design a recommendation technique which computes a set of OERs adapted to the profile of a learner attending some MOOC. The recommended OER are also adapted to the MOOC specificities. In order to find OER, we are interested in those who have metadata respecting LOD principles and stored in repositories available on the web and offering standardized means of access. Our recommender system is implemented in the MOOC platform Open edX and assessed using a micro jobs platform.

Avec l'émergence des formations en ligne accessibles pour tous, la personnalisation de l'apprentissage devient de plus en plus cruciale et présente de nouveaux défis aux chercheurs du domaine. Il est actuellement nécessaire de tenir compte de l'hétérogénéité du public cible et lui présenter des contenus éducatifs adaptés à ses besoins et sa façon d'apprendre afin de lui permettre de profiter au maximum de ces formations et éviter le décrochage. Ce travail de recherche s'inscrit dans le cadre des travaux sur la personnalisation de l'apprentissage à travers les systèmes hypermédias adaptatifs utilisés en éducation (SHAE). Ces systèmes ont la vocation de personnaliser le processus d'apprentissage selon des critères bien spécifiques, tels que les pré-requis ou plus souvent les styles d'apprentissage, en générant un chemin d'apprentissage adéquat. Les SHAE se basent généralement sur trois modèles principaux à savoir le modèle apprenant, le modèle du domaine et le modèle d'adaptation. Bien que la personnalisation du processus d'apprentissage offerte par les SHAE actuels soit avantageuse pour les apprenants, elle présente encore certaines limites. D'un côté, juste le fait de personnaliser l'apprentissage augmente les chances que le contenu présenté à l'apprenant lui soit utile et sera ainsi mieux compris. Mais d'un autre côté, la personnalisation dans les SHAE existants se contente des critères niveau de connaissances et style d'apprentissage, et elle s'applique seulement à certains aspects qui n'ont pas évolué depuis leur création, à savoir le contenu, la présentation et la navigation. Ceci remet en question la pertinence des objets d'apprentissage attribués aux apprenants et la motivation de ces derniers à faire usage des SHAE sachant que ceux-ci se basent essentiellement sur les questionnaires pour la constitution de leur modèle apprenant. Suite à une étude empirique d'une cinquantaine de SHAE existants, révélant leurs atouts et limites, certains objectifs de recherche ont été identifiés afin d'améliorer l'expérience d'apprentissage à travers ces systèmes. Ces objectifs visent à établir un modèle de SHAE capable de (i) déterminer les données du modèle apprenant de façon implicite à partir des réseaux sociaux tout en répondant aux standards associés à ce modèle afin de construire le modèle apprenant; (ii) favoriser la collaboration entre les différents apprenants qui seraient mieux motivés à apprendre en collaborant; (iii) personnaliser, de façon automatique, de nouveaux aspects à savoir l'approche pédagogique, la collaboration et le feedback selon les traits de personnalité de l'apprenant en plus des trois volets existants. Un modèle de SHAE a été proposé pour répondre à ces objectifs. Ce modèle permet d’extraire les données personnelles de l'utilisateur à partir de ses réseaux sociaux et de prédire ses traits de personnalité selon son interaction avec ces réseaux. Par la suite, il est possible d'adapter les objets d'apprentissage, sur la base d'un système de recommandation, à ces traits de personnalité en plus du style d'apprentissage et du niveau de connaissances des apprenants. L'adaptation aux traits de personnalité de l'apprenant selon le modèle Big Five a permis de personnaliser de nouveaux aspects tels l'approche pédagogique, le type de collaboration et le feedback. Un prototype, "ColadaptLearn", conçu à partir de ce modèle et expérimenté avec un ensemble d'étudiants a permis de valider les choix du prototype pour les objets d'apprentissage, selon les règles préétablies, en les confrontant aux choix faits par les étudiants. Ces données ont été utilisées pour développer un réseau bayésien permettant de prédire les objets d'apprentissage adéquats aux futurs apprenants. Les résultats de l’expérimentation ont montré qu'il y a une bonne concordance entre les choix du prototype et ceux des apprenants, en plus d'une satisfaction de ces derniers par rapport aux feedbacks reçus, ce qui appuie le rajout des nouveaux aspects proposés. Comme suite à cette thèse, il est envisageable d'appliquer le modèle proposé