Développement d’un PLUGIN d’évaluation automatique des réponses courtes pour une plateforme de télé-enseignement

Abstract

L'apprentissage en ligne est, sans contestation, une des tendances du milieu de l'éducation ayant une des plus fortes croissances en raison de l’exploitation du temps et du coût. L’apprentissage en ligne utilise les systèmes de gestion de l’apprentissage LMS (Learning Management Systems) pour soutenir et améliorer le processus enseignement-apprentissage. Lorsqu’on a comparé certains des LMS populaires, un manque de mécanismes efficaces pour évaluer les réponses descriptives telles que les réponses courtes est constaté. En outre, il est fastidieux pour les enseignants d’évaluer manuellement un grand nombre d’étudiants. Nous proposons dès lors un Plugin d’évaluation automatique des réponses courtes adapté à la langue arabe basé sur une approche d’évaluation automatique en l’intégrant dans une plateforme de télé-enseignement Moodle et fournissant aux étudiants un retour immédiat de la note. Nous adoptons une approche développée autour des mesures de similarité syntaxique et sémantique. Nous utilisons un serveur distant PythonAnyWhere pour exécuter cette approche qui, à son tour, reçoit des réponses étudiantes et des réponses modèles à travers un Flask API afin de les assigner. Le retour immédiat de la note est publié instantanément dans la plateforme Moodle. Mot clés : L'apprentissage en ligne, LMS, Plugin, PythonAnyWhere, Similarité syntaxique, similarité sémantique, Plateforme, Evaluation automatique des réponses courtes, Flask API. E-learning is unquestionably one of the fastest growing trends in the education community due to the gain of time and cost. E-learning uses systems such as Learning Management Systems (LMS) to support and enhance the teaching-learning process. When comparing some of the popular LMSs, a lack of effective mechanisms for evaluating descriptive answers such as short answers is detected. In addition, it is tedious for teachers to manually evaluate a large number of students. We are therefore proposing a short answer automatic assessment Plugin adapted to the Arabic language based on an automatic assessment approach by integrating it into a Moodle E-Learning platform and providing students with immediate feedback. We adopt a developed approach around syntactic and semantic similarity measurements is made. However, we use a PythonAnyWhere remote server to execute this approach which, in turn, receives student answers and model answers through Flask API to assign them. The immediate return of the note is instantly published in the platform. Keywords: E-Learning, LMS, Plugin, PythonAnyWhere, Syntactic similarity, Semantic similarity, Platform, Automatic assessment of short answers, Flask API.