Notre étude est bipartite. En premier lieu nous avons effectué une étude empirique des différences entre les processus de catégorisation explicite (verbalisable) et implicite (non-verbalisable). Nous avons examiné la difficulté et le temps nécessaire pour apprendre trois tâches de catégorisation dites par air de famille, par règle logique conjonctive et par règle logique disjonctive. Nous avons ensuite utilisé un réseau neuronal pour modéliser la catégorisation en lui faisant compléter les mêmes tâches. La comparaison entre les deux nous permet de juger de l’adéquation du modèle. Les données empiriques ont montré un effet de la typicité et de la familiarité en accord avec la documentation et nous trouvons que la tâche de catégorisation par règle disjonctive est la plus difficile alors que la tâche de catégorisation par air de famille est la plus facile. La modélisation par le réseau est une réussite partielle mais nous présentons des solutions afin qu’un réseau futur puisse modéliser le processus catégoriel humain efficacement / Our present research was twofold. First, we conducted a study of the differences in the categorization processes between explicit (verbalizable) and implicit (nonverbalizable) tasks. The differentiation was done in term of difficulty and time necessary to learn the rule of the category for family resemblance, conjunctive and disjunctive rules. We then used a neural network to model the categorization and had it complete the same tasks. The comparison between the two gave us insight into how (and if) the network can be used as a model of human categorization. The empirical data confirmed an effect of familiarity and typicality, as supported by previous studies, and we confirmed that the disjunctive task was the hardest to learn for humans while our results point toward the family resemblance task as being the easiest. The modelization by the neural network was partially successful at best but we present options that could permit a next generation neural network to model the categorization process truthfully

Dans l'apprentissage machine, la classification est le processus d’assigner une nouvelle observation à une certaine catégorie. Les classifieurs qui mettent en œuvre des algorithmes de classification ont été largement étudié au cours des dernières décennies. Les classifieurs traditionnels sont basés sur des algorithmes tels que le SVM et les réseaux de neurones, et sont généralement exécutés par des logiciels sur CPUs qui fait que le système souffre d’un manque de performance et d’une forte consommation d'énergie. Bien que les GPUs puissent être utilisés pour accélérer le calcul de certains classifieurs, leur grande consommation de puissance empêche la technologie d'être mise en œuvre sur des appareils portables tels que les systèmes embarqués. Pour rendre le système de classification plus léger, les classifieurs devraient être capable de fonctionner sur un système matériel plus compact au lieu d'un groupe de CPUs ou GPUs, et les classifieurs eux-mêmes devraient être optimisés pour ce matériel. Dans ce mémoire, nous explorons la mise en œuvre d'un classifieur novateur sur une plate-forme matérielle à base de FPGA. Le classifieur, conçu par Alain Tapp (Université de Montréal), est basé sur une grande quantité de tables de recherche qui forment des circuits arborescents qui effectuent les tâches de classification. Le FPGA semble être un élément fait sur mesure pour mettre en œuvre ce classifieur avec ses riches ressources de tables de recherche et l'architecture à parallélisme élevé. Notre travail montre que les FPGAs peuvent implémenter plusieurs classifieurs et faire les classification sur des images haute définition à une vitesse très élevée. / In the machine learning area, classification is a process of mapping a new observation to a certain category. Classifiers which implement classification algorithms have been studied widely over the past decades. Traditional classifiers are based on algorithms such as SVM and neural nets, and are usually run by software on CPUs which cause the system to suffer low performance and high power consumption. Although GPUs can be used to accelerate the computation of some classifiers, its high power consumption prevents the technology from being implemented on portable devices such as embedded systems or wearable hardware. To make a lightweight classification system, classifiers should be able to run on a more compact hardware system instead of a group of CPUs/GPUs, and classifiers themselves should be optimized to fit that hardware. In this thesis, we explore the implementation of a novel classifier on a FPGA-based hardware platform. The classifier, devised by Alain Tapp (Université de Montréal), is based on a large amount of look-up tables that form tree-structured circuits to do classification tasks. The FPGA appears to be a tailor-made component to implement this classifier with its rich resources of look-up tables and the highly parallel architecture. Our work shows that a single FPGA can implement multiple classifiers to do classification on high definition images at a very high speed.

