Le concept de “Business Rule Management System” (BRMS) a été introduit pour faciliter la création, la vérification, le déploiement et l'exécution des politiques commerciales propres à chaque compagnie. Basée sur une approche symbolique, l'idée générale est de permettre aux utilisateurs métier de gérer les changements des règles métier dans le système sans avoir besoin de recourir à des compétences techniques. Il s'agit donc de fournir à ces derniers la possibilité de formuler des politiques commerciales et d'automatiser leur traitement tout en restant proche du langage naturel. De nos jours, avec l'expansion de ce type de systèmes, il faut faire face à des logiques de décision de plus en plus complexes et à de larges volumes de données. Il n'est pas toujours facile d'identifier les causes conduisant à une décision. On constate ainsi un besoin grandissant de justifier et d'optimiser les décisions dans de courts délais qui induit l'intégration à ses systèmes d'une composante d'explication évoluée. Le principal enjeu de ces recherches est de fournir une approche industrialisable de l'explication des processus de décision d'un BRMS et plus largement d'un système à base de règles. Cette approche devra être en mesure d'apporter les informations nécessaires à la compréhension générale de la décision, de faire office de justification auprès d'entités internes et externes ainsi que de permettre l'amélioration des moteurs de règles existants. La réflexion se portera tant sur la génération des explications en elles-mêmes que sur la manière et la forme sous lesquelles elles seront délivrées. / The concept of “Business Rule Management System” (BRMS) has been introduced in order to facilitate the design, the management and the execution of company-specific business policies. Based on a symbolic approach, the main idea behind these tools is to enable the business users to manage the business rule changes in the system without requiring programming skills. It is therefore a question of providing them with tools that enable to formulate their business policies in a near natural language form and automate their processing. Nowadays, with the expansion of intelligent systems, we have to cope with more and more complex decision logic and large volumes of data. It is not straightforward to identify the causes leading to a decision. There is a growing need to justify and optimize automated decisions in a short time frame, which motivates the integration of advanced explanatory component into its systems. Thus, the main challenge of this research is to provide an industrializable approach for explaining the decision-making processes of business rules applications and more broadly rule-based systems. This approach should be able to provide the necessary information for enabling a general understanding of the decision, to serve as a justification for internal and external entities as well as to enable the improvement of existing rule engines. To this end, the focus will be on the generation of the explanations in themselves as well as on the manner and the form in which they will be delivered.

No description available.

University of Macau / Faculty of Arts and Humanities. / Department of Chinese Language and Literature

