Système de recommandation de ressources pédagogiques fondé sur les liens sociaux.

Avec la quantite croissante du contenu pedagogique produit chaque jour par les utilisateurs, il devient tres difficile pour les apprenants de trouver les ressources les plus adaptees a leurs besoins. Les systemes de recommandation sont utilises dans les plateformes educatives pour resoudre le probleme de surcharge d'information. Ils sont concus pour fournir des ressources pertinentes a un apprenant en utilisant certaines informations sur les utilisateurs et les ressources. Le present travail s'inscrit dans le contexte des systemes de recommandation des ressources pedagogiques, en particulier les systemes qui utilisent des informations sociales. Nous avons defini une approche de recommandation de ressources educatives en se basant sur les resultats de recherche dans le domaine des systemes de recommandation, des reseaux sociaux et des environnements informatiques pour l’apprentissage humain. Nous nous appuyons sur les relations sociales entre apprenants pour ameliorer la precision des recommandations. Notre proposition est basee sur des modeles formels qui calculent la similarite entre les utilisateurs d'un environnement d'apprentissage pour generer trois types de recommandation, a savoir la recommandation des 1) ressources populaires, 2) ressources utiles et 3) ressources recemment consultees. Nous avons developpe une plateforme d'apprentissage, appelee Icraa, qui integre nos modeles de recommandation. La plateforme Icraa est un environnement d’apprentissage social qui permet aux apprenants de telecharger, de visualiser et d’evaluer les ressources educatives. Dans cette these, nous presentons les resultats d'une experimentation menee pendant deux ans qui a implique un groupe de 372 apprenants d'Icraa dans un contexte educatif reel. L'objectif de cette experimentation est de mesurer la pertinence, la qualite et l'utilite des ressources recommandees. Cette etude nous a permis d'analyser les retours des utilisateurs concernant les trois types de recommandations. Cette analyse a ete basee sur les traces des utilisateurs enregistrees avec Icraa et sur un questionnaire. Nous avons egalement effectue une analyse hors ligne en utilisant un jeu de donnees afin de comparer notre approche avec quatre algorithmes de reference.