Résumé: Les signes de détérioration clinique chez les patients hospitalisés ne sont pas toujours détectés ou interprétés adéquatement, occasionnant des arrêts cardiaques, des transferts vers les unités de soins intensifs et des décès évitables. Afin de bien reconnaître les signes de détérioration clinique, les infirmières doivent avoir un raisonnement clinique adéquat. Évaluer le raisonnement clinique d’infirmières en contexte de détérioration clinique pourrait aider à identifier les difficultés associées à la reconnaissance de ses signes. A l’heure actuelle, il n’y a pas d’instrument de mesure disponible pour ce faire. Le test de concordance de script (TCS) est un instrument de mesure du raisonnement clinique qui pourrait être développé dans ce but. Cette étude méthodologique vise à élaborer un TCS évaluant le raisonnement clinique d’infirmières en contexte de détérioration clinique en milieu hospitalier et à évaluer ses qualités sychométriques, soit sa fidélité et sa validité, ainsi que son appréciation. Un TCS de 22 scénarios cliniques (88 items) a été conçu, puis administré à 47 infirmières au baccalauréat en sciences infirmières et 21 infirmières expertes. Douze des étudiantes ont rempli le test à nouveau pour un test-retest. Après son optimisation, il contenait 20 scénarios et 68 items. Il a obtenu un coefficient alpha de Cronbach de 0,76. L’étude de sa stabilité temporelle a révélé un coefficient de corrélation intra-classe modéré de 0,554 (p < 0,05). Les indices de la validité du contenu pour la pertinence et la clarté du TCS ont été de 0,99. Le TCS a aussi démontré une différence statistiquement significative dans les scores des deux groupes d’infirmières (p < 0,01) et une relation linéaire positive entre les scores moyens et l’expertise clinique (p < 0,01). Finalement, son appréciation générale a été jugée bonne. Cette étude a rendu disponible un TCS fidèle, valide et apprécié pour évaluer le raisonnement clinique infirmier en contexte de détérioration clinique en milieu hospitalier. Des études restent à faire pour déterminer si le TCS permet de déceler l’effet d’interventions éducatives.||Abstract: Hospitalised patients may present warning signs of clinical deterioration that are not always detected or well interpreted leading to preventable heart attack, intensive care unit transfer or even death. In order to recognize clinical signs of deterioration, nurses must have well developed clinical reasoning skills. Assessing nurse's clinical reasoning skills in situations of clinical deterioration could help to identify difficulties associated with the detection of its signs. At the present time no such tool for this purpose exists. Script concordance test (SCT) is a tool used to assess clinical reasoning that could be constructed for this purpose. This methodological study aims to develop a SCT to assess nurse's clinical reasoning in situations of clinical deterioration as well as to validate its psychometrics qualities, its validity, its reliability and the appreciation of the SCT. A SCT of 22 clinical situations (88 items) was developed. It was then completed by 47 nurses who were students undergoing their bachelor of nursing studies and by 21 expert nurses. Twelve students took the SCT twice to establish a test re-test. The SCT demonstrated good psychometrics qualities. After optimization, it had 20 clinical situations and 68 items. The SCT had a Cronbach's alpha coefficient of 0.76. The study of temporal stability demonstrated a moderate intra-class correlation coefficient of 0.554 (p < 0.05). Content validity generated indices of 0.99 both for relevance and clarity of the entire tool. TCS has also distinguished a statistically significant difference in the scores of the two groups of nurses (p < 0.01) and a positive linear relationship between mean scores and clinical expertise (p < 0.01). Finally, its overall appreciation is good. This study has made it possible to measure nurses' clinical reasoning skills in situations of in-hospital clinical deterioration using a reliable, valid and appreciated SCT. Other studies are needed to see if the SCT can detect the effect of educative interventions.

