@inproceedings{ammari-etal-2025-profilage,
title = "Profilage comportemental dans les jeux vid{\'e}o {\'e}ducatifs via des r{\'e}seaux convolutifs graphiques : le cas de {G}rapho{G}ame{F}ran{\c{c}}ais",
author = {Ammari, Emna and
Bellot, Patrice and
Denis-No{\"e}l, Ambre and
C. Ziegler, Johannes},
editor = "Bechet, Fr{\'e}d{\'e}ric and
Chifu, Adrian-Gabriel and
Pinel-sauvagnat, Karen and
Favre, Benoit and
Maes, Eliot and
Nurbakova, Diana",
booktitle = "Actes de l'atelier Intelligence Artificielle g{\'e}n{\'e}rative et {\'E}DUcation : Enjeux, D{\'e}fis et Perspectives de Recherche 2025 (IA-{\'E}DU)",
month = "6",
year = "2025",
address = "Marseille, France",
publisher = "ATALA {\textbackslash}{\textbackslash}{\&} ARIA",
url = "https://aclanthology.org/2025.jeptalnrecital-iaedu.10/",
pages = "83--93",
language = "fra",
abstract = "Les donn{\'e}es comportementales des jeux vid{\'e}o ainsi que les traces de joueurs suscitent un int{\'e}r{\^e}t croissant, tant pour la recherche que pour l{'}industrie du jeu. Ces donn{\'e}es peuvent notamment enrichir l{'}exp{\'e}rience de jeu et am{\'e}liorer l{'}identification automatique des profils des joueurs. Dans cet article, nous nous int{\'e}ressons principalement aux donn{\'e}es du jeu s{\'e}rieux GraphoGame, un outil innovant d{'}aide {\`a} l{'}apprentissage de la lecture, offrant un environnement interactif pour les apprenants. Nous cherchons notamment {\`a} {\'e}valuer l{'}impact de ce jeu sur la performance des {\'e}l{\`e}ves en lecture via le profilage comportemental des joueurs et un apprentissage {\`a} base de graphes. Ainsi, deux techniques d{'}int{\'e}gration bas{\'e}es sur des r{\'e}seaux convolutifs, GraphSAGE et ECCConv, sont mises {\`a} profit pour classifier les graphes d{'}interactions des joueurs. Les r{\'e}sultats montrent qu{'}ECCConv surpasse GraphSAGE, mais que leurs pr{\'e}dictions combin{\'e}es peuvent am{\'e}liorer la classification, confirmant l{'}impact {\'e}ducatif de GraphoGame m{\^e}me chez les {\'e}l{\`e}ves les plus avanc{\'e}s."
}<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="ammari-etal-2025-profilage">
<titleInfo>
<title>Profilage comportemental dans les jeux vidéo éducatifs via des réseaux convolutifs graphiques : le cas de GraphoGameFrançais</title>
</titleInfo>
<name type="personal">
<namePart type="given">Emna</namePart>
<namePart type="family">Ammari</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Patrice</namePart>
<namePart type="family">Bellot</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Ambre</namePart>
<namePart type="family">Denis-Noël</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Johannes</namePart>
<namePart type="family">C. Ziegler</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2025-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">fra</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de l’atelier Intelligence Artificielle générative et ÉDUcation : Enjeux, Défis et Perspectives de Recherche 2025 (IA-ÉDU)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Frédéric</namePart>
<namePart type="family">Bechet</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Adrian-Gabriel</namePart>
<namePart type="family">Chifu</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Karen</namePart>
<namePart type="family">Pinel-sauvagnat</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Benoit</namePart>
<namePart type="family">Favre</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Eliot</namePart>
<namePart type="family">Maes</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Diana</namePart>
<namePart type="family">Nurbakova</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA \textbackslash\textbackslash& ARIA</publisher>
<place>
<placeTerm type="text">Marseille, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Les données comportementales des jeux vidéo ainsi que les traces de joueurs suscitent un intérêt croissant, tant pour la recherche que pour l’industrie du jeu. Ces données peuvent notamment enrichir l’expérience de jeu et améliorer l’identification automatique des profils des joueurs. Dans cet article, nous nous intéressons principalement aux données du jeu sérieux GraphoGame, un outil innovant d’aide à l’apprentissage de la lecture, offrant un environnement interactif pour les apprenants. Nous cherchons notamment à évaluer l’impact de ce jeu sur la performance des élèves en lecture via le profilage comportemental des joueurs et un apprentissage à base de graphes. Ainsi, deux techniques d’intégration basées sur des réseaux convolutifs, GraphSAGE et ECCConv, sont mises à profit pour classifier les graphes d’interactions des joueurs. Les résultats montrent qu’ECCConv surpasse GraphSAGE, mais que leurs prédictions combinées peuvent améliorer la classification, confirmant l’impact éducatif de GraphoGame même chez les élèves les plus avancés.</abstract>
<identifier type="citekey">ammari-etal-2025-profilage</identifier>
<location>
<url>https://aclanthology.org/2025.jeptalnrecital-iaedu.10/</url>
</location>
<part>
<date>2025-6</date>
<extent unit="page">
<start>83</start>
<end>93</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Profilage comportemental dans les jeux vidéo éducatifs via des réseaux convolutifs graphiques : le cas de GraphoGameFrançais
%A Ammari, Emna
%A Bellot, Patrice
%A Denis-Noël, Ambre
%A C. Ziegler, Johannes
%Y Bechet, Frédéric
%Y Chifu, Adrian-Gabriel
%Y Pinel-sauvagnat, Karen
%Y Favre, Benoit
%Y Maes, Eliot
%Y Nurbakova, Diana
%S Actes de l’atelier Intelligence Artificielle générative et ÉDUcation : Enjeux, Défis et Perspectives de Recherche 2025 (IA-ÉDU)
%D 2025
%8 June
%I ATALA \textbackslash\textbackslash& ARIA
%C Marseille, France
%G fra
%F ammari-etal-2025-profilage
%X Les données comportementales des jeux vidéo ainsi que les traces de joueurs suscitent un intérêt croissant, tant pour la recherche que pour l’industrie du jeu. Ces données peuvent notamment enrichir l’expérience de jeu et améliorer l’identification automatique des profils des joueurs. Dans cet article, nous nous intéressons principalement aux données du jeu sérieux GraphoGame, un outil innovant d’aide à l’apprentissage de la lecture, offrant un environnement interactif pour les apprenants. Nous cherchons notamment à évaluer l’impact de ce jeu sur la performance des élèves en lecture via le profilage comportemental des joueurs et un apprentissage à base de graphes. Ainsi, deux techniques d’intégration basées sur des réseaux convolutifs, GraphSAGE et ECCConv, sont mises à profit pour classifier les graphes d’interactions des joueurs. Les résultats montrent qu’ECCConv surpasse GraphSAGE, mais que leurs prédictions combinées peuvent améliorer la classification, confirmant l’impact éducatif de GraphoGame même chez les élèves les plus avancés.
%U https://aclanthology.org/2025.jeptalnrecital-iaedu.10/
%P 83-93
Markdown (Informal)
[Profilage comportemental dans les jeux vidéo éducatifs via des réseaux convolutifs graphiques : le cas de GraphoGameFrançais](https://aclanthology.org/2025.jeptalnrecital-iaedu.10/) (Ammari et al., JEP/TALN/RECITAL 2025)
ACL