Ce mémoire s'inscrit dans le cadre du projet Astus qui vise au développement de systèmes tutoriels intelligents (STI). Il propose de concevoir un STI pour les infirmiers et infirmières en traumatologie à l'aide de la plateforme Astus. La tâche que doit enseigner le tuteur est la prise en charge d'un patient polytraumatisé. Cette tâche nécessite de définir le comportement d'un infirmier de façon procédurale qui puisse être modélisée grâce au modèle des connaissances de la plateforme Astus. De plus, le STI doit fournir aux étudiants une interface intuitive afin de leur éviter un effort supplémentaire pour l'apprentissage de l'utilisation du STI. Enfin la plateforme Astus doit subir des modifications afin d'être en mesure de modéliser un tel domaine. La problématique de ce mémoire réside donc dans la possibilité de concevoir un STI dans les domaines de formation des infirmières et infirmiers en traumatologie à l'aide des outils de la plateforme Astus. Le résultat de cette recherche est l'ébauche d'un premier système qui servira de base sur laquelle travailler pour produire le STI final désiré.

Mémoire (M.Sc.A)-- Université du Québec à Chicoutimi, 1992. / Résumé disponible sur Internet. CaQCU Bibliogr.: f. [134]-139. Document électronique également accessible en format PDF. CaQCU

Les systèmes tutoriels intelligents (STI) sont une des applications de l'intelligence artificielle (IA) en éducation. Ils visent à simuler les activités (tâches) des tuteurs humains et à s'adapter au contexte individuel de chaque apprenant en vue de l'accompagner vers l'acquisition des habiletés requises pour la résolution d'une ou de quelques classes de problèmes dans un domaine de compétences donné. Le modèle de tutorat des environnements d'apprentissage adaptatif résulte alors de la modélisation duale de champs de compétences spécifiés et de processus pédagogiques. Ainsi, le modèle de tutorat assure l'automatisation des interventions pédagogiques en se reposant sur le modèle du domaine et en tenant compte du contexte cognitif, voire du contexte métacognitif, social, ou affectif de l'apprenant. La complexité fonctionnelle de ces plateformes a généré deux approches conceptuelles divergentes priorisant chacune, de manière mutuellement exclusive, un seul des deux principaux paramètres à la base de la modélisation du tutorat informatique, à savoir, la densité des contenus d'apprentissage et la précision du suivi des acquis et du processus d'apprentissage. L'opérationnalisation de chacune de ces approches soulève de problèmes architecturaux conséquents se rapportant à la question de l'extensibilité du tutorat dans un STI. La divergence principielle de ces approches induit une certaine complémentarité que nous avons mise en exergue dans ces travaux. En guise de réponse à la question susmentionnée, nous proposons une approche hybride de conceptualisation du tutorat informatique, une démarche de modélisation et un ensemble d'abstractions permettant de rendre compatible les approches de tutorat par traçage des connaissances (TC) et par séquençage du curriculum (SC). L'extension d'un système d'IA est un processus complexe qui passe par la mise en collaboration de différents formalismes de représentation des connaissances et divers mécanismes d'inférence. Ainsi, notre démarche, qui vise à intégrer les logiques principielles de SC et de TC, s'appuie sur la compatibilité et la flexibilité existant entre le mécanisme de raisonnement à base de règles et le formalisme de représentation par objets au sein duquel les mécanismes natifs de propagation d'instances assurent le changement d'états du système et l'automatisation des processus métiers. D'un modèle ontologique de haut niveau d'abstraction à un modèle d'architecture physique, en passant par un vocabulaire de description des contenus et des contextes d'apprentissage et par un ensemble de modèles logiques et fonctionnels, notre contribution à la résolution des défauts de scalabilité des STI actuels intègre la définition et la conceptualisation du problème de l'extensibilité des modèles de tutorat assisté par ordinateur, la proposition d'une solution, l'élaboration et la mise en œuvre d'une démarche d'opérationnalisation et de validation de la solution proposée. / Intelligent tutoring systems (ITS) are one application of artificial intelligence in education. They aim to simulate the activities of "human tutors" and adapt to the context of each learner to help them acquire the skills required to solve problems in a given knowledge area. The tutoring model of an adaptive learning environment then results from the modelling of a specific knowledge domain and the modelling of pedagogical expertise. Thus, the tutoring model ensures the automation of pedagogical interventions by referring to the domain model and considering the cognitive context, and sometimes, the metacognitive, social or affective context of learners. From the functional complexity of these platforms have emerged two divergent conceptual approaches prioritising, each one, in a mutually exclusive way, only one of the two main parameters underlying the modelling of computer-aided tutoring: the size of the learning content and the precision of the monitoring of learner's skills and the learning process. Operationalising these paradigms raises enormous architectural issues including the question of scaling up tutoring in an ITS. The principled divergence of both paradigms induces some complementarity highlighted in this work, and, answering the above question, we propose a hybrid approach to the conceptualisation of automated tutoring, a modeling approach and a set of abstractions to make the knowledge tracing (KT) and curriculum sequencing (CS) approaches compatible. Scaling up an artificial intelligence system is a critical process that requires the collaboration of different knowledge representation formalisms and inference mechanisms. Our approach, which aims to integrate the conceptual logics of SC and KT, is based on the compatibility and flexibility between the rule-based reasoning mechanism and the object-based or frame-oriented representation formalism within which the native mechanisms of instance propagation ensure the system's state changes and the automation of business processes. From a high-level ontological model (based on a vocabulary for describing content and learning contexts) to a physical architecture model, passing by logical and functional models, our contribution to fixing this level 2 scalability defect includes, on the one hand, the definition of the problem of scaling up tutoring in an ITS and the proposal of a solution, and on the other hand, the conceptualisation, the operationalisation and the validation (via prototyping) of that solution.

