4.2 Représentation des connaissances sur l’activité
4.2.4 H AWAI -DL [Amokrane, 2010, Edward, 2011]
Avec la même ambition de décrire l’activité finalisée, les travaux surHAWAI-DL(Human Actvity
and Work Analysis for sImulation - Description Language) [Amokrane, 2010, Edward, 2011] reposent
sur des langages ergonomiques tels que MAD* [Sebillotte and Scapin, 1994] et GTA[Van Der Veer et al.,
1996]. HAWAI-DL reprend notamment la structuration hiérarchique des tâches qui est couramment
utilisée par les ergonomes (voir figure 4.12). En plus de permettre la description de l’activité de
ma-nière plus ou moins abstraite, un tel formalisme aide les analystes dans leur démarche d’observation.
FIGURE4.12 – Exemple d’arbre d’activité dans HAWAI-DL [Amokrane, 2010]
HAWAI-DL permet également de représenter des comportements non-nominaux sous la forme
d’erreurs, de violations et de déviations. Il est même possible pour l’auteur de préciser dans quelles
conditions ces déviations peuvent être tolérées. Cette approche est particulièrement pertinente pour
notre cadre théorique puisqu’il permet de modéliser les comportements liées à l’expérimentation du
domaine considéré en vue de la construction de la connaissance. Le langage HAWAI-DLa été conçu
en lien avec le modèle COLOMBOque nous avons présenté dans la section 4.1.2. Il souffre des mêmes
limites sur la formalisation. Par exemple, il est difficile de distinguer les règles logiques par rapport
au règles d’ordonnancement dans la description des tâches. De fait, il peut difficilement être pris en
main par des non-initiés. En outre, les liens avec la représentation ontologique dans COLOMBOse
font uniquement au niveau des instances. Or, afin de bénéficier d’un certainpouvoir génératif, il est
indispensable de pouvoir raisonner au niveau des concepts.
4.2.5 Bilan et positionnement
A minima, les modèles d’activités permettent de représenter la procédure à appliquer dans un
domaine. Les modèles issus de formalismes informatiques, comme les machines à état ou les
dia-grammes d’activités, sont difficiles à prendre en main pour des non-informaticiens. De plus, ils
pèchent par leur manque d’expressivité. Au contraire, les modèles qui s’inspirent des modèles de
tâches utilisés en analyse ergonomique tels que YALTAet HAWAI-DL disposent de plus d’expressivité
et permettent notamment de décrire les déviations à la procédure. Cependant, un langage comme
YALTAdoit être transformé avant d’être interprété par un moteur.
Le formalisme HAWAI-DL est au plus proche de nos objectifs, mais la faiblesse de sa
formalisa-tion et son manque de conceptualisaformalisa-tion ne rendent pas possible son utilisaformalisa-tion directement. Afin
de combler ces lacunes, des travaux ont été menés en parallèle de cette thèse sur le formalisme
CHAPITRE 4. REPRÉSENTATION DES CONNAISSANCES 4.3. BILAN ET POSITIONNEMENT
ACTIVITY-DL. Bien que les travaux sur ce modèle d’activité aient été réalisés en complémentarité
avec les travaux présentés dans ce mémoire, ils ne font pas partie de nos contributions. Nous
décri-rons sommairement ce modèle dans la section 8.2.1. La définition du formalisme ACTIVITY-DL est
une des contributions de Camille Barot [Barot, 2014].
Le tableau 4.2 récapitule comment nous évaluons les travaux présentés par rapport à nos critères.
.
