OntoCASE : méthodologie et assistant logiciel pour une ingénierie ontologique fondée sur la transformation d’un modèle semi-formel Soutenance de thèse.

Présentation au sujet: "OntoCASE : méthodologie et assistant logiciel pour une ingénierie ontologique fondée sur la transformation d’un modèle semi-formel Soutenance de thèse."— Transcription de la présentation:

1 OntoCASE : méthodologie et assistant logiciel pour une ingénierie ontologique fondée sur la transformation d’un modèle semi-formel Soutenance de thèse de Michel Héon Direction : Gilbert Paquette et Josianne Basque 4 novembre 2010

2 Déroulement de la présentation
Introduction Présentation d’OntoCASE Démarche de construction d’OntoCASE Validation d’OntoCASE Conclusion

3 Impulsion qui m’a conduit à cette thèse
Le transfert d’expertise dans les organisations soutenues par une instrumentation informatique intelligente

4 OntoCASE : À l’intersection de plusieurs domaines scientifiques
Introduction OntoCASE : À l’intersection de plusieurs domaines scientifiques Thèse OntoCASE Élicitation des connaissances Conception d’atelier de génie logiciel Ingénierie ontologique Intelligence artificielle Gestion des connaissances Web sémantique Représentation des connaissances Transformation conduite par les modèles

5 Déroulement de la présentation
Introduction Présentation d’OntoCASE Démarche de construction d’OntoCASE Validation d’OntoCASE Conclusion

6 OntoCASE : Caractéristiques informatiques
Présentation d’OntoCASE OntoCASE : Caractéristiques informatiques Conçue selon la technique du Développement conduit par les modèles (MDD) S’harmonise avec les fonctionnalités développées dans le cadre du Eclipse Project ( Permet : l’édition graphique (éditeur eLi) de modèles MOT et MindMap la formalisation guidée de modèles semi-formels (MSF) en ontologie OWL- 1.0 l’édition d’ontologie OWL dans les notations: N3, OWL, RDF/RDFS et autres l’accès aux moteurs d’inférences : Pour OWL : Jena, Pellet, Racer, SwiftOWLIM Pour SWRL : Jena-Rules, Jess la transformation d’ontologie OWL en code Java respectant le Protégé OWL- API l’importation de modèle MOT+ en notation XML

7 OntoCASE : Caractéristiques de la méthodologie
Présentation d’OntoCASE OntoCASE : Caractéristiques de la méthodologie S’inscrit dans les approches itérative et évolutive des méthodologies d’ingénierie ontologique (ex. : Methontology) et d’ingénierie logicielle (ex. : Rational Unified Process) Est appuyée par des modules intelligents et des interfaces qui offrent une convivialité d’utilisation de la méthodologie Utilise une approche de construction d’ontologie en deux phases : L’élicitation de la connaissance dans un formalisme graphique semi-formel relativement simple à utiliser par un expert de contenu La formalisation en ontologie avec une assistance intelligente permettant la désambiguïsation du MSF et la validation par une rétroaction Soutient la représentation formelle en ontologie de connaissance: déclarative, procédurale, stratégique et factuelle

8 Degré de représentation
Présentation d’OntoCASE Notion théorique La classification des langages de représentation des connaissances en quatre degrés de formalisme selon Uschold et Gruninger Degré de représentation Type de langage Degré d’ambiguïté Remarque Hautement informel Semi-informel Semi-formel Formel Le cerveau humain arrive à décoder en partie, mais l’ordinateur arrive mal à le traiter Naturel Élevé C’est une forme restreinte et structurée du langage naturel, telle que celle que l’on retrouve dans la description d’algorithmes (pseudocode) ou encore dans les textes de loi Naturel Faible Comparativement aux langages formels, ce degré de langage contient une certaine relâche des contraintes langagières qui favorise et stimule l'expressivité des connaissances et la communication entre humains. Artificiel Moyenne On le retrouve dans les langages comme OWL ou encore les GC de Sowa. Il offre une représentation des connaissances dont l'expressivité est réduite, mais qui en élimine les ambiguïtés, ce qui permet un traitement informatique des connaissances représentées. Artificiel Aucune

