Représentation des connaissances du domaine Roger Nkambou

Ontologie Etude de ce qui est terme emprunté à la philosophie Pour nous : formalisation d’une conceptualisation

Ontologie Se mettre d'accord sur le sens des termes employés dans une organisation, une communauté, un métier Faire en sorte que les personnes et les logiciels se comprennent Utile pour des applications distribuées telles que le Web

Ambiguïté ‘chambre’ : Chambre d'hôtel ? Chambre d'écho ? Chambre des députés ? Chambre d'enregistrement ? Chambre noire ? Chambre funéraire ? ‘Stratégie d’apprentissage’ Stratégie de l'apprenant Stratégie cognitive Stratégie métacognitive Stratégie de communication Lire l’article suivant de Caroline Vergon

Ontologie Identifier, modéliser les concepts d'un domaine, pertinents pour une/des applications Se mettre d'accord, au sein d'une communauté, sur les termes employés pour se référer à ces concepts

terme Mot de la langue naturelle qui désigne un (des) concept(s) : cat, chat, greffier, matou termes qui désignent le concept de chat synonymie : plusieurs termes dénotent le même concept ambiguïté : plusieurs concepts dénotés par le même terme

Ontologie Identifier/modéliser les concepts et les relations conceptuelles formaliser la conceptualisation, et le vocabulaire correspondant Formalisation pour lever toute ambiguïté

Pour quoi faire ? un SABC une base de connaissances pour un système d’annotation un système d’indexation documentaire, de recherche d’information le commerce électronique (communication des agents) un SABC Domaine d’apprentissage Pédagogie Gestion de l’étudiant Design pédagogique

Ontologie Différentes acceptations du mot ontologie : Vocabulaire technique, Référentiel métier, Terminologie/thesaurus, Système de classes d’une représentation par objet : UML ? Base de connaissances terminologique MOT, CREAM…

Conception Identifier/modéliser les concepts et les termes pertinents Identifier les relations pertinentes : subClassOf, isa, partOf, hasPart, closeTo, over, under, contain, connected, etc. Règles pour combiner les concepts et les relations : partOf est transitive

Modéliser Une ontologie est une modélisation des connaissances Au sens où une théorie physique est un modèle de la réalité Il peut y avoir plusieurs modèles d’une même réalité : expérience de la chute des corps théorie de la gravitation de Newton relativité générale d’Enstein

Connaissance Continuum : donnée, information, connaissance information : SOS connaissance : en cas d’alerte, déclencher les secours La connaissance permet de produire de nouvelles données, informations, connaissances : inférence

Types de connaissances Connaissances de résolution de problème : conception, diagnostic, évaluation, planification tâches, inférences Connaissances du domaine e.g. électronique, mécanique, médecine, etc. ontologie : réutilisable modèles de domaine : fonctionnel, causal, structurel, exprimés dans le vocabulaire de l’ontologie.

Ontologie concept Object concept Engine < Object concept Vehicle < Object relation partOf : Object -> Object

Modèles de domaine Structurel : Engine e1 partOf Vehicle v2 causal : Engine breakdown => Vehicle stop

Ontologie L’accent est mis sur les concepts et les relations du domaine Orienté modélisation, spécification, réutilisation, partage, standardisation. Relations spécifiques du domaine considéré

Objets L'accent est mis sur le coté opérationnel. Opérations rendues possibles par le modèle objet : classification, évolution, simulation, calcul. Orienté résolution de problème

Terminologie/Thesaurus L'accent est mis sur les termes utilisés pour dénoter les concepts du domaine (linguistique, langue naturelle). Les relations entre termes sont linguistiques. Orienté indexation.

Thesaurus (2) Recueil documentaire alphabétique de termes servant de descripteur pour : analyser un corpus indexer des documents Relations prédéfinies standardisées pour les thésaurus

Relations linguistiques BT : Broader Term NT : Narrower Term TT : Top Term RT : Related Term (other than BT, NT, TT, etc.)