Ce travail concerne principalement la notion de modularité hiérarchique et son utilisation pour expliquer la structure et le comportement dynamique des systèmes complexes au moyen de modèles modulaires hiérarchiques, ainsi qu'un concept de ma proposition, l’antimodularité, relié à la possibilité de la détection algorithmique de la modularité hiérarchique. Plus précisément, je mets en évidence la portée pragmatique de la modularité hiérarchique sur la possibilité de l’explication scientifique des systèmes complexes, c’est-à-dire, systèmes qui, selon une description de base choisie par l’observateur, peuvent être considérés comme composés de parties élémentaires discrètes interdépendantes. Je souligne que la modularité hiérarchique est essentielle même au cours de l’expérimentation visée à découvrir la structure de ces systèmes. Mais la détection algorithmique de la modularité hiérarchique se révèle être une tâche affectée par la démontrée intraitabilité computationnelle de la recherche de la meilleure description modulaire hiérarchique, et par l’excessive cherté computationnelle même des méthodes de détection approximatives de la modularité. L’antimodularité consiste en le manque d’une description modulaire appropriée aux exigences de l’observateur, manque dû ou à l’absence de modularité dans la description basique choisie du système, ou à l’impossibilité de produire algorithmiquement une description hiérarchique valide, en raison des dimensions excessives du système à évaluer en relation à la cherté computationnelle des méthodes algorithmiques. Je souligne, de plus, que la modularité et l’antimodularité dépendent du choix pragmatique d’une spécifique description de base du système, choix fait par l’observateur sur la base de ses objectifs explicatifs. Je montre comment l’antimodularité entrave la possibilité d’appliquer au moins trois types bien connus d’explication: mécanique, déductive-nomologique et computationnelle. Un quatrième type, l’explication topologique, reste par contre indemne. Ensuite j’évalue la présence de modularité dans les systèmes biologiques, avec ses possibles conséquences, et l’éventualité d’encourir dans l’antimodularité en biologie et en autres sciences: éventualité assez probable, au moins dans la biologie des systèmes. Je me permet enfin quelques spéculations métaphysiques et historiques plutôt libres. D’un point de vue métaphysique, l’antimodularité semble suggérer une position possible, selon laquelle les espèces naturelles sont modules qui ont été détectés et, en raison de l’intraitabilité computationnelle de la détection de la meilleure description modulaire hiérarchique, il est improbable qu’ils constituent la meilleure façon possible de décrire le monde, parce que la modularité des espèces naturelles assez probablement ne reflète pas la meilleure modularité possible du monde. D’un point de vue historique, l’utilisation croissante des méthodes computationnels pour la détection de la modularité ou pour la simulation de systèmes complexes, en particulier dans certains domaines de la recherche scientifique, suggère la possibilité d’imaginer une multiplicité de disciplines scientifiques émergentes, guidées par une production croissante et auto-alimentante d’explications potentiellement inintelligibles pour les capacités cognitives humaines. Cela, à mon avis, constituerait un changement historique dans la science, qui, s’il n’a pas déjà eu lieu, pourrait bien être sur le point de se produire. / This work is mainly concerned with the notion of hierarchical modularity and its use in explaining structure and dynamical behavior of complex systems by means of hierarchical modular models, as well as with a concept of my proposal, antimodularity, tied to the possibility of the algorithmic detection of hierarchical modularity. Specifically, I highlight the pragmatic bearing of hierarchical modularity on the possibility of scientific explanation of complex systems, that is, systems which, according to a chosen basic description, can be considered as composed of elementary, discrete, interrelated parts. I stress that hierarchical modularity is also required by the experimentation aimed to discover the structure of such systems. Algorithmic detection of hierarchical modularity turns out to be a task plagued by the demonstrated computational intractability of the search for the best hierarchical modular description, and by the high computational expensiveness of even approximated detection methods. Antimodularity consists in the lack of a modular description fitting the needs of the observer, a lack due either to absence of modularity in the system’s chosen basic description, or to the impossibility, due to the excessive size of the system under assessment in relation to the computational cost of algorithmic methods, to algorithmically produce a valid hierarchical description. I stress that modularity and antimodularity depend on the pragmatic choice of a given basic description of the system, a choice made by the observer