9 Observations concernant les obstacles à la conception d’une ontologie
Présentation d’OntoCASE Observations concernant les obstacles à la conception d’une ontologie Les connaissances tacites sont difficiles à éliciter La formalisation est une activité complexe nécessitant une expertise poussée La représentation ontologique est limitée à une forme déclarative alors qu’il existe des connaissances de nature diverse (déclarative, procédurale, stratégique) On constate un manque d’outils pour l’assistance à la conception d’ontologie

10 Présentation d’OntoCASE
Avantages à utiliser un langage semi-formel pour l’élicitation de la connaissance Convivialité Simple à apprendre et à utiliser Facilite l’expression de connaissances tacites la spontanéité n’est pas bloquée par la charge cognitive associée à une formalisation plus poussée Élargit le bassin des personnes aptes à représenter leurs connaissances La sémantique du langage semi-formel fait en sorte que : Le MSF peut être conçu par des experts de contenu sans l’assistance d’un ingénieur La connaissance représentée est dans une forme pré-formalisée Le modèle semi-formel peut être formalisé avec la participation minimale des experts les ayant conçus

11 Présentation d’OntoCASE
Hypothèse : À partir d’un modèle de connaissances exprimé dans un langage semi-formel qui représente des connaissances de différents types, il est possible de procéder de manière automatique ou semi-automatique, à sa formalisation en ontologie qui, du point de vue du domaine de connaissance, est syntaxiquement et sémantiquement valide.

12 Présentation d’OntoCASE
But Produire un outil (méthodologique et informatique) permettant de formaliser un modèle semi-formel de connaissances (ex: MOT) en ontologie formelle dans le formalisme OWL

13 Présentation d’OntoCASE
Objectifs Concevoir une méthodologie d'ingénierie ontologique intégrant une méthode fondée sur la transformation d'un modèle semi- formel en ontologie et intégrant une méthode: de formalisation en ontologie de validation syntaxique et sémantique de l’ontologie produite Développer un outil informatique intelligent et intégré, qui instrumente de manière efficace, efficiente et satisfaisante ces différentes méthodes Développer une ontologie offrant une représentation méta du domaine de la représentation des connaissances, qui opérationnalise les assistants informatiques de la méthodologie et qui sert de représentation pour la méthodologie

14 Les trois volets d’OntoCASE
Présentation d’OntoCASE Les trois volets d’OntoCASE Méthodologique décrit l'ensemble des éléments procéduraux, des acteurs et des ressources contribuant à la formalisation d'un MSF en ontologie Computationnel (informatique) décrit les composants informatiques ainsi que leurs utilisations afin d'assister les acteurs dans l'application de la méthode Représentationnel comporte un ensemble de guides qui permettent d'orienter le déroulement de chacune des méthodes ainsi qu'une ontologie de transformation qui régit l'opérationnalité des composants du volet computationnel

15 Les relations entre les trois volets d’OntoCASE
Présentation d’OntoCASE Les relations entre les trois volets d’OntoCASE Les constituants du volet méthodologique Les constituants du volet computationnel Les constituants du volet représentationnel

16 Présentation d’OntoCASE
Avant de poursuivre … Quelques éléments théoriques nécessaires au sujet de l’architecture conduite par les modèles (ACM)

17 La métamodélisation et les niveaux d’abstraction de l’ACM
Présentation d’OntoCASE/Théorie La métamodélisation et les niveaux d’abstraction de l’ACM M0: couche donnée, représente les choses de la réalité M1: couche modèle, abstraction de la réalité M2: couche métamodèle abstraction du langage de modélisation M3: couche Méta- métamodèle, abstraction du langage de métamodélisation

18 Espaces de modélisation
Présentation d’OntoCASE/Théorie Espaces de modélisation L'espace de modélisation (EM) est une architecture de modélisation réalisée à partir d'un métamodèle particulier L’espace MOF proposé par l’OMG L’espace Extended Backus-Naur Form (EBNF) qui est le méta-métamodèle servant à la définition de la grammaire du langage Java L’espace RDFS associé au projet du web sémantique