Cost engineering is a domain taught to university students in all engineering disciplines. Its goal is to provide engineers with mathematical analysis tools useful to make economically accurate decisions. This discipline is complex and raises several learning difficulties among students, which brings the need for, in addition to human assistance, a computer-based instruction system. However, to efficiently fix difficulties and misunderstandings encountered by students, such a tutoring system must have strong pedagogical skills in addition to domain-related knowledge. Moreover, cost engineering is a domain that involves not only theoretical knowledge, but also problem-solving skills. Finally, there exist no tutoring systems yet in cost engineering. This thesis presents an intelligent tutoring system (ITS) in cost engineering. We analyse in detail the representation of all involved types of knowledge: domain knowledge, problem-solving knowledge, and tutoring knowledge. We also exhibit some interesting issues of our knowledge representation, in particular four generic operating modes of an ITS applied to a domain involving problem-solving skills. Finally, we show our design for implementing that system. / Le génie économique est une matière universitaire enseignée à tous les étudiants en génie. Il a pour but de donner aux ingénieurs des outils d’analyse mathématique nécessaires à la prise de décisions économiquement judicieuses. Cette discipline est complexe et pose plusieurs difficultés d’apprentissage chez les étudiants, ce qui amène, en plus d’une aide humaine, le besoin d’un système d’enseignement informatisé. Cependant, afin de régler efficacement les difficultés et les lacunes des étudiants, un tel système tutoriel doit posséder de bonnes connaissances pédagogiques en plus de l’expertise du domaine. De plus, le génie économique est un domaine qui implique non seulement des connaissances théoriques, mais également de la résolution de problèmes. Finalement, il n’existe pas encore de système tutoriel en génie économique. Ce mémoire présente un système tutoriel intelligent (STI) en génie économique. Nous analysons en détail la représentation des types de connaissance impliqués: connaissances du domaine, en résolution de problèmes et tutorielle. Nous montrons également quelques résultats intéressants de notre représentation de la connaissance, entre autres quatre modes génériques de fonctionnement d’un STI appliqué à un domaine impliquant de la résolution de problèmes. Enfin, nous exposons notre conception d’implantation de ce système. / Québec Université Laval, Bibliothèque 2019

Thèses (Ph.D.)--Université de Sherbrooke (Canada), 1998. / Titre de l'écran-titre (visionné le 20 juin 2006). Publié aussi en version papier.

