Un Agent Pdagogique pour les Environnements Virtuels de Formation - PowerPoint PPT Presentation

Loading...

PPT – Un Agent Pdagogique pour les Environnements Virtuels de Formation PowerPoint presentation | free to download - id: 2a16b9-ZDc1Z



Loading


The Adobe Flash plugin is needed to view this content

Get the plugin now

View by Category
About This Presentation
Title:

Un Agent Pdagogique pour les Environnements Virtuels de Formation

Description:

Un Agent P dagogique pour les Environnements Virtuels de Formation ... Langage naturel, avatar 3D anim . Utilise SOAR. 12/24/09. Stage MR2I : un agent p dagogique ... – PowerPoint PPT presentation

Number of Views:73
Avg rating:3.0/5.0
Slides: 31
Provided by: Pen64
Learn more at: http://www.enib.fr
Category:

less

Write a Comment
User Comments (0)
Transcript and Presenter's Notes

Title: Un Agent Pdagogique pour les Environnements Virtuels de Formation


1
Un Agent Pédagogique pour les Environnements
Virtuels de Formation
  • Cyrille Baudouin
  • Encadrant M. Pierre Chevaillier
  • CERV, LISYC, ENIB

2
Plan
  • Contexte
  • Objectifs
  • Etat de lart
  • Enjeux
  • Positionnement et modèles
  • Application
  • Résultats
  • Conclusion

3
Objectifs
  • Etudier les agents pédagogiques
  • Environnements Interactifs dapprentissage Humain
    (EIAH)
  • Concevoir et Implémenter un agent pédagogique
  • Système Tutoriel Intelligent (ITS)
  • Intégrer cet agent dans un EVF
  • Environnement Virtuel de Formation

4
Etat de lart
  • Vaste champ de recherche
  • Beaucoup de thèmes abordés
  • Agents limités (1 seul rôle, peu de stratégies)
  • Peu de réutilisation
  • STEVE Rickel99
  • Tuteur autonome
  • Supervise,Explique,Montre
  • Interagit et communique
  • Langage naturel, avatar 3D animé
  • Utilise SOAR

5
Etat de lart
  • HAL Lourdeaux01
  • Dans un EVF immersif
  • Tuteur Assistant du formateur
  • Aide à la décision
  • Modèles ITS explicites
  • ABITS Capuano00
  • Framework ITS générique
  • Système Multi-Agents Réactifs
  • Modèle de lapprenant
  • Profil cognitif
  • Logique floue

6
Enjeux
  • Agent multi-rôles
  • Tuteur (STEVE, Vincent Paiva 02 )
  • Professeur (Autotutor Graesser99)
  • Entraîneur
  • Activités Pédagogiques Adaptables
  • Règles génériques
  • Applications spécifiques aux rôles
  • Adaptées
  • Au contexte (stratégie, sujet de lactivité)
  • À lapprenant
  • Son cursus
  • Son profil

7
Plan
  • Contexte
  • Positionnement et modèles
  • Modèle de lagent
  • Modèles ITS domaine et apprenant
  • Modèles ITS pédagogique
  • Application
  • Résultats
  • Conclusion

8
Modèle Agent
Beliefs Desires Intentions
Decision
Soar Pedagogical AGent
Action
Perception
9
Modèles ITS domaine/apprenant
ltlt Est-un gtgt
ltlt Se-décompose-en gtgt
ltlt Utilise gtgt
10
Modèles ITS domaine/apprenant
Apprenant
nom
John
profil
diagnostic
conceptualisation
70
(0 .. 100)
tourner-bouton
élément-domaine
présenté
1
(0 .. )
Domaine
niveau
4
(-1 .. 4)
()
exercé
3
(0 .. )
tourner-bouton
11
Modèle ITS pédagogique
12
Plan
  • Contexte
  • Positionnement et Modèles
  • Application
  • Soar moteur cognitif
  • Soar base de connaissances
  • Stratégie pédagogique générique
  • Résultats
  • Conclusion

13
Soar un moteur cognitif Lewis 01
  • SOAR, une architecture cognitive pour
  • La simulation du raisonnement humain
  • La résolution de problèmes par lapplication
    dopérateurs

règle de proposition de lopérateur
dattente sp top-psproposewait (state ltsgt
attribute state choices none -operator.n
ame wait) --gt (ltsgt operator ltogt , ) (ltogt
name wait)
règle de sélection de lopérateur dattente sp
top-pspreferalloperatorto-wait (state
ltsgt name spag operator ltopgt)
(ltopgt name wait) --gt (ltsgt
operator ltopgt lt )
règle dapplication de lopérateur
dattente sp top-psapplywaitrandom
(state ltsgt operator ltogt) (ltogt name
wait) --gt (ltogt random elaboration)
14
Soar 2/2 base de connaissances KB
règle dinitialisation du domaine pour le
tp-physique sp applyinitialize-domainspeed_com
putation (state ltsgt operator ltopgt) (ltopgt
name init_domain domain_name
speed_computation) --gt (write init domain
speed_computation (crlf)) (ltsgt domain
ltdomgt) (ltdomgt name speed_computation)
(ltdomgt behaviors ltbehaviorsgt objects
ltobjsgt concepts ltconcgt)
---------objects------------------------
---------concepts-----------------------
(ltconcgt concept ltspeedgt ltdurationgt ltdistancegt)
(ltspeedgt name speed include
ltdurationgt include ltdistancegt
type primary-element)
(ltdurationgt name duration
type primary-element) (ltdistancegt name
distance type primary-element)
----------------------------------------
(ltbehaviorsgt behavior ltcompute_speedgt)
(ltcompute_speedgt name compute_speed
uses ltspeedgt
uses ltdurationgt uses
ltdistancegt type
primary-element)
15
Stratégie pédagogique
16
Plan
  • Contexte
  • Positionnement et modèle
  • Application
  • Résultats
  • Intégration dans lEVF TP-Physique
  • Scénario supervision
  • Scénario explication
  • Conclusion