based on explanatory goals. I show how antimodularity hinders the possibility of applying at least three well-known types of explanation: mechanistic, deductive-nomological and computational. A fourth type, topological explanation, remains unaffected. I then assess the presence of modularity in biological systems, and evaluate the possible consequences, and the likelihood, of incurring in antimodularity in biology and other sciences, concluding that this eventuality is quite likely, at least in systems biology. I finally indulge in some metaphysical and historical speculations: metaphysically, antimodularity seems to suggest a possible position according to which natural kinds are detected modules, and as such, due to the computational hardness of the detection of the best hierarchical modular description, they are unlikely to be the best possible way to describe the world, because the modularity of natural kinds quite probably does not reflect the best possible modularity of the world. From an historical point of view, the growing use of computational methods for modularity detection or simulation of complex systems, especially in certain areas of scientific research, hints at the envisioning of a multiplicity of emerging scientific disciplines guided by a self- sustained, growing production of possibly human-unintelligible explanations. This, I suggest, would constitute an historical change in science, which, if has not already occurred, could well be on the verge of happening. / Questo lavoro riguarda principalmente il concetto di modularità gerarchica e il suo impiego nello spiegare la struttura e il comportamento dinamico di sistemi complessi mediante modelli modulari gerarchici, nonché un concetto di mia proposta, l’antimodularità, legato alla possibilità del rilevamento algoritmico di modularità gerarchica. Nello specifico, evidenzio la portata pragmatica della modularità gerarchica sulla possibilità di spiegazione scientifica dei sistemi complessi, cioè sistemi che, secondo una descrizione di base scelta dall’osservatore, possono essere considerati come composti da parti elementari discrete interrelate. Sottolineo che la modularità gerarchica è essenziale anche nel corso della sperimentazione volta a scoprire la struttura di tali sistemi. Il rilevamento algoritmico della modularità gerarchica si rivela essere un compito affetto dalla dimostrata intrattabilità computazionale della ricerca della migliore descrizione modulare gerarchica, e affetto dal comunque elevato costo computazionale anche dei metodi di rilevamento approssimati della modularità. L’antimodularità consiste nella mancanza di una descrizione modulare adatta alle esigenze dell’osservatore, mancanza dovuta o all’assenza di modularità nella descrizione di base del sistema scelta dall’osservatore, o all’impossibilità di produrre algoritmicamente una sua descrizione gerarchica valida, per le dimensioni eccessive del sistema da valutare in rapporto al costo computazionale dei metodi algoritmici. Sottolineo che modularità e antimodularità dipendono dalla scelta pragmatica di una certa descrizione di base del sistema, scelta fatta dall’osservatore sulla base di obiettivi esplicativi. Mostro poi come l’antimodularità ostacoli la possibilità di applicare almeno tre tipi noti di spiegazione: meccanicistica, deduttivo- nomologica e computazionale. Un quarto tipo di spiegazione, la spiegazione topologica, rimane sostanzialmente immune dalle conseguenze dell’antimodularità. Valuto quindi la presenza di modularità nei sistemi biologici, e le sue possibili conseguenze, nonché l’eventualità di incorrere nell’antimodularità in biologia e in altre scienze, concludendo che questa eventualità è abbastanza probabile, almeno in biologia dei sistemi. Infine, mi permetto alcune speculazioni metafisiche e storiche piuttosto libere. Dal punto di vista metafisico, l’antimodularità sembra suggerire una posizione possibile secondo cui i generi naturali sono moduli che sono stati rilevati, e in quanto tali, a causa dell’intrattabilità computazionale del rilevamento della migliore descrizione modulare gerarchica, è improbabile che essi siano il miglior modo possibile per descrivere il mondo, perché la modularità dei generi naturali molto probabilmente non rispecchia la migliore modularità possibile del mondo. Da un punto di vista storico, il crescente utilizzo di metodi computazionali per il rilevamento della modularità o per la simulazione di sistemi complessi, in particolare in alcuni settori della ricerca scientifica, suggerisce la possibilità di immaginare una molteplicità di discipline scientifiche emergenti, guidate dalla produzione di spiegazioni potenzialmente inintelligibili dal punto di vista cognitivo umano, produzione che potrebbe iniziare ad autoalimentarsi, portando potenzialmente ad una crescita inarrestabile. Suggerisco che questo scenario cos- tituirebbe un cambiamento epocale nel campo della scienza, che, se non è già avvenuto, potrebbe benissimo essere sul punto di realizzarsi.