dans des environnements d'apprentissage plus larges de types cours en ligne ouverts et massifs, jeu sérieux ou même des formations mobiles, ce qui contribuerait à mieux valider les propos amenés. Il est aussi possible d’utiliser des techniques d'apprentissage automatique autres que les réseaux bayésiens pour la prédiction des objets d'apprentissage adaptés. Finalement, il serait intéressant d'explorer d'autres sources de données qui pourraient fournir plus d'informations sur l'apprenant de façon implicite tels ses centres d'intérêt ou ses émotions auxquels un SHAE pourrait s'adapter. / With the growth of online learning accessible to all, learning personalization is becoming increasingly crucial and presents new challenges for researchers. It is currently essential to take into account the heterogeneity of the target audience and adapt educational content to their needs and learning style in such a way that they are able to fully benefit from these learning forms and prevent them from dropping out. This research work addresses learning personalization through adaptive educational hypermedia systems (AEHS). These systems are designed to customize the learning process according to specific criteria, such as prerequisites or, more often, learning styles, by generating a suitable learning path. AEHS are generally based on three main models: the learning model, the domain model and the adaptation model. Although the learning process customization offered by current AEHS is beneficial to learners, it still has some limitations. On one hand, just the fact of personalizing learning increases the likelihood that the content presented to the learner will be useful and thus better understood. But on the other hand, customization in existing AEHS is limited to the criteria knowledge level and learning style and applies only to certain aspects which have not evolved since their creation, namely content, presentation and navigation. This questions the relevance of the learning objects assigned to learners and their motivation to use such AEHS, knowing that they rely essentially on questionnaires to build their learner model. After conducting an empirical study of 50 existing AEHS, revealing their strengths and limitations, some research objectives were identified to improve the learning experience through such systems. These objectives aim to establish an AEHS model which is able to (i) implicitly identify the learning model data on the basis of social networks while meeting the associated standards; (ii) promote collaboration between different learners who would be better motivated to learn while collaborating; (iii) automatically customize new aspects such as the teaching approach, collaboration and feedback according to learners' personality traits in addition to the three existing ones. An AEHS model has been proposed to meet these objectives. This model makes it possible to extract the user's personal data from his social networks and to predict his personality traits depending on his interaction with these networks. Thereafter, it is possible to adapt the learning objects, on the basis of a recommendation system, to these personality traits in addition to the criteria learning style and knowledge level. Adapting to the learner's personality traits according to the Big Five model enabled the customization of new aspects such as the pedagogical approach, the collaboration type and the feedback. A prototype, "ColadaptLearn", based on this model and experimented with a group of students, validated the prototype's choices for learning objects while confronting them to the students' choices. These data were then used to build a Bayesian network to predict the appropriate learning objects for future learners. The experimental results showed that there is a good match between the prototype choices and those of learners, in addition to learners' satisfaction regarding the feedback received, which supports the addition of the proposed new aspects. As a follow-up to this thesis, it is possible to apply the proposed model in a larger learning environment such as massive open online courses (MOOC), serious games or mobile learning, which would help to validate the proposals made. It is also possible to use other automatic learning techniques than Bayesian networks to predict suitable learning objects. Finally, it would be interesting to explore other data sources that could implicitly provide more information about the learner, such as his or her interests or emotions that an SHAE could adapt to.

