ajouts a la semaine 10

This commit is contained in:
François Pelletier 2017-11-14 23:12:41 -05:00
parent 3e57c76fea
commit 3902bf0a64

View file

@ -71,7 +71,7 @@ Contenu tiré du chapitre 2
Le module expert:
- Traditionnellement, la connaissance est représentée sous forme de frames.
- Deux rôles: source de connaissances et référence pour l'évaluation de l'étudiant. Pouvoir générer des problèmes et des solutions, ainsi que tous les chemins de solution possibles, lorsqu'il y en a plusieurs. Optionnel: mesurer le progrès de l'étudiant.
- Deux rôles: source de connaissances et référence pour l'évaluation de l'étudiant. Pouvoir **générer des problèmes et des solutions**, ainsi que tous les chemins de solution possibles, lorsqu'il y en a plusieurs. Optionnel: mesurer le progrès de l'étudiant.
La communicabilité:
@ -86,18 +86,53 @@ Modèle de l'étudiant:
- Connaissances antérieures: formé à partir de la représentation système de l'expertise cible. Représentation de la formation des connaîssances et des erreurs d'apprentissage.
- Représentation dans le langage du domaine
- Approche énumérative: lister les erreurs et incompréhensions à l'aide d'enseignants experts ou dérivées empiriquement. Activité importante pour les concepteurs.
- Langage descriptif pour inclure d'autres caractéristiques de l'étudiant non liées au domaine.
- **Langage descriptif** pour inclure d'autres caractéristiques de l'étudiant non liées au domaine.
- Comportement d'apprentissage
- Notes numériques: statistiques de base
- Diagnostic détaillé: recherche de structure pour l'atteinte du but
- Perturbation d'un modèle existant: approche à base de cas
- Apprentissage d'un modèle à partir des données : apprentissage automatique
- Apprentissage d'un modèle à partir des données : **apprentissage automatique**
- Contrainte liée au fait que l'application doit être interactive
- Sources de bruit dans les données: l'étudiant peut être chanceux dans un test à choix de réponses.
- Traitement du langage naturel pour avoir une bonne interaction avec l'étudiant
### Connaissance pédagogique: la compétence de communication (2.3)
- Beaucoup de connaissance se trouve imbriquée dans les schémas de connaissances des systèmes d'assistance à l'enseignement.
- Dans les systèmes de tuteurs intelligents, cette connaissance pédagogique se trouve dans un module séparé.
- Compromis entre laisser l'étudiant trop chercher où être trop présent dans son apprentissage. **Possibilité d'optimisation de cette décision.**
### Interface: la forme de la communication (2.4)
- Présentation finale de la connaissance, décisif dans le processus d'acquisition.
- Des interfaces de plus en plus sophistiquées deviennent le moteur de la conception de systèmes.
- **Traitement du langage naturel**.
- Utilisation de langage pseudo-naturel.
- La granularité des éléments de connaissances est déterminante dans la flexibilité de l'interface.
- La manifestation d'une sorte d'intelligence va mener à des attentes irréalistes de l'utilisateur.
## Réseaux sémantiques et modèles mentaux
### SCHOLAR
- Conçu par Carbonell en 1970
- Prévoir les interaction inattendues: les solutions qui n'ont pas été envisagées et les différentes questions que se posent l'étudiant,
- Questions et réponses sous forme de dialogue d'initiative mixte alimenté par une traversée de graphe
- Sujet: Géographie de l'Amérique du Sud
- Identification de la pertinence des noeuds par des étiquettes numériques. Appariement des réponses par mots-clés.
- Le système ne sait pas comment traiter une mauvaise réponse.
- Limite des réseaux sémantiques: représenter la connaissance procédurale.
- Techniques de raisonnement de base
- Contradiction
- Hypothèse
- Éléments manquants:
- Incertitude
- Analyse fonctionnelle
- Approche socratique
- Notion d'insuffisance. Vérifier la véracité d'un fait plus général.
- Environ 24 règles selon Collins (1977)
- Étendu à 60 règles dans Collins and Stevens (1982) dans le système WHY.