19 Transformation d’un modèle selon l’ACM
Présentation d’OntoCASE/Théorie Transformation d’un modèle selon l’ACM C’est production automatique d’un modèle cible à partir d’un modèle source L’OMG préconise l’utilisation du MOF- QVT et l’OCL pour la transformation de modèles Le processus de transformation est défini par le métamodèle MOF- QVT/OCL

20 Principe de la transformation orthogonale
Présentation d’OntoCASE/Théorie Principe de la transformation orthogonale Le processus utilise la sémantique du langage source pour réaliser la transformation Le modèle source est traité en tant que données et le métamodèle source est reporté au niveau M1 Le processus de transformation traite les éléments du modèle source en tant que données en correspondance avec la structure définie dans le métamodèle source selon les règles et axiomes définis dans le modèle de transformation

21 Présentation d’OntoCASE/Théorie
Adaptation d’ACM en architecture conduite par les ontologies (ACO) pour OntoCASE L’ACM de base Étape 1 Changement de l’espace de modélisation MOF->RDF(S) QVT/OCL->SWRL Étape 2 Les modèles de M1 sont remplacés par des ontologies et la transformation est assumée par l’ontologie de transformation

22 … de retour au volet représentationnel d’OntoCASE
Présentation d’OntoCASE … de retour au volet représentationnel d’OntoCASE Quatre composants forment l'ontologie de transformation: l'ontologie du langage semi-formel représente les éléments du vocabulaire et de la grammaire du langage semi-formel utilisé pour construire les modèles sources l'ontologie de traitement des ambiguïtés et des erreurs contient des règles servant à la désambiguïsation et à l'identification des erreurs de catégorisation; l'ontologie de référence représente les diverses catégories de connaissances et opérationnalise le processus de désambiguïsation et de transformation l'ontologie cadre encadre les éléments du modèle cible dans une structure qui soutient la représentation de connaissances déclaratives, procédurales et stratégiques qu’elles soient concrètes ou abstraites

23 Positionnement des composantes de l’OT dans le modèle ACO
Présentation d’OntoCASE Positionnement des composantes de l’OT dans le modèle ACO

24 Structure de l’ontologie de référence
Présentation d’OntoCASE Structure de l’ontologie de référence Structure Entité-Relation RELATION Catégorie Flux Intrant Produit Précédence Holonyme Agrégation Composition Englobe Hyponyme Généralisation Spécialisation Autonyme Définit Instance Operateur Unaire Condition Restriction Binaire Disjoint Équivalent Inverse Régulation

25 Structure de l’ontologie cadre
Présentation d’OntoCASE Structure de l’ontologie cadre Resource Type de connaissances Catégorie Déclarative Concept Schéma Float Int String Procédurale Procédure Opération Stratégique Agent_Contrainte_Norme Condition Entite_Regle Antécédent Complete Conclusion Nom Quelques remarques: Rappel: l’O cadre sert à structurer l’ontologie cible. Elle est méta face à celle-ci La structure de l’O cadre diffère de celle de l’O de référence: les connaissances factuelles n’y figurent pas puisque ce type de connaissances sera représenté par des individus OWL dans l’ontologie cible

26 OntoCASE : Le volet méthodologique
Présentation d’OntoCASE OntoCASE : Le volet méthodologique

27 «1» Concevoir un modèle semi-formel
Présentation d’OntoCASE «1» Concevoir un modèle semi-formel

28 «2» Formaliser en ontologie du domaine
Présentation d’OntoCASE «2» Formaliser en ontologie du domaine

