Vous êtes sur la page 1sur 130

O L'intelligence artificielle

US et ses applications à

Q

la formation

O

professionnelle

c

Φ

E

3

υ

o

Centre européen pour le développement de la formation professionnelle

Λ ^

L'intelligence artificielle et ses applications à la formation pro­

^

^

fessionnelle

 

Auteurs:

UJ

Q

J r í

1. Professor I. Aleksander, Imperial College of Science & Tech­

nology, London

2. M. Vivet, Université du Maine, Le Mans

3. D. Kerr, AnCO, Irish State Training Authority

4. Dr. J. Gillingham, Manpower Services Commission, UK

\

^

5. M. Isabel Fernández de Castro & Arantza Diaz de llarraza

^

^

Sánchez, Facultad de Informática de San Sebastián et M.

f

Felisa Verdejo Maíllo, Facultad de Informática de Barcelona

¿■k

6 . Dr. P. Lees , Internationa l Computer s Ltd. , UK <

ε

O 3

1 re édition, Berlin 1987

Édité par:

O

f^

CEDEFOP — Centre européen pour le développement de la formation professionnelle Bundesallee 22, D­1000 Berlin 15 Tél. (030) 38 41 20, télex 184 163 eucen d, telefax (030) 88 41 22 22

professionnelle Bundesallee 22, D­1000 Berlin 15 Tél. (030) 38 41 20, télex 184 163 eucen d,

Le Centre a été créé par le règlement (CEE) n° 337/75 du Conseil des Communautés européennes.

Cette publication est éditée aussi dans la langue suivante:

EN ISBN 92-825-8303-1

Une fiche bibliographique figure à la fin de l'ouvrage

Luxembourg : Office des publications officielles des Communautés européennes, 1988

ISBN: 92-825-8304-X

N° de catalogue: HX-52-88-647-FR-C

Les articles et textes paraissant dans cette publication peuvent être reproduits librement, en entier ou en partie, avec citation de leur origine.

Printed in Belgium

TABLE DES MATIERES

PAGE

INTRODUCTION

INTELLIGENCE ARTIFICIELLE ET FORMATION - UNE PREMIERE ESTIMATION Par: Professor I. Aleksander, Imperial College, London

INTELLIGENCE ARTIFICIELLE ET EDUCATION - QUELQUES PISTES DE REFLEXION Par: M. Vivet, Université du Maine, Le Mans

45

LES SYSTEMES-EXPERTS DANS LA FORMATION Par: D. Kerr, AnCO, The Industrial Training Authority, Dublin

53

INTELLIGENCE ARTIFICIELLE ET SES APPLICATIONS A LA FORMATION Par: Dr. J. Gillingham, Manpower Services Commission, U.K.

67

MODELISATION D'UN TUTEUR AUTOMATIQUE PAR PLANIFICATION 78 DYNAMIQUE - TUTEUR AUTOMATIQUE INTEGRE DANS UN SYSTEME INTELLIGENT D'ENSEIGNEMENT ASSISTE PAR ORDINATEUR Par: M. Isabel Fernandez de Castro S Arantza Diaz de Ilarraza Sánchez, Facultad de Informática de San Sebastián, et M. Felisa Verdejo Mai lio, Facultad de Informática de Barcelona

PROJET SYSTEMES-EXPERTS DIDACTIQUES Par: Dr. P. Lees, International Computers Ltd., U.K.

112

INTRODUCTION

Les développements enregistrés dans le domaine de l'intelli- gence artificielle font l'objet d'un intérêt de plus en plus marqué, notamment quant à leur application au monde du tra- vail et aux activités visant â améliorer l'efficacité et la rentabilité de la formation et du recyclage.

Dans une étude récente sur la fabrication intégrée par ordi- nateur ('CIM') dans l'usine du futur, émanant du 'Fraunhofer Institut für Arbeitswirtschaft und Organisation' de Stutt- gart, le chapitre consacré au rôle de l'intelligence artifi- cielle indique que cette partie des technologies de l'infor- mation a enregistré un développement considérable au cours des quelques dernières années. Parmi les principaux domaines d'application de l'intelligence artificielle, l'étude cite notamment:

- le diagnostic et l'assurance-qualité,

- la configuration de systèmes,

- les fonctions de planification et de gestion.

Le rapport indique que l'intelligence artificielle changera le visage de l'usine du futur et cite à ce propos un extrait du dossier de la revue 'Business Week' du 9 juillet 1984.'

"Les systèmes-experts risquent d'être un jour plus nombreux que le personnel humain dans les ateliers. Ils seront les cerveaux rendant les robots intelligents et flexibles. Et ils assisteront les ingénieurs et les cadres dans des tâches

aussi diverses que la coordination de la production, le sui-

vi des commandes et la gestion des stocks. Un système-expert

mis en place chez Hewlett-Packard indique déjà comment fabriquer des circuits intégrés, tandis que chez Digital Equipment, un système-expert assure l'ordonnancement dans les ateliers."

A l'heure actuelle, l'intelligence artificielle est considé- rée comme un titre plutôt ronflant, dont les promesses vont bien au-delà des possibilités réelles. Le développement le plus important enregistré dans ce domaine est néanmoins la progression constante de la disponibilité et des applica- tions des systèmes dits experts.

Un système-expert peut être défini brièvement comme suit:

- un système-expert est un système de gestion de bases de données permettant à des experts d'accéder à des informa- tions programmées très spécialisées dans un domaine de spécialité très complexe.

Le

terme d'intelligence artificielle a sans doute fait plus

de

mal que de bien aux travaux de recherche et de développe-

ment visant à améliorer les performances actuelles des ordi- nateurs, les travaux consacrés aux systèmes-experts et aux systèmes à base de connaissances semblant être les dévelop- pements les plus prometteurs à l'heure actuelle, tout du moins en ce qui concerne la formation professionnelle et le recyclage.

L'un des objectifs de ce document est d'essayer de démysti- fier le sujet et de montrer quelle est l'approche adoptée par certains pays de la Communauté européenne pour promou- voir le développement et l'application des systèmes d'intel- ligence artificielle susceptibles d'être utilisés comme aide dans des programmes de formation professionnelle.

Un autre objectif de ce document est de susciter la discus- sion et l'échange d'informations et d'idées au travers des frontières de la Communauté, pour qu'en profitent tous ceux qui sont engagés dans ce travail passionnant mais difficile, susceptible de transformer pour bien des gens l'expérience de l'acquisition de connaissances et, ce qui est encore plus important, d'amener éducateurs et formateurs à restructurer complètement leur approche de la préparation de possibilités d'apprentissage.

Le développement de logiciels de systèmes-experts· est un effort qui coûte cher et qui demande beaucoup de temps aux sociétés et autres organisations engagées dans ce travail. C'est un domaine qui pourrait considérablement profiter d'une coopération aux niveaux national et communautaire. Le fait que le développement de systèmes-experts pour un large éventail d'activités n'en est encore qu'à ses balbutiements, et qu'il y a eu bien des revers et des déceptions, ne change rien au fait que les experts engagés dans ce travail sont convaincus qu'il y a un bénéfice potentiel énorme à tirer d'une promotion du travail de recherche et de développement, qui pourrait également avoir des implications considérables

pour les futurs développements en matière de productique et de bureautique.

Apprendre à l'aide de systèmes-experts pourrait également familiariser les gens à l'installation de systèmes-experts dans leur environnement réel de travail et leur ouvrir des possibilités d'aide à l'auto-formation en vue d'améliorer leurs performances, sans qu'ils aient besoin de se déplacer pour suivre des sessions de formation loin de leur lieu de travail.

W.G. McDerment Coordinateur de projet

INTELLIGENCE ARTIFICIELLE ET FORMATION

UNE PREMIERE ESTIMATION

Prof. I. Aleksander

Londres

Kobler Unit for the Management of Information Technology, Imperial College

1986

TABLE DES MATIERES

0.

RESUME

1.

INTRODUCTION

2.

INTELLIGENCE ARTIFICIELLE, UNE EXPLICATION

2.1

Premièr e motivation : informatiqu e non-numériqu e

2.2

Le rapport de Lighthill

2.3

L'ère post-Lighthill

2.4

La naissance des systèmes experts

2.5

La maturité des systèmes experts

3.

FORMATION PROFESSIONNELLE ET IA

3.1

Le rôl e d e l'ordinateu r

3.2

L'introduction de connaissances stockée s

3.3

Approches directes par les systèmes experts vides

3.4

L'acquisition des connaissances

3.5

La programmation logique

4.

DEVELOPPEMENTS ACTUELS: DEGRE DE PENETRATION

4.1

Programme s internationau x

4.2

Projets présentant un intérêt direct

4.3

Projets ouvrant de nouvelles voies

4.4

Clubs d'utilisateurs

5.

LA FORMATION PROFESSIONNELLE PROPREMENT DITE

5.1

Proje t IA d e la MS C

5.2

Formation pour l'ère basée sur la connaissance

5.3

Systèmes à base de connaissances pour l'enseignement

6.

RECOMMANDATIONS FINALES

O.

RESUME

A l'échelle mondiale, le domaine particulier de l'intelli- gence artificielle a reçu plus de fonds au cours des dix der- nières années que tout autre secteur d'une technologie nou- velle. Les produits de ces travaux sont connus sous la déno- mination systèmes à base de connaissances ou, de façon plus spécifique, systèmes experts. Ceux-ci sont capables d'engran- ger les connaissances humaines et de les rendre par le biais d'un système informatique. Ces systèmes sont maintenant dis- ponibles et ont des applications évidentes dans le domaine de la formation professionnelle. Ce rapport recommande au CEDE- FOP d'assumer le rôle de catalyseur pour l'évaluation de ces techniques en Europe.

Le rapport explique la nature de ces produits et retrace le chemin parcouru au cours des trente dernières années jusqu'à leur arrivée à maturité.

Il continue en décrivant la façon dont les systèmes experts ont surmonté nombre des inconvénients des systèmes conven- tionnels d'enseignement assisté par ordinateur. En bref, ils sont mieux à même de dialoguer et offrent des moyens d'inter- action plus appropriés dans un langage presque naturel ce qui était impossible auparavant.

Le rapport montre ensuite le degré de pénétration en présen- tant des exemples de travaux de recherche actuels relatifs à la formation et aux application professionelles. Il y est fait une description très pertinente des clubs d'utilisateurs

mis en place au Royaume-Uni dans le cadre du programme ALVEY.

Il est dit que la formation professionnelle est mûre pour le développement de clubs d'utilisateurs d'après le modèle d'ALVEY, toutefois jusqu'à maintenant rien ne s'est fait dans ce domaine. La principale recommandation est que le CEDEFOP organise une première rencontre entre les personnes clefs des différents Etats membres.

1. INTRODUCTION

C'est quasi la première fois dans l'histoire de la technolo- gie que des problèmes de formation dûs au développement de la technologie semblent pouvoir être résolus en ayant recours à cette technologie même. Le développement dont il est question ici est celui de la "haute" technologie et de son expansion rapide et les techniques de ce domaine pouvant aider la for- mation sont regroupées sous la dénomination d'intelligence artificielle (IA). Actuellement, on tend à éviter l'utili- sation de cette expression et à parler de systèmes experts (SE) ou de systèmes basés sur la connaissance. Les objectifs de ce rapport sont les suivants:

a) expliquer la nature des notions IA, SE et des systèmes à base de connaissances;

b) expliquer pourquoi ils pourraient être une aide pour la formation professionnelle;

c) examiner l'étendue du développement de ces techniques au niveau de la production et des services;

d) évaluer dans quelle mesure les possibilités qu'offrent ces techniques pour la formation ont été analysées et

e) proposer d'autres moyens pour soutenir les efforts faits dans le domaine de la formation professionnelle pour uti- liser ces techniques.

10

2. INTELLIGENCE ARTIFICIELLE, UNE EXPLICATION

2.1 Première motivation: une informatique non-numérique.

Les débuts de l'intelligence artificielle remontent à la sug- gestion faite en 1950 par Claude Shannon de Bell Telephone Laboratories, à savoir qu'on pourrait utiliser un ordinateur pour jouer aux échecs contre un homme. En fait, il écrivit des programmes qui prenaient certains raccourcis au niveau du traitement du nombre toujours croissant de mouvements au fur et à mesure que l'ordinateur avançait dans le jeu. Ces algo- rithmes formèrent la pièce maîtresse de nombreuses techniques pour le raisonnement automatique, lesquelles sont encore actuellement utilisées. La particularité importante de ces travaux qui fait que 1'IA est applicable à la formation est qu'elle fait entrer les ordinateurs dans le domaine du "rai- sonnement" alors qu'ils n'étaient considérés jusqu'alors que comme des calculateurs de grande capacité.

En effet, c'est la possibilité qu'a l'ordinateur de calculer les conséquences d'actions et les conséquences d'actions ultérieures décidées à partir des ramifications ainsi créées qui se trouve au coeur même de la plupart des programmes d'iA. Au milieu des années soixante, on comprit que c'était justement ce processus qui devait être appliqué si l'on vou- lait utiliser l'ordinateur pour résoudre des problèmes d'ordre général plutôt que numérique. Par exemple, si l'on donnait à la machine le coût de différents moyens de tran- sport et les lieux reliés, il serait possible de demander à cette machine de trouver le moyen le plus rapide ou le moins

11

cher pour aller, disons, de la banlieue de Berlin au bâtiment des Nations Unies à New York. L'ordinateur utiliserait alors simplement sa vitesse pour chercher parmi tous les moyens possibles à chaque étape du processus et choisir le moins cher ou le plus rapide (suivant ce qui est demandé) avant de passer à l'étape suivante.

Peut-être est-ce le mot "intelligence" qui a créé une cer- taine aura surnaturelle autour de ce qui n'est en fait qu'un moyen direct de résoudre des problèmes à l'aide de l'ordina- teur. En fait, c'est John McCarthy de l'université de Stan- ford qui, en 1958, inventa l'expression "intelligence artifi- cielle" pour ce qui était appelé "experimental computing" dans d'autres parties du monde (par exemple à l'université d'Edimbourg).

Cette expression a sans aucun doute une connotation de sub- stitution de l'homme, ce qui, dans le contexte de l'intro- duction de 1'IA sur les lieux de travail, est tout sauf une aide. La question qui devrait rester primordiale dans de tel- les négociations est de savoir si la technique, indépendam- ment de son nom, représente une aide constructive ou non pour le travailleur. Il est clair que la quintessence de ce rap- port est que seuls les aspects représentant une aide devraient être développés dans le contexte de la formation professionnelle. En fait, il y sera démontré que la connota- tion plus chimérique de substitution de l'homme n'est pas fondée et ne constitue pas une menace.

12

2.2 Le rapport Lighthill

Au tout début des années 1970, 1'IA était nettement cantonnée dans les laboratoires de recherche et commençait à exiger des ordinateurs de plus en plus puissants pour l'étude de sujets qui semblaient peu clairs et manquer d'applications.

Inquiété par l'escalation des coûts, le Science Research Council (Conseil pour la recherche scientifique) au Royaume- Uni demanda à un eminent mathématicien, Sir James Lighthill, d'effectuer une étude sur l'intérêt d'une telle recherche et les avantages qui pourraient en découler. Son rapport, publié en 1973, était accablant. Il mit en évidence "l'éclatement combinatoire" et soutint que toute tentative d'utiliser les techniques de recherche de solutions de problèmes aboutirait à une demande croissant de façon exponentielle en ce qui con- cerne la puissance des ordinateurs. Ceci est dû au fait que le nombre de possibilités qui doivent être examinées au cours du processus de recherche de solution pour les problèmes réels se multiplie de façon alarmante à chaque étape.

Bien que le rapport Lighthill fût une affaire purement bri- tannique, il influença fortement tous les chercheurs travail- lant dans ce domaine, non seulement au Royaume-Uni, mais aussi aux USA où la majorité des travaux avait lieu. Ceci aboutit à rechercher des techniques plus efficaces pour la recherche de solution de problème, des techniques évitant cette "éclatement combinatoire".

13

2.3 L'ère post-Lighthill

Le rapport de Lighthill a eu pour effet d'orienter les tech- niques de 1'IA vers une plus grande utilité. Ceci a été réa- lisé par différents moyens dont certains doivent être men- tionnés dans le contexte de ce rapport. Premièrement, il devenait clair qu'il fallait éviter les programmes "intelli- gents" d'une façon générale et que la technologie devait s'orienter vers des domaines de connaissances bien définis et limités. Cette stratégie s'avéra être la bonne et, comme on le verra, permit aux systèmes experts actuels d'être non seu- lement opérationnels mais aussi de pouvoir être utilisés pour l'enseignement de sujets spécifiques.

Deuxièmement, cette réorientation a abouti à une améliora- tion, à savoir la communication avec ces programmes complexes par le biais d'un langage presque naturel. Ceci a été rendu possible du fait du domaine limité du sujet concerné et a été très bien démontré par Terry Winograd de MIT dans le cadre de la communication avec un robot capable de combiner ses actions à partir du décodage d'instructions en langage pres- que naturel (1972). L'idée avancée par Winograd était qu'une instruction telle que "ramasse la boîte jaune" peut être décodée sans éclatement combinatoire dans un monde où il y a un nombre limité d'objets de couleur.

A un niveau plus général, ces travaux ont montré comment stocker les connaissances dans un ordinateur et comment y accéder. Ils ont également attiré l'attention sur la faculté de décomposer les connaissances en faits et en règles. Par

14

exemple, les règles qui interviennent dans la réponse à la question dans l'exemple ci-dessus pourraient être à peu près les suivantes: "une boîte peut être ramassée s'il n'y a rien dessus et si le robot ne tient pas quelque chose d'autre à ce moment là". Elles s'accompagnent en même temps de faits logi- ques, simples, tels que "une boîte a un dessus plat", "une pyramide a un dessus pointu"

2.4 La naissance des systèmes experts

Un système expert est un peu comme le système de raisonnement et de combinaison ci-dessus conçu pour les robots mais sans ces derniers. En fait, les origines de cette notion sont antérieures aux travaux de Terry Winograd et remontent aux travaux de Ed Feigenbaum sur DENDRAL en 1965 à l'université de Standford.

DENDRAL était un programme conçu dans le but de vérifier la structure de composés chimiques par le biais de l'analyse de leur spectre de masse. La raison qui le fait considérer comme le premier système expert est que les règles qui permettent de procéder à l'identification ont été élaborées par des experts humains et stockées dans un ordinateur en tant que programme opérationnel. Comme avec toutes les bonnes idées, le potentiel de cette technique fut reconnu peu de temps après son invention. Un chimiste doit posséder une expérience considérable pour pouvoir identifier de façon fiable le spec- tre de masse. La réalisation d'un programme contenant de tel- les connaissances permet de les mettre à la disposition de ceux moins expérimentés.