Esta pesquisa de mestrado pretende demonstrar uma nova concepção de conhecimento e a interferência dos fatores emocionais no processo de ensino/aprendizagem; traça, como objetivo principal, apresentar a dinâmica proposta por Polanyi sobre os princípios envolvidos na síntese (objetiva + subjetiva) do conhecimento e os fatores emocionais (complexo de inferioridade e megalomania/teomania) que bloqueiam o aprendizado - sobretudo de línguas estrangeiras. Para cumprir o que se propõe, explicita a proposta de Michael Polanyi, que propõe a transcendência da dicotomia do objetivo/subjetivo, mostrando a importância de se trabalhar com os aspectos subjetivos no contexto educacional. Sua abordagem elucida que sabemos muito mais do que podemos relatar (We know more than we can tell) e sintetiza que todo conhecimento é pessoal e que não pode ser descrito, mas que combinado com o mundo explícito, gera genuínas paixões intelectuais. Foi possível verificar que a proposta de Polanyi fornece ferramentas para a compreensão dos impedimentos sobretudo emocionais da articulação do saber tácito com o explícito na incorporação de novos conhecimentos chamada por ele de Indwelling. Também foi possível elucidar algumas das motivações de comportamentos obstaculizantes, a partir da discussão do Complexo de Inferioridade (1977), de Alfred Adler, e da Teomania (1980), de Norberto Keppe. Finalmente verifica-se que muitas das razões, motivações e intenções de um indivíduo podem estar frequentemente fora do seu campo de visão consciente, podendo levá-lo a atitudes e ações inconscientizadas, as quais o prejudicam até mesmo na aprendizagem de línguas estrangeiras. Sendo essencial conhecer aquilo que impede o próprio conhecimento, torna-se possível a sustentação do discurso de emoção voltado para pensar as interações em sala de aula. / La recherche de ce master a pour but de démontrer une nouvelle conception de la connaissance et l\'interférence de facteurs émotionnels dans le processus d\'enseignement/apprentissage; établie comme objectif principal, présenter la dynamique proposée par Polanyi sur les principes impliqués dans la synthèse (objective + subjective) de la connaissance et les facteurs émotionnels (complexe d\'infériorité et mégalomanie/théomanie) qui bloquent l\'apprentissage - en particulier les langues étrangères. Pour répondre à ce qui est proposé, ce projet présente explicitement la proposition de Michael Polanyi, qui suggère transcender la dichotomie objectif/subjectif, en soulignant l\'importance de travailler avec les aspects subjectifs du contexte éducatif. Son approche précise que nous en savons beaucoup plus que nous ne pouvons en dire (We know more than we can tell), et il synthétise que la connaissance est personnelle et ne peut pas être décrite, mais, combinée avec le monde explicite, génère de véritables passions intellectuelles. Il a été possible de vérifier que la proposition de Polanyi fournit des outils pour la compréhension des obstacles principalement émotionnels de l\'articulation du savoir tacite avec l\'explicite dans l\'incorporation de nouvelles connaissances appelées par lui d\'Indwelling. Il a également été possible d\'élucider certaines motivations du comportement obstructif, à partir de la discussion du Complexe d\'Infériorité d\'Alfred Adler (1977) et de Théomanie de Norberto Keppe (1980). Finalement, c\'est observé une grande partie des raisons, motivations et intentions d\'un individu peut souvent être en dehors de son champ de vision conscient et peut le conduire à des attitudes et actions inconscientisées, pouvant lui nuire gravement, y compris au niveau d\'apprentissage des langues étrangères. Étant essentiel de savoir ce qui empêche notre propre connaissance, il devient possible de maintenir le discours émotionnel visant à penser les interactions en classe.

