5. •Modélisation de l’apprenant, approche mixte
5
MOOC EIAH
Approche Mixte
Proposés dans le cadre de domaines mal définis
=> Domaines dans lesquels il est très difficile d’éliciter toutes les connaissances.
Exemples :
- CanadarmTutor
- TELEOS
Fournier-Viger,P.,Nkambou,R.,MephuNguifo,E.:
BuildingIntelligentTutoringSystemsforIll-Defined
Domains.In:Nkambou,R.,Mizoguchi,R.,Bourdeau,J.
(Eds.).AdvancesinIntelligentTutoringSystems(2010).
pp81-101.Springer,Heidelberg(2010)
6. •Modélisation de l’apprenant, approche mixte
6
MOOC EIAH
Canadarm2 et RomanTutor
1) pas de point de départ optimal pour atteindre la configuration ciblée
2) pas de stratégie claire pour la manipulation du bras au cours de sa progression entre
la configuration d’origine et la configuration ciblée.
Connaissances déclaratives, procédurales et spatiales.
Fournier-Viger,P.,Nkambou,R.,Mayers,A.,MephuNguifo,
E.,Faghihi,U.AHybridExpertiseModeltoSupport
TutoringServicesinRoboticArmManipulations.InProceed-
ingsofthe10thMexicanInternationalConferenceon
ArtificialIntelligence.LNAI7094,Springer,(2011)478–489
7. •Modélisation de l’apprenant, approche mixte
7
MOOC EIAH
Canadarm2 et RomanTutor
1) Le traçage de modèle (model tracing), connaissances procédurales
- Ensemble de règles élicitées par les experts
2) Datamining , tâches mal définies, gestes :
- Production de règles à partir des données.
8. •Modélisation de l’apprenant, approche mixte
8
MOOC EIAH
Itemset : Un itemset est un ensemble d’items. Dans l’exemple, un itemset regroupe des
unités d’actions (items).
Séquence : fait référence à une suite d’itemsets temporellement ordonnés.
Fournier-Viger,P.,Faghihi,U.,Nkambou,R.,Mephu
Nguifo,E..CMRules:Miningsequentialrules
commontoseveralsequences.InJournalKnow.-
BasedSyst.Vol.25(1),(2012)63-76
{x y} => {z} signifie qu’à chaque occurrence des items x et y, on observe une occurrence de
l’item z (à hauteur d’un support et d’une confiance donnés)
Figure extraite de Fournier-Vigier 2012, p. 64
9. •Modélisation de l’apprenant, approche mixte
9
MOOC EIAH
Canadarm2 et RomanTutor
1) Le traçage de modèle (model tracing), connaissances procédurales :
- fournir des suggestions de parcours de résolution
- l’évaluation de ses choix de parcours
- aides et indices liés aux connaissances procédurales
2) Datamining , tâches mal définies, gestes :
- Modèles de tâche partiels extraits automatiquement à partir des gestes experts
- Enrichir la base de connaissances du système
- évaluer l’apprenant lorsqu’il utilise des enchaînements d’actions proches de
modèles de tâche existant dans la base de connaissances.
10. •Modélisation de l’apprenant, approche mixte
10
MOOC EIAH
Exemple TELEOS
TELEOS: Environnement
d’apprentissage
V.Luengo,L.Vadcard,J.Tonetti,andM.Dubois.
Diagnosticdesconnaissancesetrétroaction
épistémiqueadaptativeenchirurgie.Revue
d'IntelligenceArtificielle,25(4):499--524,2011
11. •Modélisation de l’apprenant, approche mixte
11
MOOC EIAH
Exemple TELEOS
Identification des conceptions à partir du modèle CKç
Balacheff, N. : Conception, connaissance et concept. In Grenier, D.
(ed) : Didactique et technologies cognitives en mathématiques,
séminaires 1994-1995, pp. 219-244
Vadcard,L.,Dubois,M.,Tonetti,J.,Luengo,V.:
Transmissiondel’expérienceenchirurgiepercutanée:
analysecognitiveetconceptiond’outilsdeformation.
1ercolloqueinternationaldel’associationRecherches
etPratiquesenDidactiqueProfessionnelle.2009.
12. •Modélisation de l’apprenant, approche mixte
12
MOOC EIAH
Exemple TELEOS
V.M.Chieu,V.Luengo,L.Vadcard,andJ.
Tonetti.Studentmodelingincomplexdomains:
ExploitingsymbiosisbetweentemporalBayesian
networksandfine-graineddidacticalanalysis.
JournalofArtificialIntelligenceinEducation,
2010
13. •Modélisation de l’apprenant, approche mixte
13
MOOC EIAH
Exemple TELEOS
Identification de phases dans le simulateur
Dans la vertébroplastie :
1. Positionnement du fluoroscope
2. Repérage cutané
3. Insertion trocart
Des règles expertes
La phase 1 est validée si le positionnement du fluoroscope permet de générer des radios
de face et de profil en adéquation avec certaines contraintes d’affichage
Exemple : la netteté des contours de radio et la visibilité des épineuses de toutes les
vertèbres affichées
14. •Modélisation de l’apprenant, approche mixte
14
MOOC EIAH
Exemple TELEOS
Production de traces
Perceptivo gestuelles
B.M.Toussaint,V.Luengo,F.Jambon.“Analyse
deconnaissancesperceptivo-gestuellesdansun
SystèmeTutorielIntelligent”,STICEF,2017
15. •Modélisation de l’apprenant, approche mixte
15
MOOC EIAH
Exemple TELEOS
PhaRULES : Adaptation de CMRules pour obtenir des règles plus pertinentes
{The fluoroscope is positioned for front X-rays with a cranial incline}; {the learner positions the
cutaneous marks slider on the patient's body}; {the learner takes a front X-ray}; {the learner
visualizes the position of the spinous of the targeted vertebra on the X-ray} ⇒ {the transverse
cutaneous mark is correct}; {the left cutaneous mark is incorrect} Support = 0,5 Confiance = 08
B.Toussaint,V.Luengo.MiningSurgeryPhase-
RelatedSequentialRulesfromVertebroplasty
SimulationsTraces.ArtificialIntelligencein
Medicine.2015
16. •Modélisation de l’apprenant, approche mixte
16
MOOC EIAH
Exemple TELEOS
L’analyse des données perceptivo gestuelles
B.M.Toussaint,V.Luengo,F.Jambon.“Analyse
deconnaissancesperceptivo-gestuellesdansun
SystèmeTutorielIntelligent”,STICEF,2017
Données d’apprenants => prise en compte de l’erreur