L’industrie du meuble de maison en Amérique du Nord fait face à des défis de taille. Les parts de marché de meubles importés de pays ayant accès à une main-d’œuvre à faible coût ont augmenté de façon importante. Il est impératif pour cette industrie d’accroître chez les consommateurs la perception de la valeur de ses produits. La personnalisation de masse (PDM) a été reconnue comme une stratégie potentielle de différenciation et d’augmentation de la valeur perçue des produits de consommation. La présente thèse a comme objectif de fournir aux fabricants de meubles un modèle de PDM adapté à la réalité de cette industrie en Amérique du Nord, de connaître l’intérêt des consommateurs pour des meubles de maison personnalisés et d’évaluer des canaux pour communiquer avec les consommateurs en vue de la personnalisation. Un modèle de PDM avec huit niveaux de personnalisation adapté à l’industrie du meuble a été développé et validé lors d’une enquête auprès des fabricants de meubles au Canada, aux États-Unis et en Europe. L’enquête a permis de constater que l’industrie du meuble de maison offre un faible niveau de personnalisation comparée à d’autres secteurs industriels et que les détaillants de meubles sont perçus comme une barrière pour la mise en marché de meubles personnalisés. Les niveaux de personnalisation du modèle de PDM ont été soumis aux consommateurs afin de sonder leurs préférences et une analyse conjointe de certains niveaux de personnalisation, le temps requis pour le consommateur pour personnaliser le meuble, le délai de livraison et le prix a été réalisée. Les résultats démontrent que la personnalisation de meubles représente une valeur ajoutée pour les consommateurs, mais qu’il y a des limites aux sacrifices qu’ils sont prêts à accepter pour en bénéficier. Une enquête auprès des consommateurs a permis d’identifier le magasin de meubles comme canal qui réunit les caractéristiques recherchées par les consommateurs quant à l’achat de meubles de maison. Ce canal n’est néanmoins pas optimisé pour la vente de meubles personnalisés. L’ensemble des travaux permet d’affirmer que la PDM est une opportunité d’affaires pour les fabricants nord-américains de meubles de maison. / The North American household furniture industry is facing important challenges. Market shares of furniture imported from countries having access to a low labour cost work force increased importantly. It is essential for that industry to increase the consumer perceived value of its products. Mass customization (MC) has been identified as a potential strategy to differentiate and increase the perceived value of a product. The objectives of the present thesis are to supply furniture manufacturers with a MC model adapted to their industry in North America, to assess consumer interest in customized household furniture and to evaluate channels to exchange customization information with consumers. A model consisting of eight customization levels and adapted to the furniture industry was developed and empirically validated through a furniture manufacturer survey in Canada, the U.S. and Europe. It was found that the household furniture industry offered a low level of customization compared to other industry sectors and that retailers were perceived as a barrier for commercialization of customized furniture. The MC levels were submitted to consumers to assess their preferences and a conjoint analysis was performed on certain MC levels, time required by the consumer to customize the furniture, delivery time and price. Results showed that furniture customization was perceived by consumers as an added value, but sacrifices accepted for the benefits of customization are limited. A consumer survey enabled to identify the retail store as the channel uniting appreciated characteristics when shopping for household furniture. However, that channel is not optimised for selling personalized furniture. The study permits to state that MC is a business opportunity for North American household furniture manufacturers.

