Conception d’environnements virtuels pédagogiques

La conception d’un système basé sur la RV conduit à examiner les choix techniques de représentation et méthodologiques permettant de garantir un outil utile, utilisable et efficace.

5.1.1

Choix des interfaces

Pour les applications SOFI et FIACRE, il n’existe pas d’interface parfaite, i.e. facile à utiliser par tous les utilisateurs et sans apprentissage. Notre objectif était de spécifier les interfaces optimales compte tenu des objectifs pédagogiques fixés, des utilisateurs cibles et des capacités technologiques actuelles.

La spécification d’interfaces comportementales nécessite de nombreuses discussions entre divers experts (concepteurs, ergonomes et utilisateurs). La conception de ces interfaces ne répond pas toujours aux attentes souhaitées. Et les étapes de spécification et de tests d’utilisabilité doivent être itératives. Parfois plusieurs prototypes d’interfaces doivent être réalisés avant d’arriver au but recherché. Ces multiples réalisations sont dues à deux raisons principales :

§ Les utilisateurs n’emploient pas toujours les interfaces comme les concepteurs l’avaient prévu, i.e. l’utilisation effective ne correspond pas toujours à l’utilisation programmée (Chapitre 3.1.1).

§ Les utilisateurs ne réussissent pas toujours à employer les interfaces comme ils le souhaiteraient, i.e. l’utilisation effective ne correspond pas toujours à l’utilisation désirée (Chapitre 3.1.1).

Ces différences sont souvent dues à des problèmes difficiles à déterminer sans pratique.

Grâce aux tests d’utilisabilité et aux nombreuses discussions avec les experts, nous sommes arrivés à des résultats intéressants. Par exemple, la première série de tests a montré que le premier joystick était relativement difficile à utiliser (Chapitre 3.5.2). Par contre, la seconde série de tests a montré que le second joystick était relativement facile à utiliser (Chapitre 3.5.3). Le troisième joystick proposé pour FIACRE devrait donc être facilement exploitable par tous les utilisateurs.

Les résultats d’utilisabilité pour le tapis roulant étaient moyens lors de la seconde série de test. Mais ils nous laissent supposer qu’après amélioration, le second tapis devrait être mieux utilisé.

Les interfaces visuelles n’ont pu être testées faute de temps et de moyens. Néanmoins, pour remplir les objectifs pédagogiques d’orientation sur les voies, nous pensons que le CAVE38 serait la meilleure interface visuelle (Annexe H. 3, Tableau 38, page 167).

Bien entendu, ces résultats sont très encourageants et des tests pédagogiques devront permettre de valider nos choix (Annexe H).

5.1.2

Représentation réaliste et abstraite

Si la formation concerne une situation réelle et existante, reproduire le plus parfaitement possible cette réalité ou non suscite encore de nombreux débats. Pour certains, encore, s’il n’existe pas de contraintes financières ni techniques, la réalité doit être reproduite le plus parfaitement possible. Or, nous pensons que cette solution doit dépendre plus des objectifs pédagogiques que d’autres contraintes. Il est donc important d’avoir une réflexion approfondie sur la tâche formatrice plus que sur la tâche à apprendre. De toute évidence, cette tâche formatrice peut nécessiter certains points réalistes et d’autres plus ou moins abstraits. Elle doit aussi évoluer en fonction du niveau et des facultés d’apprentissage des formés.