Relations (2) USE : Prefered Term UF : Use for, non preferred synonym, quasi synonym SN : Scope Note, Une note pour expliquer un terme

Propriétés d’une ontologie Réutilisation (reuse): généralisation, abstraction Partage (sharing) : standardisation Consensus (commitment) : Accord sur la conceptualisation partagée = engagement ontologique

Caractéristiques Formalisation : lever les ambiguïtés Indépendance (relative) par rapport à une tâche, ou un problème précis Supporte l’élaboration de tâches ou de scénarios car cette activité ne relève pas de l’ingénierie ontologique Utilisable pour différentes tâches : conception, diagnostic, maintenance, recherche d'information, ENSEIGNEMENT et APPRENTISSAGE

Caractéristiques (2) Indépendante d’une implémentation : limiter le biais dû à un formalisme de représentation : niveau conceptuel Des inférences sont possibles (relations transitives, axiomes, etc.)

Types d’Ontologies Ontologies générales, abstraites, de haut niveau : Ontologie des catégories conceptuelles : objet, événement, état, processus, action, temps, espace Ontologies théoriques : physique, mathématique, cinématique

Types (2) Ontologie applicative : Médecine, automobile, patrimoine culturel, organisation, etc.

Principes de conception Clarté : communiquer le sens des termes définis Cohérence Extensibilité Indépendance vs implémentation Modularité

Outils/Langages KIF : Knowledge Interchange Format Ontolingua Logiques de description (orientée classification) Graphe conceptuel (support) RDF Schema DAML OIL OWL OWL full OWL LD OWL lite

Exemples Ontolingua : www-ksl.stanford.edu/sns.html WordNet : Ontologie de la langue naturelle Enterprise Ontology Kactus : ingénierie UMLS : Unified Medical Language System Cyc EngMath, PhysSys O’Comma

Deux études de cas: Modélisation du domaine d’apprentissage CREAM MOT

Le cadre théorique général Instructional Design Une des mises en pratique importantes des théories de l'apprentissage Constat de base : Les modes d'organisation des activités d'apprentissage (ordre, enchaînement) influent fortement sur la façon dont s'opère l'appropriation de la connaissance Contexte d'élaboration Courant essentiellement nord américain (depuis 1970) Origine : Formation professionnelle – entraînement militaire Industrialisation de la formation

La théorie de Gagné : les conditions de l'apprentissage 5 catégories d'apprentissage : Communication verbale Habiletés intellectuelles Stratégies cognitives Habiletés motrices Attitudes Principes : A chaque catégorie doivent correspondre des conditions spécifiques d'apprentissage Ex : Stratégies cognitives <-> résolution de problèmes Ex : Attitudes <-> jeu de rôle

Gagné : les 9 types d'événements d'apprentissage Attirer l'attention Informer les apprenants des objectifs Stimuler le rappel d'apprentissages antérieurs Présenter un stimulus Fournir un guide à l'apprentissage Inciter à la performance Fournir de retours d'information Evaluer les performances Favoriser la rétention et le transfert

L'approche de Mager (1975) Modèle : Criterion Referenced Instruction, ensemble de méthodes et modèles pour la conception et la mise en œuvre de programmes de formation (1) identification des besoins d'apprentissage (2) spécification précise des objectifs en termes de performance : quels résultats doivent être produits et comment doivent-ils être évalués (notion de critère) (3) élaboration des méthodes de vérification des critères identifiés (4) développement des modules de formation adaptés aux objectifs

L'approche de Merril "Component Display Theory" (CDT) Deux dimensions à l'apprentissage Les contenus à transmettre (faits, concepts, procédures, principes) Les performances (utiliser, trouver, se remémorer) 4 composants primaires (Règle, Exemple, Rappel, Exercice) et 5 composants secondaires (Prérequis, objectifs, assistances, mnémoniques, feedbacks) Concevoir une formation = sélectionner la bonne combinaison de composants. Pour un objectif et un apprenant donnés, il existe une unique combinaison résultant de la situation d'apprentissage la plus efficace (individualisation)

Le courant "andragogique" (Knowles) Insiste sur l'importance d'adapter la formation à l'expérience ou aux intérêts des apprenants Il n'y aurait pas d'organisation pédagogique optimale ne tenant pas compte de chaque apprenant : Théories sur les différences individuelles et les profils Recherche sur les styles cognitifs

Les applications de l'"Instructional Design" Objectif : industrialisation de la formation Ingénierie des systèmes d'apprentissage (essentiellement à distance) Ex : MISA (basé en partie sur Merrill) Langages de modélisation pédagogique Ex: CREAM (basé sur Gagné) Mais plusieurs autres EML (Open University of Netherlands) CDF (Fondation ARIADNE) LMML (University of Passau) PALO (UNED) Targeteam (Universität der Bundeswehr München) TML/Netquest (University of Bristol) Proposition d'un standard : IMS-Learning Design (Voir plus loin)

