Printable file - Informatique

Une approche cognitive et computationnelle pour
représenter la connaissance lors de l’apprentissage
au moyen des environnements virtuels
Mehdi Najjar 1 et André Mayers
Département d’Informatique
Université de Sherbrooke
Sherbrooke (Qc), Canada, J1K 2R1
{mehdi.najjar, andre.mayers}@usherbrooke.ca
- Rapport Technique No. 11 -
Résumé
Ce rapport présente un modèle pour représenter la connaissance du domaine et
celle des usagers apprenant au moyen des environnements virtuels d’apprentissage
(EVA). Le modèle s’inspire (1) des recherches en intelligence artificielle sur la
modélisation computationnelle pour la structuration et l’organisation de la
connaissance et (2) des théories de la psychologie cognitive qui expliquent
l’activité cognitive humaine en termes de sous-systèmes de la mémoire et de leurs
processus. Notre hypothèse est que ces sous-systèmes et ces processus (simulés
dans un EVA), parce qu’ils sont fortement similaires à ceux utilisés par
l’apprenant, facilitent, d’une part, l’identification de la connaissance acquise
correcte et erronée, et suggèrent, d’autre part, la planification d’une séquence
d’activités pédagogiques pour améliorer de manière significative le niveau cognitif
de cet apprenant.
Mots clés : Environnements virtuels d’apprentissage, Représentation des
connaissances, Modélisation cognitive, Modèle de l’apprenant, Mémoire humaine.
1 Auteur de correspondance : Tél.: [phone] x2876 ; Fax: [phone]

DI, Université de Sherbrooke Rapport Technique No. 11
Table des matières
Liste des figures ……………………………………………………………….… 3
1. Introduction ………………………………………………………………...… 4
2. La représentation de la connaissance ……………………………………….… 5
3. La représentation des connaissances sémantiques ………………………….… 7
4. La représentation des connaissances procédurales …………………………… 9
5. Le traitement explicite des buts ……………….…………………...............… 10
6. La représentation des connaissances épisodiques ……………………………. 12
7. Analyse, comparaison et discussion ………………………………………..… 15
7.1. Les connaissances sémantiques …………………………………..……… 15
7.2. Les connaissances procédurales …………………………………………. 16
7.3. Les connaissances épisodiques et les buts …………………………….... 19
8. Conclusion ……………………………………………….…………………… 27
Annexe ………………………………………………………………….…..…… 29
Bibliographie ………………………………………………………………..…… 31
2

DI, Université de Sherbrooke Rapport Technique No. 11
Listes des figures
3.1 Composantes sémantiques d’une relation
d’équivalence entre deux expressions logiques ……………………….. 8
6.1 Deux scénarios possible s de résolution ……………………………….. 13
7.1 Exemple des attributs d’un concept ……………………………………. 16
7.2 Un exemple de procédure ………………………………………………. 19
7.3 Un exemple d’historique épisodique ……………………………………. 26
7.4 Le prototype du but échoué ……………………………………………… 27
A.1 Définition en LISP de la fonction Simple-And ………………………….. 29
A.2 L’arbre de dérivation …………………………………………...……….. 29
A.3 Un exemple d’épisode concret dans ELM ……………………………… 30
A.4 Un exemple de généralisation d’épisodes dans ELM …………………… 30
3