L'identification d'appareils photos a récemment fait l'objet d'une grande attention en raison de son apport en terme sécurité et juridique. Établir l'origine d'un médias numériques, obtenus par un appareil d'imagerie est important à chaque fois que le contenu numériques est présente et utilise comme preuve devant un tribunal.L'identification d'appareils photos consiste à déterminer la marque, le modèle, ou le dispositif qui a été utilisé pour prendre une image.Notre première contribution pour l'identification du modèle d'appareil photo numérique est basée sur l'extraction de trois ensembles de caractéristiques puis l'utilisation d'apprentissage automatique. Ces caractéristiques sont la matrice de cooccurrences,des corrélations inter-canaux mesurant la trace laissée par l'interpolation CFA, et les probabilités conditionnelles calculées dans le domaine JPEG. Ces caractéristiques donnent des statistiques d'ordre élevées qui complètent et améliorent le taux d'identification. Les expériences prouvent la force de notre proposition, car la précision obtenue est supérieure à celle des méthodes basées sur la corrélation.La deuxième contribution est basée sur l'utilisation des CNNs. Contrairement aux méthodes traditionnelles, les CNNs apprennent simultanément les caractéristiques et la classification. Nous proposons d'ajouter une couche de pré-traitement (filtre passe-haut applique à l'image d’entrée) au CNN. Le CNN obtenu donne de très bonnes performances pour une faible complexité d'apprentissage. La méthode proposée donne des résultats équivalent à ceux obtenu par une approche en deux étapes (extraction de caractéristiques + SVM). Par ailleurs nous avons également examines les CNNs : AlexNet et GoogleNet. GoogleNet donne actuellement les meilleurs taux d'identification pour une complexité d'apprentissage plus grande / Source camera identification has recently received a wide attention due to its importantrole in security and legal issue. The problem of establishing the origin ofdigital media obtained through an imaging device is important whenever digitalcontent is presented and is used as evidence in the court. Source camera identification is the process of determining which camera device or model has been used to capture an image.Our first contribution for digital camera model identification is based on the extractionof three sets of features in a machine learning scheme. These featuresare the co-occurrences matrix, some features related to CFA interpolation arrangement,and conditional probability statistics computed in the JPEG domain.These features give high order statistics which supplement and enhance the identification rate. The experiments prove the strength of our proposition since it achieves higher accuracy than the correlation-based method.The second contribution is based on using the deep convolutional neural networks(CNNs). Unlike traditional methods, CNNs can automatically and simultaneouslyextract features and learn to classify during the learning process. A layer ofpreprocessing is added to the CNN model, and consists of a high pass filter which isapplied to the input image. The obtained CNN gives very good performance for avery small learning complexity. Experimental comparison with a classical two stepsmachine learning approach shows that the proposed method can achieve significantdetection performance. The well known object recognition CNN models, AlexNetand GoogleNet, are also examined.

