Département Artemis

Moteur Meta-Educatif Linguistique pour Contenus Audiovisuels

Le projet LIMED s’ancre dans le nouveau domaine de l’Edutainment (Education + Entertainment), en proposant de générer automatiquement des questionnaires de compréhension sur des contenus audiovisuels préexistants et fortement attractifs, (par exemple des séries TV ou des informations en langue originale). Ce moteur sera implémenté pour des contenus consultables en mode nomade, en tout lieu et à tout moment.

Tout en gardant une approche pragmatique et dirigée, visant un résultat mesurable, le service de quiz automatique LIMED est une double innovation. D’abord parce qu’il rassemble des domaines d’expertise qui travaillent rarement ensemble (méthode d’apprentissage du langage et de la caractérisation multimédia). Ensuite, ce projet s'inscrit dans un système multimédia ouvert orienté vers le web en se rapprochant des systèmes de description et des hauts niveaux d’ontologie.

Au-delà des formes les plus usuelles d’interactivité (vidéo / jeux multimédia, vidéos insérés, etc.), ce projet cherche à créer un chemin pour une toute nouvelle forme d’interactivité. Le moteur LIMED générera une compréhension linguistique du quiz pour toute vidéo, transformant ainsi une émission de télévision en matériel d’apprentissage.

Ce projet utilise les dernières recherches de traitement de la vidéo et de métadonnées (extraction des descripteurs). Cependant le moteur LIMED a besoin d’un faible degré de complexité car il est largement complété par des analyses ontologiques et sémantiques de texte. L’intégration de ces deux ressources dans une plateforme en ligne générera de nouvelles contributions significatives au domaine de traitement des métadonnées, et probablement contribuera à des caractéristiques additionnelles de la norme MPEG-7, vers une ontologie multimédia.

Cette plateforme sous forme d'API ouverte, devrait permettre  d'associer MPEG-7 et XSD avec des éléments en lien avec les ontologies développées par le web sémantique.

Ce projet doit  contribuer à l’implémentation pratiques de métadonnées du traitement de l’architecture.

 Partenaires : 4n Media, Jamespot

 Site du projet : http://www.limed.org/

 Type : National

 Mots-clés : apprentissage, e-learning, compression, reconnaissance faciale, MPEG-7

Contact : Marius Preda