15

Ce point mérite que l'on s'y arrête et que 1'on y réfléchisse en prenant comme point de départ la formation professionnelle et l'emploi. En général, dans les sociétés industrialisées, on constate un manque de personnes ayant une connaissance approfondie des choses alors qu'il y a abondance des autres. Par conséquent, la valeur d'une connaissance portable sous forme de système expert réside dans le fait qu'elle permet à un plus grand nombre de personnes d'accéder à de telles con- naissances. Il s'agit donc assurément d'une caractéristique qui permet d'améliorer le niveau de compétence de l'homme et non de lui voler son travail.

Mais peut être une caractéristique encore plus pertinente d'un véritable système expert est sa capacité d'examiner en sens inverse en partant de la réponse qu'il vient de donner à une question et d'expliquer comment il y est arrivé en répon- dant à la question "pourquoi?". C'est là où commence à appa- raître les possibilités qu'offrent les systèmes experts dans le cadre de la formation; la capacité de fournir une explica- tion logique appropriée de leur propre raisonnement les fait dépasser et de loin tous les essais précédents ayant trait à l'enseignement assisté par ordinateur. Ces derniers ne sont souvent rien d'autre qu'une version automatisée de textes de cours donnant simplement la bonne réponse à l'étudiant indécis et le laissant pas plus avancé quant à savoir comment arriver à cette réponse (il existe quelques exceptions nota- bles mais rares).

Pour être plus concret, prenons l'exemple d'un système rela- tif à l'entretien d'une voiture automobile, il pourrait dire:

16

"Si, lorsque vous essayez de faire démarrer la voiture, vous constatez une diminution de l'intensité des lumières, veuil- lez vérifier la batterie". L'élève peut demander "pourquoi?", ce à quoi le système expert répond "parce que la batterie n'est peut être pas capable de fournir le courant nécessaire au démarreur". Non content de cette réponse, l'élève peut alors demander "Y a-t-il d'autres possibilités?". Un SE bien conçu répondrait alors "Oui, il peut s'agir d'un court- circuit dans le démarreur, mais ceci est moins probable, c'est pourquoi, je recommande de vérifier tout d'abord la batterie". Peu de programmes d'enseignement assisté par ordi- nateur étaient capables dans le passé d'un tel niveau de dia- logue .

2.5 La maturité des systèmes experts

Un système expert peut maintenant être défini de la façon suivante:

"Un programme machine qui utilise la connaissance et les techniques d'inférence pour résoudre des problèmes qui néces- siteraient sans cela le recours à un expert humain. Le sys- tème doit être structuré de façon à permettre à un utilisa- teur, ne possédant aucune connaissance en programmation d'ordinateur et qu'une maîtrise minimale d'un clavier, d'accéder facilement aux connaissances stockées, y compris aux explications."

Comme avec de nombreux développements en informatique, il a fallu plus de 20 ans depuis la découverte du potentiel des

17

systèmes tels que DENDRAL pour arriver a un traitement systématique. En fait, vu qu'il y a plusieurs façons de cons- truire des systèmes experts et différentes approches quant à l'introduction des connaissances dans ces systèmes, ce domaine est connu sous le nom d'étude de systèmes basés sur les connaissances.

Il suffit d'ajouter ici que les capacités de cette technique ont abouti aux programmes de la "cinquième génération" aux- quels se sont fortement intéressés les gouvernements au Japon, aux USA et en Europe.

3. FORMATION PROFESSIONNELLE ET IA

3.1 L e rôl e d e l'ordinateu r

Les secteurs les plus avancés de l'industrie européenne ont vite reconnu les avantages qu'offrait l'informatique dans le domaine de la formation. Un bon exemple est le programme "open learning" chez Austin Rover au Royaume-Uni. L'ordinateur a une patience infinie et permet à l'utilisateur d'avancer à son propre rythme. En outre, parmi les avantages souvent cités, on trouve la portabilité, la possibilité d'utilisation au moment qui convient le mieux, la possibilité d'insérer au sujet des éléments fortement motivants (p. ex. utilisation des techniques de récompense empruntées aux jeux pour ordinateurs), la simulation réaliste (p. ex. les simula- teurs de vol) et 1'adaptabilité dans le cas de situations changeant fréquemment. Un exemple concernant ce dernier point est la formation rapide périodique nécessaire afin d'acquérir

18

les connaissances relatives aux nouveaux produits mis en vente.

Les principales difficultés au niveau de l'approche résident dans le manque de souplesse de tels systèmes. Ils offrent, en général, une liste de choix simplifiée à l'extrême et mala- droite qui ne s'adapte que de façon minimale aux différents utilisateurs. Leurs interfaces peuvent avoir une influence dé-motivantes vu que soit elles fonctionnent sur la base de menus soit elles nécessitent l'introduction rigide par cla- vier. Dans les systèmes conventionnels, on est loin de la souplesse du dialogue dans un langage proche du naturel. Le manque d'adaptation à l'utilisateur, le manque d'explication des diagnostics et le manque de standardisation au niveau des techniques de préparation des matières diminuent les avanta- ges initiaux qu'offre l'ordinateur dans le cadre de la forma- tion.

Les organisations qui ont pensé à l'utilisation éventuelle d'ordinateurs pour la formation risquent d'être découragées par les désavantages très importants. Compte tenu de ceci, l'introduction de systèmes basés sur les connaissances appa- raît comme capable de refaire prévaloir les avantages essen- tiels qu'offre l'utilisation d'ordinateurs.

3.2 L'introduction de connaissances stockées

Dans le cadre des programmes de recherche en technologie avancée de l'information, il a été tenu compte (bien que peu) de l'utilisation des bases de connaissances pour la forma-

19

tion. La recherche dans le domaine des systèmes d'enseigne- ment basés sur les connaissances était axée sur la diminution de l'écart entre la rigidité du système classique d'enseigne- ment par ordinateur et l'enseignement tel qu'il peut être dispensé par un enseignant humain. Il est important de rester conscient du fait qu'il s'agit ici d'un domaine de recherche en plein développement. Vu que peu de systèmes utilisables ont été produits jusqu'à maintenant, sa tâche consiste à définir les futurs directions de l'enseignement basé sur les connaissances.

Le principal objectif de tels programmes est la production de systèmes pouvant s'adapter aux différents types d'étudiants, possédant une bonne base d'enseignement, permettant à l'étu- diant un contrôle maximal grâce à l'interaction et entrete- nant un haut degré de motivation. Ces programmes s'appuyent essentiellement sur la technologie des bases de connaissances et semblent avoir besoin d'au moins quatre systèmes experts différents en interactif.

Premièrement, il y a les connaissances du domaine devant être étudié. Ces connaissances doivent être structurées de façon à ce que le système puisse résoudre les problèmes parallèlement à l'élève et expliquer sa démarche. Deuxièmement, il doit contenir des connaissances en pédagogie, c'est-à-dire des règles didactiques. Troisièmement, il doit avoir un disposi- tif permettant de suivre l'évolution du niveau des connais- sances de l'étudiant, à nouveau sous forme de jeu de faits et de règles. C'est en interrogeant cette base de connaissances que la machine peut prendre des décisions concernant la

20

présentation de la matière en s'appuyant à nouveau sur des règles données. Enfin, la communication avec l'étudiant doit pouvoir avoir lieu à un degré d'élaboration satisfaisant. Ceci implique l'utilisation de l'iA, à savoir des règles de compréhension du langage naturel.

La plupart des travaux de recherche spécialisée, effectués dans ce domaine, émanent de projets lancés au début des années 70. Il s'agissait essentiellement d'essais de concep- tion de systèmes destinés à enseigner les mathématiques aux enfants, lesquels, dès les premiers principes, se sont heurtés au développement de bases de connaissances. Le pre- mier système, souvent cité, à avoir bénéficié des techniques de bases de connaissances est SOPHIE, développé en 1982 par Brown, Burton et de Kleer pour la US Air Force dans le but d'enseigner au personnel inexpérimenté les techniques de recherche des pannes en électronique.

3.3 Approches directes par les systèmes experts vides

Quoique la structure ci-dessus composée de quatre éléments soit celle du programme de l'enseignement idéal, il existe d'autres voies moins ambitieuses d'utiliser la technologie des systèmes experts, lesquelles pourraient être testées en se servant des logiciels disponibles à l'heure actuelle. Un examen plus attentif des sous-produits de la conception des systèmes experts à base de connaissance permettra de mieux comprendre ceci.

Le système expert vide en est un. Il découle de la constata-

21

tion qu'un système expert se décompose en trois grands éléments: la base de données formée de faits et de règles qui constitue le "domaine des connaissances spécifiques"; le "moteur d'inference" qui est un programme pré-défini qui cherche les règles et les faits appropriés; et enfin l'interface utilisateur qui permet à l'utilisateur d'exprimer ses questions de façon à ce que le système les "comprennent" et formule les réponses de façon à ce que celles-ci aient un sens pour l'utilisateur.

La seule chose qui change d'un domaine de connaissances à un autre sont les connaissances en tant que telles. Un système expert vide ne se compose par conséquent que des deux der- niers éléments, à savoir le moteur d'inference et l'interface utilisateur. Le domaine des connaissances peut être comparé à une cassette que l'on met dans un magnétophone, les deux autres éléments formant le mécanisme. Le même système expert vide peut être utilisé avec différents domaines de connais- sances suivant le choix de l'utilisateur.

Des exemples types de systèmes experts vides sont: "Expert- Ease", "Micro-Expert" et "ESP-Advisor". Ces systèmes entière- ment développés sont disponibles au Royaume-Uni et coûtent environ 600 £ pour les grands PC (Personal Computer) ou 4000 £ pour les minis comme le VAX750. Il est clair que le second permet de traiter de plus grandes bases de connaissances que le premier. Ces systèmes peuvent également être achetés sous forme d'un ensemble d'expérimentation et d'initiation conte- nant les trois systèmes plus un générateur de dialogue Micro- SYNICS; cet ensemble coûte environ 600 £ et fonctionne sur

22

les ordinateurs personnels.

On peut citer comme exemple de pénétration, le Microelectro- nics Educational Development Centre du Paisley College qui a utilisé le ESP-Advisor pour former des chargés de cours aux techniques de la microinformatique. Ceci montre un moyen de pallier le manque de formateurs dans les domaines de techno- logie de pointe.

3.4 L'acquisition des connaissances

Au niveau de l'utilisation d'un système expert vide, il y a une difficulté qui ne doit pas être sous-estimée: le problème de l'acquisition des connaissances. Ceci est le nom donné au processus de transformation des connaissances humaines en ce jeu de règles que l'on peut insérer dans la boîte "domaine des connaissances" du système expert vide.

L'acquisition au hasard peut être comparée au travail d'un mauvais enseignant ou formateur. Les formateurs, qui ne sont pas des experts dans le domaine concerné et qui présentent mal leur matière, sont dans la même situation qu'un système expert possédant un tas de connaissances mal acquises. Il est évident que ceci est préjudiciable.

L'intelligence artificielle a permis d'élaborer un plan pour l'acquisition des connaissances conçu de façon à éliminer le hasard de cette procédure. Ceci a donné jour à une nouvelle sorte d'expert: l'ingénieur de la connaissance. Il utilise ce plan qui prévoit l'observation des experts pendant leur tra-

23

vail, des discussions sur la façon dont les problèmes sont résolus et l'utilisation d'exemples choisis par l'expert, suiy.is par des variantes soigneusement sélectionnées par l'ingénieur de la connaissance. Le tout est ensuite analysé et parfois revérifié avant d'essayer d'établir une "analyse de protocole" afin de transformer le résultat en un progiciel de connaissances spécialisées.

Toutefois, malgré ce procédé apparemment scientifique, le nombre de domaines se prêtant à cette procédure est encore limité. Les exemples sont nombreux où l'expert ne peut pas expliciter suffisamment ses propres connaissances. Il s'agit de domaines où le jugement, la "sensibilité" et l'expérience entrent en jeu, de domaines où la formation a lieu souvent en suivant l'exemple. Par exemple, il serait difficile d'apprendre à rouler à bicyclette à l'aide d'un système expert. Ce cas est extrême, mais dans la même catégorie, on trouve les processus de conception, certaines fonctions du contrôle de qualité (basées sur la perception et le jugement) et l'utilisation des outils pour l'usinage des métaux qui peut demander une certaine sensibilité pour juger le produit fini. D'autre part, des tâches comme la maintenance, la recherche des pannes et l'apprentissage en vue de l'utili- sation de matériel assisté par ordinateur se prêtent bien au traitement par des SE. Il faut remarquer que c'est justement ce genre de tâches qui a été engendré par le développement des technologies de pointe.

3.5 La programmation logique

24

Nous n'avons dit, jusqu'à maintenant, que peu de chose de la façon dont est exécutée la programmation qui permet le trans­ fert des connaissances dans l'ordinateur. Les systèmes spécialisés plus anciens étaient écrits habituellement dans un langage de traitement de liste appelé LISP. Bien qu'il convienne aux programmeurs experts, il ne s'agit pas la d'un instrument facilement utilisable par quelqu'un qui ne connaît pas bien le langage ou la création de bases de données (c'est­à­dire le stockage de connaissances) en général. Bien sûr, les systèmes experts vides en vente à l'heure actuelle offre un moyen relativement facile d'introduire les données, il existe cependant une autre possibilité.

Il s'agit du langage appelé PROLOG conçu au départ pour exprimer les programmes en termes de logique formelle. C'est un langage hautement direct (ou DECLARATIF) qui contient les lois de la logique. C'est pourquoi, l'utilisateur fait sim­ plement des déclarations logiques et le langage fait automa­ tiquement le reste (à savoir, poser les questions se rappor­ tant aux déclarations ayant été faites). Ainsi, ce langage peut représenter aussi bien les faits que les règles et peut être expliqué à l'aide de l'exemple suivant, quelque peu tri­ vial, tiré de la médecine:

En PROLOG, une règle générale peut avoir l'aspect suivant;

X peut avoir Y si

X a Ζ et

Ζ laisse supposer Y

25

Les faits peuvent alors être exprimés sous la forme suivante:

(nez bouché) laisse supposer (rhume) (yeux jaunes) laissent supposer (jaunisse).

Pour utiliser ce système expert élémentaire, l'utilisateur peut introduire le message suivant:

Fred a le nez bouché Que peut avoir Fred?

Ce à quoi le système répond:

Fred peut avoir un rhume.

Un utilisateur curieux peut alors taper:

Pourquoi?

Ce à quoi le système répond:

J'ai utilisé la règle Fred peut avoir un rhume si

Fred

le nez bouché laisse supposer un rhume.

a le nez bouché et

L'expansion rapide de l'utilisation de PROLOG a des effets sur la formation relative à l'utilisation d'un ordinateur. Au Royaume-Uni, il a été constaté que les écoliers se mettaient

26

facilement au PROLOG, ce qui, transposé au niveau du concep- teur de système d'enseignement dans l'industrie, peut signi- fier que ce langage peut être utilisé comme instrument de base pour la mise en oeuvre de systèmes experts pour l'enseignement.

4. DEVELOPPEMENTS ACTUELS: DEGRE DE PENETRATION

4.1 Programmes internationaux

Jusqu'au début de cette décennie, l'intelligence artificielle était considérée comme l'apanage des laboratoires de recher- che informatique, plus comme un "tour de force" qu'une tech- nologie applicable. L'annonce du programme japonais de la 5 ieme génération changea tout. C'est en fait parce que les japonais concentraient leur effort tout spécialement sur les bases de connaissances que le reste du monde se mit à s'y intéresser et à examiner de façon plus sérieuse ces techni- ques .

En Europe, la réaction s'est appuyée sur les programmes ESPRIT de la CEE et ALVEY du Royaume-Uni. Aux USA, il n'y avait pas de programme coordonné au niveau national, toute- fois DRAPA (s'occupant essentiellement de défense) réorienta en grande partie ses efforts vers la recherche en matière de systèmes à base de connaissances et l'industrie augmenta ses propres actions dans ce domaine. Ces programmes ne sont pas uniquement axés sur les bases de connaissances mais aussi sur le soutien (p. ex. l'intégration à très grande échelle) et les applications (p. ex. la robotique dans ESPRIT). Ce sont

27

les investissements dans les systèmes à base de connaissances qui déterminent entièrement les progrès du développement de produits basés sur les connaissances importants pour la for- mation. Ces investissements sont les suivants:

ALVEY : 60 millions

ESPRIT: 80 millions de £ (moins de 1/10 ième du total).

de £ (plus de 1/6 ième du total)

Dans le contexte de ce rapport, il est important de dégager de l'ensemble des travaux ceux susceptibles d'aboutir à des produits utilisables pour l'enseignement et de se concentrer sur ceux axés spécifiquement sur l'enseignement. Il y a une difficulté au niveau du programme ESPRIT, dans la mesure où les travaux ayant trait à l'enseignement avaient été à l'origine expressément exclus. Ceci pourrait n'être plus le cas avec ESPRIT II actuellement en cours d'élaboration. Bien que tout ceci sera annoncé officiellement début 1987, plu- sieurs discussions ont déjà eu lieu concernant la création de projets d'intégration de la technologie (PIT) qui montrent les possibilités qu'offre cette recherche de façon à encoura- ger l'industrie à exploiter ces travaux. Si ces nouveaux tra- vaux ne présentaient pas un certain intérêt au niveau de la formation, ils auraient alors moins de poids.

Dans ALVEY, d'autre part, l'attention à apporter à l'enseignement, aussi bien en ce qui concerne l'utilisation de la technologie que l'adaptation de celle-ci à la forma- tion, a été abordée de plusieurs façons. Nous en examinerons certaines ci-après. L'avenir d'ALVEY fait également l'objet de discussions et le comité IT86, présidé par Sir Austin

28

Bide, doit présenter ce mois-ci un rapport. Là aussi, il est peu vraisemblable que les aspects de la formation soient négligés au niveau de la concentration sur l'utilisateur.

C'est pourquoi, dans le cadre de la discussion de la pénétra- tion, la plupart de nos exemples sont tirés du programme ALVEY.

4.2 Projets présentant un intérêt direct

Dans ce paragraphe, nous décrivons cinq projets de recherche qui présentent un intérêt direct pour l'enseignement à l'aide de techniques de l'intelligence artificielle. Bien qu'ils appartiennent tous au domaine de la recherche, ils sont de nature à influencer les développements de la prochaine phase à laquelle participeront les utilisateurs et où auront lieu des essais pratiques.

