Etat de l’art : Aspects commercials

Etat de l’art : Aspect commercial

Les logiciels de surveillance utilisés pour contrôler les examens se sont généralisés en Europe et aux États-Unis depuis le début de la pandémie.

En cette période de Covid-19 et face au confinement de plus de la moitié de la population mondiale, tous les établissements scolaires de l’enseignement primaire aux universités ont cherché des moyens pour garantir la tenue de leurs examens et avant tout de leur intégrité afin de maintenir la crédibilité du diplôme délivré

Il existe de ce fait sur le marché plusieurs solutions de système de surveillance  en ligne que nous allons développer. Nous décrirons quelques-uns parmi la longue liste qui suit :

• ProctorU (ProctorU)
• ExamSoft (en anglais)
• ManagExam
• Comprobo (Comprobo)
• Mercer-Mettl (Mercer-Mettl)
• ProctorTrack (Verificient)
• Kryterion (Kryterion
• Honorlock (honorlock)
• Proctorio (Proctorio)
• ProctorExam ProctorExam ProctorExam Proctor
• ProctorFree ProctorFree ProctorFree
• SMOWL (en)
• TestReach (TestReach)

Proctorio est une plateforme d’intégrité d’apprentissage au monde. Leur objectif est de protéger l’intégrité académique dans les environnements d’apprentissage du monde entier en augmentant la disponibilité d’une éducation de qualité et équitable et aussi en développant de nouvelles technologies pour soutenir l’innovation dans l’éducation et au-delà.

La surveillance à distance des examens, la vérification des identités et la lutte contre le plagiat sont assurés par cette solution. L’ordinateur de l’élève devient le surveillant de son examen.

L’outil Proctorio permet de  créer des examens, noté, évalué, corrigé des documents avec un système anti-triche.

Cette solution a été créée par Mike Olsen et est entré sur la scène de la surveillance à distance en Avril 2014. Son utilisation  a décuplé entre avril 2019 et avril 2020

Actuellement plus de 176 établissement d’enseignement supérieur l’utilisent notamment l’université Harvard,  Columbia et BYU. Il a surveillé depuis sa création plus de 2,5 millions d’examen concernant plus de 300000 candidats.

Les Avantages :

Proctorio se démarque de ses homologues en proposant une technologie basée sur la détection et la reconnaissance faciale et plus particulièrement sur l’oculométrie (Eye-ball Tracking), capables d’interpréter les mouvements des yeux des élèves.

Les éléments contrôlés par la solution au cours de l’examen :

• L’identité de l’élève à travers le scan de sa pièce d’identité.
• Le lieu de l’examen à travers le scan de la pièce où l’étudiant va passer son examen pour prouver l’absence d’antisèches.
• L’environnement visuel et sonore de la pièce est enregistré grâce au microphone et à la webcam de l’ordinateur.
• La localisation de l’élève grâce à son ordinateur.
• Le trafic Internet et les applications utilisées sur l’ordinateur pendant l’examen.
• Les mouvements du visage et plus particulièrement des yeux et de la bouche pour détecter des comportements inhabituels.

Bénéfices :

• L’installation de la solution est quasi-instantanée. L’élève a simplement à installer une extension dans son navigateur Internet.
• Proctario peut être intégrée dans le système de gestion d’apprentissage de l’établissement.
• La surveillance des examens est automatisée. Lorsque l’intelligence artificielle détecte une anomalie, les professeurs sont alertés.
• Le cryptage des données récoltées est de très haut niveau.
• Les modalités de surveillance d’un examen sont définies par les professeurs. En fonction du type d’examen, toutes les mesures de surveillance n’auront pas vocation à être utilisées

Proctorio a comme clients :

• les établissements d’éducation,
• les entreprises,
• le Gouvernement
• les centres de certification

    ExamSoft est un fournisseur de technologie d’évaluation pédagogique. La plateforme d’évaluation sécurisée permet aux enseignants de créer, administrer, noter et analyser plus efficacement les évaluations dans le but d’améliorer les performances des élèves et de rationaliser la conception des programmes et les examens d’accréditation.

La solution mise en place par ExamSoft pour la surveillance d’examen en ligne est appelé ExamMonitor

Cette solution basée sur le cloud est conçu pour gérer les évaluations en ligne. Livré avec des fonctionnalités de gestion de compte, de création d’examen et de livraison.

