Hmong high school students struggle in science courses and have difficulty using technology, leaving them behind other ethnic groups in science performance. There is lack of research regarding Hmong students' struggle in technology-focused science courses, especially regarding the experiences of Hmong students with using science technology and teachers' experiences with these students. This single case study was designed to explore how technology innovations in high school biology courses impact science learning for Hmong students based on Gu, Zhu, and Guo's technology acceptance model. Both Hmong student and science teacher interviews as well as reflective journal data were collected to better understand students' opinions regarding usefulness and ease-of-use of technology in high school biology courses. Course document data were collected to determine technology integrations in lessons. Participants selected from a public high school in the Midwestern region of the United States included 8 Hmong students and 2 teachers. Data were analyzed within unit analysis and line-by-line coding to construct codes, then through cross unit analysis to develop themes. Results indicate that technologies have a positive impact on Hmong student science learning and aligned to the technology acceptance model. Key findings included positive use of technology, usefulness of technology and ease of use, and evidence of technology integration. The results can be used by teachers to improve support to minority students who learn biology using educational and scientific technology. The use of technology contributes to positive social change to advance Hmong students' acceptance of technology and biology learning, as well as the advancement of education to support all learners.

This thesis reports a qualitative study of the use of multimodal technologies in museums— specifically, it examines the relationship between visitor engagement and learning, focusing on the use of multimodal technologies during school trips. The study was conducted in the Natural History Museum and the Churchill Museum, both in London, with participants from several secondary schools. These sites were chosen due to their concern for the added value of learning and public engagement, including their education-orientated investments in technology, museum activities, and architecture. In the course of data collection, visits were made to six schools and both museum sites; the participants included 117 students, 18 teachers, three museum educators, and eight museum curators and media designers. The study used a combination of video data analysis, stimulated recall interviews, document analysis, and engaging students in talk and reflection about their visit both at the museum and afterwards. The qualitative approach and multimodal analysis identify how the students’ social interactions help them construct learning through decontextualised bodily movements, which trigger contextualised discussion. The study demonstrates how multimodal analysis can be used in research to capture a wide scope of information, while maintaining a micro-level of analysis and understanding—here, capturing the detail of students’ interactions and perceptions. The findings suggest that the learning experience in museums is produced through multiple layers of interaction and through the exchange of physical and psychological behaviour among people, resources, and space. Here, the multimodal technologies with which the students engaged essentially acted as initial platforms for sensory stimuli and social interaction, supporting their peer communication and motivating them to further explore both the given topic and their own understanding of their learning methods. It was the students’ further conversation, observation, and participation, however, that created a more meaningful and entertaining learning experience in the museums.

Ce manuscrit cherche à concevoir un modèle de comportement pour le contrôle de personnages crédibles dans les jeux vidéo. Nous définissons un personnage crédible comme un programme informatique capable de contrôler une représentation virtuelle de façon à ce que des observateurs dans l'environnement virtuel pensent que la représentation est contrôlée par un humain. Nous établissons 10 critères plus précis pour établir notre thèse. Pour répondre à ces 10 critères nous avons étudié des modèles développés à la fois dans le domaine académique et de l'industrie. L'évolution étant un des critères, nous avons aussi étudié les algorithmes d'apprentissages existants, notamment ceux basés sur l'imitation étant le mieux adaptés à la crédibilité. De ces études nous avons conclu que le modèle de Le Hy était une excellente base pour de futurs développements. Nous utilisons l'approche de Le Hy mais nous avons effectué des choix différents en vue d'une meilleur crédibilité. Nous proposons un raffinement sémantique et un mécanisme d'attention pour réduire le nombre de paramètres dans le modèle et améliorer le comportement. Un algorithme est ajouté pour permettre au personnage de s'orienter dans l'environnement et un l'algorithme d'apprentissage des paramètres du modèles a été repensé. Ces propositions permettent au modèle d'apprendre rapidement des associations stimuli-actions qui ressemblent à des comportement humains. Cependant de mauvaise associations sont aussi faites rendant le comportement non crédible. Selon nos mesures, notre modèle donne de meilleurs résultats en terme de crédibilité que le modèle de Le Hy, mais des améliorations restent encore à faire pour atteindre notre objectif.