29

4.2.1 Systèmes d'enseignement basé sur la découverte guidée (Guided Discovery Learning Systems)

Coût: 200.000 £ Partenaires: Université de Lancaster Université de Leeds Début: Septembre 1985 Fin : Septembre 1 988

Objectif :

Etudier si les techniques d'apprentissage offertes par l'intelligence artificielle présentent un intérêt pour l'enseignement assisté par ordinateur. Il est proposé de développer un système expert utilisable qui enseigne l'art de prendre des décisions et de résoudre les problèmes et qui permet une étude guidée de domaines spécifiques. Le dévelop- pement de modèles d'étude fait l'objet d'une attention toute particulière et la base de connaissances est utilisée active- ment à cette fin. Le projet est testé dans une situation où l'élève doit apprendre à utiliser un standard téléphonique complexe.

Commentaire:

Il s'agit d'un projet ambitieux dans la mesure où il UTILISE un système basé sur les connaissances pour "comprendre" l'élève dans le cadre d'un enseignement assisté par ordina- teur .

30

4.2.2 Aides au niveau de la tactique de décision (Tactical Decision Aids)

Coût: 2.170.000 £ Partenaires: Solartron, Rediffusion, Smiths Industries. Début: Avril 198 5

Fin : Janvier

1989

Objectif :

Développer des techniques qui aident les opérateurs devant travailler dans des conditions stressantes. Ceci est tout particulièrement le cas pour la simulation de vol, la forma- tion navale ou la prise de décisions dans les cabines de pilotage. De nombreuses techniques de représentation des con- naissances sont utilisées et testées.

Commentaire:

Il s'agit d'un projet coûteux axé sur les applications mili- taires . Toutefois, les conclusions de ce projet pourront être utiles au niveau de l'industrie en général, comme par exemple dans le cadre de la formation pour la commande de grue, le guidage de véhicule, la commande d'urgence,

31

4.2.3 Formation technique à base de connaissances (Knowledge­Based Engineering Training)

Coût: 530.000 £ Partenaires: Logica, Engineering Industry Training Board,

ι

Imperial College, Kingston College of F. Ε., Université d'Exeter. Début: février 1986 Fin : septembre 1987

Objectif :

Ce projet est centré sur la formation relative à l'utilisation, la maintenance et la programmation d'une frai­ seuse à commande numérique. Il utilise de façon imaginative la vidéo et les graphiques en mode interactif.

Commentaire:

Ceci est un travail extrêmement valable. Il pourra être finalement monté sur un système économique et offrira de nom­ breuses possibilités pour des utilisations très diverses.

32

4.2.4 Système intelligent pour l'enseignement de l'arithmétique (An Intelligent Arithmetic Tutor)

Coût: 500.000 £

Partenaires: The Open University System Ltd. Début: septembre 1985

Fin : août

1988

Objectif :

Etude de la conception d'un système basé sur les connaissan- ces pour l'enseignement de l'arithmétique et d'un programme à base de connaissances pour le diagnostic. Cette étude sera menée à bien juqu'au niveau du produit.

Commentaire:

Ce projet fait passer un domaine classique de l'enseignement assisté par ordinateur dans le domaine des systèmes à base de connaissances. Il est évident que le domaine de l'arithméti- que ne présente pas beaucoup d'intérêt pour la formation pro- fessionnelle. Ce sont les techniques qui résultent de la création de produits concrets qui peuvent être intéressantes.

33

4.2.5 Manuels intelligents de formation (Intelligent Training Manuals)

Coût: 350.000 £ Partenaires: Université de Lancaster, British Telecoms Tech. College. Début : imminent Fin : 3 ans après

Objectif :

Etude de manuels de formation à base de connaissances rési- dants en ordinateur. En même temps, développement de mesures d'essai permettant de comparer l'efficacité des différentes conceptions.

Commentaire:

Bien que ce projet n'ait pas encore commencé, il est d'un intérêt capital pour la formation professionnelle. Il devrait aboutir à la construction d'un prototype de système d'enseignement.

4.3 Projets ouvrant des nouvelles voies

Dans ce paragraphe, nous examinons trois projets qui, bien que n'ayant pas pour objet spécifique l'utilisation des sys- tèmes à base de connaissance pour la formation, laissent entrevoir d'autres possibilités où les travaux sur les bases de connaissances pourraient avoir un rôle à jouer dans le domaine de la formation.

34

4.3.1 Production+d'un langage naturel à partir de plans (Natural Language Generation from Plans) Principal participant: Université du Sussex

Il s'agit d'une interface qui fournit, en mode non-interactif une description claire des actions nécessaires pour soutenir un plan complexe ayant pu être produit par un programme d'intelligence artificielle. Cette technologie devrait per- mettre d'améliorer la clarté de communication entre les futurs systèmes de formation et leurs utilisateurs.

4.3.2 Apprentissage et utilisation du PROLOG (Learning and Using Prolog) Principal participant: Université du Sussex

Ce projet vise à optimiser l'enseignement du PROLOG. Vu qu'il pourrait bien être un des moyens utilisés par les formateurs dans l'industrie, les résultats permettront non seulement de prévoir les difficultés dans l'application du langage mais aussi de proposer une façon optimale de s'y adapter .

4.3.3 Interface entre l'homme et les systèmes publics d'information (Human Interface to Public Information Systems) Principal participant: Université de Loughborough

Ce projet se rapporte à un système d'information et de con- seil destiné aux anciens participants au Youth Training Scheme (programme de formation des jeunes) organisé par la Manpower Services Commission (commission des services de

35

l'emploi) au Royaume-Uni. L'objectif poursuivi est l'amélio- ration de la façon dont un tel système délivre et personna- lise les informations qu'il détient.

4.4 Clubs d'utilisateurs

Une des activités ayant le plus de succès, lancée par le sec- teur des systèmes à base de connaissances du programme ALVEY, est la création de clubs d'utilisateurs de bases de connais- sances qui pourraient aller au-delà de l'ensemble expérimen- tal de 600 £ et commencer à développer leur propre système expert afin de satisfaire à un certain besoin commun dans le cadre du club. Il s'agit là d'une idée importante dans le contexte de ce rapport, vu qu'une des recommandations for- mulées à l'égard du CEDEFOP est d'agir en tant que catalyseur pour la création de clubs européens similaires ayant comme intérêt commun la formation professionnelle. Chacun des pro- jets ci-dessous est financé en grande partie par une petite contribution versée par les membres participant et par un apport d'un montant égal de l'Etat. Ces projets, dont le coût varie de 200.000 £ à 400.000 £ par projet, sont conçus avant tout pour donner à leurs utilisateurs une expérience "de pre- mière main".

4.4.1 RICS (Royal Inst, of Chartered Surveyors)

Le Royal Institute, de concert avec le Portsmouth Polytech- nic, dirige ce projet au nom de ses membres. Il vise à la création d'un système donnant des conseils pour l'arpentage.

36

4.4.2 PLANIT (Project PLANning through IT)

Ce club consiste en un groupe hétérogène de 27 partenaires,

tels Jaguar Cars, British Gas, Roll-Royce, Birds Eye Wall's,

besoin d'une plani-

fication de projet. Trois démonstrateurs ont été construits pour trois domaines de planification différents. Un système expert coûteux "Kee/TI Explorer" est utilisé et des systèmes de planification opérationnels seront fournis aux partici- pants à la fin du projet, en avril 1987.

Le lien existant entre eux est le

4.4.3 ALFEX (Financial Health Monitoring)

Il s'agit d'un groupe de 25 grands établissements de crédit (essentiellement des banques, y compris les banques d'Angleterre et d'Ecosse et de sociétés de placements comme Price Waterhouse et N. M. Rothchild). Le projet a déjà rejeté la possibilité d'utiliser un système expert vide et travaille à l'heure actuelle à la réalisation d'un système complet de conseil sur l'état de santé financière de la société, lequel fonctionnera sur microVAX et IBM PC.

4.4.4 ARIES (Insurance Community)

Ce club regroupe les principales compagnies d'assurance du Royaume-Uni, les fournisseurs de SE et des conseillers uni- versitaires, en tout 24 participants. Deux domaines spécifi- ques ont été choisis comme cible: l'évaluation des risques d'incendie dans l'industrie de l'habillement et l'évaluation

37

du risque des placements en actions. Le système relatif au risque d'incendie a déjà été démontré avec succès et l'autre système sera prêt en avril 1987.

4.4.5 TRACE (Transport Industries)

Ce groupe de neuf est caractérisé par la participation de American Express, British Airways et le Thomas Cook Group. Les objectifs poursuivis sont l'assistance et la formation des employés chargés des renseignements relatifs au choix des itinéraires et des forfaits. Le système utilise PROLOG et fonctionnera sur IBM AT. Le projet vient juste de commencer (novembre 1986).

4.4.6 WIESC (Water Industries)

Les domaines concernés sont le contrôle du réseau de distri- bution de l'eau et la planification de la rénovation du sys- tème d'égouts. Des postes de travail SUN de haute qualité sont utilisés et programmés en grande partie en PROLOG. Les deux systèmes experts devraient être prêts en octobre 1987.

4.4.7 DAPES (Data Processing Community)

Là, le système expert est tourné vers la manipulation des données mêmes par une utilisation appropriée de l'ordinateur, Parmi les partenaires on trouve: des coopératives de cons- truction, BP, la police et le fisc. Les domaines visés sont la maintenance de la gestion du traitement de données par un

38

grand réseau, un groupe d'assistance (chez W. H. Smiths, les papeteries) et un dépanneur de communications pour les ban- ques. La fin des travaux est prévue pour septembre 1987.

4.4.8 Commentaires sur les clubs

La création des clubs ci-dessus s'est avérée non seulement utile pour ses membres mais a eu pour conséquence la pénétration des techniques avancées dans la communauté des utilisateurs sous le contrôle et l'évaluation des utilisa- teurs eux-mêmes. Ces clubs ont été salués dans le monde entier comme un moyen unique et fructueux. Ces clubs sont caractérisés par une participation active des partenaires qui aboutit à un véritable test pratique des méthodes. Les métho- des présentant de nets avantages seront adoptées et utilisées à brève échéance.

5. LA FORMATION PROFESSIONNELLE PROPREMENT DITE

Après avoir développé le thème de la bonne acceptation des méthodes basées sur les connaissances comme possibilités d'utilisation des ordinateurs, nous nous concentrerons dans ce chapitre sur des sujets ayant un rapport direct avec la formation professionnelle. Tout d'abord, nous commenterons certains travaux effectués par la Manpower Services Commis- sion (MSC) au Royaume-Uni, puis nous examinerons la situation pour voir si une formation est nécessaire afin de s'adapter aux nouveaux systèmes informatiques à base de connaissances. Enfin, nous verrons ce qui doit être fait en vue de se servir

39

des techniques des bases de connaissances pour résoudre cer- tains problèmes rencontrés dans le cadre de la formation.

5.1 Proje t IA d e la MS C

Au milieu de l'année 1985, la Manpower Services Commission chargea l'Open University d'effectuer une étude de six mois sur les conséquences pour la formation professionnelle des travaux de recherche relatifs à l'intelligence artificielle. L'objectif était d'identifier les domaines où la MSC pourrait encourager un développement futur. Le rapport a été récemment publié et fait les recommandations suivantes:

1. La MSC doit soutenir l'enseignement assisté par ordinateur

amélioré par les techniques de l'iA.

2. Elle doit encourager l'application des techniques de 1'IA

à la structuration du matériel didactique.

3. Seuls les travaux utilisant un logiciel déjà existant

doivent être soutenus.

4. Le soutien doit aller aux domaines où les besoins sont les

plus grands en matière de formation.

5. Il faut encourager le développement de systèmes experts

ayant trait à la saisie de la connaissance relative à des sujets se rapportant à la formation.

6. Il faut encourager le professionnalisme dans l'enseigne-

40

ment assisté par ordinateur.

7. Il faut organiser des programmes de sensibilisation au

sujet de 1'IA et l'enseignement.

8. Il faut encourager le développement des instruments per-

mettant l'application des systèmes experts à base de connais- sances dans la formation professionnelle.

Il est trop tôt pour juger la réaction de la MSC à ces pro- positions .

On verra que, mis à part un très net accord en ce qui con- cerne le point 3 ci-dessus, les recommandations de ce rapport au CEDEFOP sont de nature plus spécifique.

5.2 Formation pour l'ère basée sur la connaissance

On se heurte ici au manque bien connu de personnel qualifié dans le domaine de la technologie de l'information. Bien que la plupart des organisations qui utilisent des ordinateurs soient familiarisées avec le traitement de données et les techniques de la bureautique, 1'IA ou les systèmes à base de connaissances semblent rester un mystère menaçant. Le pro- gramme ALVEY s'est rapidement attaqué à satisfaire ce besoin en créant le plan de "compagnonnage". Celui-ci invite les détenteurs d'un diplôme d'enseignement supérieur (de la plu- part des disciplines) à venir rejoindre pour six mois l'équipe de chercheurs au Imperial College ou au Turing Institute à Glasgow afin de travailler au coeur même du

41

domaine des systèmes à base de connaissances.

Nous pensons que ceci est un bon moyen pour les entreprises qui seront amenées à créer leurs propres systèmes experts. Pour les autres, le problème n'est peut-être pas aussi urgent. Un des avantages des systèmes experts est, qu'une fois produit, ils sont facile à utiliser et seuls les systè- mes ayant fait leurs preuves doivent être utilisés dans ce contexte.

5.3 Les systèmes à base de connaissances pour l'enseignement

Le point capital de ce rapport est que le développement des systèmes à base de connaissances est assez avancé pour four- nir l'équipement d'expérimentation nécessaire permettant de concevoir des systèmes d'enseignement pour certains domaines. En fait, la situation est identique à celle existant dans d'autres domaines (assurances, arpentage, finances, etc qui ont bénéficié des clubs ALVEY.

)

Un des points essentiels de nos recommandations, tout comme de celles du rapport de la MSC, est que seuls les logiciels déjà existant et disponibles sur le marché doivent être uti- lisés dans ce contexte. Les grands investissements dans la recherche dont il a été question ci-dessus ne servent qu'a prouver une fois encore que ce domaine est en plein dévelop- pement et qu'il ne vous réservera pas de mauvaises surprises.

Toutefois il n'y a pas de club ALVEY pour l'enseignement alors que la formation est un problème qui rassemble un grand

42

nombre de personnes de l'industrie et du commerce. Il est

à même de

sensibiliser les gens à la possibilité de créer des clubs européens dans plusieurs domaines-clefs de la formation et d'assumer ici le rôle de catalyseur. Ce serait une erreur de vouloir déjà identifier maintenant les domaines cruciaux, ceci doit faire l'objet d'une réunion sur ce sujet.

suggéré que le CEDEFOP, de par sa position, est

En partant de ce modèle simple, il est possible d'arriver à nos recommandations finales.

6. RECOMMANDATIONS FINALES

Ces recommandations doivent être lues en ayant présent à l'esprit que, à l'exception de la MSC au Royaume-Uni, très peu est fait en ce qui concerne l'utilisation des SE dans le domaine de la formation dans l'industrie. Ceci est parti- culièrement vrai lorsque l'on considère l'Europe dans son ensemble. Les recommandations de la MSC ont été maintenant acceptées au Royaume-Uni ce qui met encore l'accent sur l'urgence de la création d'une activité européenne, afin que le reste de l'Europe ne se laisse pas dépasser.

6.1 Le CEDEFOP est bien placé pour centraliser au niveau européen les efforts en vue de la création d'une action de formation dans l'industrie afin de coordonner la coopération en ce qui concerne l'évaluation des systèmes experts dans les secteurs industriels clefs.

43

6.2 Le prochain pas pour le CEDEFOP est d'organiser une réu-

nion de tous ceux qui sont le mieux placés pour prendre une initiative dans leurs propres milieux.

6.3 II faudra discuter au cours de cette réunion du genre de

travail devant être fait pour créer des actions semblables aux "clubs" capables de s'autofinancer.

6.4 II est essentiel que les actions s'appuyent sur des SYS-

TEMES EXPERTS EXISTANT DEJA ET DISPONIBLES. C'est pourquoi, une exposition de tels systèmes doit avoir lieu dans le cadre de cette réunion.

6.5 Le CEDEFOP doit examiner quel apport financier pourrait

être obtenu des gouvernements des Etats participants.

6.6 L'ordre du jour de la réunion doit contenir la liste des

domaines clefs choisis susceptibles d'être concernes par la technique des SE. Ce pourrait être par exemple:

la planification de projet; la maintenance d'installations complexes; les procédures de sécurité;

l'utilisation des ordinateurs; l'utilisation de machines-outils assistées par ordinateurs; le développement du personnel; la formation en matière de bureautique; le développement du travail des syndicats (techniques de

négociations, etc

);

le travail avec les robots et les ateliers flexibles; les techniques de gestion;

44

6.7 Vu l'avantage important découlant d'une amélioration des

compétences des travailleurs grâce aux systèmes experts, il serait bon que les syndicats participent à ces discussions.

6.8 Le CEDEFOP pourrait continuer à servir de lien entre ces

actions et les clubs importants du programme ALVEY.

6.9 Le CEDEFOP pourrait servir de centre d'information met-

tant ceux désirant utiliser les techniques de formation par les SE en contact avec ceux ayant l'expérience de ces tech- niques.

45

INTELLIGENCE ARTIFICIELLE ET EDUCATION

QUELQUES PISTES DE REFLEXION

VIVET MARTIAL UNIVERSITE DU MAINE LE MANS

CEDEFOP

BERLIN

1987

ACADEMIE DE NANTES

UNIVERSITE DU MAINE

46

FACULTE DES SCIENCES

DEPARTEMENT DE MATHEMATIQUES ET INFORMATIQUE

ROUTE D I LAVAL

72017 LE MANS CEDEX

TEL· (43) 24.72.38

INTELLIGENCE ARTIFICIELLE ET EDUCATION

Quelques pistes de réflexion

VIVET Martial Université du Maine Laboratoire d'Informatique BP 535 72017 - LE MANS Cedex

LE MANS, LE

I

RESUME : Le papier présente d'abord un état de l'art en France sur le thème "I A et Education". L'essentiel du texte discute des apports possibles de l'IA

à l'Education. Sont ainsi passés en revue 'les aspects de surface (communication homme/machine) mais aussi des aspects plus fondamentaux : apport des systèmes experts, rôle de l'étude de la représentation de connaissances, étude des rai-

sonnements "naturels",

Un spectre des usages possibles dans l'éducation

de systèmes relevant de l'IA est décrit : usage dans la classe, à "distance", pour la formation des m aîtres. Quelques questions ouvertes sont posées à la fin.

