Résumé:
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.