Cette thèse porte sur le développement d'une méthode non-paramétrique pour l'apprentissage supervisé de règles d'ordonnancement à partir de données étiquetées de façon binaire. Cette méthode repose sur le partitionnement récursif de l'espace des observations et généralise la notion d'arbre de décision au problème de l'ordonnancement, les règles de score produites pouvant être représentées graphiquement par des arbres binaires et orientés. Afin de proposer une méthode d'apprentissage flexible, nous introduisons une procédure permettant, à chaque itération de l'algorithme, de scinder l'espace des observations selon diverses règles, adaptatives et complexes, choisies en fonction du problème considéré. De plus, pour lutter contre le phénomène de sur-apprentissage, nous proposons deux procédures de sélection de modèle, fondées sur la maximisation de l'ASC empirique pénalisée par une mesure de la complexité du modèle. Enfin, dans le but de réduire l'instabilité des arbres d'ordonnancement, inhérente à leur mode de construction, nous adaptons deux procédures d'agrégation de règles de prédiction ré-échantillonnées : le bagging (Breiman, 1996) et les forêts aléatoires (Random Forests, Breiman, 2001). Une étude empirique comparative entre différentes configurations de l'algorithme et quelques méthodes de l'état de l'art est présentée, ainsi que l'application à la problématique industrielle de l'objectivation des prestations d'un véhicule automobile. De plus, nous exploitons cette méthode de scoring pour introduire une heuristique de test d'homogénéité entre deux populations, permettant de généraliser les tests de rangs au cas multi-dimensionnel.

Le travail présenté dans ce document correspond à huit années de recherche sur la problématique de l'interaction entre protéines. J'ai abordé le problème de la prédiction des interactions entre protéines sous l'angle de l'apprentissage supervisé. Je me suis donc intéressé à l'apprentissage de modèles prédictifs aux interactions entre protéines. J'ai étudié deux types d'interactions différentes : - l'interaction protéine-protéine au sens réseau d'interactions ; - l'interaction physique entre protéines consistant à prédire quels résidus se trouvent effectivement en interaction (amarrage protéine-protéine). Le document est structuré de la manière suivante : après avoir présenté la problématique de l'apprentissage supervisé et non-supervisé dans le premier chapitre, un second chapitre est consacré à la prédiction d'interaction protéine-protéine. Les résultats obtenus sur l'amarrage protéine-protéine est présenté dans le troisième chapitre et enfin, un dernier chapitre est consacré aux perspectives associées à ces travaux.

Cette thèse porte sur la capitalisation de connaissances en environnement virtuel informe (EVI) pour la formation à la maintenance industrielle. Un EVI est un environnement virtuel dote de modèles à base de connaissances dans lequel il est possible à la fois d'interagir et de permettre des comportements par interprétation de représentations dynamiques ou statiques. Cependant, aucun système ne propose aujourd'hui de capitaliser les gestes en environnement virtuel. À la suite de la création et de l'étude d'une formation À la production de pneumatique par la réalité virtuelle, nous avons engage un travail sur la capitalisation de connaissance in virtuo. Notre approche est de considérer le geste technique, chorégraphique ou de communication comme une connaissance à part entière. Cette connaissance empirique est habituellement associée au mouvement du corps, d'ou la notion de cognition incarnée. Nous proposons un modèle d'annotation gestuelle permettant une capitalisation du geste, sous la forme d'une extension des annotations 3D. Un prototype base sur ce modèle a été développé (Ptolémée), et permet la capitalisation et le partage de connaissances pour la maintenance industrielle. Les perspectives principales de nos travaux sont l'interaction naturelle, le paramétrage des annotations pour leur ré-exploitation et enfin l'assistance dynamique a l'apprentissage en EVI.