Papier présenté au Workshop Anglo-Français sur "Technologie de l'information et éducation". Maison Française - OXFORD (GB) - 16/18 décembre 1985.

INTBODUCTICN :

Ce papier tente d'abord de faire le point rapidement sur l'interaction entre I.A. et Education actuellement en France. La deuxième partie propose quelques pistes de réflexion sur le thème "I.A. et Education" : divers aspects des apports possibles de l'I.A. en éducatio^n sont discutés, un spectre des usa- ges possibles est présenté. Un certain nombre de questions sont posées à la fin. Notons que les problèmes liés à l'enseignement de l'I.A. et les questions de type "Résolution de problèmes en particulier avec LOGO" sont exclus du champ de ce papier.

47

/ I /­ ETAT DE L'ART dans le thème "I.A. et ELXCATICN" en France :

L'I.A. en France ne fait que commencer à se structurer (en particulier au sein du C.N.R.S. avec ce que l'on appelle le PRC ­ IA). Ce projet de recherche concertée regroupe l'essentiel des équipes qui travaillent en I.A. en France et le potentiel de chercheursdisponible est très mobilisé par ce projet. Quatre thèmes majeurs sont inscrits à ce projet : Modélisation du raisonnement et de la connaissance, Analyse de 1'inference et du contrôle, Modélisation de l'appren­ tissage, Méthodologie des applications. Ce PRC intègre essentiellement des équipes d'informatie ien? et ses préoccupations sont très éloignées des sciences

ι

humaines. En particulier, il n'intègre aucune composante directe sur le thème qui nous concerne ici. De fait l'activité sur ce thème reste très dispersée et le fait de personnes relativement isolées. Un certain nombre d'événements ont eu lieu cependant. Citons :

­ la création en novembre 1983 d'un séminaire mensuel "IA et formation"

organisé conjointement par le CESTA (Ministère de l'Industrie et de la Recherche) et l'I.N.R.P. r Ce séminaire est l'occasion de présentation de réalisations ou de discussions sur ce thème. On trouvera la liste des sujets des confé­ rences en annexe.

­ la diffusion d'un numéro spécial du bulletin de l'EPI (Association

"Enseignement public et Informatique"). Cette association regroupe des profes­ seurs concernés directement par l'introduction de l'informatique dans le sys­ tème éducatif. Le numéro spécial de décembre 1984 était consacré au thème "Systèmes Experts et Enseignement" et faisait le point sur un certain nombre de réflexions et réalisations.

­ la diffusion par le C.N.D.P. (Centre National de Documentation Pédago­

gique) d'un moteur de système Expert (PENELOP) écrit en LE­LISP et d'une ver­ sion de MICRO­PROLOG. Ces deux logiciels sont exécutables sur le matériel diffusé dans les établissements scolaires. Nous avons peu d'information sur

l'usage fait de ces logiciels. MICRO­PROLOG aurait été utilisé par un profes­ seur d'histoire pour faire de 1'inference entre des faits historiques. Les équipes de recherche universitaire ayant une activité connue sur ce thème sont peu nombreuses. Cibons :

­ au L.R.I. (Laboratoire de Recherche en Informatique) à l'Université d'ORSAY, les travaux de M.C. ROUSSET et M.O. CORDIER sur l'E.I.A.O. appliqué au calcul algébrique.

­ au C.R.I.N. à NANCY les travaux de M. QUERE et M. GRANDBASTIEN.

­ à 1'I.R.I.S.A. de RENNES les travaux sur l'enseignement de la géo­ métrie à partir de programmes interactifs en PROLOG.

48

τ à 1'Université de PARIS VI, le travail de M. BARON et de 0. PALIES sur l'usage des systèmes experts pour enseigner les mathématiques et l'électricité (circuits série et parallèles avec des résistances, selfs et capacités). M. VIVET (de l'Université du Maine) et J. MATHIEU (de l'Université de ROUEN) sont en liaison étroite avec ce groupe. Notons que le rapport SIMON ("L'Education et l'Information de la Société' Documentation Française ­ 1981) contenait une première analyse des relations entre I.A. et Education.

/I l /τ­ QUELQUES ASPECTS DES APPORTS POSSIBLES DE L'I.A. POUR L'EDUCATION ­

Si l'on en croit l'avis du grand spécialiste R. SCHANK'(Université de ­s­ USA) l'I.A. doit déboucher à terme avec des applications importantes

YALE

dans le domaine de l'éducation. Il écrit dans un des derniers numéros de Byte : "Les applications les plus prometteuses de l'I.A. sont peut­être dans le domaine de l'éducation pour aider les gens à apprendre à lire, à se souvenir, â penser. Cela grâce à une meilleure connaissance des mécanismes fondamentaux *

mis en jeu dans ces activités".

Les apports peuvent présenter différents aspects à divers niveaux :

1 ­ »ASPECTS DE SURFACE, ce sont des aspects formels, ne touchant pas forcément directement les aspects didactiques mais qui interviennent au niveau de la communication Homme/Machine. A ce niveau, on peut attendre beaucoup

de la synthèse et de la reconnaissance de la parole, de la vision, de la synthèse et de la compréhension de textes donnés en langue naturelle. Les résultats en I.A. ne semblent pas encore tout à fait suffisants pour atteindre la souplesse de communication requise dans une situation d'apprentissage. Notons que ces facilités de communication ne sont pas seulement utiles â l'élève mais peuvent être également des aides précieuses pour le maître préparant le travail. Ainsi, l'on peut s'interroger sur les usages collectifs de système d'EAO utili­ sant la communication parlée (que deviennent par exemple les échanges entre les enfants si chacun a son casque et son micro ou est enfermé dans une cage de verre comme dans les laboratoires de langue ?). Par contre, le maître pourrait être très intéressé par la possibilité de dicter ses textes à la machinel,

2 ­ *ASPECTS CHARNIERES ENTRE FORME ET FOND. Les techniques des systèmes ex­ perts (S.E.) actuellement disponibles sont déjà très intéressantes pour construire des systèmes d'enseignement. Le développement de tels systèmes est relativement long et coûteux et les outils pour rendre leur écriture plus efficace manquent encore. Les systèmes experts se développent actuellement dans des secteurs

ayant des capacités d'investissement beaucoup plus importantes que celles dont disposent les institutions éducatives. Deux éléments très importants dans une relation pédagogique sont à la base de cet intérêt :

v.

49

- Le système expert est en principe capable de résoudre le problème posé

ou qu'il pose à l'élève. Il est de plus capable de le résoudre avec les mêmes méthodes que l'élève.

- Le système expert peut expliquer le (les) raisonnements possibles sur le

problème, il peut expliquer comment sont faits les choix .expliciter les étapes de son raisonnement pour atteindre la solution d'un problème.

A partir du moment où l'on sait faire raisonner un système expert, on peut le faire raisonner juste mais on peut aussi le faire raisonner de façon erronée (raisonnement faux ou raisonnement basé sur des connaissances fausses). Les pédagogues ont identifié un grand nombre de raisonnements faux. Leur codage permet d'atteindre des diagnostics précis sur des réponses erronées.

L'usage de S.E. pour enseigner doit permettre d'atteindre :

- des effets de surface'"pour l'enfant : l'explication personnalisée toujours plus agréable permettant une mise en confiance ; - des effets profonds : la bonne explication donnée au bon moment si fondamen- tale dans toute situation d'apprentissage. Il faut rappeler ici un fait important : il ne suffit pas de disposer d'un bon système de résolution de problèmes dans un domaine donné pour avoir un bon pédagogue dans ce domaine. C'est vrai pour les humains. C'est également vrai pour les systèmes experts. En particulier, il ne faut pas se contenter des explications de type trace le plus souvent offertes par les moteurs d'infe- rences. La question des explications à fournir est un problème en elle-même qu'il y a lieu de traiter comme tel. On peut l'envisager de la confier à un

système expert secondaire utilisant des connaissances sur l'élève, des connais-

sances au niveau psychologique "oratoire",

, des connaissances sur le pro-

blème à expliquer et inférant "la bonne explication" dans le contexte actuel.

3 - »ASPECTS FCNDAMENTAUX :

- "Enseigner" à une machine à résoudre des problèmes dans un domaine donné

impose une grande maîtrise des processus de raisonnements et des connaissances spécifiques à ce domaine. Ceci est en particulier vrai au niveau des méta- connaissances : connaissances sur l'usage que l'on peut faire de ses connais- sances ; des stratégies avec lesquelles on les utilise. Cette activité relève fondamentalement des sciences de l'Education et faire travailler des maîtres sur de tels systèmes peut être du plus grand intérêt même si jamais ils n'ont d'installations de ce type dans leur classe. Faire prendre conscience à des

maîtres que l'on peut donner un certain nombre de compétences à l'ordinateur, sans doute le plus bête de tous les élèves, peut-être rassurant à beaucoup de points de vue.

- Les sujets fondamentaux sur lesquels peut porter la réflexion sont :

. l'analyse et la représentation des connaissances d'un domaine, en

particulier la manipulation de connaissances déclaratives et les dis-

50

eussions sur la nature des connaissances, les interactions entre

connaissances déclaratives et procédurales sont intéressantes.

.

le problème général de l'apprentissage : acquisition de connaissances

(apprentissage par coeur), acquisition de méta-connaissances (appren-

tissage des stratégies pour utiliser ses connaissances). A ce niveau,

les différents modèles d'apprentissages pourraient être étudiés par des

maîtres. Citons : la généralisation à partir d'exemples, 1'inference

inductive, les changements de représentation, la génération automatique

de règles,

.

les différentes formes de raisonnements, en particulier les raisonne-

ments naturels. Les raisonnements déductifs basés sur les syllogismes

traditionnels et les liens avec la logique sont concernés mais ne sont

pas les seuls. Citons aussi les raisonnements plausibles, les raison-

nements avec des connaissances incertaines, imprécises, incomplètes

(raisonnement par défaut) et les liens avec les logiques "naturelles"

(logiques non monotones, temporelles, argumentatives)

Le travail

commencé par Polya sur les raisonnements plausibles et l'enseignement

des mathématiques mérite d'être généralisé et étendu à d'autres domaines,

Indépendamment des aspects fondamentaux sous jacents, il est également

important de faire apparaître auxmaîtres, puis aux élèves, l'ordinateur

comme une "macine à déduire".

.

l'histoire de l'I.A. - Celle-ci est en effet pleine de réalisations, de

promesses tenues et non tenues,d'échecs. L'analyse des raisons de ces

échecs, de l'évolution des problématiques, est pleine d'enseignements

riches.

/ III / - SPECTRE D'USAGE POUR L'EDUCATION DE SYSTEMES RELEVANT DE L'I.A.

1 - USAGE DE SYSTEMES EXPERTS AVEC LES ELEVES DANS LE "CONTEXTE CLASSE".

On touche là l'usage de logiciels d'EAO devenus EIAO pour transmettre

ou vérifier des connaissances dans les différentes disciplines d'enseignement.

Les logiciels relevant des processus de simulation (de systèmes physiques, chi-

miques, biologiques, économiques,

)

peuvent également être concernés.

2 - USAGE DE SYSTEMES EXPERTS "UTILISABLES A DISTANCE", PAR RESEAU TELEMA- TIQUE -

Cela peut concerner la "formation à la maison" (handicapés , enseignants)

Cela peut aussi concerner la formation de professionnels sur leur lieu de tra-

vail. Par exemple, la formation des garagistes au diagnostic et à la maintenance

sur un nouveau type de véhicule pourrait être envisagée ainsi. Le véhicule du

client sert de matériel de travaux pratiques guidés par un système expert basé

au siège de la marque du véhicule et interrogé par une console placée dans

l'atelier.

51 · La formation décentralisée de tout un réseau de garagistes peut devenir

possible. La formation à un nouveau modèle se traduit pour la firme par la

mise en place dans la base de connaissances des règles de diagnostic et de main-

tenance propres au nouveau modèle.

3 - FORMATION DES MAITRES : Les systèmes "intelligents" peuvent concerner

directement la formation des maîtres. Le système BUGGY par exemple qui permet

d'entraîner des maîtres à faire du diagnostic de comportements erronés montre

une voie dans laquelle il y aurait lieu de beaucoup travailler. La qualité de

l'enseignement passera pendant un certain temps encore par la qualité des maîtresO)

Des systèmes amenant des maîtres à une attitude d'écoute, d'observations, d'ana-

lyse de comportement, de diagnostic de connaissances ou de raisonnements erronés

sont sans aucun doute de grand intérêt.

/ IV / - QUELQUES QUESTIONS :

1 - Si nous abordons les problèmes de type programmation, quel type de

programmation faut-il aujourd'hui induire chez les maîtres ? chez les élèves ?

Est-ce la programmation déclarative ? la programmation procédurale ? S'il

s'agit de programmation procédurale, doit-on l'aborder avec les langages clas-

siques de l'algorithmique (BASIC, PASCAL

)

ou des langages fonctionnels (LISP,

LOGO), ou des langages d'Acteurs, orientés objets (SMALL TALK

faut-il faire à LOGO ? Quelle place faut-il faire à PROLOG ? Ces problèmes sont

plus profonds que les seuls aspects de surface de querelle de langages.

). Quelle place

2 - Comment faut-il infléchir les politiques d'équipement des centres de

formation de maître, des écoles pour permettre une introduction réelle de sys-

tèmes intelligents dans les différents rouages du processus éducatif. Les sys-

tèmes intelligents nécessitent des processeurs rapides, des mémoires et des

supports de stockage importants et rapides. Actuellement, les établissements

sont équipés de trop petites machines. Doit-on s'orienter vers l'interrogation

à distance de grosses machines, ces micro-ordinateurs fonctionnant en console ?

Peut-on définir le cahier de charge de machines économiquement raisonnables

pour une large diffusion et capable de supporter des applications relevant de

l'I.A. "en

vraie grandeur" pour l'enseignement ?

CONCLUSION :

Ce texte n'est qu'un survol permettant de conduire une discussion. Les ques-

tions y sont largement ouvertes. Il semble qu'il soit maintenant urgent de

réaliser quelques applications réelles relevant de ces idées. C'est une condition

nécessaire pour pouvoir approfondir la réflexion.

ANNEXE : Liste des séminaires "I.A. et formation" du C.E.S.T.A./I.N.R.P.

/ ANNEXE /

Séminaires C.E.S.T.A. - I.N.R.P.

52

Intelligence Artificielle et Formation

18.12.83

- M. VIVET - A. ROUCHIER Systèmes experts en mathématiques et Enseignement des Mathématiques.

13.01.84

- H. WERTZ - P. GREUSSAY Des environnements intelligents pour la programmation

16.02.84

- J.P. DESCLES Pour une distinction.entre représentation des connaissances et langages quasi-naturels dans le traitement informatique des langues.

G.

SABAH

Une classification des connaissances nécessaires à l'interprétation auto- matique de textes et leurs relations avec diverses méthodes complémen- taires de compréhension.

20.03.84

- M . BERGMANN

 

PROLOG.

19.04.84

- A. BARR

 

Systèmes experts : deve loppements actuels et limites.

15.05.84

- H. DREYFUS Table ronde sur le thème : Apprentissage par analyse contre apprentissage par intuition.

21.06.84

- J.C. SIMON Problèmes ouverts et conjectures en reconnaissance des formes et intelli- gence Artificielle.

16.10.84

- J.P. HATON Intelligence Artificielle et dialogue Oral. Les nouveaux moyens de commu- nication homme/machine.

26.11.84

- M.S. LAGRANGE - M. RENAUD Application d'un système expert à l'étude du raisonnement en sciences humaines. Ses prolongements pédagogiques.

18.12.84

- Y. KODRATOFF Une approche â l'apprentissage symbolique.

24.1.85

- E. MOUANGUE Apport des systèmes Experts à l'EAO

G.

DAHAN - J. FERBER

Un kit pour la formation à l'I.A. sur micro-ordinateur

14.03.85

- A.N. PERRET-CLERMONT Interaction sociale et processus d'apprentissage

23.04.85

- D. CABROL - C. CACHET - R. CORNELIUS Présentation d'un logiciel résolvant des problèmes élémentaires de

chimie.

oOOOoOOOo

53

LES SYSTEMES-EXPERTS DANS LA FORMATION

D. KERR ANCO - THE INDUSTRIAL TRAINING AUTHORITY DUBLIN

CEDEFOP

BERLIN

1987

54

L'AnCO a fait de gros efforts ces dernières années pour met- tre â profit l'utilisation de l'informatique dans la forma- tion. Ces efforts ont commencé en 1981 par un travail de recherche sur l'utilisation de l'enseignement assisté par ordinateur (EAO), aboutissant à la conclusion que l'EAO était une méthode de formation très intéressante, car sus- ceptible de répondre aux besoins spécifiques de la personne å former, en lui apportant un "feed-back" à son rythme, de manière immédiate et confidentielle. Elle permettait éga- lement à l'organisme de formation d'assurer la cohérence des entrées, un système de suivi des élèves et d'autres aspects liés à la gestion informatique. En fin de compte, l'EAO per- mettait donc â l'AnCO d'offrir une formation plus efficiente et plus efficace dans certains domaines.

L'AnCO utilise à présent toute une gamme de méthodes d'en- seignement assisté par ordinateur dans ses stages de forma- tion. Ces méthodes vont de programmes standards du type information-question-réponse à des systèmes de vidéo inter- active très sophistiqués, dans lesquels la puissance et la flexibilité de l'ordinateur se conjuguent à l'impact et au réalisme de la vidéo pour présenter un processus de démons- tration et d'apprentissage très réaliste. Une liste des pro- grammes élaborés à ce jour est donnée à l'annexe 1 de ce rapport. L'AnCO a décidé qu'en 1991, 30 % de ses programmes de formation feront appel à des méthodes à base de technolo- gies.

55

C'est dans ce contexte que l'AnCO s'est également penchée sur l'utilisation des systèmes-experts dans la formation. Il est reconnu que même les programmes sophistiqués développés â ce jour ne sont pas en mesure d'offrir un programme de formation totalement personnalisé. En général, ils ne pren- nent en compte que de manière limitée les connaissances et styles d'apprentissage de l'élève et sont habituellement basés sur un modèle comportemental assez simple de l'appren- tissage. De même, ils ne sont habituellement pas très bons dans l'explication de leurs réponses. Les systèmes-experts peuvent potentiellement améliorer l'efficacité des program- mes d'enseignement assisté par ordinateur en palliant ces déficiences.

