Ce Mémoire s’intéresse au suivi (Tracking) sans marqueurs et à la reconstruction tridimensionnelle de mouvements humains articulés à partir de séquences vidéo acquises avec une caméra de type 3D (stéréo ou infrarouge). Ce domaine de recherche est très actif de nos jours et comporte un champ d’applications assez large qui touche des domaines tels que la capture du mouvement sans cibles pour l’animation et la réalité virtuelle, les interactions homme-machines, la télésurveillance ou bien sûr les jeux vidéos. Au cours de ce manuscrit, nous proposons une méthode pour déterminer la pose d’une personne en 3D. La technique, sans marqueurs, repose sur un alignement d’un squelette et d’un modèle humain 3D sur la silhouette vue par la caméra en s’appuyant sur un ajustement progressif, débutant par la tête et se poursuivant par le torse et les différents membres. La technique prend en considération l’aspect articulé de l’anatomie humaine et permet en particulier de régler certains problèmes d’occlusions et de chevauchement. Cela dit, la complexité de la structure du corps humains, de ses contraintes physiques ainsi que la grande variabilité dans les observations des images, font que la détermination d’une solution à ce problème soit difficile. L’objectif de cette mémoire est donc de développer une méthode assez robuste capable de faire face à ces différentes difficultés imposées par le choix de la technologie et le contexte général d’utilisation pour les consoles de jeux vidéo de salon. Pour aborder cette étude, nous proposons un modèle humain 3D qui tient compte des contraintes physiques et qui permet une intégration cohérente des différentes informations visuelles comme le visage, les contours et les silhouettes. / This report is interested in the markerless motion tracking and the three-dimensional reconstruction of articulated human movements from video sequences acquired with a 3D camera (stereo or infrared). Nowadays, this research field is very active and contains a wide field of applications which deals with areas such as motion capture for animations and virtual reality without using any kind of markers, human-machine interaction (HMI), remote monitoring and of course video games. In this manuscript, we propose a novel method to estimate the 3D human pose. This markerless technique is based on an alignment of a skeleton and a 3D human model over the silhouette seen by the camera by leaning on a progressive adjustment, starting from the head and continuing to the trunk and the various members. The technique considers the articulated aspect of the human body and allows, in particular, solving some problems of occlusions and overlapping. Besides, the complexity of the human body structure, of its physical constraints as well as the big variability in the images’ observations, makes that the solution determination for this problem is difficult. The objective of this memory thus is to develop a strong and robust method capable of facing these various difficulties imposed by the technology choice and the general context of use for home video games consoles. To approach this study, we propose a 3D human model which takes into account physical and kinematic constraints and which allows a coherent integration of various visual information such as face detection, edges and silhouettes. The combined system allows 3D human motion tracking using only one 3D camera.

Dans ces travaux, nous tentons d’améliorer l’aspect comportemental dans les jeux vidéo en utilisant le raisonnement par cas (Case Based Reasoning - CBR), qui simule le comportement humain. Cette technique, provenant du domaine de l’intelligence artificielle, résout de nouveaux problèmes en retrouvant des expériences analogues dans sa base de cas et en les adaptant au nouveau problème considéré. Nous utilisons le CBR pour l’automatisation de décisions prises par des composantes d’un jeu. La construction d’un module CBR nécessite l’accumulation de plusieurs épisodes de jeu pour former la base de cas du module. Cependant, lorsqu’un grand nombre d’épisodes sont emmagasinés dans la base de cas, la réponse en temps du système s’alourdit. Nous sommes alors confrontés au défi d’améliorer le temps de réponse du module CBR tout en gardant un niveau de performance acceptable du système. Dans ce mémoire, nous utilisons le jeu de Tetris pour mener notre étude. Ce jeu présente un intérêt particulier car les décisions à prendre sont contraintes dans le temps. Nous proposons dans ce mémoire de répondre aux questions suivantes : Comment formuler un système CBR pour jouer au jeu Tetris. Quelle est la performance attendue par un système CBR appliqué à ce jeu. Quel est le niveau du jeu qui peut être atteint par l’estimation de la valeur des cas obtenus par apprentissage par renforcement. Comme Tetris est un jeu contraint par le temps, quel est le niveau de dégradation de performances qui peut être perçue par la réduction de la taille de la base de cas. / In this work, we try to improve the behavioral aspects of video games using Case Based Reasoning (CBR), which can reproduce human behavior as reasoning by similarity, as well as remembering and forgetting previous experiences. This technique, coming from the Artificial Intelligence field, solves new problems by retrieving similar past experiences in the case base and adapting solution to solve new problems. We use CBR for the automation of decisions made by the game engine. The construction of a CBR system needs to accumulate many episodes from the gaming environment to create the case base of the CBR engine. However, as the number of episodes being saved in the case base increases, the response time of the CBR system slows down. We are then facing a dilemma: reducing the size of the case base to improve the response of the CBR system while keeping an acceptable level of performance. In this master thesis, we use the game of Tetris to conduct our case studies. This game presents some particular interests, as decisions to be made are limited by time constraints. We propose in this thesis to answer the following questions: How to construct a CBR system to play the game of Tetris. What is the expected performance of the system applied to this game? Wich game level can be reached by estimating case value through reinforcement learning? As time response constraints are inherent to Tetris, which degradation of performance can be expected by removing cases from the case base?