17
Intégration dans lEVF TP-Physique
  • Environnement structuré et informé
  • Connaissances à dominante procédurale

Emetteur
Cube de Résine
Lentilles
Récepteur
Miroirs
Bouton déphaseur
Légende 
Oscilloscope
Chemin de la lumière
18
Scénario supervision
19
Scénario explication
règle de préférence 2 de lopérateur
explain- sp tutorpreferlink-typesub-explain
(state ltsgt name explain
operator lto1gt operator lto2gt
superstate.learner.element
ltlelem1gt superstate.learner.element ltlelem2gt)
(ltlelem1gt domain-elem ltdelem1gt
level ltlevel1gt) (ltlelem1gt
domain-elem ltdelem1gt
level ltlevel2gt gt ltlevel1gt) (lto1gt name
explain elem ltdelem1gt ) (lto2gt name explain
elem ltdelem2gt ) --gt (ltsgt operator lto1gt gt
lto2gt)
règle de préférence 1 de lopérateur
-explain- sp tutorpreferlink-typesub-explain
(state ltsgt name explain
operator lto1gt operator lto2gt
superstate.learner.profile.concep
tualisator ltprobgt) (lto1gt name explain link
kind-of) (lto2gt name explain link
include) --gt (ltsgt operator lto1gt ,
ltprobgt) (ltsgt operator lto2gt , ( - 100
ltprobgt))
20
Plan
  • Contexte
  • Positionnement et modèles
  • Application
  • Résultats
  • Conclusion
  • Bilan
  • Perspectives de recherche

21
Bilan
  • Modèle pédagogique
  • Généricité, adaptation, multi rôles
  • Modèles du domaine
  • Ontologie plus riche que STEVE ou ABITS
  • A valider sur un domaine plus vaste
  • Modèle de lapprenant
  • Profil simple conceptualisation
  • Recouvrement sans modèle des erreurs
  • Modèle de linterface
  • Communication restreinte
  • Interaction et animation à faire

22
Perspectives de Recherche
  • Intégration dans un EVF MASCARET
  • Collaboratif et Muti-utilisateurs (distribué)
  • SMA plusieurs agents pédagogiques
  • Exploitation des Modèles ITS existants
  • Domaine, Apprenant, Pédagogique
  • Application dans le cadre du projet CERV-ASAP sur
    le TP de Physique
  • Etablir un protocole de mesure de performance
  • Confronter les critères pédagogiques

23
Fin - Merci pour votre attention !
Des questions ?
24
Bibliographie 1/2
  • Rickel99
  • J. Rickel et W. L. Johnson, Animated agents for
    procedural training in virtual reality
    perception, cognition and motor control, Applied
    Artificial Intelligence, 13, 1999, pp. 343 382.
  • Lourdeaux01
  • D. Lourdeaux, Réalité virtuelle et formation
    conception d'environnement virtuel pédagogique,
    thèse à l'Ecole des Mines de Paris, 2001.
  • Capuano00
  • N. Capuano, M. De Santo, M. Marsella, M. Molinar
    et S. Salerno, A Multi-Agent Architecture for
    Intelligent Tutoring, Proceedings of the
    International Conference on Advances in
    Infrastructure for Electronic Business, Science,
    and Education on the Internet, 2000.
  • Graesser99
  • Arthur C. Graesser, Katja Wiemer-Hastings, Peter
    Wiemer-Hastings, and Roger Kreuz. Autotutor a
    simulation of human tutor. Journal of Cognitive
    Systems Research, tome 1 pages 3551, 1999.
    Tutoring Reserch Group, University of Memphis.

25
Bibliographie 2/2
  • Paiva 02
  • Ana Paiva and Isabel Machado. Lifelong training
    with vincent, a web-based pedagogical agent.
    International Journal of Continuing Engineering
    Education and Lifelong Learning, 12(1/2/3/4),
    pages 254266, 2002.
  • Lewis 01
  • R.L. Lewis. Cognitive theory, soar. In
    International Encylopedia of the Social and
    Behavioral Sciences. Pergamon (Elsevier Science),
    2001.

26
Perspectives pour le projet
  • Percevoir toutes les interactions pertinentes
  • Améliorer linterface avec lEVF
  • Améliorer la présence de lagent
  • Génération orale (Text-to-speech)
  • Actions sur lenvironnement
  • Animation de lagent (hLib)
  • Compléter le domaine
  • Ajouter des éléments, des explications et des
    comportements
  • Ajouter une interface graphique pour le formateur
    et lapprenant

27
Comparatif 1/2
28
Synthèse 2/2
29
Architecture
Soar
sgio
LibSoarAgent
Decision
SPAG
Soar
Action
Perception
C / Tcl
uses
C
ARéVi
hLib
EVF
30
Bilan Personnel
  • EIAH
  • ITS
  • EVF
  • Utilisation de SOAR
  • Découverte du métier de chercheur
  • Recherche bibliographique
  • Étude dun problème
  • Réalisation dune solution
  • Rédaction
About PowerShow.com