Cette thèse s'intéresse au rôle de l'interface dans l'interaction humain-robot pour l'apprentissage. Elle étudie comment une interface bien conçue peut aider les utili- sateurs non-experts à guider l'apprentissage social d'un robot, notamment en faci- litant les situations d'attention partagée. Nous étudierons comment l'interface peut rendre l'interaction plus robuste, plus intuitive, mais aussi peut pousser les humains à fournir les bons exemples d'apprentissage qui amélioreront les performances de l'ensemble du système. Nous examinerons cette question dans le cadre de la robo- tique personnelle où l'apprentissage social peut jouer un rôle clé dans la découverte et l'adaptation d'un robot à son environnement immédiat. Nous avons choisi d'étudier le rôle de l'interface sur une instance particulière d'apprentissage social : l'appren- tissage conjoint d'objets visuels et de mots nouveaux par un robot en interaction avec un humain non-expert. Ce défi représente en effet un levier important du dé- veloppement de la robotique personnelle, l'acquisition du langage chez les robots et la communication entre un humain et un robot. Nous avons particulièrement étudié les défis d'interaction tels que le pointage et l'attention partagée. Nous présenterons au chapitre 1 une description de notre contexte applicatif : la robotique personnelle. Nous décrirons ensuite au chapitre 2 les problématiques liées au développement de robots sociaux et aux interactions avec l'homme. Enfin, au cha- pitre 3 nous présenterons la question de l'interface dans l'acquisition des premiers mots du langage chez les robots. La démarche centrée utilisateur suivie tout au long du travail de cette thèse sera décrite au chapitre 4. Dans les chapitres suivants, nous présenterons les différentes contributions de cette thèse. Au chapitre 5, nous mon- trerons comment des interfaces basées sur des objets médiateurs peuvent permettre de guider un robot dans un environnement du quotidien encombré. Au chapitre 6, nous présenterons un système complet basé sur des interfaces humain-robot, des algorithmes de perception visuelle et des mécanismes d'apprentissage, afin d'étudier l'impact des interfaces sur la qualité des exemples d'apprentissage d'objets visuels collectés. Une évaluation à grande échelle de ces interfaces, conçue sous forme de jeu robotique afin de reproduire des conditions réalistes d'utilisation hors-laboratoire, sera décrite au chapitre 7. Au chapitre 8, nous présenterons une extension de ce système permettant la collecte semi-automatique d'exemples d'apprentissage d'ob- jets visuels. Nous étudierons ensuite la question de l'acquisition conjointe de mots vocaux nouveaux associés aux objets visuels dans le chapitre 9. Nous montrerons comment l'interface peut permettre d'améliorer les performances du système de re- connaissance vocale, et de faire directement catégoriser les exemples d'apprentissage à l'utilisateur à travers des interactions simples et transparentes. Enfin, les limites et extensions possibles de ces contributions seront présentées au chapitre 10.

Cette thèse traite de la problématique de l'unification de différents flux d'informations modales qui peuvent provenir des senseurs d'un agent. Cette unification, inspirée des expériences psychologiques comme l'effet ventriloque, s'appuie sur la détection de corrélations, définies comme des motifs spatiaux qui apparaissent régulièrement dans les flux d'entrée. L'apprentissage de l'espace des corrélations du flux d'entrée échantillonne cet espace et généralise les échantillons appris. Cette thèse propose des principes fonctionnels pour le traitement multimodal de l'information qui ont aboutit à l'architecture connexionniste, générique, modulaire et cortico-inspirée SOMMA (Self-Organizing Maps for Multimodal Association). Dans ce modèle, le traitement de chaque modalité s'effectue au sein d'une carte corticale. L'unification multimodale de l'information est obtenue par la mise en relation réciproque de ces cartes. L'échantillonnage et la généralisation des corrélations reposent sur une auto-organisation contrainte des cartes. Ce modèle est caractérisé par un apprentissage progressif de ces propriétés fonctionnelles: les propriétés monomodales amorcent l'émergence des propriétés multimodales et, dans le même temps, l'apprentissage de certaines corrélations par chaque carte est un préalable à l'auto-organisation de ces cartes. Par ailleurs, l'utilisation d'une architecture connexionniste et d'un apprentissage continu et non supervisé fournit au modèle des propriétés de robustesse et d'adaptabilité qui sont généralement absentes des approches informatiques classiques.