ExamMonitor est la solution de surveillance à distance basée sur l’IA qui observe numériquement les candidats avec une surveillance vidéo et audio tout au long de l’examen. Il remplace la surveillance en personne et garantit l’intégrité de tous vos examens.

ExamMonitor fournit des fonctionnalités de surveillance à distance pour les évaluations livrées en toute sécurité via Examplify.

ExamMonitor enregistre la vidéo et l’audio des candidats à l’examen lors des évaluations sécurisées, qui sont téléchargées une fois l’évaluation terminée et examinées pour d’éventuelles violations de l’intégrité académique.

Plus de 1 800 établissements universitaires dans le monde utilisent ExamSoft pour influencer positivement l’efficacité des programmes d’apprentissage des étudiants. Apprenez pourquoi.

 L’histoire MANAGEXAM commence en 2014.

Patrick Topsacalian, chercheur et professeur de finance depuis 30 ans, auteur de nombreux ouvrages, réfléchit à une solution sécurisée lui permettant d’évaluer, depuis la France, ses propres étudiants basés en Afrique et en Chine.

L’idée d’une plateforme en ligne centralisant ses contenus pédagogiques et des outils sécurisés d’évaluation à distance fait alors son chemin. MANAGEXAM était né, ainsi que l’envie de partager cette formidable solution au plus grand nombre.

Profitant de l’expertise « métier » de son fondateur, boosté par une toute nouvelle version 2019, MANAGEXAM comptabilise aujourd’hui plus de 10 000 heures de télésurveillance et 120 000 examens réalisés dans le monde entier, en français et en anglais.

En 2020, MANAGEXAM signe un accord-cadre avec la FIED (Fédération Interuniversitaire de l’Enseignement à Distance) preuve de l’intérêt croissant du monde de l’enseignement pour cette plateforme française résolument innovante.

Il propose plusieurs formules :

• EXAM CALSSIQUE: Examens à distance contrôlés par prises de photos aléatoires via la webcam du candidat. Cette formule comprend :

Un nombre de prises de vues au choix

Une identification des candidats par pièce d’identité

La détection d’analogies entre les copies

Des indicateurs d’anomalies

Une option chat pour le candidat en cas de problème technique

• RECORDING : Organisez un examen hébergé sur notre plateforme ou ailleurs qui est contrôlé à postériori par enregistrement. Cette formule comprend :

Enregistrement vidéo tout au long de l’examen

Des vérifications robotisées imposées et choisies par vos soins (contrôle d’identité, environnement…) et sans contrôle humain

Un accès post-examen à vos vidéos

Des indicateurs d’anomalies

• LIVE: un examen hébergé sur la plateforme Managexam ou ailleurs, avec une surveillance individuelle en temps réel de chacun de vos candidats. Votre formule comprend :

Surveillant : Le monitoring par un surveillant Managexam ou le vôtre qui procède aux vérifications définies avec vous

Vérification : Un sas d’entrée où le surveillant vérifie l’identité et l’environnement du candidat

File d’attente : Beaucoup de candidats à surveiller ? Passez en mode “File d’attente” pour contrôler le flux !

• SOUTENANCE : Proposez des soutenances orales à distance et ouvertes à plusieurs membres du jury. Votre formule comprend :

Jury : Des vérifications effectuées par les membres du jury

Examen : Une évaluation à distance dans les mêmes conditions que celles d’un examen oral en présentiel

Surveillance : Une soutenance live avec visu sur le candidat et sa présentation et possibilité d’interaction

Accès : Un enregistrement à votre disposition

  Comprobo est une entreprise privée basée au Royaume-Uni. Elle a été fondée en 2012, elle  fournit une suite de classe mondiale d’outils et de technologies hautement configurables pour la surveillance ou la surveillance automatisée alimentée par l’IA.
Aucune installation et aucune extension de navigateur requise permettent un déploiement rapide et donnent aux utilisateurs la liberté d’effectuer en toute sécurité leur formation ou leurs examens à tout moment, n’importe où, n’importe où.

Il peut être intégré à des sites Web ou à des systèmes basés sur un navigateur tels que des systèmes de gestion de l’apprentissage.