Pour respecter les droits d’auteur, la version électronique de ce mémoire a été dépouillée de ses documents visuels. / Cette recherche propose d’identifier comment les jeux vidéo narratifs peuvent susciter l’émoi de leurs joueurs en empruntant des moyens qui sont propres à leurs potentiels d’expression. Ainsi, en se positionnant à la suite des travaux de Bernard Perron, il s’agit d’étudier comment, à travers le contrôle et le gameplay, les émotions vidéoludiques viennent trouver leur place aux côtés des émotions fictionnelles et artistiques pour former une expérience que le joueur pourra appréhender avec sa sensibilité d’agent, et non seulement à travers l’histoire pré-scriptée par les développeurs. Pour ce faire, divers jeux sont analysés: Heavy Rain, Brothers: A Tale of Two Sons, The Walking Dead, Life is Strange et Papo & Yo. En prolongement des travaux de Roger Odin, ce mémoire offre une ouverture vers un nouveau type de mise en phase : la mise en phase émotionnelle. / This master’s thesis analyzes how story-driven video games can trigger players’ emotions in their own way. Following Bernard Perron’s research on emotion in video games, our purpose is to explore how, through player control and gameplay, gameplay emotions find their place along fictional and artifact emotions. We will observe how all these contribute to an experience for the player to understand through his sensibility and agency, and not exclusively through the high-level story written by the game developers. To this end, a range of videogames are analyzed: Heavy Rain, Brothers: A Tale of Two Sons, The Walking Dead, Life is Strange and Papo & Yo. Prolonging Roger Odin’s work, the thesis opens up a new type of attunement: emotional attunement.

Ce mémoire porte sur les jeux de rôle participatifs en environnement virtuel (JRPEV), un phénomène qui, dans le champ des game studies, n’a jamais été défini jusqu’ici. Une définition est donc apportée afin d’établir leur spécificité au regard des environnements virtuels, des jeux vidéo, des MMOG et des jeux de rôle traditionnels (sur table et grandeur nature) tout en mettant en lumière les dimensions qui en font un hybride mi-jeu vidéo, mi-jeu de rôle. Pour ce faire, les JRPEV seront définis en tant que jeux, jeux de rôle, pratiques représentatives de la culture participative (Jenkins 2006) et environnements virtuels. À la suite de cette définition, un modèle théorique flexible sera décrit qui rendra compte de l’expérience vidéoludique des joueurs au sein des JRPEV. Pour ce faire, des alternatives aux notions polémiques et polysémiques de «cercle magique» et «d’immersion», très présentes dans la littérature scientifique portant sur les jeux de rôle et les jeux vidéo, sont d’abord apportées : le cadrage de l’expérience vidéoludique et l’allocation des ressources attentionnelles. De plus, le modèle intègre les styles de jeu et les postures interprétatives privilégiées par les joueurs sur les œuvres dont les JRPEV constituent une adaptation vidéoludique ou sur les textes appartenant à l’architexte (Genette 1982) de ces JRPEV. En effet, ces styles de jeu et ces postures interprétatives contribuent à structurer l’expérience vidéoludique. Enfin, ce modèle inclura la dynamique sociale dans laquelle est vécue l’expérience vidéoludique sur les JRPEV en mobilisant le concept de «communauté herméneutique conflictuelle». Cette entreprise conjoint les perspectives herméneutique et sociocritique dans l’étude de jeux perçus comme une médiation ludique (Genvo 2011) (Henriot 1989), soit comme la rencontre d’une attitude et d’une structure ludiques. Elle repose à la fois sur un travail métathéorique et sur l’observation des jeux de rôle goréens, des JRPEV organisés sur Second Life qui illustreront de manière concrète les spécificités de ce phénomène vidéoludique.

