|
Projet AGATE |
Titre : AGATE
(an Approach for Genericity in Assistance To complEx tasks). Ce projet
vise à proposer des modèles gÊnÊriques et des outils unifiÊs
pour permettre la mise en place de systèmes d’assistance dans des
applications existantes, que nous appelons applications-cibles. ChaÃŽne Youtube
Collaborateurs principaux : StÊphanie Jean-Daubias, Pierre-Antoine Champin, Marie Lefevre, Simone Stumpf, Nicolas Bravin
Contextes :
- Thèse de doctorat entre octobre 2011 et septembre 2014, ÂĢ
Modèles et outils gÊnÊriques pour mettre en place des systèmes
d’assistance Êpiphytes Âģ, encadrÊe par StÊphanie Jean Daubias
(Directrice), Pierre-Antoine Champin et Sylvie Calabretto
Sujet : L’assistance aux utilisateurs est l’une des
solutions pour pallier les difficultÊs de prise en main et
d’utilisation des applications informatiques. De tels dispositifs
permettent d’Êviter la sous-exploitation ou le rejet du logiciel.
Cependant, le dÊveloppement d’un système d’assistance adaptÊ
à une application est une tÃĸche complexe et coÃģteuse, souvent
nÊgligÊe par les concepteurs d’applications informatiques. Une
personne autre que le concepteur de l’application peut alors
souhaiter adjoindre un système d’assistance à une application
qui en est dÊpourvue, ou qui possède un système d’assistance
incomplet. Le code source de l’application est la plupart du temps
non disponible dans le cas oÚ le concepteur de l’assistance n’est
pas le concepteur de l’application-cible ; il n’est alors pas
possible d’intÊgrer directement un système d’assistance dans
l’application, de plus, le concepteur de l'assistance n'est pas
nÊcessairement un informaticien. Une alternative à l’approche
classique de dÊveloppement d’un module d’assistance intÊgrÊ dans
une application consiste à adopter une dÊmarche Êpiphyte pour
permettre a posteriori la spÊcification et l’exÊcution d’un
système d’assistance dans une application existante sans avoir
à la modifier. Nous proposons un processus d'adjonction de
systèmes d'assistance personnalisÊs dans une application existante de
manière Êpiphyte. Ce processus est constituÊ de deux phases : la
spÊcification de l'assistance qui concerne le concepteur de
l'assistance et l'exÊcution de l'assistance pour les utilisateurs
finaux de l'application. Nous proposons Êgalement aLDEAS (a Language
to Define Epi-Assistance Systems) un langage qui permet de spÊcifier
l'assistance souhaitÊe pour une application-cible quelconque sous la
forme d'un ensemble de règles d'assistance.
Nous avons mis en œuvre nos propositions au sein du système SEPIA
(Specification and Execution of Intelligent Assistance), constituÊ
d'un Êditeur d'assistance et d'un moteur gÊnÊrique d'assistance
complÊtÊ par un ensemble de dÊtecteurs qui permettent d'observer en
temps rÊel une application-cible et par un ensemble d'assistants
capables de rÊaliser des actions d'assistance dans une
application-cible de manière Êpiphyte.
- Collaboration avec Simone Stumpf entre octobre 2014 et juin 2015, ÂĢ Assistance proactive : comment fournir la bonne assistance au bon moment Âģ
Sujet : Les systèmes d’assistance traditionnels sont
souvent rÊactifs : l’utilisateur doit prendre conscience de son
besoin d’assistance et ÃĒtre en mesure de l’identifier ou le
caractÊriser afin d’exploiter au mieux le système d’assistance.
Au contraire, un système d’assistance proactif peut intervenir
lorsqu’un besoin d’assistance est dÊtectÊ. La mise en place
d’un système d’assistance proactif soulève nÊanmoins deux
principaux dÊfis : l’identification de la tÃĸche de l’utilisateur,
sans quoi l’assistance ne sera ni efficace ni bienvenue ; et la
dÊtection d’un besoin d’assistance, intervenir alors que
l’utilisateur n’en ressent pas le besoin rendrait l’assistance
intrusive et risquerait d’interrompre l’utilisateur dans sa tÃĸche,
alors qu’une intervention trop tardive risque de gÊnÊrer de la
frustration chez l’utilisateur et entraÃŽner un abandon de la tÃĸche.
Nous proposons la mise en place de systèmes d’assistance
s’appuyant sur des traces. Afin d’identifier la tÃĸche de
l’utilisateur et d’anticiper la prochaine action que
l’utilisateur doit faire pour rÊaliser cette tÃĸche, le système
d’assistance compare la trace courante de l’utilisateur avec des
traces gÊnÊrÊes par le concepteur de l’assistance. Un besoin
d’assistance peut ÃĒtre dÊtectÊ en fonction de la durÊe entre deux
actions ou du nombre d’actions ne correspondant pas à la trace
gÊnÊrÊe par le concepteur.