Cette solution contrôle les éléments suivants lors de l’examen :

            L’identité de l’utilisateur

            La camera de l’utilisateur pour voir si la personne ne bouge pas et signale tous les mouvements suspects de triche

Etat de l’art : Système de supervision d’examen à distance

Etat de l’art : Système de supervision d’examen à distance

L’apprentissage en ligne a montré des résultats prometteurs dans des circonstances critiques telles que les catastrophes naturelles, guerres et pandémies comme COVID 2019. Pour cette raison, de nombreuses méthodologies et des systèmes de gestion de l’apprentissage ont été introduits au cours des trois dernières décennies afin d’offrir et de promouvoir avec succès l’apprentissage en ligne [1].

Les examens en ligne font partie intégrante des solutions d’apprentissage à distance pour une évaluation authentique des performances des étudiants [2]. L’exécution fiable, équitable et transparente de ces examens est très importante. En particulier, ils sont menés sans la présence physique des étudiants et instructeurs au même endroit ce qui pose plusieurs problèmes comme l’intégrité et la sécurité.

Pour faire face aux préoccupations accompagnées aux examens à distance les chercheurs ont souvent proposé différentes solutions. Dans les travaux [3], une revue systématique de la littérature résumant et analysant les dernières principales études traitant les différents aspects des examens en ligne au cours des cinq dernières années, 2016-2020, est effectuée.

Par conséquent, 53 études ont été sélectionnées à base des critères suivants :

• La prise en compte des que études qui ont comme préoccupation principale les examens en ligne.
• La prise en compte que des études où une véritable technique, un cadre ou un logiciel / prototype est proposé. Les études empiriques sans aucune proposition réelle sont écartées.
• Le choix d’une durée bien équilibrée (Janvier 2016 à juillet 2020). Une durée qui couvre non seulement les derniers développements mais englobe également logiquement les contributions précédentes.
• La prise en compte que des études où une validation appropriée de la proposition est effectuée par des techniques fiables telles que l’expérimentation, le prototypage, etc.

Ces études sont classées en trois grandes catégories : biométriques (7 études), applications logicielles (11 études) et générales (35 études).

• Catégorie biométrique : la vérification du candidat et la prévention de la tricherie sont deux défis majeurs de l’examen en ligne. Dans cette approche, les chercheurs ont fréquemment utilisé des caractéristiques biométriques telles que les empreintes digitales, les mouvements du visage et de la tête, etc. afin de fournir des solutions fiables. Par exemple, les auteurs de [11] ont utilisé les mouvements de la tête pour analyser le comportement anormal du candidat. Z. Fan et al. [22] ont proposé une nouvelle approche pour identifier le mauvais comportement du candidat par des mouvements gestuels à l’aide du dispositif Kinect. Toutes les études de ce type où les caractéristiques biométriques sont utilisées avec une implémentation partielle de la preuve de concept (sans développement d’outils complet) sont placées cette catégorie [4], [11], [14, 15], [22], [26], [44].
• Catégorie Applications logicielles : Il existe des études où une application logicielle complète pour les examens en ligne est proposée à des fins différentes. Par exemple, G. Frankl et al. [6] ont développé une solution nommée « Secure Exam Environment (SEE)». L’étude [29] a proposé l’outil ViLLE. M.Boussakuk et al. [24] a développé un système d’évaluation en ligne nommé « CleverTesting ». Ce type d’étude est placé dans la catégorie Applications logicielles [8], [16], [19], [24, 25], [29], [32], [36], [42], [45], [54].
• Catégorie générale : dans peu d’études, les fonctionnalités biométriques ainsi que d’autres attributs (par exemple, les appels système, la génération de banques de questions, etc.) sont utilisés pour développer un système de gestion des examens complet en ligne. Par exemple, Moukhliss Ghizlane et al. [7] ont développé un système complet comprenant des composants de gestion et de surveillance où la surveillance est effectuée par des caractéristiques biométriques et d’autres attributs sont utilisés pour la gestion des examens en ligne. Ces études ciblant simultanément les catégories d’applications biométriques et logicielles (5, 7, 9, 10]) sont placées dans la catégorie générale. De plus, les études traitant des aspects uniques (ex. la virtualisation [6]) ou la proposition de cadre conceptuel ([35]) ou certaines techniques (par exemple, une interface utilisateur améliorée [50]) qui n’appartiennent ni aux catégories biométriques ni aux applications logicielles sont également placées dans cette catégorie [5 – 7], [9,10], [12, 13],[17, 18], [20, 21], [23], [27, 28],[30, 31], [33 – 35], [37 – 41], [], [46 – 53], [55], [56].

