photo Blandine GINON, PhD
CTO
Aidaxis

blandine.ginon@aidaxis.com
Accueil ActivitÊs 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 gÊnÊriques et des outils unifiÊs pour permettre la mise en place de systèmes d’assistance dans des applications existantes, que nous appelons applications-cibles. ChaÎne 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 Å“uvre 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 à 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 à 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 Å“uvre dans l’environnement EPROFILEA, mise à l’essai avec des apprenants en situation rÊelle.