- Collaboration entre le laboratoire LIRIS et la sociÊtÊ Aidaxis depuis novembre 2017,
ÂĢ Adaptation de l’assistance aux spÊcificitÊs des ERP et aide
à la conception et à l’amÊlioration de l’assistanceÂģ
Sujet : L’objectif de cette collaboration est de
dÊvelopper l’intelligence artificielle du système SEPIA. Pour cela,
nous souhaitons proposer des techniques d’analyse des traces pour
identifier des besoins d’assistance ou Êvaluer la pertinence de
l’assistance qui a ÊtÊ proposÊe dans le but de faciliter la
conception et l’amÊlioration de l’assistance par l’expert. Nous
souhaitons Êgalement permettre l’intÊgration et l’exploitation de
davantage de connaissances issues de sources hÊtÊrogènes, telles que
des bases de donnÊes ou des connaissances mÊtiers (procÊdures
Êcrites, vidÊos,â€Ļ). Enfin, nous souhaitons permettre la
gÊnÊration automatique d’assistance, qu’il s’agisse
d’assistance proactive ou à la demande de l’utilisateur, en
nous appuyant sur une base de traces. Ceci implique notamment de
pourvoir identifier la tÃĸche de l’utilisateur, dÊtecter un
Êventuel besoin d’assistance et de savoir gÊnÊrer une assistance
adaptÊe à la situation et à l’utilisateur.
|
Projet europÊen LEA's Box |
Titre : LEA’s BOX : a Learning Analytics toolbox (FP7-619762)
Collaborateurs principaux : Susan Bull, Chris Baber, Michael Kickmeier-Rust, Ali Turker
Sujet :
Ce travail de recherche se situe dans le contexte du projet europÊen
FP7-619762 LEA’s Box (Learning Analytics Toolbox). Il concerne plus
particulièrement la composante modèle ouvert de l’apprenant, qui
permet aux apprenants et aux enseignants de visualiser sous
diffÊrentes formes le modèle de l’apprenant, construit Ã
partir de traces d’activitÊs pÊdagogiques pouvant provenir de
diffÊrentes sources.
Un modèle de persuasion a ÊtÊ conçu et dÊveloppÊ dans le but de
permettre un maintien interactif du modèle, de le rendre plus prÊcis
et d’encourager la rÊflexivitÊ dans l’apprentissage. En cas de
dÊsaccord entre le système et l’apprenant sur le contenu du
modèle, cette fonctionnalitÊ, paramÊtrÊe par l’enseignant, permet
à un apprenant de s’autoÊvaluer et de justifier son point de
vue afin de persuader le système de modifier le contenu de son
modèle. Plusieurs visualisations ont Êgalement ÊtÊ ajoutÊes, afin
notamment de permettre de visualiser l’Êvolution du modèle Ã
travers le temps ou les liens entre les activitÊs et les compÊtences.
Enfin, plusieurs Êvaluations ont ÊtÊ menÊes auprès d’apprenants
du niveau secondaire à universitaire, ainsi que leurs
enseignants.
|
Travail d'Etude et de Recherche |
Titre : PERLEA (Profils d'Elèves RÊutilisÊs pour L'Enseignant et l'Apprenant)
Collaborateurs principaux : StÊphanie Jean-Daubias, Marie Lefevre
Contextes :
- Travail d’Êtude et de Recherche de Master 1 entre dÊcembre 2009 et janvier 2010, ÂĢ Évolution du concept de profils Êvolutifs dans le cadre du projet PERLEA Âģ, encadrÊe par StÊphanie Jean Daubias
Sujet : Évolution thÊorique du langage de modÊlisation de
profils PMDL, proposÊ dans le cadre de la thèse de Carole
Eyssautier-Bavay : prise en compte de l’ÊvolutivitÊ des profils
d’apprenants, modification de la reprÊsentation en BNF et de la
reprÊsentation graphique, ajout d’une reprÊsentation xml. Extension
du modèle de contraintes sur profils cPMDL, proposÊ dans le cadre de
la thèse de Marie Lefevre. Propositions d’opÊrateurs sur profils.
Mise en œuvre de ces propositions thÊoriques au sein de l’EIAH
EPROFILEA, dÊveloppement en langage Delphi.
- Stage de Master 2 Recherche entre fÊvrier 2011 et juillet 2011,
ÂĢ Modèles et outils pour une visualisation de profils d'apprenants
personnalisable et adaptable Âģ, encadrÊe par StÊphanie Jean Daubias
Sujet : Dans la lignÊe des recherches sur le modèle
ouvert de l’apprenant, de plus en plus d’Environnements
Informatiques pour l’Apprentissage Humain (EIAH) permettent aux
utilisateurs de visualiser les profils d’apprenants, et d’effectuer
certaines activitÊs autour de leur visualisation : nÊgociation du
contenu, auto-Êvaluation, comparaison avec d’autres profilsâ€Ļ Ces
activitÊs s’adressent à diffÊrents acteurs de
l’apprentissage : elles permettent par exemple aux apprenants
d’avoir une dÊmarche rÊflexive sur leur apprentissage et aux
enseignants de suivre la progression de leurs Êlèves et de repÊrer
les difficultÊs de chacun. Nous nous sommes intÊressÊes à la
personnalisation de ces activitÊs, d’une part en fonction des
connaissances et compÊtences des apprenants, et d’autre part en
fonction des particularitÊs de chaque utilisateur, de ses capacitÊs
et Êventuels handicaps, ainsi que ses prÊfÊrences. Ce travail de
recherche a notamment abouti à la proposition du modèle de
personnalisation des activitÊs sur les profils PERSUMAP et de sa mise
en œuvre dans l’environnement EPROFILEA, mise à l’essai avec
des apprenants en situation rÊelle.
|
|