1). Principaux attributs des examens en ligne

Selon la littérature, quatre principales caractéristiques des examens en lignes sont identifiées.

1). La vérification/authentification et la détection du comportement anormal du candidat lors de l’examen [4, 5], [9 – 11], [13 – 15], [22], [26], [30], [34, 35], [40, 41], [44], [47, 48], [56]. Il existe deux types de vérification [7] : statique où le candidat n’est vérifié qu’une seule fois au début de l’examen et continue où l’authentification / vérification du candidat est effectuée en continu après certaines périodes pendant l’examen. La détection d’un comportement anormal permet de garantir l’équité des examens et la prévention de la triche. Par exemple, Diedenhofen et al. [48] a développé PageFocus JavaScript pour évaluer les événements anormaux dans le système du candidat pour la prévention de la triche.

2) La sécurité: une caractéristique importante où l’accès non autorisé à différents composants du système (par exemple, la gestion des utilisateurs, la banque de questions, etc.) est assuré [19], [45], [12].

3) La génération automatique de la banque de questions et l’évaluation des réponses des candidats [8], [16, 17], [21], [23 – 25], [27 – 29], [31, 32], [38, 39], [42, 43], [46], [49], [51], [52]. Par exemple, Zhengyang Wu et al. [51] ont proposé une approche d’IA pour la génération efficace d’une banque de questions afin d’améliorer l’évaluation globale. Dans l’étude [25], les auteurs ont proposé une nouvelle approche pour la détection du plagiat dans les examens en ligne afin d’évaluer automatiquement les réponses rapidement Dans [51] les auteurs ont proposés certaines techniques pour la génération de questions à choix multiples et / ou descriptives et dans [16] une évaluation automatique des réponses des candidats est effectuée.

4) La simplicité et la convivialité. Il existe des études ([33, 50]) pour améliorer la conception de l’interface utilisateur des systèmes d’examens en ligne.

5) Autre: les études traitant simultanément plusieurs aspects des attributs mentionnés ci-dessus sont placées dans Autre classe [6, 7], [18], [20], [36], [37], [53], [54], [55]. Par exemple, Ghizlane et al. [7] ont proposé une approche pour la surveillance continue de l’examen en ligne où l’authentification du candidat est effectuée par une technique de reconnaissance faciale. Un modèle de sécurité est également proposé pour garantir que la communication entre le serveur et les clients reste sécurisée. De cette manière, les auteurs ciblent simultanément la vérification et le comportement anormal ainsi que les classes de sécurité. Le cas est similaire avec [37].

2). Approches de développement

Cinq approches de développement sous-jacentes principales ont été utilisées pour la mise en œuvre de solutions d’examens en ligne.

