Compte-rendu de la réunion du 21 mai 2003

Présentation au sujet: "Compte-rendu de la réunion du 21 mai 2003"— Transcription de la présentation:

1 Compte-rendu de la réunion du 21 mai 2003
GDR I3 - GT 1.5 Modèles Formels pour l’Interaction Compte-rendu de la réunion du 21 mai 2003 (durant le congrès MFI2003 à Lille)

2 - Cette réunion du GT 1.5 a eu lieu lors du congrès MFI2003 à Lille ( et a réuni 22 participants (cf. Liste en annexe 1). - La réunion a commencé par une introduction des animateurs du groupe sur les objectifs du GT, ainsi que sur le déroulement de la réunion visant à laisser une large part aux discussions. Il s’agissait de discuter de manière transversale (IHM, IAD, EIAH), ouverte et informelle de concepts, méthodes, modèles ou formalismes présentés par les différents orateurs, d’en envisager l’applicabilité pour les domaines cités précédemment. Philippe Trigano a commencé par une présentation intitulée “CEPIAH Conception et Evaluation de Produits Interactifs Pour l’Apprentissage Humain » (cf. Transparents en annexe 3). La discussion s’est orientée principalement vers les besoins en modèles formels en conception et évaluation d’EIAH, de même que sur l’intérêt d’intégrer des méta-modèles d’UML dans les démarches de conception. La présentation d’Emmanuel Adam et Christophe Kolski (LAMIH, Université de Valenciennes et du Hainaut-Cambrésis) s’est intitulée « Exploitation du modèle holonique dans un cadre combinant IAD et IHM » (Cf. Transparents en annexe 4). Lors des discussions, l’accent s’est porté sur l’exploitation du modèle holonique dans d’autres cadres. Le titre de la présentation de Guy Gouardères (LIUPPA, IUT de Bayonne) était : « Vers des modèles formels en e-qualification » (cf. Transparents en annexe 2). Les discussions ont porté en particulier sur la manière de formaliser certaines caractéristiques des utilisateurs de systèmes. La présentation de Philippe Mathieu (LIFL, Université des Sciences et Technologies de Lille) était intitulée « Modèles d'interactions pour agents situés ». Lors des discussions, différents modèles ont été discutés. Puis une discussion globale sur les modèles formels a eu lieu. La prochaine réunion du groupe aura lieu lors du dernier trimestre La date sera annoncée prochainement.

3 Annexe 1 : Liste des présents à la réunion du 21 mai 2003
(22 personnes) Emmanuel Adam (LAMIH, Valenciennes) Michel Angeraud (L3I, La Rochelle) Bruno Beaufils (LIFL, Lille) Frédéric Collé (L3I, La Rochelle) Pantxika Dagorret (LIUPPA, IUT de Bayonne) Pierre De Loor (LI2, ENIB, Brest) Ronald Edmund (INRIA, Rocquencourt) Pierre-Alexandre Favier (LI2, ENIB, Brest) Guy Gouardères (LIUPPA, IUT de Bayonne) Emmanuelle Grislin (LAMIH, Valenciennes) Andreas Herzig (IRIT, Toulouse) Souhila Kaci (IRIT, Toulouse) Christophe Kolski (LAMIH, Valenciennes) Philippe Lopistéguy (LIUPPA, IUT de Bayonne) René Mandiau (LAMIH, Valenciennes) Philippe Mathieu (LIFL, Lille) Michel Morvan (France TelecomDVSI) Sylvie Pesty (Leibniz-IMAG, Grenoble) Nicholas Sabouret (LIMSI, Orsay) Karim Sehaba (L3I, La Rochelle) Abdelwaheb Trabelsi (LAMIH, Valenciennes) Philippe Trigano (HEUDIASYC, Compiègne)

4 Transparents utilisés par Guy Gouardères (LIUPPA, IUT de Bayonne)
Annexe 2 : Transparents utilisés par Guy Gouardères (LIUPPA, IUT de Bayonne) pour lancer la discussion