Le personnel de l'AnCO est actuellement formé aux systèmes- experts, et un certain nombre de noyaux de systèmes-experts ont été achetés et essayés. Parallèlement à l'utilisation à des fins de formation, l'AnCO a également développé l'utili- sation des systèmes-experts dans ses activités administra- tives. Un système-expert a ainsi été installé au service du personnel, dans le cadre des procédures de congé de maladie. Un système de diagnostic des pannes a également été mis en place pour le réseau informatique de l'AnCO, et le travail se poursuit à présent par le développement d'un système- expert "on-line" destiné â l'optimisation du système infor- matique de l'AnCO. Dans le domaine de la formation, quatre projets sont en cours. Ils sont présentés ci-dessous.

56

ADAPTATION AUX STYLES D'APPRENTISSAGE

Ce projet a pour but de déterminer les styles d'apprentis- sage des élèves au début d'un programme et de concevoir le programme de manière â ce qu'il réponde à ces styles. Un questionnaire standard sur les styles d'apprentissage a été greffé sur un logiciel d'enseignement assisté par ordina- teur, et il est demandé aux élèves de remplir ce question- naire. Les résultats sont alors automatiquement notés, puis utilisés ("off-line") pour concevoir le programme de forma- tion.

Ce projet continuera d'être développé dans les deux années â venir. Il est prévu de revoir tout d'abord le questionnaire standard sur les styles d'apprentissage pour le rendre mieux adapté à une utilisation par tous les élèves. (Par exemple, le langage utilisé sera révisé.) Le système révisé de déter- mination des styles d'apprentissage sera ensuite transformé en un frontal "on-line" à système-expert pour programmes de formation.

GUIDE DE SPECIFICATION DE PROGRAMMES DE FORMATION

Ce projet consistait notamment à développer un système- expert relativement simple visant à aider les concepteurs de programmes à rédiger les spécifications de programmes de formation. Le système a pour but d'augmenter la productivité des réalisateurs de programmes en faisant en sorte que les éléments essentiels d'un programme bien conçu soient inté- grés dans leur travail. Le système fait appel à une série de

57

questions auxquelles les concepteurs de programmes doivent répondre. Le système sera mis à la disposition de chaque centre de formation de l'AnCO en vue d'aider les différents formateurs ainsi que les gens engagés dans la conception de programmes au niveau central.

AMELIORATION DE PROGRAMMES DE FORMATION PAR SYSTEMES-EXPERTS

Dans ce projet, il est prévu d'améliorer un programme exis- tant d'enseignement assisté par ordinateur en y incorporant des éléments de systèmes-experts. L'objectif n'est pas de réaliser un véritable système-expert, mais plutôt d'amélio- rer les aspects contrôle/test du programme existant. Le pro- gramme serait ainsi mieux adapté aux besoins spécifiques de l'élève en ayant un éventail plus large et plus détaillé d'options de branchement. Ce projet n'a pas encore commencé. Il est probable que le programme choisi pour cette applica- tion sera le programme de formation à la CNC.

ETUDE DES SYSTEMES-EXPERTS DANS LA FORMATION ET DES FUTURES APPROCHES POSSIBLES DE L'ANCO

Ce projet est mené par M. John Dineen, dans le cadre d'une bourse de recherche, à l'unité de recherche sur les facteurs humains de l'institut universitaire de Galway. Cette bourse est financée par l'AnCO dans le cadre de son programme de bourses de recherche. Les pages suivantes présentent un résumé des résultats enregistrés à ce jour par le projet.

58

PRINCIPALES CONCLUSIONS A CE JOUR

A. ETUDIER L'UTILISATION FORMATION

DES

SYSTEMES-EXPERTS

DANS

LA

L'utilisation de systèmes-experts dans le cadre de la forma- tion est moins évidente que celle de systèmes d'enseignement assisté par ordinateur (EAO). Néanmoins, pour développer avec succès un système-expert de formation, il convient de se pencher sur quatre points principaux:

- la connaissance du domaine (concepts et processus),

- la connaissance de la pédagogie (principes pédagogiques),

- la connaissance de l'interaction (conventions de tutorat), et

- la connaissance du système-auteur (interface d'entrée de la connaissance).

Connaissance du domaine

Pour construire un tuteur, l'enseignant a besoin de repré- senter la connaissance des concepts, des règles et de l'ap- prentissage dans le domaine considéré. Cette connaissance peut être classée comme suit:

- la CONNAISSANCE DECLARATIVE comprend les concepts du domaine considéré et leurs interrelations;

- la CONNAISSANCE PROCEDURALE comprend le raisonnement uti- lisé par le système pour résoudre des problèmes dans le domaine considéré; et

59

- la CONNAISSANCE HEURISTIQUE décrit les actions menées par un expert pour effectuer des mesures ou pour réaliser des transformations dans le domaine considéré; la connaissance heuristique définit les opérations réalisées pour résoudre des problèmes dans le domaine considéré et les actions faisant partie de la connaissance acquise par l'expert dans le cadre de son expérience sur la manière d'appréhen- der des situations dans le domaine considéré.

Connaissance de la pédagogie

La seconde frontière à surmonter est la représentation de la connaissance de la pédagogie. Connaître la pédagogie veut dire que le système doit savoir comment POSER les bonnes questions et comment SE CONCENTRER sur le point qui con- vient. Le système doit jouer le rôle de partenaire, et non pas de collègue ne faisant preuve d'aucun intérêt, d'aucun engagement, d'aucune coopération. Une communication efficace exige de regarder au-delà des mots utilisés par l'élève et de déterminer sur quoi le système et l'élève devraient com- muniquer. Le modèle de l'élève est à cet égard un élément essentiel de la connaissance de la pédagogie. Ce modèle con- tient la connaissance dont dispose le système sur l'élève, et il faut qu'elle soit représentée de façon très détaillée et mise à jour de manière dynamique tout au long de la ses- sion de formation.

60

Le modèle de l'élève ne saurait être un simple sous-ensemble de la connaissance du domaine; il faut qu'il contienne les erreurs et idées fausses classiques notées par les ensei- gnants .

Connaissance de l'interaction

La troisième barrière, et l'une des plus grosses pierres d'achoppement dans la conception d'un système efficace, est le manque de représentation adéquate des conventions d'in- teraction. Une voie possible est de proposer un modèle d'in- teraction qui élucide et affine certains principes, par exemple:

- qualité: s'engager et s'intéresser aux connaissances de l'élève; faire preuve de soutien et de coopération; ne pas prendre le rôle d'antagoniste;

- quantité: être spécifique; utiliser un minimum d'attributs pour décrire un concept;

- relation: être adapté; trouver un seuil de connaissances de l'élève; enseigner au niveau du seuil;

- manière: être maîtrisé; permettre à l'élève de choisir de nouveaux sujets; permettre au contexte de déterminer un nou- veau sujet.

61

Des inferences qualitatives seront donc utilisées pour géné- rer de nouveaux problèmes et exemples à soumettre â l'élève. Cette démarche sera utilisée pour évaluer et éventuellement réorienter l'interaction. L'objectif doit être d'utiliser un raisonnement qualitatif pour améliorer la flexibilité et la raisonnabilité de l'interaction.

Connaissance du système-auteur

La quatrième barrière sur laquelle il faut se pencher avant de construire des systèmes intelligents de formation est la connaissance du système-auteur, ou, en d'autres termes, la connaissance des interfaces en langage naturel, et non pas en langage de programmation, par lesquelles l'enseignant peut modifier le concept ou les règles d'un système. A ce jour, les progrès vers le développement de systèmes-auteurs intelligents ont été assez lents.

B. EVALUER

LA POSSIBILITE DE DEVELOPPER

UN

NOYAU

DE

FORMATION A BASE DE SYSTEME-EXPERT

Un système de formation intelligent à caractère universel ne saurait être envisagé dans un avenir prévisible, même si un noyau de formation spécialisé pourrait très bien être dispo- nible dans un an ou un peu plus. Le principal défi est le développement d'un 'modèle de l'élève' - avec une simulation des performances idéales d'un élève - exigé par la méthode dite du "model tracing" (Reiser, Anderson et Farrell, 1985). Dans cette méthode, le comportement de l'apprenant humain résolvant un problème est comparé aux performances du modèle

62

idéal. On peut alors en déduire, en fonction des résultats de l'élève, des énoncés de problèmes générés par différentes règles idéales. La création de jeux de règles de production simulant les processus de résolution de problèmes par un élève idéal est une tâche d'envergure, mais tout à fait réa-

l

lisable. Néanmoins, le nombre d'heures de travail nécessaire à la seule réalisation soit d'un système de formation intel- ligent, soit d'un noyau de formation, exigerait les services d'une unité spécialisée ayant accès, au strict minimum, à l'expertise voulue dans les domaines de la psychologie, de la linguistique et de l'informatique. A ce titre, la pour- suite de cette option n'est pas un objectif viable pour

1'AnCO.

C. ESTIMER LES AVANTAGES POSSIBLES DE LA COMBINAISON D'UN SYSTEME-AUTEUR ET D'UN NOYAU DE SYSTEME-EXPERT DANS UN CONTEXTE DE FORMATION

Le modèle typique d'EAO a un certain nombre de défauts importants en tant que systèmes complets de formation; par exemple, le processus d'évaluation des performances des élèves repose uniquement sur l'analyse de leurs réponses â des questions données. Cette évaluation en fonction des réponses est très utile pour diagnostiquer les causes des problèmes des élèves et pour en déduire leurs besoins d'ap- prentissage. Elle ne convient pas, par contre, à la mesure des performances globales des élèves face à une tâche don- née, l'évaluation des réponses étant en effet limitée à un aspect spécifique (et souvent très minime) de la tâche. Elle ne tient donc pas compte des informations disponibles dans

63

la mémoire à long terme des élèves, l'évaluation étant en effet basée sur l'analyse de leur réponse immédiate à une question donnée. Autrement dit, les systèmes d'EAO existants ont éventuellement des mécanismes de diagnostic, mais n'ont pas d'éléments appropriés de mesure ni d'évaluation.

Ce qu'il faut, c'est peut-être combiner les avantages res- pectifs de l'EAO et des SE dans un "système-auteur intelli- gent". Cette filière permettrait à l'AnCO de mettre à profit sa propre expertise considérable dans le domaine de l'EAO et d'acheter l'expertise nécessaire et disponible en IA. Cette alternative particulière permettrait également à l'AnCO de poursuivre sa poussée dans le domaine de la formation, sans abandonner les bénéfices possibles d'une véritable percée dans l'enseignement intelligent assisté par ordinateur (EIAO).

Une première solution sera peut-être présentée sous la forme d'une combinaison d'un noyau de système-expert et d'un pro- giciel-auteur - cette partie du projet étant prévue pour l'année qui vient.

64

BIBLIOGRAPHIE CHOISIE

1. HARMON, P. et D. KING (1985), EXPERT SYSTEMS: Artificial Intelligence in Business. WILEY AND SONS.

2. TEITELMAN, W. et L. MASINTER (1981), THE INTERLISP PRO- GRAMMING ENVIRONMENT, COMPUTER 14, N° 4: 25-33.

3. SHORTLIFFE, E.H. (1976), COMPUTER-BASED MEDICAL CONSUL- TATION: MYCIN NEW YORK, AMERICAN ELSEVIER.

4. DUDA, R.O. et J.G. GASCHING (1981), "Knowledge-Based Expert Systems Coming of Age." BYTE 6, N° 9: 238-281.

5. ERMAN, L.D., P.E. LONDON et S.F. FICKAS

(1981), "The

Design and an Example Use of HEARSAY-III. " IJCAI 7: 409-

415.

6. McDERMOTT, D. et J. DOYLE (1980), "Non-Monotonic Logic, I." ARTIFICIAL INTELLIGENCE, 13: 41-72.

7. BROWN, J.S., R.R. BURTON et A.G. BELL (1974), SOPHIE: A Sophisticated Instructional Environment for Teaching Electronic Troubleshooting. BBN REPORT 2790, BOLT BERANEK AND NEWMAN, CAMBRIDGE, MAS.

65

8. BROWN, J.S. et R.R. BURTON (1975), "Multiple Representa- tions of Knowledge for Tutorial Reasoning." Dans D.G. BOBROW et A. COLLINS (EDS.) REPRESENTATION AND UNDER- STANDING: Studies In Cognitive Science. NEW YORK ACADE- MIC PRESS: 811-349.

9. CLANCEY, W.J. (1979), "Tutoring Rules for Guiding a Case Method Dialogue." IJM-MS 11: 25-49.

10. CLANCEY, W.J., E.H. SHORTLIFFE et E.G. BUCHANAN (1979), "Intelligent Computer-Aided Instruction for Medical Diagnosis." Dans PROCEEDINGS OF THE THIRD ANNUAL SYMPO- SIUM ON COMPUTER APPLICATIONS IN MEDICAL CARE: 175-183.

11. SLEEMAN, D. et J.S. BROWN (1982), INTELLIGENT TUTORING SYSTEMS. NEW YORK ACADEMIC PRESS.

12. REISER, B.J.,

J.R. ANDERSON

et R.G.

FARRELL

(1985),

"Dynamic student modelling in an intelligent tutor for LISP programming", PROCEEDINGS OF THE INTERNATIONAL JOINT CONFERENCE ON ARTIFICIAL INTELLIGENCE (pp. 8-14), L. A . , CA.

66

ANNEXE 1

PROGRAMMES DE FORMATION ASSISTEE PAR ORDINATEUR ET A VIDEO INTERACTIVE DE L'ANCO

Titre des stages

1.

Finances pour cadres non financiers

2.

Calcul des prix de revient

3.

Robotique

4.

Soudage

5.

Rédaction de rapports

6.

Micromètre métrique

7.

Apprendre à apprendre

8.

Dépannage des circuits hydrauliques

9.

Circuits à résistances

10.

Bases et applications des circuits à courant alternatif

11.

Recettes et dépenses (série d'initiation financière)

12.

Résoudre les problèmes et prendre des décisions

67

L'INTELLIGENCE ARTIFICIELLE ET SES APPLICATIONS A LA FORMATION

DR J. GILLINGHAM MANPOWER SERVICES COMMISSION SHEFIELD

CEDEFOP

BERLIN 1987

68

QU'EST-CE QUE L'INTELLIGENCE ARTIFICIELLE (IA)?

1. Il y a autant de définitions de l'intelligence cielle qu'il y a de chercheurs en IA!

I

artifi-

"L'intelligence artificielle est la science consistant â faire faire â des machines des choses qui exigeraient de l'intelligence si elles étaient faites par un humain", selon Marvin Minsky (1).

2. Cette tentative de définition quelque peu rotatoire donne une idée de la difficulté de parvenir à une définition universellement acceptée. Mais ce qui nous intéresse, ce sont les applications de l'IA, et non pas la recherche en IA. C'est pourquoi, John Self, de l'université de Lancas- ter, nous donne peut-être une meilleure indication quand il dit:

"Utiliser des produits d'IA, ce n'est pas de l'IA, c'est du génie logiciel: c'est utiliser des techniques connues

pour trouver des solutions rentables â des problèmes bien

L'IA est la partie de l'informatique qui s'at-

taque à des problèmes qui ne sont pas bien définis." (2)

définis

(1) Marvin Minsky, MIT

(2) John Self, Université de Lancaster, 1986

CONTEXTE

69

3. En 1985 et 1986, ceux qui, à la Manpower Services Com- mission (MSC), s'intéressaient aux nouvelles technologies de formation en.sont arrivés à la conclusion que, dans ce domaine, les développements véritablement de pointe devaient passer par l'application de techniques d'IA, à titre d'extension des technologies existantes.

4. Un certain nombre de projets ont alors été créés, basés pour la plupart sur l'application des systèmes-experts à la formation générale et professionnelle, tels que:

a) un système-expert en rédaction de rapports;

b) en système-expert en dépannage et une comparaison avec les méthodes de formation existantes;

c) un système-expert destiné â former du personnel d'en- cadrement et de direction à la gestion des stocks;

d) un système-expert en fiscalité pour dirigeants de PME.

5. La MSC a également créé un didacticiel d'initiation à l'utilisation des systèmes-experts dans le cadre de la formation post-scolaire. Un centre spécial a d'autre part été créé pour assurer une formation aux systèmes-experts, avec la participation de formateurs de l'industrie ayant des besoins de formation compatibles avec une approche du type système-expert.

70

6. Un projet très ambitieux a été lancé en vue de tenter de mettre au point un système général d'analyse des besoins de formation. Ce projet a abouti à la proposition d'un modèle d'un tel système, le produit obtenu étant un pro­ totype d'aide à.la conception de sessions de formation.

ι

7. A la suite de ces différentes initiatives, la MSC a déci­ dé en avril 1986 de lancer un programme intitulé "Les applications de l'IA à la formation", dont la réalisation devait avoir lieu d'avril 1987 à mars 1990 et qui était doté d'un budget total de 3,2 millions de livres. Les principaux objectifs étaient les suivants:

a) étudier les possibilités d'utilisation de techniques d'IA pour le développement de méthodes de formation plus efficaces;

b) accélérer les applications appropriées de techniques d'IA dans le domaine de la formation;

c) encourager l'industrie britannique à devenir plus com­ pétente et plus compétitive en montrant et en démon­ trant qu'elle dispose de moyens de formation plus ren­ tables .

1 ere PHASE ­ APPLICATIONS DE L'INTELLIGENCE ARTIFICIELLE AU PROGRAMME DE FORMATION - A PARTIR D'AVRIL 1987

8. Après avoir pris l'avis d'un groupe de travail externe, il a été décidé que la première phase du programme com­ porterait 3 éléments:

a) Evaluation

71

2 projets parallèles, appelés à fonctionner pendant

les trois années du programme, de 1987/88 à 1989/90,

assureront l'évaluation externe de l'impact du pro-

gramme dans son.ensemble. Les évaluations concerneront

â la fois la formation et les acquis plus généraux et

seront surtout axées sur 1 'impact dans le secteur de

la formation post-scolaire et de l'enseignement supé-

rieur, d'une part, et dans le secteur industriel et/ou

commercial, d'autre part.

b) Projets d'enquête

La MSC a lancé un appel d'offres pour les enquêtes suivantes :

1) Cartographie des outils d'IA. 2) Cartographie des didacticiels intelligents.

3) Analyse de l'inventaire des qualifications et/ou besoins de formation des personnes-clés suscepti- bles de permettre, d'influencer ou de faciliter les applications de l'IA à la formation.