Description Abstraction
Lora
[MolletketkArnaldigk2006] - + + --
--Automateskàkétatskfinis + - + -
-Yalta
[Burkhardtketkal.gk2009] ++ ++ + - ++
Hawai-DLk
[Amokranegk2010] ++ - ++ + ++
Expressivité
Modularité Interprétabilité Intelligibilité
TABLE4.2 – Récapitulatif de l’état de l’art sur les modèles d’activité
4.3 Bilan et positionnement
Dans ce chapitre nous avons présenté nos besoins sur la représentation des connaissances sur
le domaine. Pour permettre la modularité des EVAH, il est nécessaire de séparer les connaissances
sur le monde des connaissances sur l’activité. Ainsi, une même description du monde, associée à un
même environnement virtuel, peut être utilisée pour des applications différentes. Par exemple, un
environnement virtuel représentant un site de chargement de matières dangereuses peut servir à la
fois d’outil de formation pour les opérateurs du site, mais également d’outil d’entraînement pour des
équipes d’intervention en cas d’accident.
Par ailleurs, les méthodes et les expertises impliquées dans l’extractions de ces deux types de
connais-santes sont radicalement différentes. La réunion de ces connaissances dans un même modèle n’est
possible qu’après un effort de synthèse entre les informations reçues de différents experts. Cette
syn-thèse peut s’avérer extrêmement difficile car chaque domaine d’expertise dispose d’un vocabulaire et
de pratiques qui lui sont propres. Elle nécessite, de plus, l’intervention d’un informaticien qui, pour
rendre possible la modélisation, devra uniformiser les différentes vues au risque d’affecter la fidélité
du modèle par rapport à la réalité. En séparant les modèles, on offre à chaque domaine d’expertise
des vues différentes qui se complètent mutuellement.
Le modèle du monde décrit les connaissances sur le système. Celui-ci est entendu au sens large,
puisqu’il ne s’agit pas de décrire uniquement le système technique. On pourra par exemple y
in-clure en plus de la description des systèmes techniques, la structure organisationnelle des ressources
humaines ou même un modèle des coûts financiers. Ces connaissances doivent êtreremplies par
des experts du domaine: des concepteurs de machines-outils, des ingénieurs de production, des
in-génieurs en sûreté de fonctionnement, des responsables de ressources humaines, etc. En terme de
mode de représentation, le modèle du monde doit êtreopérationnelpour permettre l’exécution et
le maintien de la simulation, mais il doit également être sous-tendu par un formalisme permettant
la description d’état du monde fictif pour la scénarisation. L’adoption de langagesintelligibleset
ex-pressifspermet d’attribuer le travail d’écriture du contenu à des experts du domaine non-informaticiens.
L’approche adoptée par COLOMBOqui consiste à utiliser des représentations ontologiques associées
4.3. BILAN ET POSITIONNEMENT CHAPITRE 4. REPRÉSENTATION DES CONNAISSANCES
à des règles nous semble tout à fait pertinente. Une telle approche doit cependant être perfectionnée
pour inclure des raisonnements sémantiques de haut niveau.
Le modèle de l’activité décrit les connaissances sur le déroulement des actions dans le système. Il
peut décrire la procédure prescrite, les erreurs courantes, les violations à la procédures de même que
les compromis. Les connaissances sur l’activité découlent d’une analyse réalisée par des ergonomes
en collaboration avec les opérateurs de terrain. La représentation de l’activité doit être expressive
pour permettre un suivi fin de l’apprenant, la génération de comportements autonomes pour
d’éven-tuels personnages vird’éven-tuels et la scénarisation. Le modèle HAWAI-DL est le plus proche de nos besoins,
mais n’est pas suffisant. Nous nous sommes donc appuyés sur les travaux en cours sur le formalisme
ACTIVITY-DL que nous présenterons en section 8.2.1.
Deuxième partie
Chapitre 5
Approche de scénarisation personnalisée
dans les Environnements Virtuels pour
l’Apprentissage Humain
Sooner or later, everyone’s story has an unfortunate event or
two...The solution, of course, is to stay as far away from the world as
possible and lead a safe, simple life.