Les besoins de l'industrie des jeux vidéo sont en constante évolution. Dans le domaine de l'intelligence artificielle, nous identifions dans le chapitre 1, les différents besoins de l'industrie dans ce domaine. Nous pensons que la conception d'une solution d'apprentissage de comportements par imitation qui soit fonctionnelle et efficace permettrait de couvrir la plupart de ces besoins. Dans le chapitre 2, nous montrons que les techniques d'extraction de données peuvent être très utiles pour offrir une telle solution. Cependant, ces techniques ne sont pas suffisantes pour construire automatiquement un comportement complet qui serait utilisable dans les jeux vidéo modernes. Dans le chapitre 3, nous proposons un modèle générique pour apprendre des comportements en imitant des joueurs humains : Orion. Ce modèle est composé de deux parties, un modèle structurel et un modèle comportemental. Le modèle structurel propose un framework généraliste d'exploration de données, fournissant une abstraction des différentes méthodes utilisées dans ce domaine de recherche. Ce framework nous permet de construire un outil d'usage général avec de meilleures possibilités de visualisation que les outils d'extraction de données existants. Le modèle comportemental est conçu pour intégrer des techniques d'exploration de données dans une architecture plus générale et repose sur les Behavior Trees. Dans le chapitre 4, nous illustrons comment nous utilisons notre modèle en mettant en oeuvre le comportement des joueurs dans les jeux Pong et UT3 en utilisant Orion. Dans le chapitre 5, nous identifions les améliorations possibles, à la fois de notre outil d'extraction de données et de notre modèle comportemental. / The video game industry's needs are constantly changing. In the field of artificial intelligence, we identify inchapter 1, the different needs of industry in this area. We believe that the design of a learning behavior through imitation solution that is functional and efficient would cover most of these needs. In chapter 2, we show that data mining techniques can be very useful to provide such a solution. However, for now, these techniques are not sufficient to automatically build a comprehensive behavior that would be usable in modern video games. In chapter 3, we propose a generic model to learn behavior by imitating human players: Orion.This model consists of two parts, a structural model and a behavioral model. The structural model provides a general data mining framework, providing an abstraction of the different methods used in this research. This framework allows us to build a general purpose tool with better possibilities for visualizing than existing data mining tools. The behavioral model is designed to integrate data mining techniques in a more general architecture and is based on the Behavior Trees. In chapter 4, we illustrate how we use our model by implementing the behavior of players in the Pong and Unreal Tournament 3 games using Orion. In chapter 5,we identify possible improvements, both of our data mining framework and our behavioral model.

Cette thèse explore l'utilisation des modèles bayésiens dans les IA de jeux vidéo multi-joueurs, particulièrement l'IA des jeux de stratégie en temps réel (STR). Les jeux vidéo se situent entre la robotique et la simulation totale, car les autres joueurs ne sont pas simulés, et l'IA n'a pas de contrôle sur la simulation. Les jeux de STR demandent simultanément d'effectuer des actions reactives (contrôle d'unités) et de prendre des décisions stratégiques (technologiques, économiques) et tactiques (spatiales, temporelles). Nous avons utilisé la modélisation bayésienne comme une alternative à la logique (booléenne), étant capable de travailler avec des informations incomplètes, et donc incertaines. En effet, la spécification incomplète des comportement "scriptés", ou la spécification incomplète des états possibles dans la recherche de plans, demandent une solution qui peut gérer cette incertitude. L'apprentissage artificiel aide à réduire la complexité de spécifier de tels modèles. Nous montrons que la programmation bayésienne peut intégrer toutes sortes de sources d'incertitudes (états cachés, intentions, stochasticité) par la réalisation d'un joueur de StarCraft complètement robotique. Les distributions de probabilité sont un moyen de transporter, sans perte, l'information que l'on a et qui peut représenter au choix: des contraintes, une connaissance partielle, une estimation de l'espace des états et l'incomplétude du modèle lui-même. Dans la première partie de cette thèse, nous détaillons les solutions actuelles aux problèmes qui se posent lors de la réalisation d'une IA de jeu multi-joueur, en donnant un aperçu des caractéristiques calculatoires et cognitives complexes des principaux types de jeux. En partant de ce constat, nous résumons les catégories transversales de problèmes, et nous introduisons comment elles peuvent être résolues par la modélisation bayésienne. Nous expliquons alors comment construire un programme bayésien en partant de connaissances et d'observations du domaine à travers un exemple simple de jeu de rôle. Dans la deuxième partie de la thèse, nous détaillons l'application de cette approche à l'IA de STR, ainsi que les modèles auxquels nous sommes parvenus. Pour le comportement réactif (micro-management), nous présentons un controleur multi-agent décentralisé et temps réel inspiré de la fusion sensori-motrice. Ensuite, nous accomplissons les adaptation dynamiques de nos stratégies et tactiques à celles de l'adversaire en le modélisant à l'aide de l'apprentissage artificiel (supervisé et non supervisé) depuis des traces de joueurs de haut niveau. Ces modèles probabilistes de joueurs peuvent être utilisés à la fois pour la prédiction des décisions/actions de l'adversaire, mais aussi à nous-même pour la prise de décision si on substitue les entrées par les notres. Enfin, nous expliquons l'architecture de notre joueur robotique de StarCraft, et nous précisions quelques détails techniques d'implémentation. Au delà des modèles et de leurs implémentations, il y a trois contributions principales: la reconnaissance de plan et la modélisation de l'adversaire par apprentissage artificiel, en tirant partie de la structure du jeu, la prise de décision multi-échelles en présence d'informations incertaines, et l'intégration des modèles bayésiens au contrôle temps réel d'un joueur artificiel.

Cette thèse explore l'utilisation des modèles bayésiens dans les IA de jeux vidéo multi-joueurs, particulièrement l'IA des jeux de stratégie en temps réel (STR). Les jeux vidéo se situent entre la robotique et la simulation totale, car les autres joueurs ne sont pas simulés, et l'IA n'a pas de contrôle sur la simulation. Les jeux de STR demandent simultanément d'effectuer des actions reactives (contrôle d'unités) et de prendre des décisions stratégiques (technologiques, économiques) et tactiques (spatiales, temporelles). Nous avons utilisé la modélisation bayésienne comme une alternative à la logique (booléenne), étant capable de travailler avec des informations incomplètes, et donc incertaines. En effet, la spécification incomplète des comportement "scriptés", ou la spécification incomplète des états possibles dans la recherche de plans, demandent une solution qui peut gérer cette incertitude. L'apprentissage artificiel aide à réduire la complexité de spécifier de tels modèles. Nous montrons que la programmation bayésienne peut intégrer toutes sortes de sources d'incertitudes (états cachés, intentions, stochasticité) par la réalisation d'un joueur de StarCraft complètement robotique. Les distributions de probabilité sont un moyen de transporter, sans perte, l'information que l'on a et qui peut représenter au choix: des contraintes, une connaissance partielle, une estimation de l'espace des états et l'incomplétude du modèle lui-même. Dans la première partie de cette thèse, nous détaillons les solutions actuelles aux problèmes qui se posent lors de la réalisation d'une IA de jeu multi-joueur, en donnant un aperçu des caractéristiques calculatoires et cognitives complexes des principaux types de jeux. En partant de ce constat, nous résumons les catégories transversales de problèmes, et nous introduisons comment elles peuvent être résolues par la modélisation bayésienne. Nous expliquons alors comment construire un programme bayésien en partant de connaissances et d'observations du domaine à travers un exemple simple de jeu de rôle. Dans la deuxième partie de la thèse, nous détaillons l'application de cette approche à l'IA de STR, ainsi que les modèles auxquels nous sommes parvenus. Pour le comportement réactif (micro-management), nous présentons un controleur multi-agent décentralisé et temps réel inspiré de la fusion sensori-motrice. Ensuite, nous accomplissons les adaptation dynamiques de nos stratégies et tactiques à celles de l'adversaire en le modélisant à l'aide de l'apprentissage artificiel (supervisé et non supervisé) depuis des traces de joueurs de haut niveau. Ces modèles probabilistes de joueurs peuvent être utilisés à la fois pour la prédiction des décisions/actions de l'adversaire, mais aussi à nous-même pour la prise de décision si on substitue les entrées par les notres. Enfin, nous expliquons l'architecture de notre joueur robotique de StarCraft, et nous précisions quelques détails techniques d'implémentation. Au delà des modèles et de leurs implémentations, il y a trois contributions principales: la reconnaissance de plan et la modélisation de l'adversaire par apprentissage artificiel, en tirant partie de la structure du jeu, la prise de décision multi-échelles en présence d'informations incertaines, et l'intégration des modèles bayésiens au contrôle temps réel d'un joueur artificiel. / This thesis explores the use of Bayesian models in multi-player video games AI, particularly real-time strategy (RTS) games AI. Video games are an in-between of real world robotics and total simulations, as other players are not simulated, nor do we have control over the simulation. RTS games require having strategic (technological, economical), tactical (spatial, temporal) and reactive (units control) actions and decisions on the go. We used Bayesian modeling as an alternative to (boolean valued) logic, able to cope with incompleteness of information and (thus) uncertainty. Indeed, incomplete specification of the possible behaviors in scripting, or incomplete specification of the possible states in planning/search raise the need to deal with uncertainty. Machine learning helps reducing the complexity of fully specifying such models. We show that