La motivation principale de cette thèse est de proposer un système de recommandation personnalisé pour les plateformes d’informations. Pour cela, nous avons démontré que les opinions peuvent constituer un descripteur efficace pour améliorer la qualité de la recommandation. Au cours de cette thèse, nous avons abordé ce problème en proposant trois contributions principales. Tout d’abord, nous avons proposé un modèle de profil qui décrit avec précision les intérêts des utilisateurs ainsi que le contenu des articles de presse. Le modèle de profil proposé repose sur trois éléments : les entités nommées, les aspects et les sentiments. Nous avons testé notre modèle de profil sur les trois applications différentes que sont l’identification des orientations politiques des utilisateurs, la recommandation personnalisée des articles de presse et enfin la diversification de la liste des articles recommandés. Deuxièmement, nous avons proposé une approche de classement des opinions permettant de filtrer et sélectionner seulement les opinions pertinentes. Pour cela, nous avons utilisé une variation de la technique de PageRank pour définir le score de chaque opinion. Les résultats montrent que notre approche surpasse deux approches récemment proposées pour le classement des opinions. Troisièmement, nous avons étudié différentes façons d’enrichir le contenu des articles de presse par les opinions : par toutes les opinions, par seulement le topk des opinions, et enfin par un ensemble d’opinions diversifiées. Les résultats montrent que l’enrichissement des contenus des articles de presse / In this thesis, we have investigated how to exploit user-generated-content for personalized news recommendation purpose. The intuition behind this line of research is that the opinions provided by users, on news websites, represent a strong indicator about their profiles. We have addressed this problem by proposing three main contributions. Firstly, we have proposed a profile model that accurately describes both users’ interests and news article contents. The profile model was tested on three different applications ranging from identifying the political orientation of users to the context of news recommendation and the diversification of the list of recommended news articles. Results show that our profile model give much better results compared to state-of-the-art models. Secondly, we have investigated the problem of noise on opinions and how we can retrieve only relevant opinions in response to a given query.The proposed opinion ranking strategy is based on users’ debates features. We have used a variation of PageRank technique to define the score of each opinion. Results show that our approach outperforms two recent proposed opinions ranking strategies, particularly for controversial topics. Thirdly, we have investigated different ways of leveraging opinions on news article contents including all opinions, topk opinions based on opinion ranking strategy, and a set of diverse opinion. To extract a list of diverse opinions, we have employed a variation of an existing opinion diversification model. Results show that diverse opinions give the best performance over other leveraging strategies.

Avec la quantité croissante du contenu pédagogique produit chaque jour par les utilisateurs, il devient très difficile pour les apprenants de trouver les ressources les plus adaptées à leurs besoins. Les systèmes de recommandation sont utilisés dans les plateformes éducatives pour résoudre le problème de surcharge d'information. Ils sont conçus pour fournir des ressources pertinentes à un apprenant en utilisant certaines informations sur les utilisateurs et les ressources. Le présent travail s'inscrit dans le contexte des systèmes de recommandation des ressources pédagogiques, en particulier les systèmes qui utilisent des informations sociales. Nous avons défini une approche de recommandation de ressources éducatives en se basant sur les résultats de recherche dans le domaine des systèmes de recommandation, des réseaux sociaux et des environnements informatiques pour l’apprentissage humain. Nous nous appuyons sur les relations sociales entre apprenants pour améliorer la précision des recommandations. Notre proposition est basée sur des modèles formels qui calculent la similarité entre les utilisateurs d'un environnement d'apprentissage pour générer trois types de recommandation, à savoir la recommandation des 1) ressources populaires, 2) ressources utiles et 3) ressources récemment consultées. Nous avons développé une plateforme d'apprentissage, appelée Icraa, qui intègre nos modèles de recommandation. La plateforme Icraa est un environnement d’apprentissage social qui permet aux apprenants de télécharger, de visualiser et d’évaluer les ressources éducatives. Dans cette thèse, nous présentons les résultats d'une expérimentation menée pendant deux ans qui a impliqué un groupe de 372 apprenants d'Icraa dans un contexte éducatif réel. L'objectif de cette expérimentation est de mesurer la pertinence, la qualité et l'utilité des ressources recommandées. Cette étude nous a permis d'analyser les retours des utilisateurs concernant les trois types de recommandations. Cette analyse a été basée sur les traces des utilisateurs enregistrées avec Icraa et sur un questionnaire. Nous avons également effectué une analyse hors ligne en utilisant un jeu de données afin de comparer notre approche avec quatre algorithmes de référence. / With the increasing amount of educational content produced daily by users, it becomes very difficult for learners to find the resources that are best suited to their needs. Recommendation systems are used in educational platforms to solve the problem of information overload. They are designed to provide relevant resources to a learner using some information about users and resources. The present work fits in the context of recommender systems for educational resources, especially systems that use social information. We have defined an educational resource recommendation approach based on research findings in the area of recommender systems, social networks, and Technology-Enhanced Learning. We rely on social relations between learners to improve the accuracy of recommendations. Our proposal is based on formal models that calculate the similarity between users of a learning environment to generate three types of recommendation, namely the recommendation of 1) popular resources; 2) useful resources; and 3) resources recently consulted. We have developed a learning platform, called Icraa, which integrates our recommendation models. The Icraa platform is a social learning environment that allows learners to download, view and evaluate educational resources. In this thesis, we present the results of an experiment conducted for almost two years on a group of 372 learners of Icraa in a real educational context. The objective of this experiment is to measure the relevance, quality and usefulness of the recommended resources. This study allowed us to analyze the user’s feedback on the three types of recommendations. This analysis is based on the users’ traces which was saved with Icraa and on a questionnaire. We have also performed an offline analysis using a dataset to compare our approach with four base line algorithms.