Les projets d'enquête ont remis leur rapport fin août

1 987 et ont aidé la MSC à définir les critères de la eme

2 phase du programme. Les enseignements et recom-

mandations seront abordés un peu plus loin dans cette

présentation.

c) Projets de démonstration

3 projets ont été retenus parmi les offres reçues,

représentant un montant total de plus de 6 millions de livres. Ces projets concernaient les besoins de forma-

72

tion dans les industries de transformation, les PME et le secteur de la formation post­scolaire. Tous les projets proposés devaient répondre aux critères géné­ raux suivants:

1) être axés sur un besoin de formation bien identifié

et spécifique; 2) constituer un développement significatif des nou­ velles technologies en matière de formation; 3) s'avérer être une méthode rentable pour répondre au besoin identifié ou apporter la preuve qu'une tech­ nologie particulière est une solution rentable; 4) permettre une généralisation des résultats, qu'il s'agisse d'un processus ou d'un produit, à d'autres industries ou secteurs; 5) être praticables et réalisables dans le cadre des ressources disponibles et, en particulier, donner des résultats spécifiques 1 an au plus tard après le début du projet.

ι

Les projets retenus, qui doivent s'achever en mars 1988, ont été les suivants:

1 ) Un système­expert sur les procédures de réclamation de clients, destiné à être utilisé par des étudiants en stage et par des PME locales. (Granville College) 2) EAO et simulation en liaison avec un système­expert, en vue de former du personnel de conduite et de main­ tenance d'une installation industrielle. Le didacti­ ciel permettra au personnel d'accroître ses qualifica­ tions pour répondre aux changements liés à l'automati­

73

sation d'opérations manuelles dans son environnement de travail. (Redifussion and Tate and Lyle) 3) Un didacticiel à système-expert d'aide à la gestion prévisionnelle. Ce didacticiel utilisera le concept d'"audit position" de l'entreprise pour aider le chef d'entreprise â identifier les facteurs critiques de succès et leurs interrelations. (NCC and Durham Uni- versity Business School)

2 eme pHAS E D u PR0 GRAMME

9. Le début de la deuxième phase du programme est prévu pour décembre 1987. L'appel d'offres sera lancé en septembre 1987, une fois que les critères auront été définis. Les projets seront ensuite sélectionnés et démarreront en j anvier 1988.

10. Les critères de sélection des projets de la deuxième phase n'ont pas encore été arrêtés au moment de la pré- paration de ce document, les enseignements et recomman- dations des projets d'enquête venant juste d'être reçus. Pour donner néanmoins une idée de la direction dans laquelle devrait s'orienter le programme, nous esquisse- rons ci-dessous les enseignements et recommandations les plus significatifs.

LES PROJETS D'ENQUETE

Parmi les principaux enseignements et conclusions des pro- jets d'enquête, figurent notamment les suivants:

1 1 . OUTILS

74

a) Il n'est probablement pas judicieux pour la MSC de participer au financement direct du développement d'outils. La MSC assure cependant jusqu'ici la promo- tion de l'utilisation et de la sensibilisation aux systèmes-experts. Des efforts devront être faits à l'avenir pour encourager l'application plus large de techniques d'IA, en considérant 3 options:

1) La filière IA Même s'il n'est pas possible d'envisager, proba- blement avant au moins 10 ans, un système de tuto- rat intelligent d'application générale, il fau- drait qu'il soit possible de poser des jalons allant dans cette direction et de décider quel est le meilleur moyen d'y parvenir. Peut-être sera-t- il possible de trouver des projets pratiques per- mettant d'utiliser comme bancs d'essai des problè- mes se posant dans la vie réelle d'organisations. Un outil d'environnement de formation réactif est également possible à court terme.

2) La filière EAO Un langage-auteur perfectionné pourrait être sur le marché dans 1 an. Des projets, qu'il convien- drait de financer, pourraient faire en sorte que le produit soit prototypé sur la base de problèmes de la vie réelle.

75

3) La filière système-expert Un noyau de formation spécialisé devrait être sur le marché dans douze mois. La MSC devrait veiller à intégrer son lancement dans sa campagne de sen- sibilisation.

I

b) Il convient de poursuivre la collaboration entre uti- lisateurs et chercheurs. Il est essentiel pour la MSC de souligner l'intérêt de projets de collaboration. La MSC pourrait également coordonner la constitution d'un fichier de gens â la recherche de partenaires pour développer des projets.

12. DIDACTICIELS

a) Ce qu'il faut en priorité, ce sont des exemples pra- tiques de matériel pédagogique utilisant des techni- ques d'IA. C'est le moyen le plus rapide de démysti- fier cette approche et de prouver son utilité.

b) Les projets devraient être basés sur des problèmes.

c) Ils devraient couvrir un large éventail de qualifica- tions .

d) Ils devraient englober toute une gamme de différents types de systèmes intelligents - avec des arguments quant aux mérites de chaque système par rapport aux autres.

e) Les projets devraient être liés à d'autres technolo- gies de formation, telles que vidéo interactive, EAO, simulation, etc.

76

f) Les projets devraient être développés en commun par des partenaires industriels et académiques, afin de surmonter les différences en matière de perception ainsi que dans la recherche et la mise en oeuvre.

13. EXIGENCES EN MATIERE DE FORMATION ET D'INFORMATION

La MSC devrait:

a) lancer une campagne visant à rehausser le niveau général de sensibilisation à l'IA dans le domaine de la formation et comprenant un processus de démystifi- cation, des démonstrations des possibilités d'utili- sation des techniques de l'IA, ainsi qu'une évalua- tion des potentialités;

b) commander la mise au point d'un didacticiel d'initia- tion s'adressant â 3 niveaux - décideurs, réalisa- teurs et développeurs - faisant éventuellement office d'orienteur intelligent;

c) commander une vidéocassette ou un vidéodisque sur l'IA dans la formation;

d) financer un centre national de ressources pour une période limitée, afin de coordonner les initiatives de sensibilisation et de formation et de "vendre" activement le concept d'IA;

e) dresser un tableau des qualifications exigées des gens a. former et commander des stages de reconversion pour dispenser aux formateurs les qualifications nécessaires à l'utilisation de techniques d'IA dans leurs sessions de formation.

CONCLUSION

77

14. Ce document est destiné à vous montrer comment la MSC s'est engagée dans l'application de l'intelligence arti- ficielle à la. formation, quelles ont été les leçons qu'elle a pu tirer jusqu'à present et dans quelle voie elle compte s'orienter à l'avenir.

15. Cette initiative est une initiative passionnante, avec, potentiellement, des avantages énormes pour tous ceux appelés à apprendre dans l'éducation et l'industrie. Le défi auquel est confronté notre programme est cependant de procéder par étapes pratiques relativement modestes, qui soient rentables pour le Royaume-Uni, sans perdre de vue la vision plus lointaine, lorsque les produits de la recherche en IA seront mis à la disposition de tous et pourront être appliqués à tout l'éventail de l'appren- tissage humain.

TRAINING TECHNOLOGY SECTION MANPOWER SERVICES COMMISSION

Août 1987

78

L'INTELLIGENCE ARTIFICIELLE ET SES APPLICATIONS A LA FORMATION PROFESSIONNELLE

MODELISATION D'UN TUTEUR AUTOMATIQUE PAR PLANIFICATION DYNAMIQUE

TUTEUR AUTOMATIQUE INTEGRE DANS UN SYSTEME INTELLIGENT D'ENSEIGNEMENT ASSISTE PAR ORDINATEUR

ISABEL FERNANDEZ DE CASTRO, ARANTZA DIAZ DE IIARRAZA SANCHEZ FACULTAD DE INFORMATICA DE SAN SEBASTIAN U.P.V.

ET

FELISA VERDEJO MAÍLLO FACULTAD DE INFORMATICA DE BARCELONA U.P.C.

CEDEFOP

BERLIN

1987

79

Modélisation d'un tuteur automatique par planification dynamique

Isabel Fernandez de Castro, Arantza Diaz de Ilarraza Sanchez, Facultad de Informatica de San Sebastian, U.P.V. Ap 649, 20080 San Sebastian, Espagne Tél. (34)(43)218000 Felisa Verdejo Maíllo, Facultad de Informatica de Barcelona, U.P.C. Pau Gargallo 5, 08028 Barcelona, Espagne Tél. (34) (3)3338308

Mots-clés: modélisation cognitive, EAO

Resume

Nous décrivons un tuteur automatique intégré dans un système d'EAO destiné à l'enseignement de la programmation à un niveau élémentaire. Ce tuteur assure un enseignement adapté à l'élève, combinant des explications et une vérification des acquis. Des exer- cices sont notamment proposés, tenant compte de leur degré de difficulté et des résultats précédents de l'élève. Une interface de dialogue facilite la communication en langage naturel.

80

L'enseignement est considéré comme un processus de transfert d'un mélange de connaissances schématiques et heuristiques suivant un style socratique. Différents aspects de la mission du tuteur sont subdivisés en modules spécialisés. Le comportement est modélisé sous la forme d'un processus de coopération entre diverses sources de connaissances, en vue d'atteindre un objectif de forma- tion. Le schéma de représentation est le même pour tous les modules. Les modules sont formalisés sous forme de base de connaissances de plans et de règles. Un plan se compose d'un ensemble d'actions et d'objectifs.

Les stratégies d'enseignement sont indépendantes du sujet traité. La structure de gestion s'exprime de manière décla- rative au moyen de plans et de règles de résolution de con- flits. Une description détaillée du tuteur est présentée, et un exemple technique développé.

1. INTRODUCTION

81

1.1 Description du systèm e

Le présent travail fait partie d'un projet plus important

(projet CAPRA

[Gari jo et al. 84]) dont l'objectif

est de

construire un système intelligent d'enseignement de la pro- grammation (â un niveau élémentaire).

Le système se compose d'un tuteur, d'un système-expert char- gé de générer des programmes, d'une interface de dialogue en langage naturel et d'un modèle de l'élève.

Le module EXPERT construit un programme permettant de résou- dre un problème, suivant une méthodologie de programmation. Il est capable d'expliquer pas â pas le mode de raisonnement adopté, en indiquant les connaissances utilisées à chaque prise d'une décision.

Le TUTEUR guide et gère le processus interactif d'apprentis- sage au moyen du module de DIALOGUE. L'accent est mis sur les aspects méthodologiques. Le proces- sus d'enseignement se déroule en différentes étapes. L'élève apprend tout d'abord à concevoir un algorithme à partir de l'énoncé d'un problème (en utilisant une notation algorith- mique abstraite), puis à obtenir un programme â partir de

1'algorithme.

La première étape d'apprentissage est organisée en deux phases: 1) comprendre un problème (en spécifiant les données

82

et les objectifs) et 2) construire un algorithme par affi- nage progressif. L'idée d'utiliser un schéma ou un plan pour raisonner sur la construction d'un programme a été mise en exergue par un certain nombre de récents travaux de recherche sur la métho- dologie de la programmation [Lucas et al. 83] et sur l'in- telligence artificielle [Soloway 86] et [Waters et al. 82]. Notre travail [Garijo et al. 86] suit cette approche. L'en- seignement devient un processus de transfert d'un mélange de connaissances schématiques et heuristiques, où l'expertise s'acquiert en étoffant â la fois les plans et les règles permettant de les choisir et de les combiner.

Comprendre la structure et la fonction d'un nouvel élément de connaissance est un point fondamental pour pouvoir faire le lien avec les éléments précédents. La métaconnaissance joue donc un rôle important dans le processus d'apprentis- sage.

Notre tuteur adopte un style socratique, combinant explica- tions et contrôle des connaissances. L'enseignement est adapté à chaque élève. Des exercices sont notamment propo- sés, en tenant compte de leur degré de difficulté et des acquis de l'élève.

83

1.2 Base de connaissances

Les connaissances utilisées par les différents composants du

système sont contenues dans une base structurée Les parties les plus importantes sont les suivantes:

(fig. 1) .

- Connaissances pédagogiques:

.

générales: plans pédagogiques de mise en oeuvre des stratégies d'enseignement

.

sur le domaine: structuration pédagogique des concepts à enseigner

.

sur l'élève: modèle de l'élève contenant les inferences sur l'historique de son apprentissage et sur son style de communication

- Connaissances du domaine:

.

description des concepts du domaine

.

ensemble de problèmes pour chaque concept

.

règles de conception et de programmation

.

classification des incompréhensions

- Connaissances du langage naturel

.

règles syntaxiques/sémantiques

.

historique du dialogue

.

modèles de locuteurs

Le point 2 aborde un certain nombre de questions liées à la conception d'un tuteur et indique les motivations de notre approche. Les composants et la structure de gestion sont

84

décrits au point 3. Un exemple technique est développé au

point 4. Un résumé est présenté en conclusion.

Système

expert

Π

Base de connaissances

Module de

dialogue

Figure 1

Tuteur

85

2. CONCEPTION D'UN TUTEUR INTELLIGENT

2.1 Introduction

Un certain nombre de questions importantes concernant la conception de tuteurs intelligents ont été soulevées par de récents travaux de recherche sur la nature de l'explication.

L'idée de construire un tuteur se superposant à un système-

a été explorée par GUIDON [Clancey 83] , les auteurs

analysant [Clancey 81b] les limitations de cette approche. L'expertise compilée (p.ex. sous forme de règles de Mycin) se prête bien à la résolution de problèmes, mais le manque de connaissances structurales et causales explicites la rend inadaptée à la formation. Les graphes génétiques [Goldstein 82] offrent un ensemble de relations évolutionnaires permettant d'organiser les con-

naissances d'un point de vue pédagogique. La généralisation,

sont des exemples de liens permet-

expert

l'analogie, l'affinage

tant d'établir un rapport entre des éléments de connais- sance, fournissant des chemins de progression permettant d'introduire de nouveaux concepts.

Ces deux expériences ajoutent un niveau de métaconnaissance pour expliquer le raisonnement du système. Notre approche du problème est du même type. Un niveau séparé est introduit pour décrire le domaine en question d'un point de vue péda- gogique. Une hiérarchie d'exigences et de degrés de diffi- culté est en particulier associée â chaque élément de con-

86

naissance. La sélection des sujets par le tuteur s'opère en utilisant cette information.

La modélisation de la gestion est un autre facteur important â prendre en considération dans la conception d'un tuteur intelligent. La question est de savoir comment générer un comportement observable dans un tutorat humain réel. Meno [Woolf 84] propose un formalisme combinant un réseau de transitions (destiné à structurer les séquences d'états de tutorat) et des métarègles permettant de faire sortir le tuteur des chemins d'erreurs. Les états sont classés en trois niveaux, suivant leur fonctionnalité: pédagogique, stratégique et tactique. Chaque niveau affine le précédent. Les expressions sont finalement produites au niveau tac- tique.

L'existence de métarègles suggère un structure de gestion flexible; les modifications de la conception exigent toute- fois une reconfiguration du réseau.

Notre approche présente un cadre basé sur la planification dynamique. Différents aspects de la tâche de tutorat sont subdivides en composants spécialisés. Le comportement est modélisé sous forme d'un processus de coopération entre diverses sources de connaissances, en vue d'atteindre un objectif. Comme chez Meno, les stratégies d'enseignement sont indépendantes des connaissances du domaine, la struc- ture de gestion s'exprimant en outre de manière déclarative, au moyen de plans et de règles de résolution des conflits.

87

2.2 Méthodologie de recherche

L'observation de l'enseignement humain est une activité fon- damentale pour pouvoir construire un tuteur automatique. Nous avons par conséquent préparé et réalisé plusieurs expé- riences faisant appel â différents tuteurs humains. Les dia- logues qui en ont résulté ont été enregistrés.

Une première étude de ces observations nous a amenés â la caractérisation de différents styles d'enseignement. Dans le même temps, la matière même du sujet a été systématisée, et des exercices ont été collectés et classés. Une seconde expérience a été réalisée en 84 et 85. Un cours d'introduction à la programmation (14 heures) a été proposé â des débutants. Tuteurs et élèves communiquaient par termi- nal. 77 sessions (128 heures) ont été étudiées au total.

L'analyse de ces comptes rendus nous a permis d'obtenir:

1) Une caractérisation superficielle des erreurs

2) Une première proposition de modèle de l'élève

3) Une formalisation

matière même du sujet 4) Une conception de la partie tuteur.

de la description

pédagogique de la

Dans ce rapport, nous nous concentrerons sur la partie tuteur, en décrivant la structure de ses connaissances et l'organisation de sa gestion.

88

2.3 Justification de la conception

La modularité, la flexibilité et l'indépendance vis-à-vis du domaine abordé ont été considérées comme d'importants cri- tères d'orientation de la modélisation du tuteur. Le travail d'analyse des comptes rendus nous a suggéré une classification des activités de formation, conduisant à la définition d'un certain nombre de modules correspondant cha- cun à un type donné de tâche.

Au plus haut niveau d'abstraction, nous considérons la "décision pédagogique", où est définie une approche générale de l'enseignement. Trois types d'actions sont notamment pris en considération:

1) Indication d'un objectif pédagogique pour une situation donnée 2) Choix d'une combinaison de stratégies permettent d'at- teindre l'objectif sélectionné 3) Mise en oeuvre des stratégies définies.

L'affinage d'un objectif pédagogique quant à la matière même du sujet est assuré par le module de "décision thématique". L'explication et la gestion de l'acquisition sont les prin- cipales tâches du "module d'enseignement". La communication est gérée par l'intermédiaire du "module de dialogue". Le "superviseur" est axé sur la résolution des conflits entre les objectifs du tuteur et ceux de l'élève, en signa- lant au module de "décision pédagogique" si des changements de stratégie s'imposent.

89

La gestion est partagée entre les différents modules, sui- vant une architecture du type tableau noir. Chaque module englobe une source de connaissances permettant de résoudre un type d'objectif. Le schéma de représentation des connais- sances est le même pour toutes les sources. Les modules sont modélisés sous forme d'une base de connaissances de plans et de règles. Un plan se compose d'un ensemble d'actions et d'objectifs.

Une description détaillée du tuteur est donnée ci-dessous. Les indications données entre paranthèses dans les exemples renvoient aux comptes rendus présentés en fin de rapport.

90

3. DESCRIPTION DU TUTEUR

3.1 Modul e d e décisio n pédagogiqu e

Différentes stratégies (obtenues à partir de l'étude d'expé- riences d'enseignement) ont été classées en stratégies géné- rales et stratégies locales. Les premières comprennent par exemple les stratégies suivantes: initiation de l'élève à l'utilisation du système, bref rappel, révision des points conflictuels, introduction de nouveaux concepts, achèvement d'une session, etc. Parmi les secondes figurent notamment les stratégies suivantes: contrôle d'un concept, résolution d'un doute concernant l'énoncé d'un problème et présentation d'un exemple.