Cette thèse propose un formalisme de représentation de connaissances adapté à l’enseignement explicite de connaissances stratégiques par système tutoriel intelligent (STI). Le formalisme est une proposition de solution au fait que dans le domaine des systèmes tutoriels intelligents multidisciplinaires, les efforts de modélisation croissent considérablement avec la complexité du domaine à enseigner. Le problème est particulièrement contraignant avec les domaines qui présentent des stratégies multiples de résolution de problèmes. Par ailleurs, le formalisme est aussi une réaction au constat que peu de systèmes tutoriels s’intéressent actuellement à l’enseignement explicite des stratégies, alors que plusieurs études en ont démontré les avantages. Le formalisme maintient le processus d’encodage du raisonnement stratégique à un niveau simple sans compromettre la fidélité de représentation, ce qui a été validé expérimentalement avec un groupe d’étudiants. Les mêmes expérimentations ont permis de confirmer l’efficacité du système tutoriel utilisant le formalisme dans plusieurs aspects : la résolution de problèmes avec explication et justification des étapes, l’interprétation des actions d’un apprenant d’un point de vue stratégique, et l’évaluation du degré de maîtrise d’une stratégie par un apprenant. L’architecture résultante, avec le module responsable du raisonnement stratégique activable à volonté, est particulièrement adaptée pour des études évaluant les impacts de l’enseignement explicite des stratégies et la réutilisation des connaissances stratégiques acquises d’un domaine à l’autre.

Thèses (M.Sc.)--Université de Sherbrooke (Canada), 2002. / Titre de l'écran-titre (visionné le 20 juin 2006). Publié aussi en version papier.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

La présente thèse décrit des travaux de recherches effectués sur des systèmes tutoriels intelligents (STI) et plus précisément sur les tuteurs par traçage de modèle (MTT). Les travaux de recherche présentés ici s’intéressent à la conception de MTT pour des domaines dans lesquels les étudiants peuvent résoudre la tâche qui leur est assignée de plusieurs façons. Ces domaines comportent parfois des algorithmes avec retour sur trace lorsque l’étudiant ne sait pas forcément quelles sont les alternatives qui feront progresser correctement l’état de la tâche.Cette thèse présente dans un premier temps un système de représentation de connaissances pour les algorithmes avec retour sur trace qui rend les connaissances de cet algorithme exploitables par des agents logiciels. Elle présente dans un second temps un ensemble de processus qui exploitent ces connaissances dans le cadre de MTT pour assurer automatiquement le suivi de l’étudiant et ainsi que la production d’interventions pédagogiques. En premier, ces interventions consistent à fournir à l'étudiant de l’aide pour la prochaine étape qui explique quelles sont les possibilités dont dispose l'étudiant et comment déterminer laquelle est la meilleure. En deuxième, elles fournissent à l'étudiant des rétroactions stratégiques qui lui confirment que son action est valide tout en l’informant de l’existence d’une meilleure alternative le cas échéant. Enfin, elles fournissent à l'étudiant des rétroactions négatives qui lui apprennent dans quelles situations les actions invalides qu’il vient d’effectuer s’appliquent.Une expérimentation a été réalisée avec des étudiants de biologie de l’Université de Sherbrooke pour évaluer les effets de ces interventions sur les choix des étudiants au cours de la résolution de la tâche. Les résultats de cette expérience montrent que les étudiants bénéficiant de ces interventions effectuent plus souvent des choix optimaux, et démontrent ainsi une plus grande maîtrise du domaine.

Thèse doctorat : Informatique : Villeurbanne, INSA : 2004. / Titre provenant de l'écran-titre. Bibliogr. p. 227-242.