1. a) Apprentissage automatique: Dans les études ([4], [11], [14], [15], [26], [27], [28], [30], [43],  [44], [56]), les concepts d’apprentissage automatique (ML) tels que la sélection de fonctionnalités et la classification sont utilisés pour proposer une approche / technique particulière pour la surveillance des examens en ligne. Par exemple, Nandini et Maheswari [43] ont proposé une technique basée sur le ML pour évaluer automatiquement les réponses aux questions descriptives dans les examens en ligne. En particulier, une approche syntaxique est introduite pour l’extraction de caractéristiques tandis que la classification est effectuée à l’aide de bayes naïves.
2. b) Intelligence artificielle: Bien que l’apprentissage automatique et l’intelligence artificielle (IA) sont deux domaines qui se chevauchent fortement, nous distinguons ici les deux à travers certains concepts dans le contexte de recherche donné. En particulier, les études traitant du traitement du langage naturel (PNL), de la programmation dynamique et des algorithmes génétiques sont placées dans la catégorie Intelligence artificielle ([17], [21], [22], [23], [25], [31], [46], [51], [55]). Par exemple, dans l’étude [21], une approche IA est introduite en combinant l’exploration de données avec des concepts de logique floue pour la catégorisation intelligente de la banque de questions dans les examens en ligne.
3. c) Méthodes formelles (MF): telles que les z-notations, les automates chronométrés sont fréquemment utilisées pour le développement de systèmes dans différents domaines comme les systèmes embarqués [67]. Dans le contexte des examens en ligne, cette méthode a été utilisée dans les travaux [41].
4. d) Développement traditionnel: Il existe plusieurs études ([5], [8], [16], [18], [19], [20], [24], [29], [32], [36], [40], [42], [45], [48], [52]) où différents langages de programmation comme Java, C #, PHP, etc. sont utilisés pour développer une solution de bureau / Web pour les examens en ligne. Il est important de noter que ces études n’utilisent pas les techniques ML, AI ou MF pour le développement du système. Par exemple, S. Kausar et al. [45] ont proposé un mécanisme de communication sécurisé dans les examens en ligne en utilisant les concepts du fog computing. La mise en œuvre de la preuve de concept est réalisée via une plate-forme de développement traditionnelle, à savoir Asp .NET et C #. De même, dans [42], les auteurs ont développé un système d’examen en ligne basé sur le Web utilisant que le langage de programmation PHP.
5. e) Autres méthodes supplémentaires ([6], [7], [9], [10], [12], [13], [33], [34], [35], [37], [38], [39], [47], [49], [50], [53], [54]) : dans plusieurs études une solution d’examen en ligne complète avec des fonctionnalités avancées est fournie en combinant à la fois les techniques de ML et d’IA avec le développement traditionnel. Par exemple, Sabbah Y.W. [37] ont proposé un cadre et un outil d’examens en ligne complets avec deux composants principaux, à savoir l’unité d’examen électronique interactive et sécurisée (ISEEU) et l’approche intelligente pour l’authentification biométrique bimodale dans les examens à domicile (SABBAH). L’auteur a proposé des algorithmes basés sur l’IA pour le développement de systèmes, puis intégrés à Moodle [68] en utilisant PHP. En plus de ces études, cette catégorie contient également peu d’études, qui ne peuvent pas être placées dans les catégories précédentes en raison de leurs caractéristiques uniques. Par exemple, Ullah et al. [47] ont proposé une approche unique en utilisant le concept de questions de profil dynamiques. Les auteurs ont conçu plusieurs questions, sans utiliser de technique ML / AI ou de développement traditionnel, afin d’améliorer l’authentification des utilisateurs dans les examens en ligne pour la prévention de la triche.

3). Techniques / Algorithmes

Les principales techniques / algorithmes proposés par les chercheurs dans le cadre des systèmes de surveillance des examens en ligne sont présenté ci-dessous.

A partir des résultats du tableau précédent, on peut constater que la plupart des techniques et algorithmes proposés sont basés sur les concepts d’apprentissage automatique et d’intelligence artificielle. Les techniques de ML utilise les réseaux de neurones convolutifs CNN, pour la vérification des candidats [4], la prévention de la triche [14, 15] et la vérification de comportement anormal ([4, 14, 15]) et l’évaluation automatique [28]. De même, les chercheurs ont proposé différentes techniques / algorithmes pour la reconnaissance faciale et l’estimation / détection de la pose de la tête. En outre, différentes techniques basées sur la PNL et des algorithmes génétiques sont proposés. En plus de cela, peu de chercheurs ont proposé des techniques très uniques pour améliorer certains aspects des examens en ligne. Par exemple, Kassem et [41] ​​ont proposé une approche basée sur les MF, utilisant les automates d’événements quantifiés et le calcul pi, pour évaluer les violations dans les examens en ligne.

Il est important de noter que nous avons présenté que les principales techniques / algorithmes et que les propositions triviales ne sont pas incluses par souci de simplicité. Il est important de mentionner que les informations appropriées concernant la technique / l’algorithme proposé ne sont pas disponibles dans certaines des études. Par exemple, S. Aisyah et al. [5] ont développé un système d’authentification des examens en ligne avec deux composants, à savoir l’authentification et la supervision. Cependant, les auteurs n’ont pas fourni d’informations substantielles sur les techniques / algorithmes sous-jacents utilisés pour le développement du système.