Une session peut être considérée comme le résultat de l'ap- plication d'un ensemble de stratégies. Un exemple typique consisterait par exemple en "une révision générale, une introduction de nouveaux concepts, une révision de points conflictuels et une nouvelle introduction de nouveaux con- cepts" ou "une brève révision de la session précédente et une introduction de nouveaux concepts". Un objectif (OB) est associé à différents plans. Suivant la stratégie, un plan particulier est sélectionné pour attein- dre l'objectif considéré. Un plan s'exprime par une combi- naison d'objectifs et d'actions. Les actions peuvent être de deux types: actions élémentaires (AE) et actions initia- trices (AI). Les premières peuvent être décrites sous forme déclarative (par des règles) ou procédurale. Les secondes fixent des objectifs qui seront résolus à d'autres niveaux.

91

La base de connaissances du module de décision pédagogique se compose donc des éléments suivants: a) une description structurée des objectifs pédagogiques, des stratégies péda- gogiques et des plans associés, b) un ensemble de règles de détermination d'un, objectif pédagogique et de sélection de stratégies, et c) un ensemble de règles à choisir pour réa- liser un objectif avec une stratégie donnée.

(P-0B1): "décider d'une ligne

directrice de la session et l'appliquer". Cet objectif peut se réaliser à l'aide de deux plans. Le premier (plan 1) est indiqué ci-dessous:

Au départ, on a l'objectif

Plan 1: (P-0B3) décider de la séquence de stratégies d'en- seignement (P-0B2) appliquer les stratégies d'enseignement (P-0B1) décider d'une ligne directrice de la session et l'appliquer

Une séquence de stratégies est sélectionnée sous forme de paramètres, par exemple l'intervalle de temps entre les ses- sions et différentes informations sur l'élève. L'objectif (P-0B2) "appliquer les stratégies d'enseignement" est résolu par des plans, dont l'exécution conduit, quelque temps plus tard, à 1'activation de l'objectif (P-0B5) "commencer la session". La résolution peut s'opérer par différents plans:

92

Plan 5: (P-AI1) sélection (concept initial C, explication détaillée ED) (P-AI2) introduction d'un concept C avec explication détaillée ED

Plan 6: (P-AI1) sélection (concept à réviser C, explication détaillée ED) (P-AI3) rappel du concept C avec explication détail- lée ED (P-037) décision de contrôle du concept C

Plan 7: (P-AI1) sélection (liste de concepts LC) (P-AI3) rappel de la liste de concepts LC (P-0B7) décision de contrôle de la liste de concepts LC

Les règles de sélection

momentané, du stade d'avencement

des plans partent de l'objectif

et de la

de la

session

stratégie définie. Leur forme générale est la suivante:

Si

description de la stratégie et stade de la session alors appliquer le plan X.

et

description de l'objectif

L'une des règles pour l'exemple ci-dessus est la suivante:

Si

la stratégie est "révision générale" alors appliquer le plan 7.

l'objectif est "début de la session"

et

93

Le plan 7 se compose de l'action initiatrice (P-AI1) "sélec- tion de la liste de concepts" (objectif du module de déci- sion thématique), de l'action (P-AI3) "rappel de la liste de concepts" (objectif du module d'enseignement) et, enfin, de l'objectif pédagogique (P-0B7), pour décider si un contrôle est nécessaire ou pas.

3.2 Module de décision thématique

Une fois que le module de décision pédagogique a déterminé le plan associé à une stratégie, il convient de l'affiner au niveau du domaine conceptuel. Le module de décision théma- tique s'en charge pour l'enseignement du sujet considéré. Il choisit les concepts spécifiques à enseigner ou à revoir, ou les problèmes à proposer à l'élève pour lui permettre d'ap- prendre un concept particulier.

Comme il a été indiqué en introduction, il est prévu un système-expert dont la base de connaissances comprend tous les concepts du programme, avec leurs caractéristiques. Ces informations n'étant pas suffisantes pour assurer l'ensei- gnement, il a fallu introduire une hiérarchie pédagogique organisant les concepts en niveaux, en fonction de leur degré de difficulté, des connaissances préalables néces- saires, etc.

94

3.3 Module d'enseignement

La structure du module d'enseignement est analogue à celle du module de décision pédagogique, en ce sens qu'on retrouve des objectifs d'enseignement résolus par des plans composés d'objectifs et/ou d'actions. Dans ce module, aucune straté- gie n'est définie, puisqu'elle l'a déjà été précédemment dans le module de décision pédagogique.

Par exemple, l'objectif (T-0B1) "L'élève a acquis le concept X" est associé aux plans suivants:

Plan 1: (T-0B2) l'élève a acquis les connaissances préala- bles au concept X (T-0B1) l'élève a acquis le concept X

Plan 2: (T-0B3) enseignement du concept X (T-0B4) l'élève sait utiliser le concept X avec un degré d'assurance Y

Plan 3: (T-0B5) l'élève a acquis les sous-concepts du con- cept X

Plan 4: (T-0B3) enseignement du concept X (T-0B5) l'élève a acquis les sous-concepts du con- cept X

L'association de plans aux objectifs est assurée par des règles conformes au schéma général suivant:

95

et

liste des conditions des concepts et stade de la session alors appliquer le plan X

Si

description de l'objectif

Pour l'objectif précédent, l'une des règles est alors:

Si

l'objectif est "l'élève a acquis le concept X" ((il n'y a pas de conditions préalables à X)) ou

et

(l'élève connaît les conditions préalables à X)) et

X

est un noeud actif

et

X

n'a pas de sous-concepts

alors appliquer le plan 2.

Comme on peut le voir, ces règles utilisent des connais- sances appartenant au niveau enseignement et également à la base de connaissances globale (hiérarchie des concepts et modèle de l'élève).

La figure 2 montre la relation qui existe entre le module d'enseignement et le module de décision pédagogique.

L'exécution d'un plan du module d'enseignement fait appel à la sélection de textes d'explication et de problèmes de vérification. Les interactions de l'élève doivent en outre être gérées. La recherche des textes et problèmes est assurée par le module de recherche de textes et de problèmes.

Décision

thématique

96

Décision

pédagogique

Figure 2

Module

d'enseignement

/Module deA \dialogue/

Les actions initiatrices, dont l'effet est de maintenir l'interaction avec l'élève, activent des objectifs du module superviseur. Des actions de ce type figurent dans l'exemple suivant, où le plan 6 a été associé à l'objectif (T-0B4) "l'élève sait utiliser le concept X avec un degré d'assu- rance Y".

Plan 6: (T-0B6) soumettre un message de vérification (PRO- BLEME , CONCEPT) (T-AE2) REPONSE ATTENDUE = (solution du problème, doute sur l'énoncé du problème, doute sur la solution) (T-AI2) corriger la réponse de l'élève (T-0B8) actualiser le modèle de l'élève (T-0B4) l'élève sait utiliser le concept X avec un degré d'assurance Y.

97

L'objectif (T-0B6) "soumettre un message de vérification (PROBLEME, CONCEPT)" est résolu au moyen d'un plan impli- quant la recherche et la soumission du problème approprié à l'élève par l'intermédiaire du module de dialogue. L'action initiatrice (T-AI2) "corriger la réponse de l'élève" fait appel au module superviseur et sera discutée brièvement ci- dessous .

3.4 Module de dialogue

Le module d'interaction homme-machine assure deux types de tâches :

- envoi de messages du tuteur à l'élève - compréhension des réponses de l'élève exprimées en langage naturel (espagnol) et transmission au tuteur

Les décisions intéressant la gestion du dialogue, telles que "concentration sur un sujet" ou "explication détaillée", sont prises par le tuteur avant 1'activation du module de dialogue. Réciproquement, l'interprétation des réponses de l'élève est une tâche assurée par le module de dialogue, qui inclut éga- lement la reconnaissance des intentions de l'élève. Il a été opéré une catégorisation des objectifs, parmi lesquels figu- rent par exemple: "question sur un exercice proposé", "ex- plication plus détaillée d'un concept", "réponse évaluable", "confirmation de la solution proposée", etc.

3.5 Superviseur

98

Le module superviseur détecte et résout les conflits appa- raissant entre la stratégie suivie par le tuteur et les objectifs de l'élève.

Pour ce faire, le superviseur compare

tuteur (momentanés ou en attente) à ceux de l'élève (fixés par le module de dialogue). Les conflits se résolvent en

incluant des stratégies locales ou en respécifiant les stra- tégies générales. Dans tous les cas, l'application d'une

incombant au module de décision

les objectifs du

stratégie est une tâche pédagogique.

La structure du module superviseur est également adaptée au modèle des objectifs, plans, actions et règles de sélection qui a déjà été abordé. Les règles de sélection des plans ont la forme générale suivante:

et

description des objectifs de l'élève et stade de la session alors appliquer le plan X.

Si

description de l'objectif

Pour reprendre notre exemple, l'action initiatrice "corriger la réponse de l'élève" se traduit pour le superviseur par l'objectif (S-0B1) "répondre à la réponse de l'élève", asso- cié au plan suivant:

99

Plan 1: (S-AI1) interpréter la réponse de l'élève (S-AE1) fixer les priorités dans la liste, des objec- tifs (S-0B2) répondre à la liste des objectifs.

L'action initiatrice (S-AI1) "interpréter la réponse de l'élève" assure la connexion au module de dialogue, qui ana- lyse alors la réponse et produit la liste des objectifs de

1'élève.

L'action (S-AE1) "fixer les priorités dans la liste des objectifs" résout les conflits et redondances susceptibles d'y apparaître. Enfin, (S-0B2) "répondre à la liste des objectifs" se rédout au moyen d'un plan dont la mise en oeuvre active l'objectif (S-0B3) "répondre à l'objectif de l'élève". Au cas où l'objectif de l'élève est "réponse éva- luable", le plan de résolution génère l'action (S-AI2) "cor- rection du problème".

Dans ce cas, les plans associés à (S-0B3) dans le supervi- seur sont les suivants:

Plan 3: (S-AI2) détecter les erreurs (S-AE1) compter le nombre de réponses (S-AE2) détecter les conflits (S-AE3) Si CONFLIT alors décider s'il faut suivre la straté- gie générale ou insérer une stratégie locale sinon décider d'une stratégie de correction (S-AI3) appliquer une stratégie

100

Plan 4: (S-AI2) détecter les erreurs (S-AE3) Si CONFLIT alors décider s'il faut suivre la straté- gie générale ou insérer une stratégie locale sinon décider d'une stratégie de correction (S-AE4) TAPER MESSAGE (problème) = "NON ACTIF" (S-AI3) appliquer une stratégie

Pour (S-OB3), la règle suivante détermine le plan à appli- quer:

Si

l'objectif

est "répondre à l'objectif de l'élève" et

l'objectif

de l'élève est "réponse évaluable"

et

le nombre de réponses est inférieur à LIMITE

alors appliquer le plan 3.

3.6 Module de correction pédagogique

Il est fait appel à ce module pour corriger la solution de l'élève à un problème proposé lorsque le module de détection d'erreurs a diagnostiqué une mauvaise utilisation de con- cepts à partir des types d'erreurs produits.

Comme les autres modules, ce module se compose d'un ensemble de plans de correction d'erreurs et d'un ensemble de règles de sélection. Les incompréhensions contenues dans la réponse de l'élève et la stratégie de correction sélectionnée par le superviseur sont incluses dans les conditions préalables des règles de sélection, ce qui permet de sélectionner la forme de correction la mieux adaptée, pouvant aller de l'indica-

101

tion de l'erreur la plus importante à la correction exhaus­ tive de chaque erreur.

in extenso des

comptes rendus, afin de construire une base complète de con­ naissances contenant toutes les formes de correction et règles de sélection.

Nous procédons actuellement

à

une

étude

3.7 Module de sélection de textes et de problèmes

Le rôle de ce module consiste à rechercher le texte et les

problèmes appropriés pour enseigner à l'élève un concept

préalablement déterminé, avec le degré d'approfondissement

et/ou de difficulté voulu.

La figure 3 montre l'organisation complète des modules.

Décision

thématique

Recherche de textes et problèmes

\

\

Décision

pédagogique

1/

Superviseur

1'

Module

Correction

d'enseignement

pédagogique

Figure 3

V

< ι

m

Module de" 1 dialogue

J

102

4. Le schéma de gestion sur la base d'un exemple de dialogue

Le dialogue ci­dessous fait partie de l'un des comptes ren­

du processus

dus. Il correspond

d'enseignement.

à une session du milieu

Τ

1.1

La dernière fois, vous avez appris à spécifier les éléments vérifiant une propriété (cette propriété étant exprimée par une formule)

Τ

1.2 Avez­vous des questions à ce sujet?

R

1

Non, continue, mais pourrais­tu me proposer un exer­ cice?

Τ

2.1

C'est ce que j'allais

faire

Τ

2.2 Spécifiez le problème suivant:

 

"Exprimez en représentation polaire (module, argu­ ment) un nombre complexe donné (partie réelle, partie imaginaire)

R

2

Je ne me rappelle plus ce qu'est la représentation polaire. Pourrais­tu me l'indiquer?

Τ

3

Soit un nombre complexe:

 

coordonnée X

partie réelle

coordonnée Y

partie imaginaire

Pour l'exprimer sous la forme (module, argument), il faut calculer le module comme suit:

SQRT (X**2 + Y**2) module

et l'argument comme suit:

ARCTNG (Y / X)

argument

R

3

Dois­je utiliser la forme de paire?

Τ

4

Oui

R

4

Puis­je utiliser l'instruction de concaténation CONS?

103

Lorsque le premier message (T 1.1) a été envoyé, le module de décision pédagogique a déjà déterminé les stratégies qui seront suivies durant la session: "brève révision" et "in- troduction de nouveaux concepts". Au départ, la première stratégie conduit à déterminer (par le module de décision thématique) le concept à rappeler parmi ceux étudiés à la session précédente: "éléments vérifiant une propriété".

Les trois objectifs et actions

déroulement de la session jusqu'à l'instant précédant immé- diatement la génération de (T 2) .

(figure 4) représentent le

Comme nous l'avons indiqué, au départ, (P-OB1) est activé, et le plan sélectionné pour le résoudre détermine les stra- tégies générales de déroulement de la session. L'application de la première stratégie produit l'objectif (P-0B5): "com- mencer la session". Les règles de sélection de cet objectif, conjuguées à la stratégie "brève révision", sélectionnent le plan composé de (P-AI1), (P-AE3), (P-AI2) et (P-AI3).

Le module de décision thématique sélectionne le concept à revoir et l'explication détaillée, et l'action (P-AI2) active (T-0B3) (objectif du module d'enseignement). Le plan associé produit les messages (T 1.1) et (T 1.2) du tuteur (au moyen du module de dialogue).

L'action initiatrice (T-AI2) corrige et. interprète la réponse de l'élève (en faisant également appel au module de dialogue). Le superviseur observe la coïncidence entre la réponse de l'élève et l'action en attente du module de dèci-

104

sion pédagogique (P-AI3): "décision de contrôle du concept". Les règles de résolution de conflit décident donc de pour- suivre le déroulement de la session en (P-AI3). A ce niveau, la génération arborescente est produite de la même manière, c'est-à-dire avec activation d'objectifs par les différents modules et sélection par règles des plans permettant de les résoudre.

La figure 5 représente la mise

jusqu'à un point correspondant à (T 3) dans le texte.

en oeuvre de la stratégie

5. CONCLUSION

105

Ce rapport illustre une nouvelle approche de la modélisation d'un tuteur, basée sur la planification dynamique, en vue de générer un comportement flexible. Les connaissances pédagogiques nécessaires ont été formali- sées au moyen de plans et de règles, et organisées de façon modulaire, par types de tâches.

Un prototype incluant le module de dialogue est en cours de mise en oeuvre. Notre travail actuel est axé sur deux ques- tions connexes: l'extension du catalogue des erreurs et l'affinage du modèle de l'élève, en vue d'obtenir de meil- leures stratégies de correction.

4- Pedagogic

decision

106

X P­OB1 : decide a guideline of the session and apply it

/

3

P­OB3:

decide the

¿f P­OB2: apply the

J^P­OB1

 

sequence of

teaching strategies

■—""■■«■SS

¿ P­O B5:star: the session

>P­SA1:

\

select (revision concept C. Explanation detail ED)

^Thematic

Decision

\K Teaching

/

â P­SA3: remember 'concept C with explanation detail ED

Module

A P­SA3: decide to check

concept

C

 

M

T­OB3: teach the concept C with the explanation detail ED

 
 

\

"

«

T­SA1:

MT­OBS

y^T­EAJ

>( 0 T­SA2

i^T-OBB

AfT­OB3

explain(C. ED)

give

EXPECTED­ANSWEH­

correct

actualize

 

a verification

(Understood.

the student's

the student's

message.

doubt­text)

answer

y

model

Τ 1.1

(TExr.qL

I

Τ 1.2

3-SA1 : interpret the· .student's answer

A

1

¡Ά Supervisor

¿0 S-OB1: respond to the student's answer

7

*** S-EA1 : establish priorities within the list of objectives

% (problem

request)

Figure

4

2S S-OB2: respond to tn» list of objectives

/

¿If- 3-OB3: respond the student's objective

Figur e

4

Dec: i situ i P-0B1 ;

pede" go u i. que.

d'un e

déc.ide.r

1'applique r

lign e

107

direc t

c i c e

d u

l a

sess i c>n. e.î'.