DI, Université de Sherbrooke Rapport Technique No. 11
1. Introduction
Bien que l’idée d’utiliser les ressources logicielles à des fins pédagogiques remonte
à quelques décennies [Carbonell, 1970 ; Brown, Burton & Bell 1975 ; Clancey,
1983 et White & Frederiksen, 1985], le recours aux environnements virtuels
d’apprentissage (EVA) dans l’enseignement et la formation constitue,
actuellement, un axe d’intérêt qui ne cesse de croître. Diverses tentatives [Wells &
Jefferey, 1996 ; Rzepa & Tonge, 1998 ; Lintermann & Deussen, 1999 et Heermann
& Fuhrmann, 2000] pour créer des EVA fortement interactifs ont été faites,
engendrant ainsi un remarquable enthousiasme au sein de la communauté éducative
internationale. Cependant, si l’on a l’ambition de développer des environnements
d’enseignement dans des domaines complexes et dotés de stratégies tutorielles
capables d’interagir avec des apprenants ayant différents niveaux d’intelligence et
diverses capacités d’acquisition de la connaissance, alors comprendre le processus
de l’apprentissage humain et la manière de structurer et manipuler la connaissance
durant ce processus est une tâche fondamentale. Incontestablement, modéliser et
représenter ce savoir acquis est un objectif dont la réalisation constitue un véritable
défi. Une solution à ce problème pourrait s’offrir grâce à l’adoption d’un modèle
computationnel cognitif pour formaliser la représentation de la connaissance
manipulée et/ou acquise par les apprenants lors de l’apprentissage au moyen des
EVA.
Ce rapport présente un modèle pour représenter la connaissance du domaine
et celle des usagers apprenant au moyen des EVA. Le modèle s’inspire (1) des
recherches en intelligence artificielle sur la modélisation computationnelle pour la
structuration et l’organisation de la connaissance et (2) des théories de la
psychologie cognitive qui expliquent l’activité cognitive humaine en termes de
sous-systèmes de la mémoire et de leurs processus. Notre hypothèse est que ces
sous-systèmes et ces processus (simulés dans un EVA), parce qu’ils sont fortement
similaires à ceux utilisés par l’apprenant, facilitent, d’une part, l’identification de
la connaissance acquise correcte et erronée, et suggèrent, d’autre part, la
planification d’une séquence d’activités pédagogiques pour améliorer de manière
significative le niveau cognitif de cet apprenant. La section suivante discute de la
possibilité de s’inspirer de la mémoire humaine et de ses sous-systèmes pour
concevoir des structures informatiques de représentation des connaissances au sein
des EVA. Les sections 3, 4 et 5 sont consacrées à la description des sous-sytèmes
de la mémoire, adoptés au sein du modèle de représentation. La section 6 présente
l’introduction explicite des buts dans notre représentation. La section 7 discute des
originalités et des avantages du modèle. La section 8 énonce, en guise de
conclusion, la direction de nos recherches actuelles et futures.
4

DI, Université de Sherbrooke Rapport Technique No. 11
2. La représentation de la connaissance
Si on s'intéresse à l'éducation et à l'enseignement, et qu'on a l'ambition de doter un
système artificiel de compétences dans ces domaines, il n'est pas possible d'ignorer
tout ce qui touche à l'apprentissage, à la cognition et à la mémoire humaine. Plutôt
que d’être un simple dispositif matériel de conservation de données (comme dans
le cas des ordinateurs), la principale caractéristique de cette mémoire est la mise en
jeu de processus de catégorisation, de généralisation et d’abstraction [Gagné et al.,
1992]. Toutefois, si la mémoire humaine possède de prodigieuses facultés, il nous
arrive pourtant d'avoir des défaillances et d'oublier. Cette défaillance survient
lorsque l'information n'a pas subi le traitement approprié [Baddeley, 1990]. En
effet, le processus d'organisation est essentiel pour le succès du mécanisme de
rappel. En d’autres termes, les chances de retrouver une information ou un souvenir
dans la mémoire dépendent de la qualité avec laquelle il a été étiqueté et de la
spécificité des éléments auxquels il a été associé [Rosenfield, 1989]. Si les faits et
les souvenirs qui leurs sont associés sont des connaissances qui peuvent être
acquises explicitement et correspondent donc à une mémoire dite explicite, nos
habitudes et notre savoir-faire sont largement implicites et sont acquis par
l’exercice répétitif plutôt que consciemment. Ils correspondent à une mémoire dite
implicite.
La mémoire explicite réfère à la capacité d’accéder intentionnellement à
une information qui fait partie d’un souvenir, alors que la mémoire implicite réfère
à l’accès involontaire à l’information. Grâce à leurs expérimentations sur des
amnésiques antérogrades2, Graf, Squire et Mandler [1984] (1) soulignent la
différence entre les mécanismes de la mémoire implicite (qui sont conservés par les
sujets) et ceux de la mémoire explicite (qui sont perdus) et (2) déduisent que les
connaissances implicites ne peuvent être volontairement examinées par la
personne. Par conséquent, elles ne peuvent être l’objet de souvenirs utilisables pour
effectuer une tâche ou élaborer un raisonnement. D’ailleurs, les expériences
réalisées par Phelps [1989] montrent également que les amnésiques sont capables
d’apprendre des connaissances procédurales qui n’exigent pas de se souvenir des
évènements antérieurs. Une habileté peut donc être acquise si elle peut être créée à
partir de l’information directement accessible dans l’environnement ou dans la
mémoire de travail d’un sujet amnésique. Une lecture des expériences mettant en
relief la dissociation entre la mémoire explicite et celle implicite indique, d’un côté,
que lorsqu’un sujet prend connaissance explicitement de l’information de la
mémoire à long terme pour accomplir une tâche, ces informations sont utilisées par
le centre de l’attention pour réaliser cette tâche et montre, d’un autre côté, que les
mécanismes de la mémoire implicite permettent d’accomplir les tâches routinières
2 Les amnésiques antérogrades sont ceux qui, à la suite d’un accident neurologique, ne peuvent plus acquérir de
nouveaux souvenirs.
5