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal.

Thèse effectuée en cotutelle avec l’Université de Montréal et l’Université Paris 1 Panthéon-Sorbonne (IHPST) / L’entropie est généralement considérée comme une propriété émergente, tandis que l’émergence de certaines structures organisées serait le résultat d’une dissipation d’entropie. Ainsi, l’émergence est parfois présentée comme ce qui expliquerait l’entropie alors que l’entropie expliquerait l’émergence. Tels quels, ces deux énoncés ne peuvent être tous deux vrais. Face à la polysémie déconcertante des concepts d’émergence, d’entropie et d’explication, je soutiens que cet apparent paradoxe peut être résolu formellement ainsi : l’émergence (en un sens A) explique (en un sens B) l’entropie (en un sens C) et l’entropie (en un sens D) explique (en un sens E) l’émergence (en un sens F). La solution revient donc à préciser A, B, C, D, E, et F. Pour ce faire, je propose un modèle pluraliste (restreint) de l’explication et un examen critique du concept d’entropie. Dans le cas de l’entropie comme explanandum de l’émergence (A, B et C), ce qui émerge est l’irréversibilité comme propriété essentielle de l’entropie thermodynamique, mais l’émergence ne peut être synonyme de non-explicabilité. Je montre alors trois possibilités où l’émergence peut expliquer l’entropie thermodynamique : selon (i) un sens fort, comme une modalité ontologique, (ii) selon un sens intermédiaire d’après ce que j’appelle l’émergence méthodologique (où il y a possibilité d’explication réductive sans réduction dérivationnelle), et (iii) selon un sens faible, comme sa désignation comme membre d’une classe d’émergents. Dans le cas de l’entropie comme explanans de l’émergence (D, E, et F), il faut distinguer l’approche substantielle de l’approche analogique. Dans le premier cas, l’entropie renvoie à une propriété macroscopique robuste et autonome pouvant être mobilisée au sein d’un explanans de l’émergence de nouvelles structures complexes. Dans le second cas, l’entropie exemplifie la réalisabilité multiple et peut être mobilisée, modulo une justification, au sein d’un explanans de l’émergence de propriétés à des niveaux supérieurs. En définitive, la polysémie de ces concepts peut être fructueuse au sein de ce cadre explicatif de phénomènes divers et complexes, de la physique à la biologie. / Entropy is generally considered as an emergent property, while the emergence of certain organized structures is supposed to be the result of entropy dissipation. Thus, emergence is sometimes seen as explaining entropy, whereas sometimes the explanation is the other way around, as entropy would explain emergence. As such both statements cannot be true. Faced with the daunting polysemy of these concepts of emergence, entropy and explanation, I argue that this apparent paradox can be formally solved as follows: the emergence (in a sense A) explains (in a sense B) entropy (in a sense, C) and entropy (in a sense D) explains (in a sense E) emergence (in a sense F). The solution is therefore to specify A, B, C, D, E, and F. To do this, I suggest a (restricted) pluralistic model of explanation and a critical examination of the concept of entropy. In the case of entropy as explanandum of emergence (A, B and C), what is emerging is irreversibility as an essential property of thermodynamic entropy, but it cannot be emergence of synonymous of non-explicability. I then show three possibilities that can explain the emergence of thermodynamic entropy: (i) in a strong sense, as an ontological modality, (ii) in an intermediate sense, from what I call ‘methodological emergence’ (where there is a possibility of reductive explanation but no derivational reduction), or (iii) in a weak sense, as its designation as a member of an emergence class. In the case of entropy as explanans of emergence (D, E, and F), one must distinguish the substantive approach from the analogical approach. In the first case, entropy refers to a robust and autonomous macroscopic property that can be mobilized in an explanans of the emergence of new complex structures. In the second case, the entropy exemplifies multiple realizability and can be mobilized, with a proper justification, within an explanans of the emergence of properties at higher levels. Ultimately, the polysemy of these concepts can be fruitful in this explanatory framework for various complex phenomena, from physics to biology.

Cette recherche porte sur la réalisation linguistique de l’explication en anglais contemporain. À la suite d’un travail définitoire de la notion sont identifiés deux types d’explication: la clarification et l’explication causale. L’étude adopte une approche énonciative tout en offrant des considérations d’ordre pragmatique. L’analyse linguistique se fonde sur un corpus de textes didactiques et examine plus particulièrement le rôle des connecteurs dans le discours explicatif. Enfin, ce travail vise également la formalisation de quelques relations discursives à l’œuvre dans l’explication et l’écriture de règles linguistiques en vue de la reconnaissance automatique de ces relations. / This study is concerned with the linguistic realisation of explanation in contemporary English. After a definitional work on the notion, two types of explanation are identified: clarifying explanation and causal explanation. The study adopts an utterer-centered approach while also considering pragmatic aspects. The linguistic analysis is based on a corpus of didactic texts and it focuses on the role played by connectives in explanatory discourse. Finally, the study also aims at formalising some discourse relations involved in explanations and designing linguistic rules in order to automatically identify the discourse relations at stake.