 

P-0B 3 :

décide r

rie

l a

séquenc e

d e

si ΓΗ ¡".écries

d

' ense i cniement

4

-

P-OR2:

applique r

lut-

strategie s

d ' ense i gnémen 1:

5

 

il

= F-03 1 =

F-0B5 :

commencer

l a

.sessi oit

7

=

P-ÄT1 :

sélectio n

(concep t

à

révise

r

C,

explica'c i on

(lei.r i

.1

ι

.; et­'

f.O )

8 = P­AT3: tappe] du concept C avec.: exp.1 tea ti. un détaillée FD

9

= Ρ-ΛΙ3 : décisio n cíe co n tiról e du concep t C

10

=

Décisio n thémat i q u e

11

=

Module d'enseignemen t

12

= T-0B3 : enseigne r l e concepì. C avec: explicatio n détaillé e ED

13

=

T­AT1 : explication (C, Fin)

14

= T­0R6: soumettre un message de vérification (TFXTF, C)

15

= T­AF3: REPONSE ATTENDUE = (compris, texte de doute)

1 ñ = T­AI3: corriger; ] H

17 = Τ­0ΠΠ: actualiser i e modèle de l'élève

1 F, = T­0R3

19 = Sin")er"Vi seuΓ

réponse de l'élève

2iï

-

S-0F 1 :

répondr e

À

l a

respons e

d e

l'élèv e

 

21

=

S-AI1 :

i uterpeéte r

l a

répons e

d e

1 'elev e

22

=

S-AE1:

Fixe r

l e s

priorité

s

dan s

l a

list e

d'objectif s

23

=

S-OK-2:

répondre-·

H

l a

list

e

d ' objeet i

f s

24

=

S-OF>3:

répondr e

a

l'objecti f

d e

l'élèv e

 

2 r )

=

(demand e

de-;

oroblerue )

 

4, Pedagogic

Decision

108

2 P-OB1 decide a guideline of the session ans apply it

3 P-OB3 decide the

Ί

U P-OB2

\ ^

sequence of teaching strategies/

L P-OB5

start the session

apply the teaching strategies

^P-SA 1 select (revision concept

C,

explanation detail ED)

Í

P-SA2 :

y

remember C

with ED

i^P-OBI

<\ P-SA3

decide to check C

3

Pedagogic

Decision

p. 0 B3

T-OB3

/

T 3

Figure

5

Figure 5

109

1 = Décision pédagogique

2 = P­0B1: décider d'une ligne directrice de la session et

1'appliquer

3 = P­OB3: décider de la séquence de stratégies d'enseignement

4 = P­OB2: appliquer les stratégies d'enseignement

Ρ"

τ­*

α π Λ

.) =

r — ors I

6

= P­0B5: commencer la session

7

= F­AT1 : sélection (concept, à réviser C, explication détaillée ED)

8

= F­AI2: rappel de C avec ED

9

= P­AI3: décision de contrôle de C

10

= Décision thématique

11

= Module d'enseignement

12

= T­0B3

13

= T­AI2

14

= T­OB4: l'élève sait utiliser le concept C avec un degrc d'assurance Y

15

= T­OBfi: soumettre un message de vérification (PROBLEME,

C)

16

= T­AI2: corriger la réponse de l'élève

17

= Superviseur

13

= S­0B1

19

= S­OB3

20

= S­OR4: décider de la stratégie

21

= S­AI5: appliquer la stratégie

22

= Module d'enseignement

23

= Décision pédagogique

Bibliographie

iClaneey 81 aJ

110

W, CT.ANCBY, "Methodology for building an intelligent tutor­

ing

system".

Heuristic

Programming

Project . HPP­31­81 .

Depa r; tine nt of Computer Science, Stanford University.

iClaneey 81 b J

W. CLANCEY, R, LETSTNGER, "NEOMYCIN: Reconfiguring a rule­

based expert .system for; application to leaching". Proceed­ ings of the 7 ' f T.TCAI, pp 829­836.

t C­IH rìOey

o.i J

W. CLANCEY, "Tutoring rules for. guiding a case method dia­

logue"

,7. Brow n (Eds.) , Academic ; Pres s 1982 , p p 201­225 ,

in

In tel 3 i gent

Tutor i rig

P. y s terns,

B.

S3eemaun Λ

IBed e

8fi j

C. BEDE,

research in

intelligent computei ­assisted instruction". Internat bona 1

.Tournai o f

"A

review and

synthesis of receñí

Ma υ­Machi, n e S luidles 24 (1986), ρρ 329­353.

Iwnrij o

ei. rij, o 4 J

F , OARTJO ,

F , VERDEJO :

"CAPRA : an. intelligen t

syaï.em fo r

teaching programmi i ny concepts". FTS.S­T­5.1­IT/P­84,

ι Ca r i j CD e. t al. 8 ñ ι

F .

GARTiTO,

 

C.

7NCTÏAI7STT,-

T,.

TTFFMANDF",

 

F .

VERDEJO:

"Sinhalab :

ar»

expert ,

syste m

Tor

.th e

sys l

tie s

i s

cif

abstrac t

algorithme' .

Proceeding s

of

Hi β

6

Trit.

Worksho p

on

Ex.pe.cl.

System s

<-md

thei r

app i

¡cation ,

p p

1497-1499 ,

Avigno n

1986 ,

o j c;st.e.ι.τι

h¿ J

T.F. GOLDSTEIN, "The genetic graph: ^¡ representa ti on for' the

evolution of procedural knowledge "

Sy s teins, Π. Si eemann Λ .T = Brown (Eds,). Academic Press 1982,

in τ η cell i gen!.

Tu t o r ing

·)i)

r-

Λ

—ι <~ι

.ΤΙ­// .

111

I T.unas

e t

a .1. ,

83 J

M.

LUC/AS,

,T. Ρ .

PEYRTN,

P.C .

SCHOLL,

"Algo r i thmigu e

SHjii.rii.i on

d e s

données" .

Editoria l

Mason,

198.3.

(Peachey

e t

a l .

86j

e t

repré -

B . PEACHEY , C . McCCALLA. "Usin g plannin g

technique s

1

igent

tutoring

Machin e Studie s 24

systems" .

Í198fii. op

Τη ! çjj_na_t tona 1 77­98 .

Jou tun 1

in in tel ­

o Γ

Man ­

ι

S leemann

8 4

D.

SLEEMANN , "UMFE ; A riser Modellin g

Fron t End

Subsystem" .

Heuristic: Programming Project. HFP­84­12. Depaitment of Com­ puter Science, Stanford University.

iSoloway 86 J

E. SOLOWAY , "Learning

mechanisms and explanai ions". Communications of i he /. r> . r> (.~>epi_, nn ) , pp niw­n.io,

to

programm = lea rnincj to

construct

ACM,

l Sleven s et ¿il. 82 j

A, STEVENS,

A. COLLINS,

S . GOT,BTN,

"M ï. sconcepti

ons

in

students' understand ing"

in

Tntel 1 i geut

Tutoring

Systems,

B . Sleeman n

£ .T. Frow n

(Eds.) , Aeadeoi o

Pres s

1982 ,

riti 1 3 ­

24.

I'.Ja ters 82 J

F. WATER S , "T'ne Ρ rog ramme r ' s Aprent ice; knowledg e based

gram edi.tirig". IEEE Trans , ori Softwar e Engineerin g SE­8.1 ,

pro ­

Ί

Ί

o

ι; υ

ι

- 1

/. ,

Β. WOOLF, "Content depending planning i.n a machine tutor". COTN S Technica l repor!:. 84-71 , Depa. rt nient of Compute r and Information Science, University of Massachusetts.

wc j( ¡.Ι

ι

e

ι.

a

η 4 J

AADOLF

MCDONALB.

ìui. 3 di nej a

commi, t. er

tu toc Ï

De s i an

Issues". Computer TEFF

(Sent, 84) , ρρ

61­73.

112

L'INTELLIGENCE ARTIFICIELLE ET SES APPLICATIONS A LA FORMATION PROFESSIONNELLE

PROJET SYSTEMES-EXPERTS DIDACTIQUES

DR P. LEES INTERNATIONAL COMPUTERS LTD., ROYAUME-UNI

CEDEFOP

BERLIN

1987

Introduction

113

Le département "Systèmes de Formation Interactive" de la société ICL entreprend actuellement un certain nombre de développements sur. l'application de technologies avan-

I

cées â la formation interactive, notamment dans les domaines de l'intelligence artificielle et de l'inter- action homme-machine. Ce document se propose de décrire quelques développements axés sur les systèmes-experts didactiques, ainsi que leur impact sur la formation. Certains développements conduisent à des augmentations significatives de l'efficience de la production et de la mise â disposition de moyens de formation; d'autres amè- nent à pouvoir proposer une formation sous une forme jusque là impossible, non seulement en permettant de nouvelles augmentations significatives de productivité, mais aussi en apportant des solutions â des problèmes de formation ne pouvant être abordés d'une autre manière.

Un projet vient de s'achever récemment par la production d'un système-expert didactique et par la présentation d'une vaste évaluation de l'approche système-expert par rapport aux méthodes traditionnelles. Ce projet a débuté en avril 1986 et faisait partie d'un groupe de sept pro- jets réalisés pour le compte de la MSC et destinés à étudier l'application de techniques d'intelligence arti- ficielle à la formation.

Le programme de formation basé sur ce système-expert a été développé non pas dans une optique de recherche fon-

114

damentale, mais sous la direction de formateurs indus- triels dont le principal souci était de pouvoir proposer aux clients des didacticiels permettant aux gens formés d'acquérir rapidement une nouvelle qualification, avec le moins de rupture possible par rapport au travail nor-

I

mal. Dans un environnement commercial, il est vital de pouvoir développer des programmes de formation avec rapidité, efficacité et fiabilité. Le système-expert didactique en question a été développé en tant qu'étude de faisabilité, pour montrer l'efficacité pédagogique de l'utilisation de techniques élémentaires d'intelligence artificielle dans le développement d'un programme de formation assistée par ordinateur et pour étudier l'ef- ficience et l'efficacité du développement de didacti- ciels à l'aide de ces techniques.

Le sujet retenu pour le programme de formation était le diagnostic de défauts dans le processus de soudure à la vague, méthode de production de masse de soudures sur circuits imprimés. La raison de ce choix était qu'une autre unité du groupe STC avait déjà réalisé un travail considérable dans ce domaine, sur lequel pouvait s'ap- puyer le projet.

L'acceptabilité, l'efficacité et l'utilité du système- expert ont été testées sur tout un éventail de groupes- cibles, y compris des experts dans le domaine de la sou- dure à la vague, ainsi que des étudiants en électronique d'instituts universitaires de technologie et de centres de formation subventionnés par la MSC. Les données col-

115

lectées ont été analysées sous deux aspects: le niveau des résultats des élèves et l'attitude des utilisateurs. Une comparaison par rapport à d'autres méthodes a égale- ment été opérée. L'analyse incluait des mesures de l'effort de développement et de l'efficience générale.

Stratégie de formation

L'objectif du système-expert didactique était d'appren- dre aux gens à mettre en oeuvre une stratégie particu- lière de diagnostic. L'objectif minimal pour l'élève était d'être capable d'appliquer de manière fiable une procédure de diagnostic, en demandant les informations dont il pouvait avoir besoin et en prenant les décisions correctes.

On espérait en outre que la répétition des informations et la prise en considération fréquente de ces informa- tions permettraient d'apprendre accessoirement quelles sont les données nécessaires à un diagnostic.

Au départ, le programme impose une stratégie particu- lière de diagnostic à l'élève afin de lui donner l'expé- rience d'une stratégie efficace. Ultérieurement, le con- trôle est donné à l'élève, et il lui est permis de faire des choix non optimaux (bien que corrects). Ce que nous espérions, c'est que l'élève apprenne en faisant lui- même des choix et en obtenant un "feed-back".

116

La figure 1 montre les cheminements possibles à travers les sous-tâches du diagnostic. On notera que le listage des défauts possibles et celui des sous-processus possi- bles sont considérés chacun comme une tâche.

3. Architecture

I

Le système-expert didactique comprend trois composants principaux:

1. Une base de connaissances contenant des 'règles empi- riques' permettant de faire un diagnostic.

2. Un 'moteur' d'enseignement capable de générer des problèmes, de déduire des symptômes et soit d'ensei- gner soit de démontrer comment réaliser un diagnos- tic. Il a été décidé de restreindre les diagnostics aux défauts apparaissant seuls et de ne pas tenir compte des probabilités.

3. Une interface utilisateur commandée par menu. Des informations sur le contexte et sur des modèles sont utilisées pour sélectionner le texte à visualiser à partir d'une bibliothèque.

La figure 2 illustre les composants de base de l'archi- tecture du logiciel.

117

4.

Evaluation

4.1

Présentatio n général e

Des essais ont été réalisés sur différents sites pour

répondre aux questions suivantes:

I

1. Le programme de formation est-il efficace?

2. Est-il efficient?

3. Est-il acceptable par les gens formés?

4. Y a-t-il des caractéristiques de l'utilisateur per- mettant de prédire si le programme lui conviendra?

Les points suivants ont été étudiés en faisant appel à l'avis d'experts informés:

1. Est-il possible de faire avec une approche système- expert des choses qu'il n'est pas possible de faire à l'aide de systèmes-auteurs traditionnels?

2. Quelles sont les comparaisons possibles entre les techniques des systèmes-experts et les techniques traditionnelles de formation assistée par ordinateur sur toute la durée de vie d'un projet:

analyse, conception, mise en oeuvre, tests et déverminage, maintenance?

118

3. Y

faire à

l'aide de techniques traditionnelles de formation assistée par ordinateur, mais difficile de faire en Prolog (langage utilisé pour programmer le système- expert didactique)?

a-t-il

des

choses

qu'il

est

facile de

4.2 Essais par des utilisateurs

Les sessions de formation à base de cours magistraux sont encore largement répandues dans l'industrie. C'est pourquoi, il a été demandé à un expert du groupe STC de préparer un cours adapté à des élèves du niveau HNC et couvrant tous les éléments qu'il jugerait utile pour effectuer un diagnostic simple "de première ligne" des problèmes de soudure à la vague apparaissant dans la fabrication de circuits imprimés. Ce cours a été utilisé comme méthode alternative de formation et a servi de base de comparaison avec le système-expert didactique.

Les essais ont montré qu'une approche système-expert de la formation fonctionne et qu'elle est potentiellement beaucoup plus efficiente que les méthodes tradition- nelles. Les essais ont également fourni beaucoup d'in- formations sur les stratégies de formation appropriées et sur les meilleurs méthodes d'initiation de nouveaux utilisateurs à des programmes de formation à base de systèmes-experts.

Les résultats détaillés des essais peuvent être obtenus dans un rapport adressé à la Manpower Services Commis-

119

sion 11 ι . Le résumé suivant donne une idée de la manière dont les différences entre les groupes et les conditions de formation ont affecté les performances et attitudes.

Des facilités d'accès au système ont été accordées à un

I

groupe d'élèves du niveau HNC intéressés par le sujet traité. Ces élèves ont commis très peu d'erreurs en uti­ lisant le système et ont obtenu de très bons résultats lors d'un test ultérieur. Ils étaient tous très favora­ bles au programme et à l'approche générale de la forma­ tion, ce qui est confirmé par leur grande assiduité ­ un élève ayant traité 66 exemples.

Un second groupe, plus réduit, ayant beaucoup appris était constitué d'élèves ayant suivi un cours donné par un expert avant d'utiliser le programme de formation.

Un groupe qui n'a pas si bien marché se composait d'élè­ ves du niveau HND, qui avaient de solides connaissances des principes de conception d'interfaces homme­machine et qui avaient également des difficultés à s'accommoder de la disponibilité de l'ordinateur utilisé pour faire tourner le programme de formation. Le système de démons­ tration était en fait destiné à avoir une interface homme­machine élémentaire, quoiqu'acceptable, le déve­ loppement étant surtout axé sur les techniques d'intel­ ligence artificielle. Le fait que l'interface homme­ machine ne correspondait pas à l'attente exigeante des élèves, conjugué à des difficultés d'accès physique, a fait que l'utilisation du système est restée à un niveau

120

très bas, ne permettant pas de s'attendre à beaucoup de résultats en termes de formation.

L'analyse des résultats n'a fait apparaître aucun pré- dicteur particulier de succès ou d'attitude vis-à-vis du programme de formation.

4.3 Comparaison des méthodes de développement

L'un des principaux intérêts du projet était de comparer l'utilisation de techniques des systèmes-experts à celle d'un bon langage-auteur de formation assistée par ordi- nateur. Nos conclusions sont que les techniques des sys- tèmes-experts peuvent potentiellement conduire à des gains énormes de productivité et de qualité de program- mation.

Un avantage particulièrement important est de pouvoir construire et évaluer un prototype (dont il a été ques- tion dans ce document) et de pouvoir apporter des modi- fications au programme sur la base d'observations. Dans bien des cas, d'importants changements de comportement du programme de formation peuvent être obtenus au prix de modifications minimes du code.

Le programme élaboré pour ce projet a été soigneusement conçu pour assurer une bonne séparation entre le compor- tement en termes de formation, l'interface homme-machine et le contenu de l'enseignement. Il a déjà été démontré, en utilisant un exemple simple, que le contenu de l'en-

121

seignement peut être remplacé par un sujet différent. Cette faculté nous permettra à l'avenir d'utiliser les mêmes techniques de formation pour de nombreux program- mes de formation différents, en nous donnant un haut niveau de productivité et la certitude d'utiliser des

méthodes et un logiciel bien au point.

I

5. Conclusion

Une approche système-expert de la formation assistée par ordinateur s'est avérée en mesure de produire un didac- ticiel acceptable par les élèves, efficace en termes d'objectifs de formation, et particulièrement rentable en termes de coût de développement et de fiabilité. Des améliorations de l'efficacité et de l'efficience de la production et de la mise à disposition de moyens de for- mation sont encore possibles grâce une plus large appli- cation de l'approche système-expert.

Référence

[1J Expert system on training diagnostic skills: comparison with traditional methods.

Rapport à la Manpower Services Commission, mars 1987.

Listage

des

défauts

I

-<-

122

Liaison

Listage

des

sous-processus

I

défauts/sous-processus

Considération des symptômes

I

Considération des données du processus

Considération du layout

Fig. 1 : Cheminements possibles à travers un diagnostic dans le système-expert didactique

Modèle de

1'élève

Tuteur

Interface

utilisateur

Modèle du

domaine et

didactique

Gestionnaire de texte

Fig. 2: Composants de l'architecture logicielle du système- expert didactique

CEDEFOP — Centre européen pour le développement de la formation professionnelle

L'intelligence artificielle et ses applications à la formation professionnelle

1. Professor, I. Aleksander, Imperial College of Science & Technology,

London

2. M. Vivet, Université du Maine, Le Mans

3. D. Kerr, AnCO, Irish State Training Authority

4. Dr. J. Gillingham, Manpower Services Commission, UK

5. M. Isabel Fernández de Castro & Arantza Diaz de llarraza Sánchez, Facul­

tad de Informática de San Sebastián et M. Felisa Verdejo Maíllo, Facultad de Informática de Barcelona

6. Dr. P. Lees, International Computers Ltd., UK

Document CEDEFOP

Luxembourg: Office des publications officielles des Communautés euro­ péennes

1988 —126 p.— 21,0 χ 29,7 cm

EN, FR

ISBN: 92­825­8304­X