The End, Lemony Snicket
Sommaire
5.1 Approche générale . . . 79
5.2 Modèles pour la scénarisation personnalisée . . . 81
5.2.1 Modèle du domaine . . . 82
Modèle du monde . . . 82
Modèle de l’activité . . . 83
Modèle de causalité . . . 84
5.2.2 Profil de l’apprenant . . . 85
5.2.3 Modèle pédagogique . . . 86
5.2.4 Modèle diégétique . . . 86
5.3 Processus décisionnels pour la scénarisation . . . 86
5.3.1 Diagnostic . . . 86
5.3.2 Fonction de transformation . . . 88
5.3.3 La diégétisation . . . 88
5.3.4 Contrôle local pour l’émergence d’une organisation globale . . . 89
Niveau microscénaristique - la situation . . . 90
Niveau mésoscénaristique - l’épisode . . . 90
Niveau macroscénaristique - le parcours . . . 90
5.4 La place du formateur . . . 91
5.5 Intégration dans H
UMANS. . . 91
5.6 Bilan . . . 93
Notre problématique porte sur la scénarisation personnalisée, en tant qu’étape de spécification du
déroulement du scénario, des environnements virtuels pour la formation. Nous cherchons à
permet-tre à la fois la mise en place d’une scénarisation personnalisée dynamique et également à faciliter la
CHAPITRE 5. SCÉNARISATION PERSONNALISÉE
production des environnements virtuels pour l’apprentissage. Nous nous intéressons plus
particuliè-rement aux domaines complexes dans lesquelles la grande variabilité des situations rend difficile le
travail d’écriture des contenus.
L’étude de la littérature a permis de mettre en exergue différentes propriétés des systèmes de
scénari-sation. En plus de guider notre réflexion, cette étude a permis d’évaluer les atouts et les limites de ces
différents systèmes par rapport à nos objectifs. Aucun des travaux étudiés ne permet de répondre à
notre problème de scénarisation en prenant en compte les mêmes contraintes.
En particulier, nous avons pu observer que la bonne qualité de la scénarisation (qu’elle soit
pédago-gique ou narrative) est atteinte au prix d’un effort de conception considérable. Les approches
émer-gentes permettent de contourner le problème dans une certaine mesure. Il ne s’agit plus de décrire
ex-haustivement un ensemble de possibles, mais de concevoir des entités autonomes faisant émerger le
scénario par leurs interactions entre elles et avec les utilisateurs. Cependant,l’absence de
coordina-tion globale nuit à la pertinence du scénario. Des approches hybrides tentent deconcilier contrôle
et émergence. Ce compromis se fait cependantau prix de la cohérence des comportementsdes
enti-tés peuplant la simulation. En effet, le contrôle global s’opère en suspendant temporairement
l’auto-nomie de la simulation, ce qui provoque des discontinuités dans les comportements et donc, crée un
sentiment d’incohérence pour l’utilisateur. Ces incohérences sont rédhibitoires à deux égards. Tout
d’abord, elles entraînent des ruptures de l’immersion : l’apprenant reprend conscience qu’il est dans
une simulation et, dès lors, n’est plus aussi engagé dans la tâche. Ensuite, les comportements
incohé-rents sont difficilement explicables. Or,l’explicabilitéest primordiale pour permettre aux apprenants
de construire la connaissance. Les approches hybrides telles que proposées par la littérature ne sont
donc pas adaptées à cet égard.
Un verrou majeur nait de la tension entre les objectifs liés à la scénarisation et les contraintes liées
au processus de production de l’environnement virtuel. D’une part, nous visons une scénarisation
riche, dynamique, personnalisée et pédagogique qui nécessite de mettre en place une grande
varia-bilité de contenu en prenant en compte une stratégie d’apprentissage. D’autre part, nous avons pour
contrainte la limitation de l’effort de création des contenus pour permettre l’essor des
environne-ments informatiques pour l’apprentissage humain. Or, nous nous situons dans des contextes pour
lesquels la complexité et la prépondérance des facteurs humains constituent un véritable frein à la
description manuelle de scénarios.
