@ARTICLE{10.21494/ISTE.OP.2025.1300, 

TITLE={Proposition d’une architecture utilisant le trace clustering pour recommander un parcours d’apprentissage : définition des couches de fouille de processus et de recommandation}, 
  
AUTHOR={Wiem Hachicha
, Leila Ghorbel
, Ronan Champagnat
, Corinne Amel Zayani
, Mourad Rabah
, Samuel Nowakowski, }, 
	
JOURNAL={Revue ouverte d’ingénierie des systèmes d’information}, 
	
VOLUME={5}, 

NUMBER={Numéro Spécial}, 
	
YEAR={2025}, 

URL={https://openscience.fr/Proposition-d-une-architecture-utilisant-le-trace-clustering-pour-recommander}, 
	
DOI={10.21494/ISTE.OP.2025.1300}, 
	
ISSN={2634-1468}, 
	
ABSTRACT={Les systèmes d’informations pédagogiques permettent d’observer les traces d’apprentissage des apprenants et de mener des analyses sur leurs pratiques ou de prédire leur réussite. Dans ces travaux, nous étudions comment la fouille de processus, qui permet d’extraire des modèles de comportement des utilisateurs dans un système d’information, peut être utilisée dans un système de recommandation contextuel. Nous nous concentrons plus particulièrement sur le trace clustering qui vise à regrouper des traces possédant des dynamiques proches. Nos apports portent sur : la définition d’une architecture pour la recommandation qui utilise le trace clustering et la caractérisation des styles d’apprentissage des regroupements identifiés. Nous validons notre proposition sur les données collectées d’un cours d’introduction à la programmation d’IHM.}}