29 Ontologie du domaine (ontologie cible)
Présentation d’OntoCASE Module de traitement : Implantation de l’aspect méthodologique de la formalisation Ontologie du domaine (ontologie cible) Espace de modélisation RDF(S)-OWL M2 Ontologie cadre (metaDom) M1 M0 :Berger-Allemand rdf:type owl:Class ; rdfs:subClassOf metaDom:MD_Declarative_Concept . Convertir :Bahia rdf:type :Berger-Allemand . Formaliser Ontologie du MSF désambiguïsé M1 Ontologie de référence (oRef:) M0 :LienI_Berger-Allemand_Bahia rdf:type oRef:OR_Relation_Instance :Bahia rdf:type oRef:OR_Entite_Manifestation_Objet :Berger-Allemand rdf:type oRef:OR_Entite_Concept_Classe Espace de modélisation EMOF Désambiguïser MSF en langage natif (modèle source) Ontologie du MSF M1 Ontologie du langage semi-formel (metaMot:) M0 :Bahia rdf:type metaMot:MOT_Exemple :Berger-Allemand rdf:type metaMot:MOT_Concept :LienI_Berger-Allemand_Bahia rdf:type metaMot:MOT_LienI xsi:type="mot:Concept" nom="Berger Allemand"   xsi:type="mot:LienI"  xsi:type="mot:Exemple" nom="Bahia" Importer

30 Présentation d’OntoCASE
«3» Valider Le but de la validation syntaxique est de s’assurer que tous les éléments du MSF sont représentés dans l’ontologie Le but de la validation sémantique est de s’assurer que l’ontologie représente correctement la signification du modèle

31 L’erreur de représentation survient quand le modélisateur …
Présentation d’OntoCASE/Valider L’erreur de représentation survient quand le modélisateur … Conceptualisation Représenter Abstraire Domaine de la réalité Modèle du domaine Extérioriser Langage Par ... fait une erreur d’abstraction (par exemple, il comprend mal le domaine de la réalité) … … fait une erreur d’extériorisation, i.e. un usage inadéquat du langage de modélisation (son vocabulaire, sa grammaire ou sa sémantique)

32 L’interprétation formelle d’une séquence d’actions
Exemple de validation sémantique avec OntoCASE Présentation d’OntoCASE/Valider L’interprétation formelle d’une séquence d’actions La recette de la crème glacée Interprétation formelle [Ajouter le sucre] puis exécuter [Battre les œufs] [Ajoutez le lait] puis exécuter [Mettre au congélateur] [Battre les œufs] puis exécuter [Incorporer graduellement] [Chauffer le crème] puis exécuter [Incorporer graduellement] [Faire cuire] puis exécuter [Refroidir] [Hacher les noix] puis exécuter [Chauffer le crème] [Incorporer graduellement] puis exécuter [Faire cuire] [Refroidir] puis exécuter [Ajoutez le lait] [Séparer les œufs] puis exécuter [Ajouter le sucre] Portion de connaissances inférées ... [Faire cuire] a pour dépendance [Ajouter le sucre] [Faire cuire] a pour dépendance [Battre les œufs] [Faire cuire] a pour dépendance [Chauffer le crème] [Faire cuire] a pour dépendance [Hacher les noix] [Faire cuire] a pour dépendance [Incorporer graduellement] [Faire cuire] a pour dépendance [Séparer les œufs] [Faire cuire] permet [Ajoutez le lait] [Faire cuire] permet [Mettre au congélateur] [Faire cuire] permet [Refroidir]

33 La génération d’un MSF à partir de l’ontologie cible
Exemple de validation L’erreur d’extériorisation La génération d’un MSF à partir de l’ontologie cible MSF Source MSF généré Formaliser Valider Générer MSF Les flèches en rouges indiquent les inférences produites par le mécanisme de validation sémantique On constate l’erreur d’extériorisation dont la cause est l’inversion du « lien S »

34 Déroulement de la présentation
Introduction Présentation d’OntoCASE Démarche de construction d’OntoCASE Validation d’OntoCASE Conclusion

35 Le trois phases qui ponctuent la démarche
Construction d’OntoCASE Le trois phases qui ponctuent la démarche Phase 1 -  Mise en place des composants architecturaux, procéduraux et informatiques de la méthodologie Pour fixer les composants informatiques en lien avec les composants méthodologiques Phase 2 - Agrégation des composants ontologiques, procéduraux et informatiques d'OntoCASE Pour attacher les différents composants entre eux et de valider les choix architecturaux et théoriques Phase 3 - Confirmation Pour compléter la structure interne des différentes ontologies agrégées par l'ontologie de transformation. Pour mettre en place les outils informatiques nécessaires à la validation d’OntoCASE par l'implantation de mécanismes d'exécution de scénarios de tests. La démarche de recherche se déroule selon une approche évolutive et itérative où les résultats et les outils de l’itération précédente servent à construire les outils produits par l’itération en cours.