Cette recherche s’inscrit dans le contexte de la santé en France, dans lequel la prise en charge de la population croissante des usagers atteints de maladies chroniques, nécessite une articulation cohérente des interventions pluridisciplinaires, provenant de multiples d’acteurs hétérogènes. Cette prise en charge personnalisée est très consommatrice de ressources. Dans un contexte de raréfaction des ressources, le dilemme coût-qualité se pose dans leur prise en charge. La recherche d’une réponse à ce dilemme nous a conduit à nous intéresser au concept de la Personnalisation de Masse (PM), largement étudié en Supply Chain Management (SCM) et Management des Opérations (OM), ainsi qu’à sa réalisation dans le contexte de la santé. Selon ces deux domaines de littérature, la réalisation de la PM repose sur le développement de la Capacité de PM (CPM). En outre, l’intégration de la Supply Chain (SCI) et la modularité ont été identifiées comme les deux plus importants facteurs facilitant ce développement. Ainsi, cette recherche vise à étudier le rôle de la SCI et de la modularité, ainsi que leur relation dans le développement de la CPM en santé. En se basant sur les relations étudiées et celles insuffisamment étudiées, entre ces trois concepts en SCM et OM (contexte général), un modèle conceptuel de recherche a été établi, et nous cherchons à éprouver ce modèle dans le contexte de la santé. Pour ce faire, un cas exemplaire a été identifié : la MAIA Marseille. À travers cette étude de cas, notre recherche a permis d’une part d’éprouver et de raffiner le modèle de recherche préétabli, et d’autre part de mettre en avant les leçons à en tirer dans le développement de la CPM en santé. / This research is conducted in the French healthcare context, in which the care of the growing population of health service users with chronic diseases, requires a coherent coordination of multidisciplinary interventions from multiple providers. This personalized care is resource consuming. In a context of resource scarcity, the cost-quality dilemma arises in the care of this growing population. The search for an answer to this dilemma has led us to focus on the concept of Mass Customization (MC), widely studied in Supply Chain Management (SCM) and Operations Management (OM), as well as its implementation in the healthcare context. According to these two fields of literature, MC can be achieved by developing Mass Customization Capability (MCC). Moreover, Supply Chain Integration (SCI) and Modularity-based practices have been identified as the two most important factors facilitating its development. Therefore, this research aims to study the role of SCI and modularity, as well as their relationship in the development of MCC in the healthcare context. Based on the relationships studied and those insufficiently investigated between these three concepts in SCM and OM literature (general context), a conceptual model has been established, and we seek to test this model in the healthcare context. For this purpose, an exemplary/critical case has been identified: MAIA Marseille. Through this case study, our research enabled us to test and refine the pre-established conceptual model, and to highlight the lessons to be learned in the development of MCC in the healthcare context.

