13.07.2015 Views

L'analyse de l'activité dans l'enseignement et l'apprentissage d'une ...

L'analyse de l'activité dans l'enseignement et l'apprentissage d'une ...

L'analyse de l'activité dans l'enseignement et l'apprentissage d'une ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

DEUXIEME PARTIE – RECHERCHES SUR LE TERRAIN DES TICE EN ERGONOMIECOGNITIVE DE LA LVEFrançoise RABY – HDR - Volume 1 - Synthèsefaut aussi créer une procédure pour établir les liaisons sémantiques. C<strong>et</strong>te procédureest la réduction <strong>de</strong> la matrice.Le principe est le suivant. L’analyse <strong>de</strong> la sémantiquelatente se fait en <strong>de</strong>ux étapes. Dans un premier temps, lamatrice d’occurrences est construite. Il s’agit d’une matricedont les lignes représentent les unités textuelles (l’unitégénéralement utilisée est le paragraphe) <strong>et</strong> les colonnes lesgraphèmes. L’élément (i,j) <strong>de</strong> la matrice correspond ainsi aunombre d’occurrences du graphème j <strong>dans</strong> le paragraphe i.L’étape suivante consiste à réduire ces dimensions à environ200. Ce nombre est important car une réduction à un espac<strong>et</strong>rop grand ne fait pas suffisamment émerger les liaisonssémantiques entre les mots, <strong>et</strong> un espace trop p<strong>et</strong>it conduit àune trop gran<strong>de</strong> perte d’informations. Ce nombre <strong>de</strong>dimensions est issu <strong>de</strong> tests empiriques [Derwester 90].C<strong>et</strong>te réduction est réalisée par le biais d’une décompositionaux valeurs singulières. La réduction à n dimensions vaconsister à ne conserver que les n premières <strong>de</strong> ces valeurspour reconstituer une matrice approchée, <strong>de</strong> dimension n.Chaque graphème <strong>et</strong> chaque paragraphe, traité <strong>de</strong> la mêmefaçon <strong>dans</strong> c<strong>et</strong>te procédure, est ainsi représenté par unvecteur à n dimensions.L’espace sémantique construit, il faut choisir une mesureappropriée afin <strong>de</strong> déterminer la proximité entre <strong>de</strong>uxéléments. Les tests empiriques ont privilégié la métho<strong>de</strong> ducosinus. La proximité entre <strong>de</strong>ux vecteurs est le cosinus <strong>de</strong>leur angle. La proximité sémantique entre <strong>de</strong>ux graphèmes,entre <strong>de</strong>ux paragraphes ou entre un graphème <strong>et</strong> unparagraphe est donc une valeur entre –1 <strong>et</strong> 1, où 1 indiqueune très forte proximité sémantique. [Zampa, 2005, p. 4]RAFALES, un instrument d’ai<strong>de</strong> à l’apprentissage du vocabulaire <strong>de</strong> spécialitéLa modélisation <strong>de</strong>s connaissances <strong>de</strong> l’apprenantNous avons utilisé LSA pour modéliser les connaissances du domaine <strong>et</strong> les m<strong>et</strong>treen rapport avec les connaissances <strong>de</strong> l’élève, afin <strong>de</strong> sélectionner les textes les plusappropriés <strong>dans</strong> le domaine <strong>de</strong> spécialité (l’anglais juridique) pour optimiserl’acquisition du vocabulaire <strong>de</strong> spécialité. RAFALES se présente en eff<strong>et</strong> comme untuteur intelligent construit selon le modèle <strong>de</strong> Wenger [1987]. Il comprend : une base<strong>de</strong> connaissances du domaine, la base <strong>de</strong> connaissances <strong>de</strong> l’élève <strong>et</strong> le modulepédagogique. Chacun <strong>de</strong> ces modules utilise LSA, ce qui perm<strong>et</strong> <strong>de</strong> n’avoir qu’unseul formalisme pour modéliser toutes les connaissances. Notre démarche s’appuyait167

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!