36 Construction d’OntoCASE
Phase 1: Critères de sélection du langage source (semi-formel) et du langage cible (formel) Critères qui justifient le choix du langage semi-formel MOT: Permet l’expression de connaissances procédurale, déclarative et stratégique Permet l’expression de connaissances abstraites et factuelles Appuie dans sa sémantique l’expression de la relation d’instance et de spécialisation, ainsi que d’autres relations utiles telles que le séquencement procédural et la régulation N’impose aucune contrainte de représentation sur les types de connaissances ou de relations introduites dans un même modèle Le langage est de type graphique. Critères qui justifient le choix d’OWL en tant que langage formel: L’expressivité est suffisante pour représenter une ontologie Le langage est de degré formel La grande disponibilité des outils informatiques qui s’y rapporte (moteur d’inférence, éditeur, analyseur XML et Java)

37 Phase 1: Étude du langage MOT
Michel Héon 04/11/2010 Construction d’OntoCASE Phase 1: Étude du langage MOT Soutenance de thèse

38 Phase 1: Type de processus de désambiguïsation
Construction d’OntoCASE Phase 1: Type de processus de désambiguïsation Manuel: l’utilisateur peut choisir la sémantique qu’il désire donner à un élément du modèle Topologique: La sémantique de l’élément du modèle est déterminée par le système en fonction de la disposition des éléments du modèle Par exemple, soit le patron suivant: Alors: le principe sera désambiguïsé en propriété P le concept A et la concept B seront désambiguïsés en classe A et classe B et la classe A sera le domaine et la classe B sera l’image de la propriété P. Typologique: La sémantique de l’élément est choisie en fonction de son type. Ce type de désambiguïsation survient lorsque l’élément ne possède qu’une seule signification Par exemple: un lien I (instance) sera désambiguïsé en rdf:type

39 Phase 2: Interfaces de communication avec l’utilisateur
Construction d’OntoCASE Phase 2: Interfaces de communication avec l’utilisateur Les interfaces de communication permettent à l’utilisateur de diagnostiquer le processus de formalisation assurant ainsi une transformation efficiente La rétroaction sur le graphique Des messages à la console L’accès aux propriétés d’un objet en erreur couplé à un mécanisme de pointage d’erreurs

40 Phase 3: Le banc d’essais pour la consolidation
Construction d’OntoCASE Phase 3: Le banc d’essais pour la consolidation Le banc d’essais permet de valider les modules d’importation, de désambiguïsation, de conversion, de régénération de MSF ainsi que le module de validation syntaxique.

41 Déroulement de la présentation
Introduction Présentation d’OntoCASE Démarche de construction d’OntoCASE Validation d’OntoCASE Conclusion

42 OntoCASE est validé selon les trois aspects suivants:
Validation d’OntoCASE OntoCASE est validé selon les trois aspects suivants: Généralité des types de connaissances à formaliser Il s’agit de démontrer que les connaissances de divers types (déclarative, procédurale, stratégique et factuelle) présentes dans le MSF sont représentées dans l'ontologie cible Généricité des langages semi-formels utilisés pour la formalisation Cette dimension est démontrée en appliquant le scénario de transformation d’OntoCASE à partir d’un MSF construit à l’aide d’un autre langage que MOT, à savoir le langage MindMap de Buzan (1994) Ergonomie d’OntoCASE La validation ergonomique a pour objectif de valider la capacité d’OntoCASE à être utilisé par des utilisateurs autres que son concepteur. Requiert une expérimentation en laboratoire où des utilisateurs sont mis en situation d’utilisation.

