Thesis (M. Div.)--St. Vladimir's Orthodox Theological Seminary, Crestwood, N.Y., 1996. / Includes bibliographical references (leaves [73]-76).

Th. doct.--Phys.--Aix-Marseille III, 1989. Titre de soutenance : Contribution à l'étude du transfert de connaissances : une base de connaissances architecturales pour un outil de CAO intelligent. / Bibliogr. p. 231-236.

Th. doct.-ing.--Inform.--Nancy--I.N.P.L., 1984.

No description available.

No description available.

The purpose of this mixed-methods study was to investigate the relationship between teachers’ conceptions of mathematics and their use of intelligent tutoring systems for mathematics instruction. Intelligent tutoring systems are adaptive computer programs which administer mathematics instruction to students based on their cognitive state. A conception is a mixture of beliefs and knowledge. The participants in this study were 93 junior high school mathematics teachers from three school districts in the Midwest. Data were gathered using a two-part online survey. The first part of the survey contained questions about their use of intelligent tutoring systems, graphing calculators, Desmos and dynamic geometry software. The second part of the survey contained Likert questions from the teachers’ version of the Conceptions of Mathematics Inventory. Desmos is a website providing interactive classroom activities and a user-friendly graphing calculator. Dynamic geometry software is a class of interactive geometry programs. The quantitative analysis revealed no statistically significant interactions between teachers’ conception scores and intelligent tutoring system use, or between teachers’ conception scores and how intelligent tutoring systems were used. There were statistically significant interactions between teachers’ conception scores and their use of graphing calculators, Desmos, and dynamic geometry software. The qualitative analysis revealed that teachers used intelligent tutoring systems for differentiation. Teachers used graphing calculators, Desmos, and dynamic geometry software for visual, computational, and exploratory purposes. Teachers exclusively using intelligent tutoring systems to incorporate technology should also incorporate technology which promotes student exploration.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Thèse ou mémoire avec insertion d'articles / Introduction : Les outils d'aide à la décision facilitent la prise de décision partagée entre les professionnels de la santé et les patients. Malgré la demande croissante, leur déploiement est limité par l'expertise et les ressources nécessaires pour les concevoir. Nous proposons donc de créer une plateforme pour soutenir le développement collaboratif de ces outils. Objectif : Optimiser une maquette de la plateforme et identifier les facteurs influençant sa convivialité et son adoption. Méthodes : Pour cette étude qualitative descriptive, un échantillon de représentants des divers types de parties prenantes parlant français, anglais ou espagnol fut recruté à partir de réseaux de recherche. Les participants évaluaient la maquette lors d'une séance de réflexion à voix haute suivie d'une entrevue semi-dirigée basée sur la Normalization Process Theory. Des analyses thématiques des discussions ont permis de décrire les facteurs influençant la convivialité et l'adoption de la plateforme. Un processus itératif d'évaluation/amélioration de la maquette se poursuivit jusqu'à ce qu'aucun nouveau problème majeur ne soit soulevé. Résultats : Les participants (n=20) représentaient des cliniciens et chercheurs (n=15), des patients (n=4) et un décideur (n=1) de 10 pays. Plusieurs participants ont apprécié que la plateforme soutienne la collaboration et l'inclusion de patients partenaires. La navigation et la saisie de contenu dans la plateforme leur a semblé intuitive et les commentaires nous ont permis d'en améliorer la convivialité. Les participants pensent que la plateforme permettrait à plus d'équipes de créer des outils d'aide à la décision numériques qui demandent habituellement beaucoup de ressources. Certains ont suggéré des fonctionnalités pour soutenir les auteurs moins expérimentés et encourager le respect des standards de qualité. Conclusion : À terme, ce projet permettra à une variété d'auteurs de créer, utiliser et mettre à jour facilement et à faible coût des outils d'aide à la décision pertinents pour eux. / Introduction: Decision aids are evidence-based tools that support shared decision making between patients and their healthcare provider. They are in demand by healthcare organizations worldwide, but their availability and widespread adoption are limited by the expertise and resources required to design them. We propose a web-based platform to support the collaborative development of decision aids. Aim: To tailor a mock-up of the platform and to describe the factors influencing its usability and uptake. Methods: In this qualitative descriptive study, a sample of decision aids' authors representing various types of key stakeholders speaking French, English or Spanish were recruited from research networks. Participants assessed the mock-up during a think-aloud session and a semi-structured interview based on the Normalization Process Theory. A thematic analysis of the discussions highlighted factors influencing the usability and uptake of the platform. An iterative process of evaluation/tailoring of the mockup took place in multiple rounds of interviews, until no major usability issues emerged. Results: Participants (n=20) were researchers or clinicians-researchers (n = 15), patients (n = 4), and a decision maker (n = 1) from 10 countries. Participants felt that the DA template within the platform and its collaborative revision features would contribute to the sustainability of the platform and the inclusion of patients partners. Navigating and adding content appeared intuitive and many usability issues were improved in further versions of the mock-up. Participants felt that the platform will allow more teams to create high quality web-based decision aids, which typically requires more time and resources. Some also suggested features to support less experienced authors and to promote the consideration of quality criteria. Conclusion: Ultimately, the platform will be made available and will allow various types of stakeholders to easily create, implement and update decision aids relevant to them in a cost-effective manner.

