Un cours dont vous êtes le ou la préparateur.rice : lorsque vous avez ce rôle, la première étape est souvent d’aller parcourir le web pour y trouver des cours similaires, des visuels ou des vidéos traitant de sujets qui recoupent le vôtre. La qualité des moteurs de recherche de cours est dont cruciale pour trouver des contenus correctement licenciés, dans votre langue, annotés avec des mots clés sémantiquement proches de ceux de votre requête. Comment améliorer cette qualité ?
La Chaire participe à un nouveau projet du Labex CominLabs : CLARA, pour Creating and Linking Licensable Educational Resources. Son objectif est de permettre la création de nouvelles ressources éducatives à partir d’existantes dont les licences sont adéquates et compatibles, en suggérant aux enseignants et enseignantes des ressources pertinentes au regard de plans de cours. Le projet, qui a officiellement débuté le 1er décembre 2021, regroupe des membres des laboratoires LS2N (Nantes Université) et IRISA (Université de Rennes 1) qui se sont retrouvés pour une réunion de lancement en présentiel, le vendredi 4 février.
Lorsqu’un.e enseignant.e désire éditer une nouvelle ressource éducative, généralement un cours, il/elle se base sur des matériaux existants qui doivent avoir des licences adéquates au partage et à la réutilisation préalablement assignées. Ces matériaux sont difficiles à découvrir avec les moteurs de recherche actuels, car les métadonnées qui décrivent leur contenu ne sont pas connectées. Par conséquent, le projet vise à enrichir ces métadonnées et à les structurer sous forme de graphes de connaissances, en y ajoutant des annotations alignées sur des vocabulaires communs.
Les RELs sources sont segmentées en blocs de langage naturel manuellement rédigés ou transcrits à partir des vidéos ou enregistrements sonores. Ces corpus de textes sont le matériau principal fourni par les bases de données du projet X5-GON, avec des jeux de concepts assignés à chaque bloc de texte, et par extension à chaque REL. Les annotations que constituent ces concepts ainsi que les métadonnées décrivant les RELs créent un graphe de connaissances qui permet de décrire leurs similitudes et ainsi favoriser leur comparaison et calcul de similarité. Suivant les modèles décrits sous forme d’ontologies, ce graphe est édité sous l’égide des normes du web sémantique afin de garantir son interopérabilité et la flexibilité d’un moteur de requêtes permettant l’interrogation relâchée, c’est-à-dire l’adjonction de résultats retournés par les requêtes de recherche lorsque celles-ci contiennent des éléments dont le sens recouvre d’autres concepts.
Outre les ressources pédagogiques du projet X5-GON, celles qui seront exploitées proviendront également d’une base de données du Ministère de l’Éducation nationale, de la Jeunesse et des Sports.
Ce projet CLARA s’inscrit d’ailleurs dans le cadre des travaux de notre GTnum IA_EO, soutenu par la Direction du Numérique pour l’Éducation, et plus particulièrement ceux de notre axe “Création et co-conception de ressources éducatives ouvertes à l’aide de l’IA.
Dans un contexte de partage et réutilisation des ressources éducatives, les moteurs de recherche vont jouer le rôle important de faciliter l’accès aux contenus, et devront donc mettre en œuvre des interfaces logicielles pour filtrer des résultats cibles avec des licences et langages appropriés selon les profils utilisateurs. Actuellement, les personnes de la Chaire participant au projet contribuent aux travaux d’ingénierie pour la transformation des données de RELs relationnelles vers le format de graphe de connaissances.
Sauf indication contraire, l’ensemble des contenus de ce site chaireunescorel.ls2n.fr est mis à disposition selon les termes de la Licence Creative Commons Attribution 4.0 International.
Répondre à cet article
Suivre les commentaires : |