Projets en cours
Ingénierie Ontologique : extraction d'ontologies du domaine à partir de textes
L’acquisition des connaissances du domaine est un problème fondamental dans le domaine de l’ingénierie des systèmes intelligents. Ce problème se pose avec acuité en ce qui concerne le développement des STI ou les travaux visent à se doter de moyens efficaces pour extraire les connaissances dans de nombreuses ressources documentaires ou à travers les traces d’usage. Deux projets portant sur cette problématique sont en cours au laboratoire GDAC. Nous décrivons ici le premier le projet. Voir la section ‘Datamining’ pour la description du second.
Le projet "The Knowledge Puzzle" est une plateforme à base d'ontologies qui a deux objectifs principaux. Le premier de ces objectifs est d'extraire automatiquement des cartes de concepts à partir de textes et ensuite de transformer ces cartes de concepts en ontologie du domaine. Cela est effectué au moyen de l'outil TEXCOMON (TEXt-COncept Maps- ONtology) en utilisant des techniques de traitement de la langue naturelle et d'apprentissage machine. Le second objectif est de permettre la génération d'objets de connaissances et d'apprentissage (Learning Knowledge Objects ou LKO) dotés de plusieurs caractéristiques: ils possèdent un modèle du domaine à transmettre, une connaissance pédagogique, et ils sont générés dynamiquement pour répondre à un besoin spécifique (exprimé sous forme de compétence). Ces LKOs peuvent ensuite etre exploités par plusieurs plateformes d'enseignement en ligne incluant des environnements standards SCORM et IMS-LD.
Agent cognitifs
Nous proposons une architecture cognitive pour un agent. Cette architecture est basé sur un modèle psychologique de la conscience humaine. CTS (Conscious Tutoring Agent) cherche à simuler le fonctionnement de la conscience et ainsi tirer profit des phénomènes lui affairant.
L’hypothèse de base est que les mécanismes de la conscience confèrent au STI un comportement lui permettant de mieux gérer la complexité liée à l’environnement afin de prendre les décisions tutorielles de bonne qualité lors d’une séance d’entraînement à l’usage du bras. CTS a été développé en collaboration avec l'Université de Memphis (L'équipe du professeur Stan Franklin).
RomanTutor
Le laboratoire GDAC, en partenariat avec l’Université de Sherbrooke et l’Agence spatiale canadienne, a dévelopé un simulateur doté du bras robotisé Canadarm2 ainsi qu'’un système tuteur nommé RomanTutor qui permet de superviser l'entraînement à la manipulation du bras. RomanTutor offre entre autre, un service de planification automatiquement de trajectoire menant de la position/configuration actuelle du Bras à sa destination/configuration finale. Son implémentation actuel permet le suivi du raisonnemment de l'apprenant et offre un ensemble de tâches complexes permettant l'acquisition aussi bien des connaissances procédurales
que de la cognition spatiale.
Fouille de données et extraction de connaissances procédurales
Ce projet s’attaque à l’extraction automatique des connaissances procédurales à partir des bases de données d’usage. En effet, un système intelligent d'aide à l'apprentissage doit se donner une représentation de l'expertise du domaine pour comprendre et valider les démarches des apprenants et offrir l'assistance appropriée. Une telle représentation peut être difficile à établir pour certains domaines, notamment ceux dits 'mal définis'. Les solutions actuelles pour la modélisation (modélisation cognitive de tâche, modélisation par contraintes, systèmes experts) ne se sont pas avérées efficaces dans ces domaines particuliers.
Nous avons développé une nouvelle approche qui permet l'extraction automatique des connaissances procédurales à partir des traces produites par les usagers de différents profils (novices, experts, intermédiaires) lors de la résolution de problèmes. L'approche prend en compte les éléments temporels et contextuels associées aux données et produit une base de connaissances qui permet d'offrir des services tutoriels de qualité supérieure. Par exemple, il est désormais possible de suivre le raisonnement de l'usager-apprenant lors de la résolution de problème et de le superviser dans sa démarche.
Les algorithmes actuellement proposés (et que nous continuons d’améliorer) ont été appliqués avec succès dans un logiciel d'aide à la formation pour une tâche très complexe de manipulation d'un bras robotisé.
|