Si les objectifs pédagogiques nécessitent la mise en pratique des I2 sensori-motrices réalistes pour certains points, l’apprentissage des formés n’est pas proportionnel à la reproduction fidèle de l’environnement réel. En effet, malgré l’absence de tests pédagogiques (Annexe H), d’après la littérature, les expériences menées dans d’autres laboratoires et notre expérience, nous pensons que cet apprentissage par rapport au réalisme des I2 sensori-motrices n’est pas linéaire et ressemblerait39 plutôt à la figure suivante :

Réalisme des I2 sensori-motrices Apprentissage

Niveaux de Rasmussen

Connaissances Règles Savoir-faire

Figure 70 : Apprentissage en EV en fonction de l’immersion, du réalisme et du coût

Ainsi, malgré l’engouement actuel pour les CAVEs, il est important de savoir si leur utilisation est justifiée. En effet, dans notre cas, l’utilisation d’un CAVE apporte, certainement, de meilleurs résultats pour l’apprentissage de l’orientation. Mais il faut garder à l'esprit la place qu'occupe la formation à l'intervention sur les voies ferrées dans celle à la conduite de TGV : une ½ journée sur 14. Il est donc peu vraisemblable que le gain de formation associée à de telles technologies soit à la mesure de l'investissement important qu'elle représente aux yeux de l'utilisateur final.

Ce débat n’est pas clos et l’utilisation grandissante d’EV pédagogiques pour la formation permettra de mieux caractériser cette notion de représentation réaliste ou abstraite.

38 _{Sorte de bulle ou de cube avec quatre écrans verticaux plus un autre au sol entourant le formé.}

39 _{Cette courbe ne s’appuie sur aucun fondement mathématique, elle se veut simplement être une représentation}

5.1.3

Méthodologie de conception

Chaque application de la réalité virtuelle est spécifique. Il n’existe pas d’interface idéale pour toutes les applications. Il n’existe pas non plus de guide de conception permettant de conseiller tel type d’interface, d’immersion et de réalisme pour un type de tâche (orientation, localisation, manipulation, etc.), de coût et d’objectif donnés. Ainsi, nous proposons une méthodologie de conception et une modélisation d’environnement virtuel.

Notre méthodologie de conception d’environnement virtuel (Chapitre ; 3.2.5), permet de :

§ Prendre en compte les points cruciaux en posant les questions nécessaires à la réalisation d’environnements virtuels.

§ Intégrer tous les acteurs.

§ Aider à la conception en guidant les divers acteurs dans leur démarche.

Notre modélisation d’environnement virtuel selon les trois niveaux d’immersion et d’interaction40 (Chapitre 3.2.4 ) permet d’évaluer l’efficacité des EV.

Cette méthodologie et cette modélisation d’EV sont à valider par leur mise en pratique. Ainsi, nous pourrons montrer si tous les points importants ont été pris en compte et s’ils sont justifiés et nécessaires.

Notre approche doit encore être discutée, en particulier avec les concepteurs centrés sur les aspects techniques. Cette approche théorique a déjà été appliquée avec succès en milieu industriel (SNCF et autres entreprises collaborant avec l’Ecole des Mines de Paris). Cependant, étendre notre démarche à d’autres applications permettra d’avoir un retour d’expérience plus vaste. Ainsi, nous pourrons voir si certains points doivent être réévalués compte tenu des préoccupations industrielles.

5.2

HAL

Le développement d’un bon environnement virtuel pour la formation nécessite une architecture capable de tirer profit des avantages offerts par la RV en fonction des objectifs pédagogiques. Une architecture simple a été développée pour répondre à ces objectifs. Néanmoins, la simplicité de cette architecture ne permet pas de gérer tous les problèmes rencontrés par les formés.

5.2.1

Apports

Pour améliorer la formation en EV, nous proposons un Agent Pédagogique Intelligent (HAL) capable de gérer les potentialités de la RV.

Ainsi, cet outil peut proposer au formateur différentes stratégies pédagogiques adaptatives (liées au scénario ou au guidage). HAL aide le formé et le formateur dans leurs interactions avec l’EV.

HAL possède un mécanisme de décision permettant au formateur de planifier les stratégies en fonction des événements. Cette approche permet d’ajouter de nouvelles stratégies sans modifier le mécanisme de décision. HAL permet d’ouvrir de nouvelles perspectives didactiques et d’homogénéiser les formations, notamment dans un cadre industriel et professionnel.