Nous proposons dans cette thèse une architecture pour le raisonnement incrémental sur des flux de triples. Afin de passer à l’échelle, elle est conçue sous la forme de modules indépendants, permettant l’exécution parallèle du raisonnement. Plusieurs instances d’une même règle peuvent être exécutées simultanément afin d’améliorer les performances. Nous avons également concentré nos efforts pour limiter la dispersion des doublons dans le système, problème récurrent du raisonnement. Pour cela, un triplestore partagé permet à chaque module de filtrer au plus tôt les doublons. La structure de notre architecture, organisée en modules indépendants par lesquels transitent les triples, lui permet de recevoir en entrée des flux de triples. Enfin, notre architecture est indépendante du fragment utilisé. Nous présentons trois modes d’inférence pour notre architecture. Le premier consiste à inférer l’ensemble des connaissances implicites le plus rapidement possible. Le second priorise l'inférence de certaines connaissances prédéterminées. Le troisième vise à maximiser la quantité de triples inférés par seconde. Nous avons implémenté l’architecture présentée à travers Slider, un raisonneur incrémental prenant nativement en charge les fragments ρdf et RDFS. Il peut être facilement étendu à des fragments plus complexes. Nos expérimentations ont montré une amélioration des performances de plus de 65% par rapport au raisonneur OWLIM-SE. Nous avons également mené des tests montrant que l’utilisation du raisonnement incrémental avec Slider apporte un avantage systématique aux performances par rapport au raisonnement par lots, quels que soient l’ontologie utilisée et le fragment appliqué / In this thesis, we propose an architecture for incremental reasoning on triple streams. To ensure scalability, it is composed of independent modules; thus allowing parallel reasoning. That is, several instances of a same rule can be simultaneously executed to enhance performance. We also focused our efforts to limit the duplicates spreading in the system, a recurrent issue for reasoning. To achieve this, we design a shared triplestore which allows each module to filter duplicates as soon as possible. The triples passes through the different independent modules of the architecture allows the reasoner to receive triple streams as input. Finally, our architecture is of agnostic nature regarding the fragment used for the inference. We also present three inference modes for our architecture: the first one infers all the implicit knowledge as fast as possible; the second mode should be used when the priority has to be defined for the inference of a specific type of knowledge; the third one proposes to maximize the amount of triples inferred per second. We implemented this architecture through Slider, an incremental reasoning natively supporting the fragments ρdf and RDFS: It can easily be extended to more complex fragments. Our experimentations show a 65% improvement over the reasoner OWLIM-SE. However, the recently published reasoner RDFox exhibits better performance, although this one does not provide prioritized inference. We also conducted experimentations showing that the use of incremental reasoning over batch-based reasoning offers systematically better performance for all the ontologies and fragments used

Dans les modèles à objets distinguant la notion de classe (ensemble d'individus) de celle d'instance (individu particulier), la classe peut jouer deux rôles fondamentalement différents. Les modèles qui mettent en œuvre des mécanismes de classification d'instances, présentent la classe comme une unité d'identification caractérisant les propriétés que doivent posséder toutes ses instances. Ces propriétés sont alors utilisées pour établir l'appartenance d'une instance à une classe. D'autres modèles utilisent la classe comme unité de construction, ou de gestion, d'instances. Ils laissent alors toutes libertés dans la description de la classe pour introduire des informations procédurales qui sont utilisées pour modifier ou compléter une instance qui lui a été explicitement rattachée. Notre travail consiste à mettre en place un mécanisme capable de trouver les différentes solutions que peut proposer une hiérarchie de classes à un problème de construction d'instance. Schématiquement, un tel problème se caractérise par la donnée d'une instance pour laquelle subsistent des possibilités de raffinement dans la hiérarchie de classes et dont la valeur de certains attributs reste inconnue. La solution proposée prend place dans un modèle à objets, appelé TROPES, défini pour accueillir un raisonnement classificatoire. La mise en place du mécanisme de construction d'instance par exploration d'une hiérarchie est assurée par un système, dit d'assistance hypothétique, couplé au système TROPES. Ce système d'assistance est chargé de produire et de gérer les hypothèses permettant de prolonger l'exploration d'une hiérarchie de classes au delà des limites atteintes par la classification d'instances. Les différentes combinaisons d'hypothèses pouvant ainsi être formées sont validées par TROPES sur des versions différentes de l'instance. Lorsque le mécanisme est appliqué à un objet composite, le partage de valeurs d'attributs entre composants et composite permet la propagation du processus de construction du composite vers les composants

