\babel@toc {french}{}\relax 
\addvspace {10\p@ }
\addvspace {10\p@ }
\contentsline {figure}{\numberline {2.1}{\ignorespaces Stratégies d'apprentissage (Traduit de \cite {LALITHA2020583}).}}{10}{figure.caption.3}%
\contentsline {figure}{\numberline {2.2}{\ignorespaces L'architecture générale des EIAH, les composantes et leurs interactions (Traduit de \cite {Nkambou}).}}{12}{figure.caption.4}%
\contentsline {figure}{\numberline {2.3}{\ignorespaces Cycle fondamental du raisonnement à partir de cas (Adapté et traduit de \cite {min8100434}).}}{15}{figure.caption.5}%
\contentsline {figure}{\numberline {2.4}{\ignorespaces Principe de réutilisation dans le RàPC (traduit de \cite {Richter2013}).}}{16}{figure.caption.6}%
\contentsline {figure}{\numberline {2.5}{\ignorespaces Cycle du RàPC, les étapes, les conteneurs et leurs flux de données.}}{18}{figure.caption.7}%
\contentsline {figure}{\numberline {2.6}{\ignorespaces Comportement de la distribution Beta avec différentes valeurs de paramètres $alpha$ et $beta$.}}{25}{figure.caption.8}%
\addvspace {10\p@ }
\contentsline {figure}{\numberline {3.1}{\ignorespaces Traduction de l'architecture du système de recommandation proposé dans \cite {HUANG2023104684}.}}{30}{figure.caption.9}%
\contentsline {figure}{\numberline {3.2}{\ignorespaces Traduction des niveaux du système de recommandation dans \cite {EZALDEEN2022100700}.}}{32}{figure.caption.10}%
\addvspace {10\p@ }
\contentsline {figure}{\numberline {4.1}{\ignorespaces Ajout d'un cycle complémentaire avec \textit {Deep Learning} au RàPC (Traduit de \cite {10.1007/978-3-319-47096-2_11}).}}{39}{figure.caption.12}%
\contentsline {figure}{\numberline {4.2}{\ignorespaces Cycle du RàPC modifié. (Traduit de \cite {ROLDANREYES20151}).}}{39}{figure.caption.13}%
\contentsline {figure}{\numberline {4.3}{\ignorespaces Taxonomie des techniques algorithmiques employées pour des modules de recommandation dans les EIAH (Traduit de \cite {Obeid}).}}{43}{figure.caption.14}%
\addvspace {10\p@ }
\contentsline {figure}{\numberline {5.1}{\ignorespaces Structure du système AI-VT.}}{49}{figure.caption.16}%
\contentsline {figure}{\numberline {5.2}{\ignorespaces Schéma de l'architecture proposée.}}{51}{figure.caption.18}%
\contentsline {figure}{\numberline {5.3}{\ignorespaces Relation entre les couches définies de l'architecture.}}{56}{figure.caption.19}%
\contentsline {figure}{\numberline {5.4}{\ignorespaces Étapes du flux de l'information pour la fonctionnalité de recommandation globale.}}{57}{figure.caption.20}%
\contentsline {figure}{\numberline {5.5}{\ignorespaces Modules développés dans cette thèse.}}{58}{figure.caption.21}%
\addvspace {10\p@ }
\contentsline {figure}{\numberline {6.1}{\ignorespaces Les deux cycles proposés pour le RàPC.}}{62}{figure.caption.22}%
\contentsline {figure}{\numberline {6.2}{\ignorespaces Flux du \textit {Stacking} RàPC.}}{63}{figure.caption.23}%
\contentsline {figure}{\numberline {6.3}{\ignorespaces \textit {Stacking} pour chercher les plus proches voisins.}}{65}{figure.caption.25}%
\contentsline {figure}{\numberline {6.4}{\ignorespaces Génération et vérification automatique des solutions.}}{66}{figure.caption.26}%
\contentsline {figure}{\numberline {6.5}{\ignorespaces \textit {Stacking} pour la génération de solutions.}}{68}{figure.caption.27}%
\contentsline {figure}{\numberline {6.6}{\ignorespaces Représentation graphique en deux dimensions du problème de moyenne géométrique. (Points associés au problème ($\lambda _1,..,\lambda _7$) et point rouge solution au problème).}}{69}{figure.caption.28}%
\contentsline {figure}{\numberline {6.7}{\ignorespaces Résultats de la métrique MAE (\textit {Median Absolute Error}) pour les dix algorithmes et quatre bases de données représentatives.}}{72}{figure.caption.33}%
\contentsline {figure}{\numberline {6.8}{\ignorespaces Deux cycles du système ESCBR-SMA proposé.}}{74}{figure.caption.34}%
\contentsline {figure}{\numberline {6.9}{\ignorespaces Flux du \textit {Stacking} du RàPC (* : tâche effectuée par chaque agent).}}{76}{figure.caption.35}%
\contentsline {figure}{\numberline {6.10}{\ignorespaces Structure interne des agents.}}{77}{figure.caption.36}%
\contentsline {figure}{\numberline {6.11}{\ignorespaces Exemple d'évolution bayésienne des vecteurs pour un agent. a) Initialisation des probabilités $P(B|A)$ vecteurs pour rechercher et réutiliser, b) Probabilités après quelques itérations $P(A|B)$ vecteurs pour rechercher et réutiliser.}}{78}{figure.caption.37}%
