photo Blandine GINON, PhD
CTO
Aidaxis

blandine.ginon@aidaxis.com
Accueil Activités de recherche Publications
AGATE
LEA's BOX
PERLEA
Projet AGATE

Titre : AGATE (an Approach for Genericity in Assistance To complEx tasks). Ce projet vise à proposer des modèles génériques et des outils unifiés pour permettre la mise en place de systèmes d’assistance dans des applications existantes, que nous appelons applications-cibles. Chaîne Youtube
Collaborateurs principaux : Stéphanie Jean-Daubias, Pierre-Antoine Champin, Marie Lefevre, Simone Stumpf, Nicolas Bravin
Contextes :
  • Thèse de doctorat entre octobre 2011 et septembre 2014, « Modèles et outils génériques pour mettre en place des systèmes d’assistance épiphytes », encadrée par Stéphanie Jean Daubias (Directrice), Pierre-Antoine Champin et Sylvie Calabretto
    Sujet : L’assistance aux utilisateurs est l’une des solutions pour pallier les difficultés de prise en main et d’utilisation des applications informatiques. De tels dispositifs permettent d’éviter la sous-exploitation ou le rejet du logiciel. Cependant, le développement d’un système d’assistance adapté à une application est une tâche complexe et coûteuse, souvent négligée 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 dépourvue, ou qui possède un système d’assistance incomplet. Le code source de l’application est la plupart du temps non disponible dans le cas où le concepteur de l’assistance n’est pas le concepteur de l’application-cible ; il n’est alors pas possible d’intégrer directement un système d’assistance dans l’application, de plus, le concepteur de l'assistance n'est pas nécessairement un informaticien. Une alternative à l’approche classique de développement d’un module d’assistance intégré dans une application consiste à adopter une démarche épiphyte pour permettre a posteriori la spécification et l’exécution d’un système d’assistance dans une application existante sans avoir à la modifier. Nous proposons un processus d'adjonction de systèmes d'assistance personnalisés dans une application existante de manière épiphyte. Ce processus est constitué de deux phases : la spécification de l'assistance qui concerne le concepteur de l'assistance et l'exécution de l'assistance pour les utilisateurs finaux de l'application. Nous proposons également aLDEAS (a Language to Define Epi-Assistance Systems) un langage qui permet de spécifier l'assistance souhaitée 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), constitué d'un éditeur d'assistance et d'un moteur générique d'assistance complété par un ensemble de détecteurs qui permettent d'observer en temps réel une application-cible et par un ensemble d'assistants capables de réaliser des actions d'assistance dans une application-cible de manière épiphyte.
  • Collaboration avec Simone Stumpf entre octobre 2014 et juin 2015, « Assistance proactive : comment fournir la bonne assistance au bon moment »
    Sujet : Les systèmes d’assistance traditionnels sont souvent réactifs : l’utilisateur doit prendre conscience de son besoin d’assistance et être en mesure de l’identifier ou le caractériser afin d’exploiter au mieux le système d’assistance. Au contraire, un système d’assistance proactif peut intervenir lorsqu’un besoin d’assistance est détecté. La mise en place d’un système d’assistance proactif soulève néanmoins deux principaux défis : l’identification de la tâche de l’utilisateur, sans quoi l’assistance ne sera ni efficace ni bienvenue ; et la détection 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 tâche, alors qu’une intervention trop tardive risque de générer de la frustration chez l’utilisateur et entraîner un abandon de la tâche. Nous proposons la mise en place de systèmes d’assistance s’appuyant sur des traces. Afin d’identifier la tâche de l’utilisateur et d’anticiper la prochaine action que l’utilisateur doit faire pour réaliser cette tâche, le système d’assistance compare la trace courante de l’utilisateur avec des traces générées par le concepteur de l’assistance. Un besoin d’assistance peut être détecté en fonction de la durée entre deux actions ou du nombre d’actions ne correspondant pas à la trace générée par le concepteur.
  • Collaboration entre le laboratoire LIRIS et la société Aidaxis depuis novembre 2017, « Adaptation de l’assistance aux spécificités des ERP et aide à la conception et à l’amélioration de l’assistance»
    Sujet : L’objectif de cette collaboration est de développer l’intelligence artificielle du système SEPIA. Pour cela, nous souhaitons proposer des techniques d’analyse des traces pour identifier des besoins d’assistance ou évaluer la pertinence de l’assistance qui a été proposée dans le but de faciliter la conception et l’amélioration de l’assistance par l’expert. Nous souhaitons également permettre l’intégration et l’exploitation de davantage de connaissances issues de sources hétérogènes, telles que des bases de données ou des connaissances métiers (procédures écrites, vidéos,…). Enfin, nous souhaitons permettre la génération 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 tâche de l’utilisateur, détecter un éventuel besoin d’assistance et de savoir générer une assistance adaptée à la situation et à l’utilisateur.
Projet européen 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 européen 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 différentes formes le modèle de l’apprenant, construit à partir de traces d’activités pédagogiques pouvant provenir de différentes sources. Un modèle de persuasion a été conçu et développé dans le but de permettre un maintien interactif du modèle, de le rendre plus précis et d’encourager la réflexivité dans l’apprentissage. En cas de désaccord entre le système et l’apprenant sur le contenu du modèle, cette fonctionnalité, paramétrée par l’enseignant, permet à un apprenant de s’autoévaluer et de justifier son point de vue afin de persuader le système de modifier le contenu de son modèle. Plusieurs visualisations ont également été ajoutées, afin notamment de permettre de visualiser l’évolution du modèle à travers le temps ou les liens entre les activités et les compétences. Enfin, plusieurs évaluations ont été menées auprès d’apprenants du niveau secondaire à universitaire, ainsi que leurs enseignants.
Travail d'Etude et de Recherche

