Innovation Pédagogique et transition

ressources éducatives libres : Lancement du projet CLARA, déposé auprès du Labex CominLabs

follenfant-c — 2022-03-07T07:07:16Z

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.

Logo CLARA – CC BY-NC

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.

De l'importance de la structuration des métadonnées des Ressources Educatives Libres

follenfant-c — 2021-11-30T07:44:32Z

Un article repris du site de la chaire Unesco Ressource éducatives libres et intelligence artificielle REL-IA, une publication sous licence CC by

La Chaire travaille à utiliser l'intelligence artificielle au profit de l'éducation ouverte. Si dans ce blog nous avons surtout rendu compte de questions de fond, de communication scientifique, nous allons aussi essayer de partager des points de vue plus techniques : quelles sont les technologies mises en œuvre ? quelles sont les solutions techniques choisies ? Pour cela, nous donnons aujourd'hui la plume à Corentin, ingénieur sur la Chaire, pour nous en dire plus sur les métadonnées, si utiles aujourd'hui à assurer l'interopérabilité entre les grandes collections de ressources éducatives libres.

Comme nous le rappellent les cinq permissions attribuées aux ressources éducatives libres, dites des 5R, celles-ci permettent entre autres de créer de nouvelles ressources à partir d'existantes. Lorsqu'un enseignant cherche à concevoir une nouvelle ressource, une des étapes pour alimenter la procédure est donc la recherche de RELs cohérentes avec les besoins du projet pédagogique qu'il cherche à mettre en œuvre.

Les outils d'intelligence artificielle existent pour indexer les RELs et évaluer leur pertinence vis-à-vis de ses critères de recherche, puis les rassembler et suggérer les ressources qui font sens d'être jointes à celles sélectionnées. Ces outils reposent sur l'apprentissage des schémas de données récurrents identifiés dans les jeux de ressources existantes : l'exposition de ces schémas sous forme de métadonnées est donc cruciale pour faciliter leur interprétation et leur comparaison.

Métaphore d'iceberg de données.
Image modifiée issue de https://commons.wikimedia.org/wiki/File:Iceberg.jpg
(licence : CC BY-SA 3.0)

Les métadonnées sont des données décrivant les jeux de données, en l'occurrence les ressources éducatives. Elles peuvent être à propos de leur format, de leur pérennité, de leur difficulté ou encore de leurs auteurs. Les métadonnées permettent d'aligner les différentes ressources avec un vocabulaire commun et des définitions consistantes, ce qui facilite leur interprétation et fournit un langage de description commun d'une ressource à l'autre pour cibler rapidement les informations qu'elles véhiculent.

De telles métadonnées peuvent être accessibles sous forme d'annotations répandues dans les pages web hôtes des ressources, ce qui oblige les outils d'IA à effectuer une analyse syntaxique en profondeur de ces pages pour en extraire les métadonnées. Une autre solution est d'exposer ces métadonnées dans des entrepôts respectant des normes internationales. Une de ces normes est OAI-PMH, littéralement le protocole pour moissonnage de métadonnées des archives ouvertes.

Logo Open Archives Initiative
issu de https://commons.wikimedia.org/wiki/File:OAI-PMH.jpg
(licence : CC BY-SA 4.0)

Développé en 1999 par l'Open Archive Initiative, il définit le périmètre de création et maintenance de dépôts d'enregistrements qui référencent des documents, comme le sont les ressources éducatives libres, pour en assurer leur diffusion et interopérabilité.

Ce protocole tient lieu de passerelle d'échange entre les entrepôts hétérogènes, puisqu'il repose sur des langages standards du Web comme HTTP et XML, et des schémas de métadonnées comme Dublin Core. En quelque sorte, il peut être vu comme un emballage uniforme pour l'échange des ressources, quels que soient les systèmes de gestion dans lesquels celles-ci sont dispersées. Les outils d'IA en amont peuvent donc interroger les points d'accès conformes à OAI-PMH de façon transparente pour collecter et agréger les ressources.

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.