Les robots parallèles entraînés par câbles (RPEC) permettent d'augmenter grandement l'espace de travail. Cependant, il est possible d'améliorer le ratio entre le volume de travail utile d'un RPEC et son volume replié en concevant un système capable de se rétracter pour laisser la place à d'autres types d'activités. L'objectif de ce mémoire consiste à concevoir un actionneur prismatique rétractable maximisant le volume de travail et résistant au ambage. Notre système est composé de deux chaînes de maillons qui s'emboîtent l'une dans l'autre à l'aide d'un guide convergent a n de former une poutre rigide. A l'extrémité de cette poutre, trois câbles sont implantés a n de la maintenir en compression et un e ecteur pourrait être installé. Dans un premier temps, nous avons présenté le système dans son ensemble, déterminé le volume de travail à maximiser ainsi que les contraintes à respecter. Nous avons sélectionné et dimensionné le système d'emboitement des maillons : les snap- ts. Ensuite, nous avons conçu une crémaillère intégrée aux maillons et les engrenages permettant de translater et assembler ces deux chaînes. Nous avons alors paramétrisé notre système a n de l'optimiser pour obtenir un volume de travail maximal. En n, nous avons conçu les réservoirs accueillant les deux chaînes et réalisé le prototype. Cela nous a permis de mesurer le rapport du volume de travail sur le volume rétracté égal à 11,58, ce qui signi e que nous avons atteint notre objectif. Nous avons testé la résistance au ambage du système qui pourrait être améliorée en corrigeant les jeux entre les maillons.

Concevoir une lentille, que ce soit pour l'astronomie, la microscopie ou la vision numérique, est un problème de taille visant à trouver un compromis idéal entre la qualité d'image et les différentes contraintes. Par une procédure d'essais-erreurs, une approche typique consiste à sélectionner un point de départ parmi une banque de designs optiques puis à l'optimiser dans l'espoir de satisfaire les présents requis. Cette approche n'exploite pas pleinement la montagne d'information contenue dans les banques de designs : un seul de ces designs contribue au problème à la fois, et seulement s'il répond approximativement aux spécifications et à la configuration désirée. Comment peut-on faire mieux ? L'hypothèse de départ de cette thèse est que l'on peut utiliser l'apprentissage automatique pour extraire et exploiter les caractéristiques communes aux designs de haute qualité que l'on retrouve dans ces banques de données. Concrètement, ces designs conçus par des experts contribuent à l'entraînement d'un modèle d'apprentissage profond qui prend en entrée les spécifications désirées et retourne tous les paramètres nécessaires pour modéliser une lentille. Le contenu de cette thèse, qui détaille le développement de ce cadre d'extrapolation de lentilles, peut se résumer en trois principales contributions. Premièrement, nous définissons et validons un objectif d'entraînement qui compense pour la rareté des données disponibles, soit en intégrant le problème d'optimisation de lentilles directement à la boucle d'entraînement du modèle. Deuxièmement, nous élaborons un modèle dynamique qui acquiert une représentation commune pour toutes les lentilles indépendamment de leur configuration, ce qui nous permet d'extrapoler la banque de designs pour générer des lentilles sur de nouvelles configurations. Troisièmement, nous ajustons le cadre pour refléter le caractère multimodal de la conception afin d'inférer plusieurs lentilles de structures différentes pour n'importe quel ensemble de spécifications et de configuration de lentille. Avec une portée adéquate et un entraînement réussi, ce cadre d'extrapolation de lentilles représente un outil inédit pour la conception optique : une fois le modèle déployé, il permet d'obtenir sur demande des points de départ de haute qualité, variés et sur mesure, et ce, en un temps minimal. / Designing a lens, whether for astronomy, microscopy, or computer vision, is a challenging task that seeks an ideal balance between image quality and various constraints. Through a trial-and-error process, a typical approach consists in selecting a starting point in a lens design database and optimizing it to hopefully satisfy the problem at hand. This approach, however, does not fully harness the wealth of information contained in lens design databases: only one such design contributes to the problem at a time, and only if it approximately meets the desired specifications and configuration. How can we do better? The premise of this work is that machine learning can be used to extract and exploit the common features of the high-quality designs contained in lens design databases. Specifically, the expertly conceived designs that compose these databases are used to guide the training process of a deep learning-based model, which receives the design specifications as input and returns all the parameters needed to fully represent a lens. The content of the thesis, which details the development of this lens design extrapolation framework, can be summarized in three main contributions. First, we define and validate a training objective that compensates for the scarcity of available data, by integrating the lens optimization problem directly into the model training loop. Second, we develop a dynamic model that acquires a common representation for all lenses regardless of their configuration, allowing us to extrapolate the lens database to generate lenses on new, unseen configurations. Third, we extend the framework to capture the multimodal nature of lens design, so that multiple lenses with different structures can be inferred for any given set of specifications and configuration. With a suitable scope and a successful training process, this lens design extrapolation framework offers a new and valuable tool for lens designers: once the model is deployed, only a minimal amount of time is required to obtain varied, high-quality starting points that are tailored to the desired specifications.