5 e-Val Vers des modèles formels en e-Qualification
1 -Contexte : Web Sémantique, Semantic Grid (DeRoure), e-learning… 2 -Définition : évaluer conjointement les dispositifs et les usages/analyser l’interaction selon 3 vues 3 –Objectif : évaluer la performance globale sous contrainte de l’ajustement mutuel : e-Assessment versus e-Accréditation 4 - Problématique Quels modèles pour l’évaluation des systèmes collectifs artificiels? •simulation de systèmes complexes •analyse et compréhension du dialogue •agents autonomes en environnement ouvert Autres…… Dispositif à évaluer Organisation Ingénierie Individuelle/ Collective des usages Logiciels Distribués personnalisables QoS/(Social) Usability/ Sc. Cognitive Communautés Virtuelles E-Qualification : 1-Contexte : Web Sémantique, Semantic Grid (DeRoure), e-learning Interactions ouvertes dans le contexte des interactions entre un grand nombre d ’acteurs humains ou logiciels. (Ouvertes, on peut ajouter ou retirer des acteurs) Des IHM pro-actifs qui dynamisent l'interaction en la personnalisant aux besoins des utilisateurs (The intelligent room du MIT) Supportés par des environnements « intelligents » : construits sur ces principes : depuis les couches basses de communication jusqu’aux aux applications interactives personnalisées . (The Metaglue System,” Cohen, Finin et al) Principe : quand l’Application évolue, l’interaction change, le modèle de l’usager aussi (Rich, Kass) Centré sur : Communication & Interaction (D. Maraschi, S.A. Cerri) Agents & the Strobe model : des acteurs aux agents Personnal knowledge : adaptation to user knowledge Pragmatic, semantic, syntaxic level ? C’est la semantique qui guide, Alors ….. Evaluer: la Communication & l’Interaction Communication : du Client-Serveur au broadcast, évaluation 2 à 2 évolue vers le peer-to-peer Interaction : Ajustement mutuel des différentes adaptations :Logiciels, Organisation, Usager Modèles de l’usager : plus de référentiel statique ( recouvrement, Trace, Bug Libraries), il faut le construire et le maintenir de façon dynamique Reconnaissance et personnalisation de l’usager à travers ses usages : Réseaux de Neurones, Bayésiens,etc… PRESENTATION non EXHAUSTIVE de quelques approches : -Dialogue : Aspects « Broadcast » & Evaluation en continu (STROBE), - Modèles de l’usager, -Modèles qualitatifs (Usages) : -Co-évolution (complexité) : Guy Gouardères – IUT de Bayonne

6 EVALUATION du Dialogue : l’utilisateur dans la boucle
1 -Principes : Communication & Interaction (D. Maraschi, S.A. Cerri) - Modèle formel de communication (utilise Scheme, - calcul-, Primitives simples ) - Agents comme interprètes en symétrie pour Humain-Artificiel - Modèle du partenaire (Env de 1ère classe : pour tous ) - Evaluation paresseuse des Streams & Scheduling dynamique (autonomie) - Reflexivité possible et simple & Contrôle avec continuations 2 - Modèle : STROBE: STReams Objects Environments (Cerri et al, 1994->) - Intéroperable avec Java (Compil Scheme->Java Byte Code: Kawa ou SISC) 3 -Evaluer: BOUCLE “REPL” STROBE: STReams Objects Environments (Cerri et al, 1994->) 1. Modèle formel de communication (utilise Scheme, donc -calcul) 2. Primitives simples 3. Agents comme interprètes (symmetrique pour Humain-Humain, Artificiel-Artificiel, HA, AH) 4. Modèle du partenaire (Env de 1ère classe: tous ) 5. Evaluation paresseuse (Streams pour les messages, histoire: Gouaich) 6. Scheduling dynamique (autonomie: Maraschi, Guessoum, Briot) 7. Reflexivité possible et simple (apprentissage aussi au niveau meta: Jonquet) 8. Contrôle avec continuations (Queinnec, Jonquet) 8. Intéroperable avec Java (Compil Scheme->Java Byte Code: Kawa ou SISC Guy Gouardères – IUT de Bayonne

