Modélisation des apprentissages
Charles Delbé
2008
charles.delbe@u-bourgogne.fr
Objectifs
• Comprendre les principes et objectifs de la modélisation cognitive
• Introduction à différents modèles
d’apprentissage (implicite)
La modélisation cognitive
• Définition :
La construction et l’analyse de programmes informatiques qui implémentent une théorie, simulent et expliquent les processus cognitifs sous-tendant les comportements de tous les jours (ou de laboratoire..)
– une branche importante des sciences cognitives
– la psychologie et l’informatique co-opèrent pour fournir une approche distincte de l’étude de la cognition humaine
• Domaines:
Langage, perception, attention, raisonnement par analogie,...
Le modèle computationnel
Un modèle réalisable, exécutable, qui
implémente une théorie des processus
cognitifs impliqués dans la performance
de tâches
Le modèle computationnel
Un modèle réalisable, exécutable, qui implémente une théorie des processus cognitifs impliqués dans la performance de tâches
• Physiquement réalisable (évite l’ambiguïté des modèles verbaux)
• Spécifié indépendamment du modélisateur
Le modèle computationnel
Un modèle réalisable, exécutable, qui implémente une théorie des processus cognitifs impliqués dans la performance de tâches
• Peut être « lancé » pour générer des prédictions
indépendamment du modélisateur (les prédictions sont faites par le modèle, pas par le modélisateur)
• Soit sur un ordinateur, soit par simulation par exemple mathématiques
Le modèle computationnel
Un modèle réalisable, exécutable, qui implémente une théorie des processus cognitifs impliqués dans la performance de tâches
• Un modèle est construit à partir d’une hypothèse théorique Ce n’est pas seulementun programme d’IA, par exemple
Le modèle computationnel
Un modèle réalisable, exécutable, qui implémente une théorie des processus cognitifs impliqués dans la performance de tâches
Modèle des processus
Donc, ce n’est pas un « modèle des données » (cf. modèles mathématiques traditionnels en psychologie)
Le modèle computationnel
Un modèle réalisable, exécutable, qui implémente une théorie des processus cognitifs impliqués dans la performance de tâches
• Un modèle fonctionnel
prédit (génère) un comportement
• Effectue réellement la tâche modélisée game paying, problem solving
Modèles et théories cognitives
Les théories sont des descriptions de haut niveau des processus sous- tendant un comportement
1. Elles ne sont pas souvent explicites concernant le processus impliqué 2. Elles sont difficiles à utiliser si les mécanismes ne sont pas explicites :
trop haut niveau pour produire des prédictions explicites.
3. La formation de théories elle-même est difficile.
Les modèles augmentent la confiance en la suffisance et la nécessité de l'explication proposée
Les modèles obligent les théories à être précises et les poussent dans leurs limites (test de la cohérence interne, interactions entre les différents mécanismes, évite les concepts flous)
Un modèle fonctionnel peut générer des prédictions inattendues (“pompe à intuition” pour la compréhension du phénomène) Un modèle fonctionnel peut générer des prédictions inattendues
Intérêts des modèles cognitifs
Les modèles peuvent être manipulés et analysés d’une façon différente des sujets humains.
• On peut observer les effets de variations de l’architecture corticale (e.g modèle à 1 versus 2 voies)
• On peut observer les effets de variations des ressources de traitement (e.g., variation du nombre de cellules cachées)
• On peut observer les effets de variations de l’environnement (e.g., nos parents pourraient-ils être des cannettes, des livres
? Y’a-t-il quelque chose de spécial concernant l’expertise des visages versus l’expertise visuelle ?)
• On peut observer les effets de différentes atteintes cérébrales sur le comportement, à l’intérieur d’un même « cerveau »
Quelles utilisations ?
• Le « lancer » et comparer ses résultats avec les données expérimentales humaines
– S_artificiel
• L’examiner : que nous dit-il sur la structure de la
cognition ? Quelles autres hypothèses suggère-
t-il ?
Éléments méthodologiques
• Modéliser dans les mêmes conditions expérimentales que pour le Sujet
– Même entrée/sortie (mêmes VI/VD), même plan expérimental pour M et S
“exécute la même tâche”
• Fondements empiriques
– M est basé sur des données empiriques
• Un atout et une limite
– Bons fondements, mais …
– Les gens ne vivent pas dans les labos de psychologie ! – Modélise des “phénomènes expérimentaux” mais ignore les
capacités que les gens montrent dans la vie de tous les jours
Quel type de données utiliser ?
• Utilisation de données différentes de celles pour lesquelles le modèle est développé
– Test rigoureux du modèle
– Preuves convergentes à partir de sources différentes
• Détaillées vs brutes
– protocole: enregistrement détaillé des étapes de la résolution de problème
– brute: mesure globale de performance
• Les mesures – temporelles
– proportion de réponses correctes – erreurs
• combien ? de quel type ? – plus spécialisées:
• rang de difficulté de problèmes individuels
Évaluation de modèles
3 critères pour départager des modèles concurrents :
1. puissance explicative (i.e. nombre de phénomènes expliqués)
2. économie explicative (i.e. nombre de
postulats, ou paramètres, contenus dans le modèle)
3. prédictions (et explication) de nouveaux phénomènes
2 approches de la
modélisation cognitive
2 approches de la modélisation cognitive
Système cognitif : structure
&
dynamique
Symbolisme Traitement de l’information
Règles et Symboles Ordinateur
Sous-symbolisme Traitement du signal Représentations distribuées
Cerveau
Le symbolisme
• Acquisition et utilisation de règles
structurées qui opèrent sur des symboles
→ faux X: vrai →
Y: faux → X: faux → Y: faux →
Règle « OU »:
SI l’entrée X est fausse, ET SI l’entrée Y est fausse, ALORS la proposition est fausse, SINON la proposition est vraie.
→ vrai
Le symbolisme
• Les architectures cognitives
e.g., ACT-R « Contrôle Adaptatif de la Pensée », Adaptive Control of Thought; ACT, Anderson (1976;1983;1990;1993).