Ce mémoire présente un ensemble de recherches centrées sur la problématique de la conception d'un système de raisonnement à partir de cas (RàPC), recherches privilégiant les étapes de remémoration d'un cas source similaire au problème cible et d'adaptation de ce cas pour résoudre ce problème. Dans un premier temps, une approche de la remémoration fondée sur une organisation hiérarchique des cas est décrite. Elle comporte trois procédures, les classifications dure, floue et élastique, et est correcte au sens où tout cas remémoré peut être adapté pour résoudre le problème cible. Cette approche, pour être opérationnelle, s'appuie sur des connaissances pour l'adaptation. Ces connaissances sont étudiées sous trois angles : les approches générales de l'adaptation, l'acquisition de ces connaissances et les << catalogues d'adaptation >> réutilisables d'une application du RàPC à une autre. Enfin, un système de RàPC étant un système à base de connaissances, sont décrits des travaux pour la gestion de ces connaissances, en particulier pour leur représentation. Ces travaux sont issus pour une grande partie de deux projets : TICCO dans le domaine de la planification de synthèse en chimie organique et Kasimir dans le domaine de l'aide à la décision en cancérologie.

La capacité à reconnaître les intentions d’un agent est un élément important de l’analyse de la situation. Connaître ces intentions est souvent un facteur clé de la prise de décision dans plusieurs domaines tels que la robotique, les jeux vidéo, la sécurité informatique et l’analyse du renseignement. Une des approches algorithmiques souvent utilisées pour reconnaître les intentions d’un agent suppose une connaissance préalable de tous les plans exécutables par l’agent observé. À partir de ces plans et des données d’observation, on peut alors prédire les comportements et les intentions de l’agent observé simplement en générant les modèles d’exécution de plans cohérents avec les données d’observation. Ces modèles d’exécution constituent en quelque sorte les hypothèses sur le plan et le but poursuivi par l’agent observé. Ainsi, la probabilité que l’agent observé poursuive un but particulier est établie comme étant la proportion des modèles cohérents avec ce but. Cette approche existe depuis une dizaine d’années et fait partie des approches les plus étudiées en ce moment. Cependant, elle comporte des lacunes fondamentales, notamment une explosion combinatoire de la taille de l’espace d’hypothèses. Ce mémoire de maîtrise propose un algorithme permettant d’aborder ce dernier problème en contrôlant l’exploration de l’espace d’hypothèse. Avec ce nouvel algorithme, on peut approximer la probabilité du but, de sorte que la précision de l’approximation s’améliore graduellement avec le temps de calcul. Cette approche a été publiée dans l’une des deux plus prestigieuses conférences scientifiques sur l’intelligence artificielle : International Joint Conference on Artificial Intelligence (IJCAI), en 2013.

But : Décrire les modalités d’enseignement adoptées et les interventions pédagogiques appliquées par les chargés d’enseignement clinique pour développer et soutenir le raisonnement clinique de leurs stagiaires. Problématique : La pratique contemporaine commande aux inhalothérapeutes un raisonnement clinique éprouvé, mais le devis ministériel ne laisse voir aucune obligation d’enseigner ou de supporter le raisonnement clinique. Par ailleurs, les stages représentent un moment propice à son développement. On ne connait pas comment interviennent les chargés d’enseignement clinique concernant l’enseignement du raisonnement clinique. Cadre de référence : S’appuie sur les connaissances s’adressant 1) au raisonnement clinique; 2) aux modalités d’enseignement adoptées et 3) aux interventions pédagogiques appliquées pour développer le raisonnement clinique. Méthodologie et méthode : Approche qualitative interprétative avec étude de cas multiples. Témoignages de quatre inhalothérapeutes et de huit stagiaires. Entrevues semi-dirigées et analyse de contenu. Résultats : Le modèle de rôle et la supervision sont adoptés. Une modalité non recensée, la modalité mixte et la subdivision de la modalité de supervision en une modalité de supervision rapprochée et éloignée ont émergé. Aussi, une intervention pédagogique non relevée au cours de la recension des écrits est apparue: le problème provoqué. Interprétation : Le choix d’une modalité d’enseignement pourrait reposer sur quatre conditions : 1) le contexte de travail ou la culture du milieu; 2) le souci de sécurité ; 3) l’évaluation du niveau de compétence des stagiaires et 4) la compréhension de la situation problème par les chargés d’enseignement. Le choix des interventions pédagogiques pourrait s’expliquer par: 1) le contexte de pratique; 2) le couplage d’interventions aux modalités d’enseignement; 3) les préoccupations et les croyances personnelles et 4) la connaissance de l’erreur usuelle.