La présente dissertation aborde deux thèmes: l'expérience de retour d'école et les processus d'apprentissage. J'essaie de décrire, à travers une ethnographie réalisée dans le contexte de l'éducation des jeunes et des adultes du Colégio de Aplicação da Universidade Federal do Rio Grande do Sul, les dimensions personnelles et morales que présente la scolarité «tardive». En ce sens, la recherche vise à comprendre qualitativement ce retour à l'école et à examiner les problèmes d'apprentissage situé que l'EJA contient comme une modalité scolaire avec des caractéristiques particulières. En général, les choix méthodologiques ont porté sur le travail de terrain avec des techniques d'observation participantes, des entretiens non directifs et la construction du journal de bord comme outil de réflexion. Le développement de l'enquête a eu deux formes de problématisation: la première avait trait à la réflexion sur les façons d'apprendre de l'école et «malgré» elle. La deuxième partie est consacrée à la réflexion sur les différents aspects sociaux présents dans le thème de l'évasion et de la scolarisation «tardive». Les résultats de la recherche présentent une image hétérogène des motivations pour la reprise des études, mais avec des éléments structurels communs tels que le soutien affectif et familial. Dans le cas du décrochage scolaire, les résultats mettent en évidence la relation entre l'évitement et la scolarité «tardive» en tant que coproduction d'intermittence scolaire. Enfin, l'ethnographie a également cherché à comprendre la place de l'institution scolaire dans la vie personnelle des sujets de l'EJA et dans quelle mesure cet espace représente et synthétise des questions plus larges sur l'apprentissage et la scolarisation sous la forme d'objets anthropologiques. / A presente dissertação aborda dois temas: a vivência da retomada da escolarização e os processos de aprendizagem. Procuro descrever por meio de uma etnografia feita no contexto da Educação de Jovens e Adultos do Colégio de Aplicação da Universidade Federal do Rio Grande do Sul, as dimensões pessoais e morais que a escolarização “tardia” apresenta. Nesse sentido a pesquisa visa compreender de modo qualitativo esse retorno à escola e também examinar as questões de aprendizagem situada que a EJA contém enquanto uma modalidade escolar com características particulares. De maneira geral, as escolhas metodológicas giraram entorno do trabalho de campo junto com as técnicas de observação participante, entrevistas não-diretivas e a construção do diário de campo como instrumento reflexivo. O desenvolvimento da investigação contou com duas formas de problematização: a primeira relacionada a refletir sobre os modos de aprender a partir da escola e “apesar” dela. Já a segunda, dedica-se a pensar os variados aspectos sociais presentes no tema da evasão e da escolarização “tardia”. Os resultados da pesquisa apresentam um quadro heterogêneo de motivações para a retomada dos estudos, mas que possui elementos estruturais comuns como: o apoio afetivo e familiar. No caso do abandono escolar os resultados apontam para a relação entre evasão e escolarização “tardia” enquanto instâncias coprodutoras da intermitência escolar. Por fim, a etnografia também visou entender o lugar da instituição escolar na vida pessoal dos sujeitos da EJA e o quanto esse espaço representa e sintetiza questões mais amplas acerca da aprendizagem e da escolarização na forma de objetos antropológicos.

Cette th`ese traite de l'estimation statistique distribu ́e, avec la motivation de, et l'application `a l'indexation multim ́edia par le contenu. Les algorithmes et les donn ́ees de divers contributeurs coop ́ereront vers un apprentissage statistique collectif. La contribution est un arrangement pour estimer une densit ́e de probabilit ́e multivariable, dans le cas ou` cette densit ́e prend la forme d'un mod`ele de m ́elange gaussien. Dans ce cadre, l'agr ́egation des mod`eles probabilistes de m ́elanges gaussiens de la mˆeme classe, mais estim ́es `a plusieurs nœuds sur diff ́erents ensembles de donn ́ees, est une n ́ecessit ́e typique `a laquelle nous nous int ́eressons dans cette th`ese. Les approches propo- s ́ees pour la fusion de m ́elanges gaussiens exigent uniquement le calcul mod ́er ́e `a chaque nœud et peu de donn ́ees de transit entre les nœuds. Ces deux propri ́et ́es sont obtenues en agr ́egeant des mod`eles via leurs (peu) param`etres plutˆot que par les donn ́ees multim ́edia. Dans la premi`ere approche, en supposant que les m ́elanges sont estim ́es ind ́ependamment, nous propageons leurs param`etres de fa ̧con d ́ecentralis ́ee (gossip), dans un r ́eseau, et agr ́egeons les mod`eles `a partir des nœuds reli ́es entre eux, pour am ́eliorer l'estimation. Les mod`eles de m ́elange sont en fait concat ́en ́es puis r ́eduits `a un nombre appropri ́e de composants gaussiens. Une modification de la divergence de Kullback conduit `a un processus it ́eratif pour estimer ce mod`ele agr ́eg ́e. Afin d'ap- porter une am ́elioration, l'agr ́egation est r ́ealis ́ee par la mod ́elisation bay ́esienne du probl`eme de groupement de composant de mod`ele de m ́elange gaussien et est r ́esolue en utilisant la m ́ethode variationnelle, appliqu ́ee au niveau de composant. Cela permet de d ́eterminer, par un processus simple, peu couˆteux et pr ́ecis, les attributions des composants qui devraient ˆetre agr ́eg ́es et le nombre de composants dans le m ́elange apr`es l'agr ́egation. Comme seulement les param`etres du mod`ele sont ́echang ́es sur le r ́eseau, le calcul et la charge du r ́eseau restent tr`es mod ́er ́es.