Système de représentation de connaissances : Aperçu de CREAM CREAM-Tools Système de représentation de connaissances : CREAM Pédagogie Didactique Domaine

CREAM CREAM-Tools = Env. auteur pour CREAM CREAM = Domaine + Pédagogie + Didactique Domaine = CREAM-C Didactique = CREAM-R Pédagogie = CREAM-O + CKTN CREAM-Tools = Env. auteur pour CREAM

Acteurs et interfaces

Méthodologie CREAM

Méthode (suite)

Ontologie des connaissances <Capability> : := <Notation> <Description> <Attributes> <Notation> : := <DomainElement> ( <Type> ) <Description> : := <Text> <Attributes> : := <VIAttributes> | <DiscriminationAttributes> | <DefinedConceptAttributes> | <ConcreteConceptAttributes> | <ProceduralKnowledgeAttributes> <DomainElement> : := <ID> <Types> : := law | proposition | setOfPrositions | definedConcept | concreteConcept | rule | highOrderRule | problemSolvingStrategy | learningStrategy <ConcreteConceptAttributes> : := <BasicAttributes> [<FunctionalAttributes>] <RecognitionRule> [<Examples>] [<NonExamples>] [<Nearmisses>] <ProceduralKnowledgeAttributes> : := <RuleAttributes> | <HighOrderRuleAttributes> | <CognitiveStrategyAttributes> <DiscriminationAttributes> : := <ListOfDiscriminationFactors> <DefinedConceptAttributes> : := <DefinitionPredicate> [<Examples>] [<NonExamples>] [<Nearmisses>] <RuleAttributes> : := <ListOfProcedures> <RecognitionRules> : := <Condition> <Condition>* <Action> <BasicAttributes> : := <Label> <Label>* <ListOfProcedures> : := <Procedure> <Procedure>*

Exemple de connaissances ConcreteConceptClass Notation: #Button-ON-OFF-CHARGE(Concrete Concept) Description: ``Baxter pump start/stop button`` BasicAttributes: #(color, label) FunctionalAttributes: #(state #(on, off)) RecognitionRule: [(color = #yellow) and: [label = ‘ON-OFF-CHARGE’]. RuleClass Notation: #Perfusion(Rule) Procedures: #((pump isTurnOff) and: [turnOn(pump). TurnOn(Boutton-ON-OFF-CHARGE). programming(infusionRate). programming(volumeToBeInfused). start.])

Définition des objectifs <Objective> ::= <Notation><Description><Level>[<Context>][<AssessmentRule>] <Notation> ::= <Ability>|<DomainElement> <Level> ::= acquisition | comprehension | application | analysis | synthesis | evaluation <Ability> ::= <AcquisitionSkill> | <ComprehensionSkill> | <ApplicationSkill> | <AnalysisSkill> | <SynthesisSkill> | <EvaluationSkill> <AcquisitionSkill> ::= enumerate | name | identify | indicate | define | recognize <ApplicationSkill> ::= solve | apply | perform | formulate | practice <AssessmentRule> ::= <Rule> ...

Exemples ObjectiveClass Notation : #Recognize[Work-Signs] Description : ‘Learn how to recognize road repair signs’ Level: #acquisition Context: ‘The student will be able to point out and name work road signs between a given set of signs’ AssessmentRule : #(2 SIT/3 + 3 DT/4) “ comment : success on at least two simple identification tests (SIT) between three, and on at least three designation test (TD) between four”   AssessmentRule : #(5 MIT / 7) “comment : success on at least five multiple identification tests (MIT) between seven”

Construction du CKTN

Exemple de CKTN

Architecture d’un STI avec curriculum explicite Student Model Planner Tutor Authoring Environment Student Interface Domain Knowlege Student Instructional designers ? inst. objective Didactic Resource Curriculum What can I do ? AI IMPACT

Dynamique d’un SABC basé sur CREAM

Dynamique d’un SABC basé sur CREAM

Système de représentation de connaissances : Aperçu de MOT MOT Éditeur Système de représentation de connaissances : Technique de modélisation des connaissances (MISA) & Éditeur graphique Lexique Grammaire Sémantique Pragmatique