Bayesian programming can integrate all kinds of sources of uncertainty (hidden state, intention, stochasticity), through the realization of a fully robotic StarCraft player. Probability distributions are a mean to convey the full extent of the information we have and can represent by turns: constraints, partial knowledge, state space estimation and incompleteness in the model itself. In the first part of this thesis, we review the current solutions to problems raised by multi-player game AI, by outlining the types of computational and cognitive complexities in the main gameplay types. From here, we sum up the transversal categories of prob- lems, introducing how Bayesian modeling can deal with all of them. We then explain how to build a Bayesian program from domain knowledge and observations through a toy role-playing game example. In the second part of the thesis, we detail our application of this approach to RTS AI, and the models that we built up. For reactive behavior (micro-management), we present a real-time multi-agent decentralized controller inspired from sensory motor fusion. We then show how to perform strategic and tactical adaptation to a dynamic opponent through opponent modeling and machine learning (both supervised and unsupervised) from highly skilled players' traces. These probabilistic player-based models can be applied both to the opponent for prediction, or to ourselves for decision-making, through different inputs. Finally, we explain our StarCraft robotic player architecture and precise some technical implementation details. Beyond models and their implementations, our contributions are threefolds: machine learning based plan recognition/opponent modeling by using the structure of the domain knowledge, multi-scale decision-making under uncertainty, and integration of Bayesian models with a real-time control program.

Du serious game à l'Artgame, le jeu vidéo s'est détaché de l'industrie du loisir pour devenir l'un des médiums les plus attractifs de ce siècle. La gamification, notamment, traduit une aspiration au ludique qui pénètre les mentalités des individus contemporains et leur rapport au monde et à autrui. Que ce soit dans son industrie, dans les mouvements des serious games, des Games For Change et également de l'Artgame et du Game Art, l'avènement de la société du jeu total est manifeste. Comme le jeu avant lui, le jeu vidéo apparaît comme un espace de représentations, véhicule de l'esprit du temps. Perpétué ou mise en critique, celles-ci se déploient à l'intérieur des représentations formelles et structurelles de ces objets vidéoludiques. Formant des « architectures rhétoriques », les jeux vidéo doivent être considérés comme des hypermédiums afin de découvrir les discours et les tensions socio-politiques en jeux.Conçus par des sujets culturels, les jeux vidéo véhiculent les idéologèmes transmis par leurs game designers. A travers leurs créateurs, ces formes artistiques sont telles des prismes qui permettent de faire apparaître les enjeux contemporains à travers différents matériaux artistiques dont ils se font le porteur : image, musique, texte, mécanique, systèmes de gameplay, etc. Face à une gamification dont l'objectif est d'édulcorer le monde pour le rendre fonctionnel dans une société néolibérale aliénante, certaines œuvres vidéoludiques, notamment dans le domaine de l'Artgame, dévoile le potentiel émancipateur, critique et revendicateur du jeu vidéo. Chez elles, les territoires vidéoludiques sont, au contraire, saisis comme une « technique du réveil » des questions philosophiques fondamentales, des actes sociétaux nécessaires et d'un engagement politique vital chez l'individu contemporain. / From serious games to ArtGame, the video game broke away from the entertainment industry to become one of the most attractive media of this century. Gamification, in particular, reflects a desire for fun penetrating the mentality of contemporary people and their relation to the world and to others. Whether in its industry, in the serious games movement, or the Games for Change and also the ArtGame and Game Art, the advent of the society of total gaming is obvious. As with all forms of games previously, the video game appears as a space for representations, a vehicle of “l'esprit du temps”. Perpetuated or criticized, these representations unfold within the formal and structural representations of these videogames. Forming "rhetorical architectures", video games must be regarded as “hypermediums” to discover discussions and the socio-political tensions at play.Conceived by game designers, who are “cultural subjects”, video games convey their “ideologemes” transmitted from a time. Through their creators, these art forms are like prisms that can show the contemporary issues through the various artistic materials : image, music, text, mechanics, gameplay systems, etc. Faced with gamification aiming to sweeten the world to make it functional in an alienating neo-liberal society, some video games, especially in the field of ArtGame, unveil the emancipating, critical and demanding potential of video games. Among them, the video game territories are, instead, considered as an "awakening technique" for fundamental philosophical questions, necessary societal actions and vital political commitments in the contemporary individual.