Introduction : Le raisonnement clinique (RC) de l'ergothérapeute, c.-à-d. la façon qu'il a de résoudre des problèmes et de prendre des décisions, détermine ses interventions. L'ergothérapeute en milieu communautaire joue un rôle central dans le maintien à domicile des personnes âgées en perte d'autonomie. En effet, il intervient fréquemment auprès de cette clientèle afin de lui enseigner des façons sécuritaires et adaptées à ses capacités de transférer d'une surface à une autre. L'efficience de son intervention dépend, entre autres, des stratégies d'enseignement (méthodes et outils) qu'il utilise. Or, on connaît peu les stratégies d'enseignement privilégiées par les ergothérapeutes dans ce contexte et ce qui guide leur choix. Objectifs : Cette étude vise à : a) identifier les stratégies d'enseignement utilisées par les ergothérapeutes en milieu communautaire lors d'interventions relatives aux transferts auprès de clients âgés et b) explorer le RC qui détermine l'utilisation de ces stratégies. Méthodes : Onze ergothérapeutes en milieu communautaire ont été recrutés au sein de six Centres de santé et de services sociaux du Québec. Guidées par un dispositif de type théorisation ancrée, les données ont été recueillies par observations des interventions à domicile suivi d'entrevues semi-dirigées (n = 12) et analysées par comparaison constante. L'utilisation de mémos a favorisé une conceptualisation progressive des données, menant à une théorie substantive. Les critères de scientificité des études qualitatives ont été respectés. Résultats : Lorsqu'il enseigne les transferts, l'ergothérapeute en milieu communautaire utilise neuf méthodes, huit outils et cinq modulateurs d'intensité (méthodes et outils les plus utilisés en italique). Spécifiquement, les méthodes sont : a) exposer, b) démontrer, c) faire expérimenter, d) impliquer le client, e) rétroagir sur la performance, f) rechercher et g) recevoir la rétroaction du client, h) questionner et i) impliquer un collaborateur-enseignant, et les outils sont : a) le geste, b) l'équipement, c) les aides visuelles, d) les instructions écrites, e) verbales et f) somatosensorielles, g) le collaborateur ou h) l'ergothérapeute comme client. Les modulateurs d'intensité sont, quant à eux, des éléments qui permettent à l'ergothérapeute d'adapter a) l'amplitude, b) le niveau de directivité, c) la durée, d) la fréquence et e) le rythme de son enseignement à la situation particulière de son client. Le processus menant au choix de ces stratégies et de leur séquence (plan d'enseignement) est constitué de huit étapes, scindées en trois temps : 1) Élaboration du plan d'enseignement (étapes 1 à 3), 2) Finalisation du choix du plan (étapes 4 et 5) et 3) Ajustement du plan en cours d'action (étapes 6 à 8). Le processus de choix est influencé par des facteurs intrinsèques et extrinsèques. Les facteurs intrinsèques déterminent, par le biais de scripts mentaux, les plans d'enseignement possibles (banque de plans et de stratégies d'enseignement). Les facteurs intrinsèques sont les habitudes, les préférences, la conception de l'enseignement ergothérapique, les connaissances et les expériences passées de l'ergothérapeute. Les facteurs extrinsèques, c.-à-d. le type de transfert enseigné, les caractéristiques du client et son environnement physique et social, et le contexte de pratique, influencent le choix des stratégies de deux façons. Tout d'abord, ils permettent à l'ergothérapeute d'identifier le script mental correspondant le mieux à la situation et, conséquemment, le plan d'enseignement à privilégier. En cas d'échec et selon son degré d'ouverture à la situation (facteur intrinsèque), les facteurs extrinsèques amènent ensuite l'ergothérapeute à modifier le plan choisi. Conclusion: Cette étude offre une compréhension approfondie du RC qui détermine les stratégies d'enseignement utilisées par les ergothérapeutes en milieu communautaire lors d'interventions relatives aux transferts auprès de clients âgés. Les résultats permettront d'optimiser la formation des étudiants en ergothérapie et des ergothérapeutes. Ainsi, l'efficacité des interventions visant à promouvoir la sécurité et l'autonomie des personnes âgées à domicile sera améliorée.