Sur plusieurs problèmes il est difficile d'avoir un seul algorithme qui résout optimalement (en temps d'exécution) toutes ses instances. Ce constat motive l'élaboration des approches permettant de combiner plusieurs algorithmes résolvant le même problème. Les approches permettant la combinaison d'algorithmes peuvent être mise en oeuvre au niveau système (en construisant des bibliothèques, des langages et composants adaptatifs etc.) ou au niveau purement algorithmique. Ce travail se focalise sur les approches génériques de combinaison d'algorithmes au niveau algorithmique avec en particulier l'approche du portfolio d'algorithmes. Un portfolio d'algorithmes définit une exécution concurrente de plusieurs algorithmes résolvant un même problème. Dans une telle exécution, les algorithmes sont entrelacées dans le temps et/ou l'espace. Sur une instance à résoudre, l'exécution est interrompue dès qu'un des algorithmes trouve une solution. Nous proposons dans cette thèse une classification des techniques de combinaison d'algorithmes. Dans celle ci nous précisons pour chaque technique le contexte le plus adapté pour son utilisation. Nous proposons ensuite deux techniques de construction des portfolio d'algorithmes. La première technique est basée sur une adaptation de la méthode des plus proches voisins en apprentissage automatique pour la combinaison des algorithmes. Cette technique est adaptative car elle essaie sur chaque instance de trouver un sous ensemble d'algorithmes adaptés pour sa résolution. Nous l'appliquons dans la combinaison des algorithmes itératifs pour la résolution des systèmes linéaires et nous montrons sur un jeu d'environ mille matrices creuses qu'elle permet de réduire le nombre d'itérations et le temps nécéssaire dans la résolution. En outre, sur certains jeux d'expérimentations, ces résultats montrent que la technique proposée peut dans la plupart des cas trouver l'algorithme le plus adapté à sa résolution. La seconde technique est basée sur le problème de partage de ressources que nous formulons. Etant donnés, un problème cible, un jeu de données le représentant, un ensemble d'algorithmes candidats le résolvant et le comportement en temps d'exécution du jeu de données sur les algorithmes candidats, le problème de partage de ressources a pour objectif de trouver la meilleure répartition statique des ressources aux algorithmes candidats de sorte à minimiser en moyenne le temps de résolution du jeu de données cibles. Ce problème vise à trouver une solution en moyenne plus robuste que chacun des algorithmes candidats pris séparémment. Nous montrons que ce problème est NP-complet et proposons deux familles d'algorithmes approchés et exacts pour le résoudre. Nous validons les solutions proposées en prenant des données issues d'une base de données pour SAT. Les résultats obtenus montrent que les solutions proposées permettent effectivement de bénéficier de la complémentarité des algorithmes résolvant un même problème pour la construction des algorithmes robustes.

Nous proposons dans ce travail d'analyser le comportement des utilisateurs exploitant des données vidéo. Notre objectif est de contribuer à comprendre pourquoi et comment chacune des séquences vidéo est visionnée par les utilisateurs. Pour cela, nous présentons une approche qui combine usage intra-vidéo et usage inter-vidéo. Au niveau intra-vidéo, nous définissons le visionnage d'une vidéo comme unité de comportement. Au niveau inter-vidéo, nous introduisons la session (enchaînement des vidéos visionnées) comme unité de comportement. Un comportement intra-vidéo est modélisé par un modèle de Markov construit en utilisant les différentes actions réalisées lors des vision nages que nous regroupons à l'aide d'une nouvelle méthode de regroupement (K-models). Cette méthode est dérivée de la technique des K-moyennes adaptée à l'utilisation de modèles. Nous caractérisons ainsi plusieurs comportements type qui permettent d'estimer quelle fut l'utilité ou d'une séquence vidéo lors d'une session. Un comportement inter-vidéo est modélisé par une session. Cette session est une séquence ordonnée des vision nages des séquences vidéo. Pour regrouper ces sessions, nous proposons une technique de regroupement hiérarchique qui présente la particularité de traiter des classes représentées par plusieurs sous-séquences enrichies par les comportements intra-vidéo. Les résultats obtenus sur des ensembles de test permettent d'identifier les comportements observés et d'en tirer des suppositions sur la pertinence des vidéos. Nous proposons également un modèle d'intégration dans un moteur de recherche permettant de détecter les erreurs d'indexation et de proposer des recherches alternatives.