45

RésuméLes collections de ressources numériques peuvent être exploitées dans un cadre éducatif, par exemple comme stimuli dans des questions de test ou comme des illustrations dans des objets pédagogiques. De nombreux détenteurs de collections de ressources média affichent de plus en plus l’ambition que leurs ressources soient utilisées dans un contexte éducatif. Néanmoins, les métadonnées associées à ces ressources ne sont souvent pas directement utilisables comme critères de sélection. Des extraits de romans ou des articles de l’actualité économique, s’ils ne sont pas des ressources pédagogiques en eux-mêmes présentent des caractéristiques qui les rendent plus ou moins intéressants et accessibles pour un profil d’apprenant et dans un contexte pédagogique particulier. Nous présentons dans cet article les mesures de difficulté des textes qui peuvent permettre d’annoter une collection et de qualifier le contexte pédagogique dans lequel elle pourra être valorisée. Nous avons mis en œuvre des mesures statistiques, syntaxiques et sémantiques dans un système unique afin d’opérer des combinaisons en fonction de l’importance relative que chaque mesure doit avoir dans un contexte et pour un type de texte particuliers. Nous avons utilisé une approche classique basée sur des calculs statistiques, ainsi qu’une approche de web mining et des technologies sémantiques. Nous avons testé le système avec des jeux de données précalibrés. Nous montrons les possibilités offertes par un outil ouvert pour l’évaluation de la réutilisabilité des collections de ressources multimédias dans un environnement éducatif.

Collections of digital resources can be used in a learning context, for instance as stimuli in test questions or as illustrations in learning objects. Many curators of digital media collections aim to address learning audiences. Nevertheless, metadata associated with digital resources are often not directly usable for the selection of digital media in education. Although a novel or a business news article for instance are not learning resources, they can be more or less interesting and accessible for a specific learner profile and in a particular learning context. In this article, we present text difficulty metrics that can help annotate a collection and specify the learning context in which the resource can be most valuable. We have implemented statistical, syntactic, as well as semantic metrics, in a unified system in order to allow combinations according to the relative importance of each measure in a particular context and for a particular type of text. We have used a classical approach based on statistical metrics, as well as a Web mining approach and semantic technologies. We have tested the system with pre-calibrated datasets. We show the potential of an open tool for the evaluation of the reusability of multimedia collections in an educational environment.