Cette thèse s'inscrit dans le cadre de l'Ingénierie des Interfaces Homme-Machine. Si elle traite du développement complet des systèmes interactifs, elle cible, de façon privilégiée, l'évaluation de l'interaction homme-machine. En matière de systèmes critiques, l'évaluation requiert en effet désormais des outils permettant de compenser les pressions industrielles croissantes en termes de coûts et de délais. Aujourd'hui, aucun outil commercialisé ne répond, de façon satisfaisante, à ces nouvelles exigences. Si le monde académique se mobilise, les propositions restent hélas de nature exclusivement proactive ou réactive : tandis qu'un outil proactif agit en phase de construction d'interfaces à des fins de qualité et d'efficacité, un outil réactif relève résolument de l'évaluation de l'utilisabilité. Cette thèse propose CatchIt, un environnement de développement, brisant ce paysage dichotomique par une polyvalence proactive et réactive. CatchIt fonde sa complémentarité sur la capitalisation de descriptions métier. Ces descriptions consignent, pour un domaine applicatif donné, les connaissances métier mûries par l'expérience. CatchIt offre une structure d'accueil permettant de modéliser et pérenniser ces descriptions. Il leur reconnaît un statut normatif sur lequel il fonde ses prestations proactive et réactive. Sa proactivité relève du caractère prescriptif et réutilisable de ces descriptions. Il l'assortit d'un calcul de taux de code réutilisé. Sa réactivité consiste en une détection automatique des déviations entre l'application testée et sa norme métier. Cette confrontation requiert une connexion manuelle entre l'application et les concepts, tâches et stratégies opérateur de cette référence métier. CatchIt propose alors deux évaluations : une version prédictive mesure, dans l'application, les couverture et correction de la modélidation métier, l'observabilité, la multiplicité de la représentation et la curabilité. Une version expérimentale évalue l'utilisabilité de l'interface proposée, ceci par comparaison des comportements opérateur prévu et effectif. CatchIt procède, pour ce faire, à une instrumentation automatique et transparente du code applicatif : sur la base des liens sémantiques tissés entre l'application et sa norme métier, CatchIt identifie dans l'application les méthodes déterminant le contexte d'interaction. Il y insère des instructions espion propageant, vers le modèle normatif, les événements applicatifs ainsi capturés. L'instanciation de ce modèle définit le contexte d'interaction. CatchIt contrôle, dans ce contexte, les correction, complétude et concision de comportements d'opérateurs experts du domaine considéré.

La recherche en didactique des mathématiques que nous présentons a pour objet les interventions de l'enseignant dans l'activité mathématique de l'élève. Le cadre théorique est celui de la théorie des situations didactiques. Nous commençons par proposer une élaboration théorique qui permet de rendre compte de certaines interventions de l'enseignant. D'une part, nous faisons appel au concept d'étayage pour caractériser les interventions de l'enseignant dans la relation élève-milieu qui ne dénaturent pas la signification de l'activité pour l'élève. Nous montrons comment l'étayage s'insère dans une négociation du sens mathématique de l'interaction élève-milieu, négociation pouvant déboucher sur l'effet Topaze. D'autre part, nous caractérisons l'action de l'enseignant sur la compréhension de l'élève, par un processus explicatif co-construit dans l'interaction entre l'enseignant et l'élève. Nous proposons alors d'analyser ces deux processus dans une situation d'interaction enseignant-élève originale : le préceptorat, c'est-à-dire l'interaction didactique qui a lieu entre un enseignant et un unique élève. Nous avons mis en place un dispositif expérimental afin d'observer des interactions de préceptorat et de faire fonctionner nos outils d'analyse. Nos expérimentations ont été réalisées dans le cadre du projet TéléCabri qui a pour objet l'étude des usages et la spécification d'un environnement informatique d'enseignement à distance intégrant téléprésence et partage de l'espace d'apprentissage, notamment le micromonde Cabri-géomètre. L'analyse didactique des interactions de préceptorat passe par l'étude du rôle joué par ler micromonde Cabri-géomètre, composante du milieu pour l'apprentissage. Les résultats obtenus concernent : la pratique habituelle des enseignants qui transparaît dans les interactions de préceptorat, en particulier leur gestion de l'espace de travail Cabri-géomètre, l'étayage et l'effet Topaze ainsi que la caractérisation didactique du processus explicatif.

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal