Domitile LOURDEAUX Enseignant-chercheur
| GI - Génie Informatique | HEUDIASYC - Heuristique et Diagnostic des Systèmes Complexes
Scénarisation adaptative et suivi de l'apprenant
Objectif :
Un aspect à prendre en compte est l’adaptation dynamique des contenus aux comportements de l’apprenant. Dans des situations de travail où des aspects risques sont en jeu et dans des situations fortement dégradées, on comprend l'intérêt qu'il y aurait à permettre à l’utilisateur ou à l'apprenant selon son niveau et selon les objectifs de formation visés d'interagir librement avec le système et à le laisser faire des erreurs pour en voir l'impact. Or, pour permettre ces interactions et l'émergence de la connaissance et donc des apprentissages, il est nécessaire de modéliser et scénariser le fonctionnement complexe de ces systèmes humains et techniques en lien avec les objectifs visés. Il s'agit donc de permettre d’orienter le scénario d’un environnement virtuel de formation vers des situations pertinentes. Pour générer de telles situations et fournir des éléments de discussion, il est intéressant de pouvoir expliquer pourquoi ces situations surviennent et de fournir des éléments d’évaluation voir d’autoévaluation aux utilisateurs pour comprendre les comportements ou événements qui ont amené à ces situations. Notamment, lorsqu’il s’agit de situations fortement complexes faisant intervenir des aspects humains, techniques et organisationnels avec des causes diverses et parfois décalées dans le temps, un système de traçage permet d’aider à mieux analyser les situations. De tels systèmes peuvent permettre au formateur de suivre l’activité de l’apprenant, ou des activités réflexives pour les utilisateurs ou apprenants.
Un aspect à prendre en compte est l’adaptation dynamique des contenus aux comportements de l’apprenant. Dans des situations de travail où des aspects risques sont en jeu et dans des situations fortement dégradées, on comprend l'intérêt qu'il y aurait à permettre à l’utilisateur ou à l'apprenant selon son niveau et selon les objectifs de formation visés d'interagir librement avec le système et à le laisser faire des erreurs pour en voir l'impact. Or, pour permettre ces interactions et l'émergence de la connaissance et donc des apprentissages, il est nécessaire de modéliser et scénariser le fonctionnement complexe de ces systèmes humains et techniques en lien avec les objectifs visés. Il s'agit donc de permettre d’orienter le scénario d’un environnement virtuel de formation vers des situations pertinentes. Pour générer de telles situations et fournir des éléments de discussion, il est intéressant de pouvoir expliquer pourquoi ces situations surviennent et de fournir des éléments d’évaluation voir d’autoévaluation aux utilisateurs pour comprendre les comportements ou événements qui ont amené à ces situations. Notamment, lorsqu’il s’agit de situations fortement complexes faisant intervenir des aspects humains, techniques et organisationnels avec des causes diverses et parfois décalées dans le temps, un système de traçage permet d’aider à mieux analyser les situations. De tels systèmes peuvent permettre au formateur de suivre l’activité de l’apprenant, ou des activités réflexives pour les utilisateurs ou apprenants.
Motivations :
- Augmenter l'efficacité et la qualité des simulations pour proposer des simulations complexes et pertinentes du point de vue des apprentissages
- Permettre à l'apprenant de vivre des situations hautement interactives (apprentissage situé par l’erreur), pertinentes du point de vue des apprentissages et cohérentes du point de vue des contenus
- Apprendre à réagir vite et bien en situation dégradée, de stress, rare
- Permettre des situations sans solutions idéales et discuter des avantages/risques des solutions possibles (situations de compromis)
- Permettre à l'apprenant de comprendre tous les liens de causes à effets entre actions et survenue d’événements critiques dans des systèmes très complexes où il n’est pas toujours facile de comprendre ces liens de manière évidente.
Proposition :
Nos travaux portent sur l'adaptation dynamique du scénario et intelligemment orchestrée selon le de l’évaluation de la situation. Nous proposons des scénarisations/simulations complexes ouvertes mais dirigés par :
- Des mécanismes de contrôle des interactions et de la complexité en fonction diagnostic des comportements de l’apprenant (comportements erronés, réussites, historique, etc.), de son profil (niveau, préférences, etc.), des objectifs d’apprentissage,
- Des règles scénaristiques/dramaturgiques pour gérer l'intensité dramaturgique et augmenter l’implication émotionnelle de l’apprenant dans ses apprentissages (tension dramaturgique, rythme, complexité de la situation, etc.).
Par ailleurs, nous proposons un suivi de l’apprenant et des traces pour favoriser les activités réflexives de l’apprenant ou l’analyse des formateurs.
Originalité :
- Adaptation dynamiquement du scénario et des comportements des PVA ;
- Liberté d’interaction maîtrisée ;
- Régulation de la complexité et de la gravité des situations d’apprentissage (profil, historique, situations d’apprentissage, activité) ;
- Sentiment de réussite tout en faisant prendre consciences des conséquences ;
- Tensions, situations d’urgences (identifiées par la didactique professionnelle) ;
- Description de l'activité grâce au formalisme ACTIVITYL-DL (anciennement HAWAI-DL) ;
- Traces sur des activités fortement complexes
Thèses encadrées :
- Rémi Lacaze-Labadie (Modèle sémantique et graphique probabiliste de situations critiques pour la planification en environnements virtuels incertains). Financement ANR/DGA, projet VICTEAMS ;
- Azzeddine Benabbou (Génération dynamique de situations critiques en environnements virtuels : dilemme et ambiguitée). Financement ANR, projet MacCoy Critical, soutenance prévue le 13 septembre 2018 ;
- Mélody Laurent (Récits interactifs pour l'apprentissage réflexif en environnement virtuel : scénarisation fondée sur l'uchronie). Financement Région Picardie, projet INCREDIBLE, soutenue en avril 2018 ;
- Kevin Carpentier(Scénarisation personnalisée dynamique dans les environnements virtuels pour la formation). Financement projet NIKITA, soutenue en janvier 2015 ;
- Camille Barot (Scénarisation d’environnements virtuels : vers un équilibre entre contrôle, cohérence et émergence). Financement Région Picardie et FEDER, soutenue en février 2014 ;
- Kahina Amokrane (Diagnostic des apprentissages pour le suivi de l'apprenant en environnement virtuel pour la prévention des risques). Financement Région Picardie, soutenue en février 2010.
Projets associés :
- Projet VICTEAMS (Virtual Characters for team Training: Emotional, Adaptive, Motivated and Social) (2014-2019)
- Projet MacCoy Critical (Models for Adaptative feedback enriChment and Orchestration based virtual realitY in Critical situations) (2014 - 2019)
- Projet INCREDIBLE (Interactive Narratives for Coherent and Relevant Events Direction in Believable virtuaL Environment) (2014 - 2017)
- Projet ARAKIS (Scénarisation d'environnements virtuels pour la formation à la maîtrise des risques à base de jeux sérieux)
- FIANNA : scénarisation et suivi de l'apprenant dans des environnements virtuels pour la formation à la prévention des risques sur des sites à haut risque
- SIMADVF : formation des assistantes de vie aux familles à la garde d'enfants
- NIKITA : formation aux métiers de l'aéronautique et activités collectives dans des environnements hautement interactifs et immersifs
- Projet SIMSECUR : formation des forces d'intervention dans le cas de prises d'otages
- APLG : Atelier Pédagogique Logiciel Générique
- Plateforme Perf-RV2 : formation aux rondes préventives
Personnages virtuels autonomes
Objectif :
Notre objectif vise à modéliser les comportements décisionnels cognitifs de personnages virtuels autonomes pour générer des situations d'apprentissage pertinentes dans des activités collectives et complexes et favoriser les apprentissages.
Notre objectif vise à modéliser les comportements décisionnels cognitifs de personnages virtuels autonomes pour générer des situations d'apprentissage pertinentes dans des activités collectives et complexes et favoriser les apprentissages.
Motivations :
Aujourd’hui, la réalité virtuelle permet d’envisager des environnements de plus en plus crédibles et après de nombreux travaux sur l’interaction d’un utilisateur avec son environnement puis sur les interactions collaboratives et coopératives entre plusieurs utilisateurs « réels », les recherches visent à s’intéresser à l’interaction d’un utilisateur avec des personnages virtuels autonomes. En effet, les besoins en terme d’application pour ce type d’interaction sont vastes et permettraient de limiter le nombre d’intervenants réels : formation à la gestion de crise (gestion d’un grand nombre de victimes), modélisation d’usines virtuelles avec de nombreux opérateurs, modélisation d’enfants, etc. Or, les nouvelles possibilités offertes par la réalité virtuelle et la technologie des agents en termes de scénarisation permettent de proposer des personnages virtuels autonomes évoluant dans des environnements. Cependant, modéliser de manière crédible des comportements « humanisés » reste un problème difficile, auquel l’intelligence artificielle se heurte depuis de nombreuses années.
Aujourd’hui, la réalité virtuelle permet d’envisager des environnements de plus en plus crédibles et après de nombreux travaux sur l’interaction d’un utilisateur avec son environnement puis sur les interactions collaboratives et coopératives entre plusieurs utilisateurs « réels », les recherches visent à s’intéresser à l’interaction d’un utilisateur avec des personnages virtuels autonomes. En effet, les besoins en terme d’application pour ce type d’interaction sont vastes et permettraient de limiter le nombre d’intervenants réels : formation à la gestion de crise (gestion d’un grand nombre de victimes), modélisation d’usines virtuelles avec de nombreux opérateurs, modélisation d’enfants, etc. Or, les nouvelles possibilités offertes par la réalité virtuelle et la technologie des agents en termes de scénarisation permettent de proposer des personnages virtuels autonomes évoluant dans des environnements. Cependant, modéliser de manière crédible des comportements « humanisés » reste un problème difficile, auquel l’intelligence artificielle se heurte depuis de nombreuses années.
Proposition :
Notre approche consiste à rendre compte de la variabilité des comportements humains, des processus décisionnels en situation normale et dégradée, de comportements erronés, d’une cognition située et contextualisée et enfin des facteurs humains qui influencent ces comportements. Nous cherchons à modéliser l’impact de caractéristiques externes (le contexte et l’environnement) sur ses caractéristiques internes (émotions, physiologie). Les perceptions de l'agent peuvent être modulées en fonction de critères physiologiques (faim, fatigue, stress, etc.), de sa personnalité (curiosité, empathie, etc.) et de ses émotions (colère, peur, etc.). Nous cherchons aussi à modéliser comment la cognition de ces personnages virtuels autonomes peut être impactée par des caractéristiques externes et par ses caractéristiques internes (personnalité, émotions, physiologie). Nous proposons des modèles et des architectures permettant de rendre compte de processus variables / erronés. Selon certaines caractéristiques statiques ou dynamiques, les PVA ne perçoivent pas, ne décident pas de la même manière et leurs buts changent selon :
Notre approche consiste à rendre compte de la variabilité des comportements humains, des processus décisionnels en situation normale et dégradée, de comportements erronés, d’une cognition située et contextualisée et enfin des facteurs humains qui influencent ces comportements. Nous cherchons à modéliser l’impact de caractéristiques externes (le contexte et l’environnement) sur ses caractéristiques internes (émotions, physiologie). Les perceptions de l'agent peuvent être modulées en fonction de critères physiologiques (faim, fatigue, stress, etc.), de sa personnalité (curiosité, empathie, etc.) et de ses émotions (colère, peur, etc.). Nous cherchons aussi à modéliser comment la cognition de ces personnages virtuels autonomes peut être impactée par des caractéristiques externes et par ses caractéristiques internes (personnalité, émotions, physiologie). Nous proposons des modèles et des architectures permettant de rendre compte de processus variables / erronés. Selon certaines caractéristiques statiques ou dynamiques, les PVA ne perçoivent pas, ne décident pas de la même manière et leurs buts changent selon :
- Etats physiologiques (e.g. fatigue, stress, blessures, contamination) ;
- Etats émotionnels (e.g. peur, colère, fierté, confiance) ;
- Traits de personnalité (e.g. leadership, prudence, courage, empathie, altruisme, expertise)
Nous intéressons aussi à l'émergence de comportements collectifs à partir de comportements individuels hautement cognitifs.
Originalité :
Notre apport dans ce domaine est de coupler des modèles développés en psychologie cognitive à des modèles de connaissances. Notamment, nous nous sommes intéressés à des modèles proposés dans le domaine de la fiabilité humaine et plus particulièrement sur les risques industriels comme :
Notre apport dans ce domaine est de coupler des modèles développés en psychologie cognitive à des modèles de connaissances. Notamment, nous nous sommes intéressés à des modèles proposés dans le domaine de la fiabilité humaine et plus particulièrement sur les risques industriels comme :
- le modèle contextuel de contrôle cognitif COCOM proposé par [Hollnagel, 1993],
- la méthode cognitive CREAM [Hollnagel, 200],
- le modèle sur les Conditions Limites Tolérées par l’usage proposé par [Amalberti, 2001], [De la Garza, 2005],
- le formalisme ACTIVITYL-DL que nous avons proposé pour la modélisation de l'activité.
Nos travaux portent aussi sur le couplage de ces modèles avec des modèles déjà éprouvés dans le domaine de la modélisation décisionnelle de personnages virtuels autonomes comme :
- le modèle de la cognition SOAR [Laird et al., 1987],
- le modèle de personnalité OCEAN [Costa et al., 1992] et
- le modèle d’émotion OCC [Ortony, 1990].
Thèses encadrées :
- Lauriane Huguet (Modélisation de personnages virtuels autonomes pour la formation d'équipes à des compétences non-techniques en situation de crise). Financement Région Picardie et FEDER, soutien projet ANR VICTEAMS ;
- Lucile Callebert (Moteur décisionnel reposant sur les relations de confiance pour des personnages virtuels autonomes) Financement DGA/LABEX MS2T, soutenue en novembre 2016 ;
- Margot Lhommet (REPLICANTS : humains virtuels cognitifs, émotionnels et sociaux. De l’empathie cognitive à l’empathie affective). Financement DGA, soutenue en novembre 2012 ;
- Lydie Edward (Modélisation décisionnelle de personnages virtuels pour la scénarisation de situations industrielles dangereuses). Financement projet ANR V3S, soutenue en mai 2011.
Projets :
-
Projet VICTEAMS (Virtual Characters for team Training: Emotional, Adaptive, Motivated and Social) (2014-2019) ;
-
Projet CRAKEN : Collective intelligence for multicultuRal Activities in Knowledge based virtual ENvironnements ;
-
Projet V3S : modélisation décisionnelle de personnages virtuels autonomes dans des environnements virtuels pour la formation à la prévention des risques ;
-
Projet SAGECE : émergence de comportements collectifs à partir de comportements individuels hautement interactifs ;
-
Conducteur automobile : modélisation du comportement du conducteur automobile.
Contacts
Professeuse des UniversitésVice-présidente AFIA
Co-responsable de la filière Intelligence Artificielle et Science des Données http://www.hds.utc.fr/~dlourdea
Alliance Sorbonne
Université Université de technologie de Compiègne CNRS
Heudiasyc UMR 7253
CS 60 319
60 203 Compiègne cedex
Tel : +33 (0)3 44 23 79 84
domitile.lourdeaux@hds.utc.fr