La motivation principale de cette thèse est de proposer un système de recommandation personnalisé pour les plateformes d’informations. Pour cela, nous avons démontré que les opinions peuvent constituer un descripteur efficace pour améliorer la qualité de la recommandation. Au cours de cette thèse, nous avons abordé ce problème en proposant trois contributions principales. Tout d’abord, nous avons proposé un modèle de profil qui décrit avec précision les intérêts des utilisateurs ainsi que le contenu des articles de presse. Le modèle de profil proposé repose sur trois éléments : les entités nommées, les aspects et les sentiments. Nous avons testé notre modèle de profil sur les trois applications différentes que sont l’identification des orientations politiques des utilisateurs, la recommandation personnalisée des articles de presse et enfin la diversification de la liste des articles recommandés. Deuxièmement, nous avons proposé une approche de classement des opinions permettant de filtrer et sélectionner seulement les opinions pertinentes. Pour cela, nous avons utilisé une variation de la technique de PageRank pour définir le score de chaque opinion. Les résultats montrent que notre approche surpasse deux approches récemment proposées pour le classement des opinions. Troisièmement, nous avons étudié différentes façons d’enrichir le contenu des articles de presse par les opinions : par toutes les opinions, par seulement le topk des opinions, et enfin par un ensemble d’opinions diversifiées. Les résultats montrent que l’enrichissement des contenus des articles de presse / In this thesis, we have investigated how to exploit user-generated-content for personalized news recommendation purpose. The intuition behind this line of research is that the opinions provided by users, on news websites, represent a strong indicator about their profiles. We have addressed this problem by proposing three main contributions. Firstly, we have proposed a profile model that accurately describes both users’ interests and news article contents. The profile model was tested on three different applications ranging from identifying the political orientation of users to the context of news recommendation and the diversification of the list of recommended news articles. Results show that our profile model give much better results compared to state-of-the-art models. Secondly, we have investigated the problem of noise on opinions and how we can retrieve only relevant opinions in response to a given query.The proposed opinion ranking strategy is based on users’ debates features. We have used a variation of PageRank technique to define the score of each opinion. Results show that our approach outperforms two recent proposed opinions ranking strategies, particularly for controversial topics. Thirdly, we have investigated different ways of leveraging opinions on news article contents including all opinions, topk opinions based on opinion ranking strategy, and a set of diverse opinion. To extract a list of diverse opinions, we have employed a variation of an existing opinion diversification model. Results show that diverse opinions give the best performance over other leveraging strategies.

Ce travail s’inscrit dans le projet « Personnalisation des EIAH » étudiant l’utilisationdes traces d’activité dans l’évaluation et la personnalisation des situations d’apprentissagemédiatisées. L’analyse des traces se fait généralement par des outils d’analyse réalisés par leschercheurs et spécifiques à leurs besoins. Les résultats publiés ne peuvent généralement pasêtre vérifiés ni comparés, ceci étant dû aux difficultés de partage des corpus et des outilsd’analyse. L’objectif de ce travail est de proposer aux chercheurs utilisant les EIAH, uneplateforme pour le partage, d’une part des corpus de traces d’interaction contextualisées et lesanalyses réalisées sur ces corpus, et des outils d’analyse et de visualisation des traces d’autrepart. L’hétérogénéité des traces produites par les EIAH, due à la variété des domainesd’apprentissage et des besoins d’analyse, fait que la proposition d’une représentationcommune ne peut répondre aux différents besoins de chercheurs pluridisciplinaires. Nousproposons l’approche par « proxy », une solution participative et incrémentale basée sur uneontologie qui définit trois modèles : un modèle de corpus définissant la structure et lesmétadonnées de description du corpus et son contenu, un modèle définissant les conceptsgénériques pouvant être retrouvés dans les corpus, et un modèle opérationnel définissant desopérations assurant l’interopérabilité entre un corpus et un outil d’analyse partagé. En nousbasant sur cette approche, nous proposons une architecture de plateforme de partage decorpus de traces et d’outils d’analyse permettant aux chercheurs de partager leurs corpus,d’accéder aux corpus partagés, et de les analyser. / This work is part of the “TEL Environments customization” project studying the use ofactivity traces in the evaluation and customization of mediated learning situations. Analyzingtraces is generally performed using analysis tools developed by researchers specifically fortheir needs. Published research results can generally not be verified or compared, due todifficulties of sharing corpora and analysis tools. The aim of this research work is to provideresearchers using TEL environments in their researches with a platform to share corpora ofcontextualized interaction traces and analyses performed on them, and to analyse thosecorpora using shared analysis and visualization tools. Heterogeneity of traces produced byTEL environments, due to the diversity of learning domains and to analysis needs makes theproposition of a common representation cannot satisfy the various needs of multidisciplinaryresearchers. We propose the “proxy” approach, a participative and incremental solution basedon an ontology which defines three models: a corpus model defining the structure anddescription metadata of the corpus and its contents, a semantic model defining genericconcepts which can be retrieved in shared corpora, and an operational model defining a set ofoperations ensuring interoperability between shared corpora and analysis tools. Based on thisapproach, we propose a platform architecture for sharing traces corpora and analysis toolsallowing researchers to share their own corpora, to access to shared corpora, and to analyzethem.