L'identification du problème de morcellement des connaissances en physiologie en 2001 en France et en 2002-2003 au Liban a fait l'objet de plusieurs analyses. Les élèves de Cinquième et de Seconde comme d'ailleurs leurs enseignants mobilisent peu de liens entre les différents systèmes physiologiques étudiés d'une part et avec le système nerveux d'autre part. La relation entre tous ces systèmes et les besoins des cellules du corps est généralement absente, d'où les difficultés rencontrées par les élèves à mobiliser les concepts enseignés pour résoudre des problèmes. Les obstacles didactiques, épistémologiques et psychologiques mis en évidence dans ce travail de recherche pourraient constituer des éléments d'explication à ce cloisonnement des connaissances. Cependant, ces obstacles pourraient être franchis si la formation des enseignants en faisait un objectif pédagogique. En effet, à la suite d'une session de formation des enseignants à « l'enseignement de la physiologie selon le paradigme de la complexité », l'échantillon d'élèves dont les enseignants ont participé à la session et ont expérimenté l'apprentissage par résolution de problèmes (ARP) a été comparé à l'échantillon d'élèves témoins dont les enseignants n'ont pas été formés à la complexité. Des différences significatives ont été obtenues : la prise en compte de la complexité et de l'enseignement par problèmes ont permis aux élèves de mobiliser plus de liens entre les différents concepts enseignés en physiologie et de prendre plus de risque pour résoudre les problèmes qui leur ont été proposés. La prise en compte de la part de l'affectivité dans l'apprentissage et une relation à l'erreur « décontaminée de la faute » ont permis aux enseignants et ensuite à leurs élèves d'entretenir un nouveau rapport aux savoirs et une attribution de sens aux concepts enseignés.

La problématique abordée dans cette thèse est la conception d'un modèle informatique qui permet de générer automatiquement les rétroactions épistémiques en se basant sur l'état de connaissance de l'apprenant et en prenant ainsi en compte la dimension didactique de la connaissance. Ce travail se situe dans le cadre d'un environnement informatique pour l'apprentissage de la formation professionnelle. <br />Dans le cadre de notre travail, les résultats du diagnostic de l'état de connaissance de l'apprenant ne peuvent être déduits qu'avec un certain degré d'incertaine. De ce fait, nous avons choisi les réseaux bayésiens pour représenter la connaissance et le diagnostic, et l'approche de la théorie de la décision pour automatiser la prise de décisions didactiques.<br />L'état de connaissance de l'apprenant est déduit en appliquant l'inférence dans le réseau bayésien en fonction des traces de ses activités. Les résultats du diagnostic sont ensuite utilisés dans le modèle de la prise de décisions didactiques pour produire les rétroactions épistémiques en quatre étapes : 1) le choix de la cible qui permet de sélectionner les connaissances visées par la rétroaction ; 2) la détermination de l'objectif qui permet de définir le but de la rétroaction du point de vue de l'apprentissage ; 3) le choix de la forme de la rétroaction ; 4) la détermination du contenu de la rétroaction. <br />Nous avons implémenté et intégré le modèle de prise de décisions didactiques dans la plateforme de TELEOS. Ainsi, nous avons testé et évalué la cohérence du comportement informatique du modèle, sa sensibilité aux modifications des probabilités et des paramètres, et la pertinence des rétroactions produites.

