Participants : Jean-Marc Gabriel, Gilles Bisson
Les outils d'apprentissage symbolique automatique existants fonctionnent souvent comme des ``boîtes noires''. Lorsque les sorties du système sont partiellement incomplètes, incohérentes, voire inintelligibles, l'utilisateur néophyte a beaucoup de mal à voir quelles sont les informations qu'il doit modifier en entrée du système pour améliorer les sorties. Il est donc apparu nécessaire de répondre aux trois questions suivantes :
Le principe est d'intégrer dans le système d'apprentissage un mécanisme de classification conceptuelle qui serve de médiateur entre les entrées et les sorties. Le schéma d'apprentissage se décompose alors en deux phases (1) classification : le système d'apprentissage interprète et structure les informations fournies par l'utilisateur, (2) discrimination : à partir de cette structuration, le système construit la base de résolution de problèmes. Il devient alors possible d'expliquer à des utilisateurs néophytes les résultats de chaque étape en fonction des informations obtenus lors des étapes précédentes. L'utilisateur peut ``remonter'' pas-à-pas des sorties qu'il souhaite modifier vers les éléments en entrée qui ont engendré les structures fautives et y apporter des corrections.