Les travaux de la littérature ne considèrent en général que deux niveaux d’agrégation. Il s’agit d’une
part, duniveau microscénaristiquequi consiste à adapter le contenu relevant de la tâche qu’est en
train d’effectuer l’utilisateur, et d’autre part duniveau macroscénaristiquequi relève du parcours
global d’apprentissage. Ainsi, souvent, le niveau mésoscénaristique est délaissé dans les travaux sur
la scénarisation dynamique. Or, le niveau mésoscénaristiqueest un levier essentiel : il permet de
mettre en œuvre de manière cohérente un ensemble de connaissances au travers d’une histoire qui
soit à la fois complète (un début et une fin) et raisonnablement limitée dans le temps.
Selon les communautés, l’intérêt n’est pas porté sur les mêmes objectifs. La communauté du récit
interactif s’intéresse essentiellement à laqualité narrativedes scénarios créés. Les EIAH s’attachent
plus particulièrement au contrôle pédagogique. Enfin, en réalité virtuelle, l’ambition est de faire
ressentir une impression de réalité à l’utilisateur. Ainsi, l’accent est porté surla fidélité de la
simu-lation. Celle-ci s’exprime en terme d’interaction pour offrir à l’utilisateur une grande liberté d’action
similaire à la réalité, mais également en terme de contenu pour offrir des modèles de simulation
conformes à la réalité (réalisme graphique, systèmes techniques, personnages virtuels autonomes,
simulation physique, etc.). Notre ambition se situe à la croisée de ces enjeux. S’agissant
d’environ-nements virtuels pour la formation, l’enjeu est d’abord pédagogique pour assurer la qualité de
l’ap-prentissage. Ceci implique à la fois la mise en œuvre d’une stratégie d’apprentissage particulière mais,
également, en ce qui nous concerne, la prise en compte de l’apprenant pour personnaliser cette
stra-CHAPITRE 5. SCÉNARISATION PERSONNALISÉE 5.1. APPROCHE GÉNÉRALE
tégie. L’enjeu de la fidélité du contenu rejoint notre objectif devalidité écologiqueafin d’être en
ac-cord avec le paradigme d’apprentissage situé que nous avons choisi. En effet, nous souhaitons que
la scénarisation puisse mettre en œuvre le large panel de situations représentatives de la réalité du
terrain tout en restant justement le plus fidèle possible à cette réalité. Enfin, nous souhaitons utiliser
le levier narratif (1) pour susciter et maintenirl’intérêtde l’apprenant et (2) pour produire des
situa-tions émotionnellement chargées qui sont une difficulté supplémentaire que les apprenants doivent
maîtriser. Cet étirement en trois pôles constitue une nouvelle tension sur les enjeux de la
scénari-sation. Cette tension peut également se ramener à un problème de création de contenus. En effet, ces
différents enjeux relèvent de domaines d’expertise différents : la pédagogie, le domaine considéré, et
lestorytelling. Ces différentes expertises doivent pourtant être réunies afin de décrire des scénarios
incorporant toutes ces dimensions.
Pour répondre à ces tensions, nous proposons une approche originale de spécification automatique
et personnalisée d’un scénario s’appuyant sur une démarche de conception autour de modèles de
connaissances. Chaque expert élicite les connaissances de son domaine d’expertise
indépendam-ment des autres modèles. Il dispose pour cela d’une vue sur les modèles reprenant des formalismes
et un vocabulaire qui lui est familier.
Les différents modèles issus de cette élicitation sont ensuite utilisés par des moteurs décisionnels
indépendants du domaine pour générer, à la volée, un scénario en prenant en compte des modes
d’adaptation sur différents niveaux d’agrégation.
Dans la première partie de ce chapitre, nous décrirons l’approche générale que nous proposons. Cette
approche repose sur des modèles de connaissances et des processus décisionnels qui seront
présen-tés respectivement en section 5.2 et 5.3. Dans la section 5.4 de ce chapitre, nous préciserons le rôle
primordial du formateur au cours de l’exploitation de l’environnement virtuel. La section 5.5
clari-fiera l’apport de cette approche et son intégration dans la démarche globale de la plateforme HU
-MANS. Ce chapitre sera conclu en faisant un retour sur nos objectifs.
