Représentations et techniques d'analyse des traces d'écoute vidéo dans un MOOC

Les cours ouverts en ligne de grande envergure ("Massive open on-line courses" : MOOC) s'appuient souvent sur la vidéo comme premier choix de contenu médiatique. Compte tenu de leur importance, il n'est pas surprenant que de nombreuses études portant sur la manière dont les étudiants utilisent les vidéos dans le cadre des MOOC aient vu le jour ces dernières années. La nécessité de développer des méthodes d'analyse des interactions vidéo pour amé-liorer les systèmes MOOC s'impose.Dans le cadre de cette thèse, des techniques d'encodage des interactions sont présentées pour l'analyse détaillée des habitudes de visionnement des vidéos des étudiants et sont comparées à des approches dominantes (approches généralement utilisées dans la littérature).La première technique d'encodage introduit SIVS (Sequence of Interaction in Vector Space) encode les séquences d'interaction vidéo dans un modèle d'espace vectoriel euclidien qui défi-nit les mesures de distance entre elles.

Abstract

Massive open online courses (MOOC) often rely on video as the first choice of media content. Given their importance, it is not surprising that many studies on how students use video in MOOC have emerged in recent years. There is a need to develop methods for analysing video interactions to improve MOOC systems.In this thesis, interaction encoding techniques are introduced for the detailed analysis of stu-dents' video viewing habits and are compared to dominant approaches (approaches generally used in the literature).The first encoding technique introduces SIVS (Sequence of Interaction in Vector Space) which encodes video interaction sequences into a vector spatial model that defines the distance measurements between them. A model is defined as a centroid of sequences. We apply the encoding method and conduct a study on how students interact with videos by analyzing the interaction patterns between di˙erent videos.