7 Modèles de l’Usager : Bugs systems & Watch Dogs
Error Evaluation Agent in ASIMIL (Distance Training, FP5, 2002): Choix d’une stratégie d’évaluation Génération et/ou modification des réseaux Bayésiens modélisant la gravité des erreurs Extraction des préférences à partir du modèle de l’Usager (BN) et des retours des agents d’erreurs . Ajustement de la stratégie (modérateur) par modulation des paramètres (« equalizer »). Overlay : coef xi = (erreur i, gravité i) Agent de connaissances initialise les paramètres critiques, Les agents ergo et psycho : pondérations faibles C’est une stratégie Bayesian Network : m propriétés modélisent les usages, représentées par un vecteur de longueur n. Calculer Pi (L=1/f), préférence pour la propriété de vecteur f = (f1, f2, f3, f4,,…, fp,) où fk  {0,1}, k=1,…n Error Qualification Knowledge Ergonomy Psychology EvaluationAgent (x1, ……………….…, xn) (ei, gi) Kc Ke Kp Agent stratégie User préférences Decision{ UserModel File BN List Number Of Questions Wrong Answers Right Answers Time Spent In id-pedagogy Visited exercise Standard exercise Time Parent exercise List Number Of Parents } Evaluer différents cas d ’erreurs dans le cadre d ’une évaluation Classique L ’apprenant commence une session d ’apprentissage à partir d’un modèle des prérequis Que va-t-on analyser : pour les connaissances, ce sont savoir et savoir-faire, en ergonomie - familiarité et l’aisance de perception et la maîtrise de la manipulation, en psychologie - émotivité et autonomie. Le contexte de travail (procédure et dispositif) apporte les éléments d’adaptation: savoir ajouté, contexte et historique récent. La synthèse de tous ces éléments donne une image du savoir opérationnel, de la perception instantanée de l ’interface et de l’assurance et de la confiance en soi de l’usager Ces composants sont exprimés sous forme de coefficients, formant ensemble un vecteur 3-dimensionnel de l ’état instantané évalué qualitativement de l ’apprenant. BN{ Request Node Help In Case Of Output Error Correct match Used Node? } Guy Gouardères – IUT de Bayonne

8 Plan des erreurs attendues
EVALUATION de l’usager & des Usages Modèle Qualitatif [A. Minko, G. Gouardères, 2002] Vecteur K composé de coefficients de performance Kc, Ke, Kp Axe évaluation des performances Plan des erreurs attendues Les évolutions de K dans le temps permettent d’évaluer en tendances Erreur surprise et erreur attendue Le vecteur K est composé de coefficients de performance Kc, Ke, Kp. Pour évaluer l ’erreur, nous introduisons les termes de l ’erreur surprise (inattendue de la part de l ’apprenant) et de l ’erreur attendue. Sur le graphique, nous représentons l ’espace des erreurs et le vecteur K. K coïncide avec la direction du profil de connaissances et est orthogonal au plan des erreurs attendues. Une erreur (vecteur a) représente une déviation de la direction des connaissances. Les projections du vecteur d ’erreur sur l ’axe des connaissances et sur le plan d ’erreurs donnent respectivement la valeur de l ’erreur surprise et la valeur de l ’erreur attendue. Plus K est grand, plus l ’erreur surprise est grande (moins on s ’attend à l ’erreur de la part d ’un bon élève). K, a, as, aa sont soumis aux règles du calcul vectoriel. La matrice d ’erreur donne une estimation de l ’erreur commise: les lignes de la matrice comportent les données relatives à l ’erreur surprise et à l ’erreur attendue, tandis que les colonnes contiennent l ’information sur les composants (connaissance, ergonomie, psychologie) d ’une erreur. Les coefficients de l ’erreurs font entrer en jeu la gravité de l ’erreur et la répétition de l ’erreur Les coefficients de performance Kc (connaissances), Ke (ergonomie), Kp(psychologie) sont établis d’après les modèles de Rasmussen 86, Anderson & Byrne 01. Par exemple pour Kc on a utilisé les Modèles de recouvrement [Self], “Model-tracing” [Anderson], Bibliothèques d’erreurs [Payne] Guy Gouardères – IUT de Bayonne

9 Co-évolution : (Co-Fields, Zambonelli, 2002) et les modèles de swarm intelligence et vie artificielle Evaluation de la formation de coalitions d’agents A substrate model for global evaluation of software agents coalitions  (N. Guionnet, G. Gouardères, S3P2001) 1.12 1.22 P0 1 –Objectif : évaluer la co-évolution de modèles d’interactions liées représentées par des coalitions d’agents autonomes communicants par leur environnement et non nécessairement réactifs (auto-adaptatifs) : STROBE 2 – Modèle stygmergique • Pas de protocoles ni de négociation • Agents autonomes en environnement ouvert Propagation des propriétés et des contraintes en gradients « tendances » (par le Substrat) 3 – Détection • des tendances en « Pics de Dirac » et des agrégats d’agents reliés simulation des évolutions des agrégats d’agents 4 – Application suivi des modèles qualitatifs précédents 1.14 Guy Gouardères – IUT de Bayonne