5.1 Approche générale
L’approche que nous proposons consiste à faire reposer la scénarisation dynamique et
person-nalisée sur desmodèles expertssous-tendus par des métamodèles indépendants du contexte. Des
processus décisionnelsopérationnalisant des théories issues de sciences humaines utilisent ces
mo-dèles pourgénérer des objectifs scénaristiques.
Nous avons identifié les modèles suivants :
— le profil de l’apprenantdresse l’état de connaissance de l’apprenant à tout instant ;
— le modèle pédagogiqueinforme des règles d’évaluation de l’apprenant et des moyens
d’adap-tation pédagogiques ;
— le modèle de domaineinforme des connaissances relatives au domaine considéré pour la
formation ;
— le modèle diégétiqueinforme des connaissances liées à la construction d’une fiction.
Pour atteindre notre objectif deréutilisabilité, les modèles doivent, dans la mesure du possible,
être les plus affranchis du contexte possible. Ainsi, nous proposons que les seuls modèles réellement
dépendants du domaine d’apprentissage soient le modèle de l’apprenant et, naturellement, le
mo-dèle du domaine.
Ce positionnement se fait par rapport à l’effort de conception. Toutefois, la qualité des scénarios
pro-posés dans l’environnement virtuel entre en ligne de compte. Ainsi, les modèles indépendants du
domaine que nous proposons (modèle pédagogique et modèle diégétique) constituent des modèles
a minima: il est tout à fait possible de les étendre pour qu’ils intègrent plus de connaissances. Par
exemple, un formateur aura la possibilité d’adapter le modèle pédagogique à ses propres besoins. Il
est également possible pour un auteur d’élargir le champ des possibles diégétiques par rapport à ce
qui est prévu par les primitives du modèle diégétique de base.
5.1. APPROCHE GÉNÉRALE CHAPITRE 5. SCÉNARISATION PERSONNALISÉE
FIGURE5.1 – Modèles experts pour la scénarisation
La spécification du scénario est réalisée grâce à des processus décisionnels indépendants du
con-texte. Ils raisonnent sur les modèles décrits ci-dessus à partir des métamodèles qui les sous-tendent.
FIGURE5.2 – Approche générale de scénarisation
Nous proposons une approche de scénarisation personnalisée reposant sur trois processus
déci-sionnels (voir figure 5.2) :
1. Le diagnostic de l’apprenantmaintient le profil de l’apprenant en accord avec le modèle qui
le sous-tend et prend les décisions quant aux actions pédagogiques pouvant relever de la
scé-narisation à mettre en œuvre ;
2. Une fonction de transformationutilise le modèle du domaine pour générer des objectifs
scé-naristiques en accord avec le diagnostic de l’apprenant ;
3. La diégétisationutilise le modèle diégétique pour intégrer les éléments pédagogiques issus de
l’étape 2 dans une diégèse. Ainsi, un objectif scénaristique qui était purement pédagogique se
transforme objectif scénaristique pédagogiqueetnarratif. En référence à l’approche pour
la-quelle nous avons optée (décrite dans le chapitre 9, on préférera le terme plus précis d’objectif
scénaristique pédagogique et diégétique.
CHAPITRE 5. SCÉNARISATION PERSONNALISÉE 5.2. MODÈLES
Ces processus prennent en considération le contrôle multiniveau pour assurer une adaptation à
dif-férents niveaux de granularité tel que nous le décrivons dans la section 5.3.4 de ce chapitre.
Les modèles et processus décisionnels décrits dans cette approche générale ont fait l’objet de
pro-positions regroupées au sein de l’architecture TAILOR(voir figure 5.3). La suite de ce chapitre décrit
chacun de ces éléments et leur mise en œuvre particulière dans TAILOR.
FIGURE5.3 – TAILORune mise en œuvre particulière de l’approche au sein de la plate HUMANS
Dans le document
Scénarisation personnalisée dynamique dans les environnements virtuels pour la formation
(Page 73-82)