43 Généralité des types de connaissances: Les scénarios de test
Validation d’OntoCASE Généralité des types de connaissances: Les scénarios de test Scénario de test unitaire Principalement conçu pour tester le processus de conversion Valide les éléments de base du langage semi-formel Utilise la désamb. manuelle Scénario de test fonctionnel Principalement conçu pour tester le module de désambiguïsation Valide le mécanisme d’identification des patrons de modélisation Utilise la désamb. topologique, typologique Scénario de test système Principalement conçu pour tester le module de validation Valide la préservation de la sémantique du MSF Utilise la désamb. manuelle, topologique et typologique

44 Validation d’OntoCASE
Généricité des langages: Critères du choix du langage semi-formel MindMap Le thème et le sous-thème sont polysémiques puisqu’ils peuvent représenter des connaissances déclaratives ou procédurales La relation est aussi polysémique puisqu’elle peut représenter une hyperonymie (généralisation) ou une méronyme (composition)

45 Scénarios de tests pour évaluer l’intégration du MindMap dans OntoCASE
Validation d’OntoCASE Scénarios de tests pour évaluer l’intégration du MindMap dans OntoCASE Le modèle descriptif, pour valider la transformation de connaissances déclaratives, de la généralisation et de la composition Le modèle procédural, pour valider la transformation de connaissances procédurales, de la généralisation et de la composition Une automobile se compose de 4 roues, d'une carrosserie et d'un moteur. Un moteur peut être diesel, à essence ou électrique Pour écrire une thèse, il faut faire une recherche et aussi faire des activités comprises dans la procédure d’écriture d'un document, soit faire un plan, rédiger, corriger et réviser

46 Méthode d’intégration
Validation d’OntoCASE Méthode d’intégration

47 Résultat: Restauration en MOT des scénarios de test grâce à OntoCASE
Validation d’OntoCASE Résultat: Restauration en MOT des scénarios de test grâce à OntoCASE restauration en MOT du modèle descriptif restauration en MOT du modèle procédural MindMap à MOT MindMap à MOT

48 Ergonomie d’OntoCASE: Mise à l’essai auprès d’usagers cibles
Validation d’OntoCASE Ergonomie d’OntoCASE: Mise à l’essai auprès d’usagers cibles Cette mise à l’essai a pour objectif de valider l’ergonomie d'OntoCASE en termes d'efficacité: degré de réalisation des objectifs poursuivis en matière d'utilisation; d'efficience: capacité de produire une tâche donnée avec le minimum d'effort de satisfaction: niveau de confort ressenti en utilisant le logiciel Elle a été menée auprès de quatre personnes déjà familières avec MOT: Expert de contenu Chargé de projets Cogniticien Ingénieur ontologique Elle suit une méthodologie de type: analyse en situation d'utilisation monitorage de l'utilisation Elle est menée conformément au certificat d’étique délivré par le comité d’éthique de la recherche de la TELUQ

49 Les quatre phases de la séance individuelle de mise à l’essai
Validation d’OntoCASE Les quatre phases de la séance individuelle de mise à l’essai la familiarisation, afin d’initier le participant à l’utilisation OntoCASE la formalisation, afin d’initier le participant au processus de formalisation et de validation de modèles et de permettre à celui-ci de réaliser une première manipulation la modélisation et la formalisation libres, afin de mesurer la capacité du logiciel et de la méthodologie à résister aux différentes approches des participants par la modélisation d’un court texte le debriefing, est consacré au recueil des commentaires du participant à la fin de la séance

50 Validation d’OntoCASE
Bilan et commentaires Durée moyenne des expérimentations: deux à trois heures Tous les participants ont déclaré qu’ils seraient aptes à utiliser OntoCASE avec un minimum de soutien de l’expérimentateur Les principales difficultés d’usages résident dans l’utilisation de l’éditeur de modèle MOT (eLi) pour la modélisation Tous les participants ont pu formaliser le modèle étalon Aucun participant n’a pu compléter la modélisation du texte servant d’intrant à la mise à l’essai: Le texte exigeait une longue réflexion avant d’être modélisé. Cependant, il a été observé que la formalisation en ontologie et la validation sémantique du modèle partiellement conçu ont permis aux participants d’accélérer leur processus de conception.