4). Les outils utilisés

Différents langages de programmation ont été utilisés pour la mise en œuvre de la technique / outil proposé, tableau 2. Les langages comme Python et MATLAB sont principalement utilisés pour mettre en œuvre des approches basées sur le ML / AI. Par exemple, Sharma et al. [23] ont réalisé l’implémentation de la technique basée sur l’IA proposée avec Python où la bibliothèque NLTK est utilisée pour les opérations NLP. Dans une autre étude, Atoum et al. [9] a proposé une technique basée sur le ML pour la prévention de la triche où la mise en œuvre (par exemple l’extraction de caractéristiques, la classification) est effectuée dans MATLAB. En plus des langages d’implémentation, différents outils et bibliothèques basés sur le ML comme TensorFlow, OpenCV et Weka ont également été utilisés. D’autre part, les langages d’implémentation comme PHP, Java et C # ont été principalement utilisés pour le développement d’un système complet. Par exemple, l’outil d’évaluation d’examen en ligne (Exam Wizard) est implémenté dans [16] avec PHP. Dans une autre étude [54], un système de gestion des examens en ligne est implémenté en Java.

Plusieurs bases de données et plates-formes de stockage ont été utilisées notamment. MYSQL et Firebase cloud ont été fréquemment utilisés à des fins de stockage. En plus des plates-formes de stockage, il existe plusieurs outils spéciaux qui ont été utilisés pour atteindre des objectifs particuliers. Par exemple, VirtualBox [3] est un outil spécial pour réaliser la virtualisation, utilisé dans deux études à savoir [6, 36]. De même, HiddenCameraActivity [7] fournit secrètement des fonctions de capture d’image et WeScan [10] permet la numérisation efficace des documents. De plus, ProVerif [5] est un outil de vérification formel, qui a été utilisé dans [41] pour l’analyse formelle des violations dans les examens en ligne. Il est important de mentionner que peu d’études n’ont fourni aucune information sur les langages et les outils utilisés pour la mise en œuvre. Par exemple, Mahatme et al. [21] ont proposé une approche basée sur la logique floue pour la classification intelligente de la banque de questions, cependant, les informations sur le langage / l’outil d’implémentation n’ont pas été fournies. De même, dans quelques études (par exemple [14, 48], etc.), des approches très basiques telles que HTML, CSS et JavaScript, etc. ont été utilisées pour la mise en œuvre et nous n’avons donc pas inclus ces informations par souci de simplicité.

5). Les défis majeurs dans les systèmes de surveillance d’examen en ligne

L’enquête sur des études sélectionnées révèle trois défis majeurs dans la recherche d’examens en ligne existants :

a). Outils inaccessibles : En général, les outils proposés dans la littérature pour un problème particulier sont accessibles au public, en particulier dans le cas où l’étude est publiée dans une revue réputée. Cependant, dans le cas de la recherche d’examens en ligne, le code source et d’autres détails des outils proposés sont totalement inaccessibles. Il s’agit d’un défi majeur car les étudiants, les chercheurs et les praticiens sont incapables d’évaluer et / ou d’étendre les outils d’examen en ligne proposés. Par conséquent, les avantages réels de la recherche ne peuvent être obtenus.

Pour relever ce défi, il est essentiel de proposer / développer des outils d’examens en ligne open source où le code source et d’autres détails sont accessibles au public pour une évaluation et des extensions ultérieures.

b). Recherche théorique : la plupart des études rapportées dans la littérature pour les examens en ligne sont théoriques. En particulier, différentes approches et cadres sont proposés qui ne sont bons qu’à des fins académiques et leur application réelle est très discutable. Bien sûr, nous admettons que les aspects théoriques sont une partie importante de la recherche, cependant, le domaine des examens en ligne exige une recherche plus pratique qui soit suffisamment faisable pour être déployée dans un environnement réel avec de légères modifications.

c). Exigences économiques : Le domaine des examens en ligne dépend fortement de la situation économique d’un pays et d’un institut particuliers. Par conséquent, la prise en compte des exigences économiques est un aspect important lors de la proposition d’une solution d’examen en ligne particulière. Dans la littérature existante sur les examens en ligne, les exigences économiques sont totalement ignorées lors de la proposition d’une solution particulière. En conséquence, la proposition devient irréalisable pour les pays / instituts ayant de faibles conditions financières, même si elle est largement réalisable. Pour relever ce défi, il est essentiel de prendre en compte les exigences économiques lors de la proposition de solution d’examens en ligne afin de garantir sa large gamme d’applications. De même, les aspects connexes de l’intégration des connaissances [57] et de l’assurance qualité [58] doivent être pris en compte dans les solutions d’examens en ligne.