Mes travaux de recherche se situent dans le domaine de l'informatique décisionnelle, et portent en particulier sur les entrepôts de données (Data Warehouse) et l'analyse en ligne (OLAP, On-Line Analytical Processing). L'originalité de la démarche scientifique suivie par ces recherches réside dans une double orientation consistant à proposer des mécanismes de description couplés aux mécanismes de manipulation des données entreposées dans les systèmes OLAP. Les travaux que je mène depuis 2001 s'articulent en trois axes :  la modélisation et la manipulation des systèmes OLAP,  l'intégration des documents dans les systèmes OLAP, et  la prise en compte de l'usager par la personnalisation des systèmes OLAP. Malgré de nombreux travaux sur la modélisation et la manipulation dans les systèmes OLAP, il n'existe ni standard, ni consensus, que ce soit au niveau des modèles multidimensionnels ou des opérateurs OLAP. Mes premiers travaux ont donc consisté à définir un modèle conceptuel de représentation des données pour les systèmes OLAP basé sur trois concepts clairement formalisés. Ce socle homogène a permis dans un second temps de définir les manipulations OLAP au travers d'un noyau minimum fermé d'opérateurs OLAP. Ce fondement théorique nous permet aujourd'hui d'élaborer des langages assertionels et/ou graphiques dont la complétude au regard de l'algèbre OLAP garanti la couverture du modèle en constellation et la performance des manipulations incrémentales. Pour rendre opérant les systèmes OLAP sur l'ensemble des données d'une organisation, j'ai orienté mes recherches sur l'intégration des documents. Mes recherches ont débouché sur la proposition d'un modèle de représentation unificateur en galaxie. Ce modèle repose sur un unique mécanisme de description des données et supporte les documents dans la globalité de leurs spécificités (contenu, structure, métadonnées). Le défis essentiel a été de maintenir opérants les principes de navigation et d'interrogation des données définis par l'algèbre OLAP. Pour cela, une contribution importante de ces recherches est la spécification de mécanismes d'agrégation textuelle (TOP_KW et AVG_KW) permettant d'assurer des forages dans des amas multidimensionnels de données textuelles. Les systèmes OLAP se sont principalement attachés à faciliter l'accès aux données décisionnelles laissant la charge aux usagers d'expertiser les données par des restitutions destinées à un groupe d'usagers supposés partager des besoins identiques. J'ai donc élargi mes recherches à la personnalisation des systèmes OLAP, par une approche quantitative qui permet à l'usager de définir ses préférences dans une constellation et d'ancrer des annotations qui matérialisent ses analyses et son expertise décisionnelle autorisant ainsi une composante collaborative dans le système OLAP. Enfin, j'ai complété ces propositions par une approche qualitative qui exploite les préférences exprimées par des relations d'ordre pour définir un processus générique autorisant trois types de recommandations contextuelles lors des manipulations OLAP : alternatives, par anticipation et enrichissement. Ces recherches ont fait l'objet de développements dans trois prototypes et s'inscrivent dans le cadre de différents projets et collaborations industrielles notamment dans le milieu médical (Hôpitaux de Paris, Institut Claudius Regaud). Elles ont également donné lieu à plusieurs thèses de doctorat.