Apprendre à lire est une activité complexe qui s'appuie sur différentes capacités cognitives, dont l'attention visuelle. Absente des programmes scolaires, le rôle de l'attention visuelle pour l'apprentissage de la lecture est pourtant largement documenté dans la littérature scientifique. Dans cette thèse, nous avons donc conçu un logiciel éducatif original d'entraînement de l'attention visuelle, Evasion, et évalué l'impact de son utilisation au sein de la classe.Pour ce faire, une revue de littérature a été menée pour identifier plus précisément quelles sont les dimensions de l'attention visuelle impliquées en lecture et comment les entraîner au mieux. Un cadre conceptuel théorique que nous avons développé permet d'interpréter ces éléments et suggère que les dimensions à cibler sont la quantité totale d'attention visuelle et sa dispersion dans l'espace. Ces deux dimensions semblent particulièrement bien entraînées par les jeux vidéo d'action, dont l'effet sur l'attention visuelle a été lui aussi expliqué dans le cadre de notre modèle.Pour les entraîner au mieux au sein d'Evasion, nous avons mêlé les tâches, dont l'effet sur ces dimensions a été validé, avec les propriétés des jeux vidéo d'action. Notre logiciel prend la forme de quatre mini-jeux, dont les propriétés s'ajustent au niveau de l'élève grâce à un algorithme d'adaptation de la difficulté développé par notre équipe. Evasion devait être utilisé en classe pendant 10~h au total, à raison de 3 sessions hebdomadaires de 20 minutes. L'expérimentation a porté sur 730 élèves de CP répartis en deux groupes d’entraînement. Les deux groupes étaient appariés quant à leurs compétences cognitives avant entraînement. En post-entraînement, les performances du groupe Evasion ont été comparées à celles du groupe contrôle, qui recevait un entraînement de la compréhension orale en anglais.Les résultats de cette expérience écologique montrent que les capacités d'attention visuelle et de lecture ne progressent pas davantage suite à l'utilisation d'Evasion que suite à l'utilisation d'un entraînement contrôle. Des analyses supplémentaires révèlent que le protocole a été peu suivi en classe, et que le temps d'entraînement est un facteur expliquant l'amplitude de l'amélioration des dimensions attentionnelles ciblées. Par ailleurs, il semblerait que les entraînements proposés aient été trop faciles. Ces résultats ouvrent de nouvelles perspectives sur les améliorations à apporter à notre logiciel et, plus généralement, sur les conditions de mise en oeuvre d'expériences écologiques dont les besoins sont spécifiques. / Learning to read is a complex activity that relies on different cognitive abilities, including visual attention. The role of visual attention in learning to read is widely documented in the scientific literature but absent from school curricula. In this thesis work, we designed an original educational software, called Evasion, for visual attention training in the classroom and we evaluated its impact on beginning readers' performance.A literature review was first conducted to identify the dimensions of visual attention that are involved in reading and how best to train them. We then propose a conceptual framework which allows us to interpret these results. We conclude that the dimensions to be targeted are the total amount of visual attention resources and attention spatial dispersion. These two facets of attention seem to be particularly well driven by action video games, whose effect on visual attention has also been characterized in our model.To train visual attention resources and dispersion as well as possible within Evasion, we have mixed the tasks known to improve these attentional dimensions with the properties of action video games. Our software includes four training mini-games and an adaptive difficulty algorithm developed by our team to adjust the game properties online to the child needs. The training program was provided in classroom over a period of ten weeks at a rate of three 20-minute sessions a week. It was proposed to a large sample of 730 beggining readers for reading difficulty prevention.The impact of Evasion was assessed before and after training as compared to a control group that used an intervention program conceived to improve oral comprehension in English. The results of this ecological experiment show that visual attention and reading did not improve more following Evasion than control training. Additional analyses revealed that training time was poorly respected while this factor relates to the magnitude of improvement in the attentional dimensions we targeted. The analyses further suggest a problem in the level of difficulty of the mini-games. Overall, our work opens up new perspectives on the improvements to be made to our software and, above all, on the conditions for successful implementation of ecological experiments.

