Search

Our work aims at helping teachers to monitor learners’ engagement during mind mapping activities. Teachers use mind maps to make students organize topics and learn contents. To assess these mind maps, teachers need tools to understand students’ choices during construction. In collaboration with teachers we have defined a set of indicators based upon learners’ interaction traces. Those indicators have been implemented in a dashboard dedicated to teachers. In this paper, we introduce the first version of the dashboard and describe its design, implementation, and the results of an evaluation based on usability and utility aspects., Notre travail a pour objectif d’aider les enseignants à suivre l’engagement des apprenants pendant des activités de construction de cartes mentales. Les cartes mentales sont utilisées pour aider les apprenants à organiser les contenus étudiés en classe. Étant donnée la complexité des cartes, les enseignants ont besoin d’outils qui assistent la compréhension des cartes produites et de leur processus de construction. Nous avons défini avec des enseignants un ensemble d’indicateurs d’engagement, reposant sur les traces d’interaction des apprenants. Ces indicateurs ont été implémentés dans un tableau de bord à destination des enseignants. Cet article présente la première version du tableau de bord implémenté, sa conception, son implémentation et les résultats d’une évaluation sur les aspects d’utilisabilité et d’utilité., Carrillo Rubiela, Prié Yannick, Guillaume Leslie, Garrot. Suivre l’engagement des apprenants dans l’activité de construction de cartes mentales. In: Sciences et Technologies de l'Information et de la Communication pour l'Éducation et la Formation, volume 25 n°1, 2018. Numéro spécial : Sélection de la conférence EIAH 2017. pp. 93-120.

As part of a human-robot interaction project, the gestural modality is one of many ways to communicate. In order to develop a relevant gesture recognition system associated to a smart home butler robot, our methodology is based on an IQ game-like Wizard of Oz experiment to collect spontaneous and implicitly produced gestures in an ecological context where the robot is the referee. These gestures are compared with explicitly produced gestures to determine a relevant ontology of gestures. This preliminary qualitative analysis will be the base to build a big data corpus in order to optimize acceptance of the gesture dictionary in coherence with the “socio-affective glue” dynamics.