Avec la machine auto-apprenante, le tuteur se dématérialise

Par 30 janvier 2009
Mots-clés : Smart city, Europe

La formation guidée par ordinateur demandait jusque-là une intervention pour mettre au point le système d'aide. À l'avenir, cette intervention humaine pourrait être réduite à sa portion congrue.

Des chercheurs canadiens et français (Université Lille-Nord de France) travaillent sur un outil capable de comprendre lui-même les modèles d'apprentissage d'après les actions de l'apprenant (Knowlede Discovery Framework, KDF). Car si un système tuteur intelligent (STI) guide l'apprenti pour trouver une solution à un problème, ce système automatique a besoin d'être alimenté en savoir par le tuteur expert en ce domaine. Seul ce dernier a la connaissance des différentes actions possibles - et des solutions à privilégier - face à un choix. Cela est aisé dans les cas où les domaines bien balisés, c'est-à-dire bien décrits et documentés, et les options sont limités.
Trouver les séquences et les relier entre elles
Dans le cas contraire, cela devient plus que complexe. Pour mettre en place son savoir, la plate-forme d'auto-apprentissage a besoin de prendre des leçons auprès de trois intervenants : un expert, un utilisateur intermédiaire et un débutant. Un algorithme de la famille de Sequentiel Pattern Mining (SPM) est appliqué pour découvrir les séquences répétitives dans chacune de ces trois expérimentations. Un autre traitement est effectué, cette fois pour relier entre elles les actions significatives trouvées précédemment. Quand l'élève fait une action, le système le compare aux structures en base, et peut lui proposer des solutions adaptées.
Applicable aux tâches dans l'espace
Pour se démarquer des autres travaux menés ailleurs, l'équipe s'est basée sur un outil de tutorat utilisé pour manier un bras robotisé accroché à station spatiale internationale. Dans le cas précis, le maniement ne se fait pas en regardant directement le bras, mais en le visualisant par l'intermédiaire d'écran. L'apprentissage consiste donc principalement en la sélection des bonnes caméras avec les bons paramètres de zoom et d'orientation pour réussir la manipulation. Résultat, le KDF pourrait bien avoir une pertinence dans l'alimentation en savoir des systèmes tuteur intelligent liés des exercices de raisonnement spatial.

Mentions légales © L’Atelier BNP Paribas