Modélisation par objets typés Les types de connaissances sont utiles aux systèmes informatisés de support à la performance. Intégration de différent points de vue dans un même modèle: conceptuel, fonctionnel, stratégique. Transparence sémantique et facilité d’utilisation. Une petite quantité de connaissances et de liens sont suffisant pour représenter des modèles complexes : Conceptuel: factuel, composé, taxonomique, hybride Procédural: séquentiel, parallèle, itératif Prescriptif: de contrôle, de décisions, lois et théories Méthodes et Processus: processus, méthodes et techniques, multi-agents

Types de connaissances Connaissances abstraites Faits concrets Concepts Exemples Procédures Traces Principes Énoncés

Types de connaissances : Sémantique Concepts Classes d’objets Sortes de documents ou d'outils Catégories de personnes (acteurs, agents d’information) Catégories d’événements Procédures Classes d’opérations, actions Sortes de tâches, activités Instructions, algorithmes Films ou étapes du scénarios Principes Contraintes d’intégrité, conditions Règles d’actions, heuristiques Principes relationnels, lois, théories Agents décisionnels. Exemple : objet concret représentant un concept Trace: objet concret représentant une procédure Énoncé: déclaration spécifique d’un principe Faits

Types de liens Le lien d’instanciation (I) relie une connaissance abstraite à un fait. Le lien de composition (C) relie une connaissance à l’une de ses composantes ou de ses parties constitutives. Le lien de spécialisation (S) met en relation deux connaissances abstraites de même type dont l’une est “ une-sorte-de ”, un cas particulier de l’autre. Le lien de précédence ( P ) relie deux procédures ou principes dont le premier doit être terminé ou évalué avant que le second ne commence. Le lien intrant-produit ( I/P ) relie un concept et une procédure. Le lien de régulation ( R ) s’utilise d’un principe vers une autre connaissance abstraite qui peut être un concept, une procédure ou un autre principe.

Types de liens : exemples Remarques Exemples La «Voiture» se compose d’une «Carrosserie» On peut spécifier les attributs d’un objet comme des composantes d’une connaissance C La « Voiture-de-Jean» se compose de «Carrosserie-de-la-voiture-de-Jean» S Du plus spécifique vers le plus général «Renault» est une sorte de «Voiture» «Faire le plan» précède «Rédiger le texte» P Du précédant au suivant «Le plan » est intrant de «Rédiger le texte» Le concept vers la procédure est un intrant de celle-ci. La procédure vers le concept indique qu’elle le produit. I/P «Le texte» est produit de «Rédiger le texte» «Les règles de disposition sur la page» régissent «le plan» Un principe défini le concept par des contraintes à satisfaire ou encore établi une loi ou une relation entre plusieurs concepts. Le principe contrôle de l’extérieur l’exécution d’une procédure ou la sélection d’autres principes. «Les règles de contrôle du trafic» régissent «Faire décoller un avion» R «Les règles de gestion de projet» régissent «Les principes de design à appliquer» Concept, procédure ou principe “ s’instancie ” par des faits «La-voiture-de-Jean» est une instance de «Les voitures Renault» I

Quelques règles de grammaire N S CONCEPTS PROCÉDURES PRINCIPES C S P I/P R I

Pour assigner des stratégies d’apprentissage aux types de modèles Taxonomie de Modèles Pour assigner des stratégies d’apprentissage aux types de modèles Modèles Conceptuels Procéduraux Prescriptifs Modèles de Processus, Techniques et Méthodes

Modèle Conceptuel Exemples de systèmes factuels

Modèle Conceptuel Exemple d’un système taxonomique

Modèle Conceptuel Exemple d’un système à composantes

Modèle Conceptuel Exemple d’un système hybride

Modèle Procédural Exemple de procédures séquentielles

Modèle Procédural Exemple de procédures en parallèle

Modèle Procédural Exemple de procédures itératives

Systèmes Prescriptifs Exemple d’une théorie (loi)

Systèmes Prescriptifs Exemple d’un arbre de décision

Systèmes Prescriptifs Exemple d’une structure de contrôle

Processus et Méthodes Exemple d’un processus

Processus et Méthodes Exemple d’une technique (méthode)

Processus et Méthodes Exemple d’un processus multi-agents

IMS Competency Definition Reusable Definition of Competency or Educational Objective (RDCEO)

IMS Content Packaging