51 Bilan et commentaires (suite)
Validation d’OntoCASE Bilan et commentaires (suite) Remarques sur le processus de validation ergonomique Compte tenu du nombre restreint de participants et du caractère flou des métriques de mesure, nous ne pouvons pas affirmer avec certitude que le test d’ergonomie soit une réussite Cependant, compte tenu des commentaires recueillis et des observations faites, nous pouvons affirmer avec certitude que le test d’ergonomie n’est pas un échec Ainsi, ce test doit être considéré comme un indicateur de bonne tendance des choix ergonomiques adoptés pour OntoCASE

52 Autres critères de validation de la thèse
Validation d’OntoCASE Autres critères de validation de la thèse Présentation à des congrès scientifiques pour valider plusieurs facettes de la thèse: L’utilisation de l’ACO pour la transformation de modèles semi-formels en ontologie (Journée francophone sur les ontologies 2008) L’architecture de la méthodologie et du contenu de l’ontologie de référence (Ingénierie des connaissances 2009) L’utilisation d’OntoCASE pour la validation de la sémantique d’un MSF (Ingénierie de la connaissance 2010) Intégration d’OntoCASE dans le processus de recherche Tout au long de la recherche, la version de l’itération précédente d’OntoCASE servait d’outil d’ingénierie ontologique pour la poursuite de la recherche eLi a servi d’éditeur de modèle MOT pour la construction des modèles contenus dans le document de thèse L’utilisation d’OntoCASE et d’eLi tout au long du processus de recherche constituent une forme de validation de terrain

53 Déroulement de la présentation
Introduction Présentation d’OntoCASE Démarche de construction d’OntoCASE Validation d’OntoCASE Conclusion

54 Réalisations du point de vue des sciences cognitives
Conclusion Réalisations du point de vue des sciences cognitives Une ontologie représentationnelle et opérationnelle du domaine de la représentation des connaissances Une méthode de formalisation de modèles de connaissances semi- formels en ontologies Une méthode de représentation de connaissances tant déclaratives, procédurales, stratégiques et factuelles dans une ontologie Une méthode de gestion des ambiguïtés intrinsèquement contenues dans la sémantique du langage semi-formel Un ensemble de documents qui servent de guide à la conception d'un MSF dans la perspective de sa transformation subséquente en ontologie. Une méthode de validation de la sémantique d’un MSF par un décodage formel du modèle

55 Réalisations du point de vue informatique (1/2)
Conclusion Réalisations du point de vue informatique (1/2) Un outil intelligent et intégré dans l'environnement Eclipse apte à assister un ingénieur ontologique et un ou des experts d’un domaine dans la conception d'une ontologie à partir d'un MSF Un nouvel éditeur de modèles MOT (eLi) dans l'environnement Eclipse Une bibliothèque du codes sources de Protégé pour la manipulation d'ontologies, de règles SWRL et d’interfaces aux moteurs d'inférences Pellet et Jess intégrée dans Eclipse Des outils d'importation/exportation de modèles de l'espace de modélisation MOF à l'espace de modélisation OWL

56 Réalisations du point de vue informatique (2/2)
Conclusion Réalisations du point de vue informatique (2/2) Un mécanisme de construction automatique d'ontologies à partir d'une base de connaissances de type OWL jumelé à SWRL La substitution avec succès du MOF par OWL/SWRL en tant que méta-métamodèle dans l'utilisation de l'ACM pour la transformation de modèles semi-formels Un outil intelligent qui automatise la conversion et la validation du MSF en ontologie et qui semi-automatise le processus de désambiguïsation des connaissances exprimées de manière semi-formelle Un outil intelligent de production de texte informel à partir d'une conceptualisation exprimée de manière semi- formelle

