revue article cloud, mapreduce et ULS

Cloud Computing and MapReduce for Reliability and Scalability of Ubiquitous Learning Systems par Samah Gad à Neat’2011

Définition de ubiquitous dans cet article :

Ubiquitous learning research is about seamlessly enabling learning through the use of sensors that gather data from the learner surroundings and adapt learning content accordingly.

Étonnant : le capteur proposé coté étudiant est l’électroencéphalogramme (EEG). Ces données excessivement personnelles sont envoyées dans le cloud. J’aurai bien aimé avoir la justification d’utiliser un capteur aussi intrusif pour l’accompagnement d’un apprenant. Apprendre n’importe où, n’importe quand, mais avec un EEG … bon c’est vrai l’usage des écouteurs oreillettes est déjà largement admis, mais quand même.

L’utilisation d’Ubiquitous Learning System dans le titre n’est qu’un prétexte pour étudier une architecture cloud/MapReduce d’un classifier flou.

Si on considère ce type de capteur comme pertinent, les traitements afférents ont vocation à être fait ailleurs que dans un téléphone. La question du débit de données n’est par contre pas abordé, ce qui paraît pourtant être un goulot d’étranglement dans le système (à la lecture de l’article, on reste effectivement dans le raisonnable 7Mo pour 12 000 échantillons).

L’algorithme d’adaptation proposé pour exploiter ces données est basique, puisque le résultat se ramène à 3 niveaux de ressources (facile, moyen, supérieur), via un classifier flou.

L’auteur aborde l’introduction de l’algorithme Map reduce par une question de fiabilité. On est dans la justification d’une architecture pour supporter des ULS large échelle.

Il pourrait être intéressant de comparer différentes architectures (cloud ou traitement local entre autres) et de voir l’impact sur plusieurs critères annoncés mais non justifiés : consommation téléphone (l’envoi de données est un facteur important de consommation), consommation globale, débit réseau, délai (latency) …

Au final, on parle ici d’architecture cloud/mobile pour le traitement de données capteurs, peu de learning system. On ne voit pas non plus l’intérêt de passer par le cloud puisqu’il n’y a pas d’agrégation de données.

A propos Jean-Marie Gilliot

Enseignant Chercheur à Telecom Bretagne Informatique, enseignement par projets
Cet article, publié dans lecture, est tagué , , . Ajoutez ce permalien à vos favoris.

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s