La capacité de reconnaître les intentions des autres est une composante essentielle non seulement de l'intelligence humaine mais aussi de l'intelligence artificielle dans plusieurs domaines d'application. Pour les algorithmes d'intelligence artificielle, reconnaître l'intention d'un agent à partir d'une observation partielle de ses actions demeure un défi de taille. Par exemple dans les jeux de stratégie en temps réel, on aimerait reconnaître les intentions de son adversaire afin de mieux contrer ses actions futures. En domotique, on voudrait une maison capable de comprendre et d'anticiper les intentions de ses habitants pour maximiser leur confort et les assister dans leurs activités quotidiennes. Dans le domaine de la sécurité informatique, un outil de détection des intrus doit pouvoir observer les actions des usagers du réseau et déceler ceux qui ont des intentions malveillantes. Ce mémoire de maîtrise propose d'aborder ce problème sous observabilité partielle par adaptation des méthodes utilisées dans l'analyse grammaticale probabiliste. L'approche probabiliste considérée utilise une grammaire hors contexte de multi-ensemble partiellement ordonnée et considère la poursuite de plusieurs buts simultanément, ordonnés ou non. Cela revient donc à faire de l'analyse grammaticale probabiliste avec plusieurs symboles de départ.

Le vieillissement de la personne implique généralement un déclin des fonctions cognitives et physiques pouvant apporter des risques dans la vie de tous les jours. Les personnes âgées tendent à vouloir rester vivre chez elles le plus longtemps possible, afin de conserver un sentiment d’indépendance. Cependant, cette volonté peut nécessiter des aménagements au domicile de la personne, afin d’assurer sa sécurité et rassurer son entourage. Cette sécurité passe notamment par la cuisine, qui est un lieu à haut risque. Un incendie peut facilement se déclarer si la personne âgée n’est pas assez attentive à ce qu’elle cuisine, tout comme la personne peut se brûler ou être intoxiquée par les émanations de fumées. Pour pallier à cette problématique de l’utilisation de la cuisinière par une personne âgée, nous proposons Inovus, un système permettant la prévention des risques majeurs liés à l’utilisation de la cuisinière, ainsi que des méthodes d’interventions pour avertir et protéger la personne de ces risques. Inovus regroupe un ensemble de capteurs surveillant des paramètres critiques liés à l’utilisation d’une cuisinière, dans le but de prévenir efficacement les trois risques majeurs identifiés, à savoir les incendies, les brûlures et les intoxications. Pour ces trois risques, un niveau de dangerosité est défini grâce à un module de raisonnement et un ensemble de règles linguistiques. En se basant sur ces niveaux de risque, Inovus va déterminer quelles sont les interventions à effectuer auprès de la personne pour l’avertir des risques et la protéger le plus efficacement possible. Ces interventions sont déterminées grâce à module de raisonnement qui évalue le niveau de risque auquel la personne est confrontée et décide des interventions les plus appropriées. Les interventions développées sont sensibles au contexte et à l’activité de la personne. En fonction de la position de la personne dans son domicile et du niveau de risque déterminé, les interventions s’effectueront au niveau de la cuisinière ou bien dans le reste du domicile. Plusieurs méthodes d’interventions sont proposées afin de s’assurer que la personne soit efficacement avertie des risques. Des interventions d’ordre lumineuses et sonores servent principalement à avertir la personne des risques. De plus des interventions sur les appareils intelligents de la personne sont également proposées afin de l’informer de la situation.

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