\contentsline {figure}{\numberline {6.12}{\ignorespaces Erreurs médianes absolues (MAE - Median Absolute Error) obtenues pour les dix algorithmes testés sur les jeux de données DS1, DS2, DS3 et DS4.}}{81}{figure.caption.42}%
\contentsline {figure}{\numberline {6.13}{\ignorespaces Erreurs médianes absolues (MAE - Median Absolute Error) obtenues pour les dix algorithmes testés sur les jeux de données DS5, DS6, DS7 et DS8.}}{82}{figure.caption.43}%
\contentsline {figure}{\numberline {6.14}{\ignorespaces Erreurs médianes absolues (MAE - Median Absolute Error) obtenues pour les dix algorithmes testés sur les jeux de données DS9, DS10 et DS11.}}{82}{figure.caption.44}%
\addvspace {10\p@ }
\contentsline {figure}{\numberline {7.1}{\ignorespaces Répartition des notes générées selon le niveau de complexité.}}{89}{figure.caption.46}%
\contentsline {figure}{\numberline {7.2}{\ignorespaces Niveaux de complexité des questions posées aux apprenants par les trois systèmes testés lors de la première séance avec un démarrage à froid (sans données initiales sur les apprenants). Gauche - RàPC, centre - recommandation déterministe (DM), droite - moyenne de 100 exécutions de recommandation stochastique (SM).}}{91}{figure.caption.49}%
\contentsline {figure}{\numberline {7.3}{\ignorespaces Niveaux de complexité des questions posées aux apprenants par les trois systèmes testés lors de la deuxième séance. À gauche - RàPC, au centre - recommandation déterministe (DM), à droite - moyenne de 100 exécutions de recommandation stochastique (SM).}}{92}{figure.caption.50}%
\contentsline {figure}{\numberline {7.4}{\ignorespaces Niveaux de complexité des questions posées aux apprenants par les trois systèmes testés lors de la troisième séance. À gauche - RàPC, au centre - recommandation déterministe (DM), à droite - moyenne de 100 exécutions de recommandation stochastique (SM).}}{93}{figure.caption.51}%
\contentsline {figure}{\numberline {7.5}{\ignorespaces Fonction d'évaluation de la qualité de la recommandation pour un parcours standard.}}{94}{figure.caption.52}%
\contentsline {figure}{\numberline {7.6}{\ignorespaces Fonction d'évaluation de la qualité de la recommandation pour un apprentissage progressif.}}{95}{figure.caption.54}%
\contentsline {figure}{\numberline {7.7}{\ignorespaces Schéma de l'architecture de l'algorithme proposé.}}{101}{figure.caption.57}%
\contentsline {figure}{\numberline {7.8}{\ignorespaces Progression des connaissances avec l'échantillonnage de Thompson selon la divergence de Jensen-Shannon.}}{106}{figure.caption.62}%
\contentsline {figure}{\numberline {7.9}{\ignorespaces Nombre de recommandations par niveau de complexité.}}{107}{figure.caption.63}%
\contentsline {figure}{\numberline {7.10}{\ignorespaces Précision de la recommandation.}}{108}{figure.caption.64}%
\contentsline {figure}{\numberline {7.11}{\ignorespaces Comparaison de l'évolution des notes entre les systèmes fondés sur TS et BKT.}}{109}{figure.caption.65}%
\contentsline {figure}{\numberline {7.12}{\ignorespaces Comparaison de l'évolution des niveaux entre les systèmes de recommandation fondés sur BKT et TS.}}{110}{figure.caption.66}%
\contentsline {figure}{\numberline {7.13}{\ignorespaces Différence normalisée entre la progression avec échantillonnage de Thompson seul et échantillonnage de Thompson associé à ESCBR-SMA pour 1000 apprenants.}}{111}{figure.caption.67}%
\contentsline {figure}{\numberline {7.14}{\ignorespaces Organisation des modules TS, ESCBR-SMA et processus de Hawkes.}}{113}{figure.caption.68}%
\contentsline {figure}{\numberline {7.15}{\ignorespaces Nombre de recommandations par niveau de complexité (processus d'apprentissage statique en haut, processus d'apprentissage dynamique avec processus de Hawkes en bas).}}{116}{figure.caption.69}%
\contentsline {figure}{\numberline {7.16}{\ignorespaces Variance pour la distribution de probabilité bêta et tous les niveaux de complexité (en haut : processus d'apprentissage statique. En bas : processus d'apprentissage dynamique avec processus de Hawkes).}}{117}{figure.caption.71}%
\addvspace {10\p@ }
\contentsline {figure}{\numberline {8.1}{\ignorespaces Modules qui font partie des perspectives.}}{125}{figure.caption.72}%
\addvspace {10\p@ }