Cette étude avait pour objectif d’explorer l’interaction entre de jeunes apprenants (11-12 ans) lors de tâches communicatives accomplies face à face et supportées par Club Penguin Island, un jeu de rôle en ligne massivement multijoueur (MMORPG). Les questions de recherche étaient triples: évaluer la présence d’épisodes de centration sur la forme (FFEs) lors des tâches communicatives accomplies avec Club Penguin Island et identifier leurs caractéristiques; évaluer l’impact de différents types de tâches sur la présence de FFEs; et examiner les attitudes des participants. Ce projet de recherche a été réalisé auprès de 20 élèves de 6ième année en anglais intensif dans la province de Québec. Les participants ont exécuté une tâche de type «information gap», et deux tâches de type «reasoninggap» dont une incluant une composante écrite. Les tâches ont été réalisées en dyades et les enregistrements des interactions ont été transcrits et analysés pour identifier la présence de FFEs et leurs caractéristiques. Une analyse statistique fut utilisée pour évaluer l’impact du type de tâche sur la présence de FFEs, et un questionnaire a été administré pour examiner les attitudes des participants à la suite des tâches. Les résultats révèlent que des FFEs ont été produits lors des tâches accomplies avec le MMORPG, que les participants ont pu négocier les interactions sans l’aide de l’instructeur et que la majorité des FFEs visaient des mots trouvés dans les tâches et le jeu. L’analyse statistique démontre l’influence du type de tâche, puisque davantage de FFEs ont été produits lors de la tâche de type «information gap» que l’une des tâches de type «reasoning gap». Le questionnaire sur les attitudes révèle qu’elles ont été positives. Les implications pédagogiques soulignent l’impact des MMORPGs pour l’acquisition des langues secondes et les conclusions ajoutent à la littérature limitée sur les interactions entre de jeunes apprenants. / The objective of the present study was to explore negotiated interaction involving young children (age 11-12) who carried out communicative tasks supported by Club Penguin Island, a massively multiplayer online role-playing game (MMORPG). Unlike previous studies involving MMORPGs, the present study assessed the use of Club Penguin Island in the context of face-to-face interaction. More specifically, the research questions were three-fold: assess the presence focus-on-form episodes (FFEs) during tasks carried out with Club Penguin Island and identify their characteristics; evaluate the impact of task type on the presence of FFEs; and survey the attitudes of participants. The research project was carried out with 20 Grade 6 intensive English as a second language (ESL) students in the province of Quebec. The participants carried out one information-gap task and two reasoning-gap tasks including one with a writing component. The tasks were carriedout in dyads, and recordings were transcribed and analyzed to identify the presence of FFEs and their characteristics. A statistical analysis was used to assess the impact of task type on the presence of FFEs, and a questionnaire was administered to assess the attitudes of participants following the completion of all tasks. Findings revealed that carrying out tasks with the MMORPG triggered FFEs, that participants were able to successfully negotiate interaction without the help of the instructor, and that most FFEs were focused on the meaning of vocabulary found in the tasks and game. The statistical analysis showed the influence of task type since more FFEs were produced during the information-gap task than one of the reasoning-gap tasks. The attitude questionnaire revealed positive attitudes, which was in line with previous researchon digital games for language learning. Pedagogical implications point to the impact of MMORPGs for language learning and add to the scarce literature on negotiated interaction with young learners.