D3KODE

Article écrit par Chloé Gérard, Jenny Freimüller et Pauline Hébert, volée drakkar.

Introduction

Définition

D3KODE, signifiant Define Discover and Disseminate Knowledge from Observation to Develop Expertise, est un prototype ouvert et évolutif, avec une maintenance simple, sous forme de plateforme web de type client. Il a été conçu en 2012 dans le cadre de la thèse d'Olivier Champalle, dirigée par Alain Mille et Karim Sehaba (Lefevre et al., 2018), dans un but d'évaluation en situation réelle au sein de l'Unité de proFessionnalisation pour la Performance Industrielle (UFPI) d’Électricité De France (EDF). Cependant, dès le départ, D3KODE a été porté et anticipé pour une utilisation au-delà de ce contexte afin de permettre à d'autres chercheurs d'exploiter ses propriétés et d'enrichir la littérature scientifique (Champalle, 2014).

C'est pourquoi, cet outil, visant un public large non informaticien quelle que soit leur implantation géographique, a une interface graphique simple et adaptée facilitant l'analyse de traces numériques. Afin de toucher un public international, D3KODE propose la gestion de plusieurs langues telles que l'anglais et le français. Afin de faciliter son élargissement et sa réutilisation, les outils et langages utilisés sont sous licence libre (Champalle, 2014).

De plus, afin de gérer le problème éthique d'analyse de données de formation, un mécanisme d'accès restreint aux données à été intégré à l'outil (Champalle, 2014). Selon Champalle (2014), pour permettre le partage de connaissances entre des profils de formateurs différents, l'outil devait aussi gérer les trois profils d'utilisateurs suivants :

• le stagiaire : jeune formateur, qui peut observer les données des profils expert sans les modifier et peut utiliser uniquement des modèles de traces et de transformations créés par les autres profils.
• l'expert : formateur confirmé, qui possède les droits du profil stagiaire et peut créer ou modifier des modèles de traces et de transformations.
• l'administrateur : formateur confirmé, qui possède les droits du profil expert et a la possibilité de consulter ou supprimer des modèles de traces, des traces modélisées, des modèles de transformations et des transformations.

Il a été conçu autour du modèle général de la trace modélisée et le modèle générique de transformation (Champalle, 2014). Selon Lefevre et al. (2018), ces modèles représentent des connaissances d'analyse que d'autres utilisateurs peuvent utiliser pour extraire des informations plus générales à partir de nouvelles données similaires. Cet outil permet de modeler ces informations recueillies à posteriori sous forme de représentation visuelle graphique simple et interactive.

Objectifs

Objectifs pré-conception

Selon Champalle (2014), les principaux enjeux de D3KODE reposent sur les objectifs suivants :

• procurer les moyens nécessaires pour exploiter et analyser tout type de données numériques modélisées suivant les principes de la trace modélisée
• faciliter l'inscription de connaissances d'exploitation et d'analyse dans un but de partage et de réutilisation

Pour ce faire, l'outil devait satisfaire les contraintes suivantes (Champalle, 2014) :

• permettre à plusieurs utilisateurs d'utiliser l'application en même temps
• éviter les installations sur les postes clients et faciliter l’accès au travers d’un navigateur web
• centraliser les modèles de traces et de transformations dans un but de réutilisation et de partage entre les utilisateurs
• stocker à un seul endroit les traces modélisées dans un but d’historique et d’analyse a posteriori d’un grand nombre de traces

Objectifs post-conception

Selon Lefevre et al. (2018), en finalité D3KODE remplit les objectifs suivants :

• permettre de stocker, de transformer et de visualiser plusieurs niveaux de traces numériques sur la base du concept de trace modélisée
• créer facilement des modèles de traces, des transformations, d’importer des traces, d’exécuter des transformations et de visualiser les résultats

Aspects techniques

Fonctionnalités

Avantages

Limites et améliorations

Liste des références

Bouvier, P., Sehaba, K., Lavoué, E., & George, S. (2013, July). Approche qualitative pour identifier et qualifier l'engagement des joueurs à partir de leurs traces d'interaction. In Conférence en Ingénierie des Connaissances (IC 2013) (pp. 16-p).

Champalle, O. (2014). Capitalisation et partage de connaissances d’analyse de traces numériques d’activités: assister le suivi de l'activité dans les environnements de formation à base de simulateur pleine échelle (Doctoral dissertation, Université Claude Bernard-Lyon I).Champalle, O., & Sehaba, K. (2012). Assistance aux formateurs pour l’observation et l’analyse des activités des opérateurs-stagiaires sur simulateurs pleine échelle de conduite de centrale. Intégration Technologique et Nouvelles Perspectives d’Usage, 17. p.25

Champalle, O., Sehaba, K. & Mille, A. (2013). Capitalize and Share Observation and Analysis Knowledge to Assist Trainers in Professional Training with Simulation

Case of Training and Skills Maintain of Nuclear Power Plant Control Room Staff. Proceedings of the 5th International Conference on Computer Supported Education, 627-632. DOI:10.5220/0004388806270632 d3kode  Define, Discover and Disseminate Knowledge from Observation to Develop Expertise. (s. d.). https://projet.liris.cnrs.fr/d3kode/D3KODE/D3KODE_Presentation.html

Lefevre, M., Iksal, S., Broisin, J., Champalle, O., Fontanieu, V., Michel, C., & Yessad, A. (2018). DNE-GTnum2 Learning Analytics-Etat de l’art sur les outils et méthodes issus de la recherche française (Doctoral dissertation, Ministère de l'éducation nationale).