57 Apports en représentation des connaissances
Conclusion Apports en représentation des connaissances Une ontologie de référence qui est une représentation possible du domaine de la représentation des connaissances La structure de l’ontologie de référence supporte l’intégration d’un nouveau langage (MindMap) et la classification de plusieurs autres (UML et BPMN) laissant présumer une certaine généricité de sa structure face au domaine de la représentation des connaissances La méthodologie de transformation soutient la formalisation en ontologie, de connaissances déclaratives, procédurales, stratégiques et factuelles L’assistant informatique procure une rétroaction de la sémantique représenté par le MSF par l’interprétation formelle de l’ontologie cible L’outil informatique peut servir à convertir en MOT un modèle semi-formel d’un autre langage (voir le test avec MindMap)

58 Conclusion Apports en ingénierie ontologique et aux applications du web sémantique Une méthodologie qui permet de construire une ontologie pré-validée avant déploiement d’une manière efficiente Une méthode pour intégrer de nouveaux formalismes semi-formels dans une méthodologie ontologique Une bibliothèque de commandes de type SWRL Built-in qui permet de créer et de mettre à jour une ontologie cible à partir du déclenchement de règles. Cette bibliothèque permet la conception d’une ontologie dédiée à la création d’ontologies

59 Apports en gestion des connaissances
Conclusion Apports en gestion des connaissances Une méthodologie qui permet de construire une ontologie formelle à partir d’une élicitation semi-formelle qui stimule l’expression de connaissances tacites Une méthodologie qui permet la formalisation d’une mémoire d’entreprise dont le contenu est exprimé de manière semi-formelle Une méthodologie qui permet, par son mécanisme, de valider le contenu expert par rétroaction

60 Conclusion Limites Il est à anticiper que la structure interne de l’ontologie de référence subirait d’importantes modifications advenant l’intégration d’un langage complexe La terminologie de l’ontologie de référence gagnerait en clarté si elle s’alignait sur la terminologie d’ontologies déjà existantes dans le domaine (Ex.: SUMO, CYC, KR de Sowa) La validation ergonomique du logiciel nécessite un déploiement à une grande échelle pour être confirmée Certaines optimisations de performance d’exécution doivent être réalisées dans le module de désambiguïsation et de conversion. Certaines règles de « bonnes pratiques » de la DL ne sont pas respectées dans la construction de l’ontologie cible. Pour l’harmoniser aux bonnes pratiques, il faudrait : Utiliser rdf:typeOf au lieu rdf:subClassOf pour relier les classes de l’ontologie cible aux classes l’ontologie cadre Utiliser, pour des cas précis, l’owl:Restriction au lieu de rdfs:subPropertyOf pour définir le domaine et l’image des sous propriétés

61 Conclusion Perspectives (1/2) Utiliser OntoCASE pour construire la base de connaissances d’un système expert selon une approche d’élicitation semi-formel directement par les experts de contenu Raffiner et généraliser d’avantage l’ontologie de référence et l’ontologie cadre par: L’intégration d’autres langages semi-formels (par ex.: UML-Cas d’utilisation, carte conceptuelle, etc.) L’intégration de langages formels (par ex.: BPMN) Explorer la possibilité de remplacer l’ontologie cadre par OWL-S

62 Conclusion Perspectives (2/2) Utiliser OntoCASE en tant que système de validation de la sémantique d’un modèle (par ex. pour valider la sémantique d’un diagramme UML ou BPMN) Développer des fonctionnalités au rapport de validation afin d’y intégrer des outils de recherche, d’ordonnancement des résultats Utiliser OntoCASE en tant qu’Environnements Informatiques pour l'Apprentissage Humain pour enseigner l’art de la modélisation grâce à son module de rétroaction Accroître l’accès à la construction d’ontologies de domaine à un public élargi d’utilisateurs (pédagogue, expert de contenu, gestionnaire) par l’intégration des modules (d’importer, désambiguïser et convertir) en un seul module (formaliser)

63 Merci Période de questions