Participants : Jean-Maurice Blin, Véronique Masson, René Quiniou
Nous étudions l'apport de l'apprentissage automatique à la modélisation de l'usager ou l'apprenant. Nous nous intéressons particulièrement à la programmation logique inductive (PLI) qui permet d'apprendre un programme logique à partir d'exemples de couples d'entrées/sorties de ce programme. Le programme synthétisé, censé représenter l'état des connaissances et les processus de raisonnement d'un apprenant, permet, entre autres, de simuler le comportement de l'usager, pour lui faire prendre conscience de ses erreurs, par exemple. Il est de plus possible de découvrir automatiquement les erreurs de ce programme par rapport à une spécification donnée. Ces erreurs, considérées comme des lacunes de l'usager, peuvent ensuite être utilisées pour focaliser l'enseignement ou l'aide qu'il faut procurer à l'apprenant [5].
Nous avons particulièrement étudié cette année les moyens d'améliorer l'efficacité de la recherche conduite par l'algorithme de PLI. La complexité de cet algorithme d'apprentissage est très importante et conduit à des temps de réponse inacceptables pour une application interactive (dans notre cas un système d'aide au diagnostic et à la rééducation de patients aphasiques). Concernant la modélisation de l'apprenant, nous supposons que cet apprenant aura un comportement cohérent et par conséquent le système d'apprentissage sera conduit à effectuer souvent le même type de recherche dans l'espace des clauses. Nous avons donc cherché à éviter ces recherches répétitives en nous servant de l' expérience passée du programme de recherche de clauses. L'exploitation de l'expérience passée est ensuite naturellement confiée à un système de raisonnement à partir de cas.
Nous nous sommes particulièrement attachés à définir la construction des cas de référence. À la différence des systèmes de raisonnement à partir de cas classiques, dans lesquels il s'agit de capitaliser l'expérience d'un expert humain, nous devons ici retenir l'expérience d'un programme, ce qui peut conduire à un volume d'information extrêmement important. Nous avons de plus étudié l'apprentissage automatique d'heuristiques de parcours de l'espace de recherche [22].
Ces idées sont appliquées au système Sarah dont le but est de diagnostiquer les troubles et déficits des patients aphasiques au moyen d'exercices pertinents, générés de façon automatique, puis d'aider le patient à compenser ses déficits en lui faisant prendre conscience de ses erreurs. Ce travail est effectué en étroite collaboration avec H. Guyard de l'UER Langage, université de Rennes 2. Nous avons débuté une évaluation avec l'équipe de neuropsychologie du service de neurologie du CHR d'Angers.