Aujourd'hui, la Formation Ouverte et A Distance (FOAD) est de plus en plus répandue aussi bien dans les institutions publiques que privées, mais elle est loin de représenter une méthode d'apprentissage utilisée par tous. Un moyen de faciliter et d'encourager la conception de cursus pédagogiques par les éducateurs est de mettre à leur disposition une masse importante d'objets pédagogiques de natures variées tant au niveau des domaines d'apprentissage visés que du type de supports numériques utilisés, ainsi que de la langue dans laquelle ils sont produits.<br />Nos travaux exposent les capacités d'un Environnement Informatique pour l'Apprentissage Humain (EIAH) à fournir deux services complémentaires qui conduisent à la virtualisation des ressources pédagogiques : une vue unique d'un ensemble de ressources pédagogiques renfermées dans des viviers de connaissance distincts, et un accès facilité à celles-ci à travers les plates-formes d'apprentissage. Nous présentons une architecture ouverte basée sur des standards de l'e-formation établis ou en cours d'élaboration, et qui assure l'intégration des services énoncés ci-dessus au sein d'un EIAH. Nous présentons deux expérimentations déployées au sein de contextes différents qui valident notre approche et qui favorisent ainsi le partage et la réutilisation des objets pédagogiques.<br />La seconde partie de nos travaux porte sur la supervision des ressources, systèmes informatiques et utilisateurs impliqués dans le processus de virtualisation afin de faciliter aux éducateurs la recherche de matériel pédagogique pertinent pour leur contexte parmi le nombre considérable de ressources offertes par la fédération des viviers de connaissance. Nous présentons un modèle d'information décrivant les entités précitées et qui constitue une extension de CIM (Common Information Model) pour l'EIAH, ainsi qu'une infrastructure de supervision composée d'agents de gestion, d'un fournisseur de données, d'un gestionnaire centralisé et d'une application graphique de gestion. Nous appliquons ensuite cette infrastructure au sein de notre EIAH et de l'outil de recherche et d'indexation d'objets pédagogiques de la fondation ARIADNE. Enfin, nous exposons comment les informations statistiques recueillies peuvent être exploitées pour présenter aux concepteurs de cursus pédagogiques des ressources de qualité.

La nature même du média informatique tend à privilégier l'autonomie de l'apprenant lors de l'apprentissage d'une langue étrangère. L'examen des environnements lexicaux existants montre que l'autonomie passe par l'incorporation de ressources lexicales en tant que matériaux d'apprentissage et outils d'aide. La partie centrale de ce travail a été de concevoir les ressources adaptées à cet apprentissage et la manière dont celles-ci s'articulent. L'environnement ALEXIA se compose d'un corpus de textes, d'un dictionnaire comme outil d'aide, d'un dictionnaire personnalisé et d'un module d'activités lexicales. Le corpus, constitué de textes récents comprenant plusieurs niveaux de langue, est centré sur un domaine du français courant maîtrisé par tout natif (travail, emploi, chômage). La modélisation de la base de données lexicales s'appuie sur les résultats des recherches en psycholinguistique, montrant que le lexique mental semble être composé de mots reliés entre eux par des liens de nature sémantique et contextuelle. L'interface pour visualiser ces données tient compte des problèmes d'accès lexicaux et tire parti des possibilités du support informatique pour la présentation des différentes informations nécessaires aux apprenants. Corpus et dictionnaire servent de matériaux pour la génération d'activités lexicales : à base de concordances, elles mettent en jeu les relations sémantiques du dictionnaire. Pour cela, il est nécessaire d'effectuer au préalable un étiquetage morpho-syntaxique et sémantique du corpus. Un système d'aide donne des indications pour permettre à l'apprenant de résoudre les exercices et renforce ainsi le rôle pédagogique de l'environnement. Le dictionnaire personnalisé permet d'organiser les mots sélectionnés par l'apprenant dans les textes lors de lectures. Le travail de catégorisation effectué renforce les liens du lexique mental et favorise ainsi la rétention.