5.2.2

Limites

HAL a été conçu pour montrer les potentialités de la RV pour la formation. Il s’agissait de montrer comment l’utilisation de stratégies, d’assistances pédagogiques et la gestion du niveau de réalisme des situations pouvaient améliorer le discours pédagogique des formateurs et l’apprentissage des formés. Ainsi, une architecture relativement simple a été développée. Cependant, cette architecture montre ses limites sur la planification des actions du formé et sur la détection des causes réelles d’erreurs.

La planification des chemins possibles du formé est réalisée de manière statique, à l’intialisation du scénario (Chapitre 4.4.3, 4.5.3). Cette approche nécessite de créer un grand nombre d’agents proportionnel à la complexité de la tâche à effectuer. Dans notre cas, la tâche est relativement simple et peu de chemins différents sont possibles. Néanmoins, pour une tâche plus complexe, le nombre d’agents créés seraient ingérables pour le système informatique.

Cependant, rendre la planification dynamique ne semble pas être une tâche difficile. En effet, les S-Agents pères gérant la séquentialité de leur fils pourraient gérer leur création dynamique en fonction des actions des formés. Une difficulté reste à résoudre, à savoir comment maîtriser le saut d’étape. Actuellement, lorsque le formé saute une action et en réalise une autre, le S-Agent fils représentant cette action détecte un problème et prévient son père. Là encore, le rôle du père pourrait être plus centralisateur en le dotant de règles de décision. Une solution pourrait consister à donner au père des informations sur les conditions de déclenchement de ses fils.

La détection des problèmes rencontrés par le formé est relativement simple dans HAL. Pour rester valide, elle nécessite de corriger les erreurs du formé assez rapidement. Si le formé enchaîne plusieurs erreurs de suite, HAL construit, d’une part, un modèle du formé incorrect. D’autre part, HAL ne compile et ne cherche à résoudre que la première erreur. HAL n’est pas capable d’interpréter l’enchaînement de ces erreurs et de leurs causes. De plus, comme nous l’avons déjà dit, HAL est capable de détecter un certain nombre d’erreurs et leur causes profondes mais pas toutes. Pour résoudre ces lacunes, il serait intéressant de pouvoir tester d’autres modèles de l’activité du formé. Notamment, le modèle cognitif d’ANDERSON pourrait être appliqué afin de contrôler les états mentaux du formé (Chapitre 4.4.4.1, [And, 90]).

5.2.3

Quand intervenir ?

L’attention du formé est très sollicitée dans les simulations interactives. Ainsi, les interventions directes de HAL, pendant la session, peuvent altérer les performances du formé et fragiliser son implication (Chapitre 3.2.1.3). Néanmoins, intervenir au moment de l’erreur ou dans des situations d’impasse, permet au formé de mieux les comprendre.

Les démonstrations de HAL réalisées auprès des différents acteurs du domaine ont permis de mettre en évidence :

§ L’intérêt de HAL.

§ Le fonctionnement correct de HAL, i.e. des aides adéquates sont déclenchées au moment adéquat comme nous l’avions spécifié.

§ L’efficacité de HAL en terme d’implémentation. En effet, il reste encore à tester l’efficacité pédagogique pour son utilisation courante.

Cependant, certaines interventions et le moment de leur déclenchement sont discutés. Actuellement, les tests d’utilisabilité et pédagogiques sur HAL n’ont pas été effectués. Ces tests permettront de déterminer dans quels types de situation et à quels moments les interventions de HAL sont pertinentes d’un point de vue pédagogique. Grâce aux réglages des niveaux cognitifs, du critère de performance, selon les problèmes et selon les formés, le déclenchement des interventions pédagogiques peut être facilement modifié. En effet, grâce à son architecture modulaire et générique, HAL permet de modifier simplement ces paramètres sans modifier le mécanisme de décision.