Titre : PERLEA (Profils d'Elèves Réutilisés pour L'Enseignant et l'Apprenant)
Collaborateurs principaux : Stéphanie Jean-Daubias, Marie Lefevre
Contextes :
  • Travail d’étude et de Recherche de Master 1 entre décembre 2009 et janvier 2010, « Évolution du concept de profils évolutifs dans le cadre du projet PERLEA », encadrée par Stéphanie Jean Daubias
    Sujet : Évolution théorique du langage de modélisation de profils PMDL, proposé dans le cadre de la thèse de Carole Eyssautier-Bavay : prise en compte de l’évolutivité des profils d’apprenants, modification de la représentation en BNF et de la représentation graphique, ajout d’une représentation xml. Extension du modèle de contraintes sur profils cPMDL, proposé dans le cadre de la thèse de Marie Lefevre. Propositions d’opérateurs sur profils. Mise en œuvre de ces propositions théoriques au sein de l’EIAH EPROFILEA, développement en langage Delphi.
  • Stage de Master 2 Recherche entre février 2011 et juillet 2011, « Modèles et outils pour une visualisation de profils d'apprenants personnalisable et adaptable », encadrée par Stéphanie Jean Daubias
    Sujet : Dans la lignée 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 activités autour de leur visualisation : négociation du contenu, auto-évaluation, comparaison avec d’autres profils… Ces activités s’adressent à différents acteurs de l’apprentissage : elles permettent par exemple aux apprenants d’avoir une démarche réflexive sur leur apprentissage et aux enseignants de suivre la progression de leurs élèves et de repérer les difficultés de chacun. Nous nous sommes intéressées à la personnalisation de ces activités, d’une part en fonction des connaissances et compétences des apprenants, et d’autre part en fonction des particularités de chaque utilisateur, de ses capacités et éventuels handicaps, ainsi que ses préférences. Ce travail de recherche a notamment abouti à la proposition du modèle de personnalisation des activités sur les profils PERSUMAP et de sa mise en œuvre dans l’environnement EPROFILEA, mise à l’essai avec des apprenants en situation réelle.