Expérience et traces numériques d'interactions
- Représentation, modélisation et ingénierie des connaissances,
- Ingénierie de la trace,
- Assistance à l'utilisateur à partir de traces.
- Découverte interactive de connaissances à partir de traces.
- Raisonnement à partir de cas.

Mes recherches s'attachent à étudier l'activité de l'utilisateur en exploitant les traces numériques d'interactions.
Les traces témoignent d'une activité passée et constituent une source de connaissance qui peut être exploitée avec différents objectifs :
étudier des phénomènes complexes tels que notamment l'apprentissage humain ou assister la tâche de l'utilisateur.
Exploration des traces numériques d'activité
L'exploration des traces vise à mettre en place un laboratoire d’analyse des traces afin d'aider à répondre à des questions diverses relatives à l'apprentissage humain : modélisation des utilisateurs, caractérisation des échecs, etc.
Une façon d'explorer les traces est l'extraction de connaissances à partir de données (ECD), et plus particulièrement l'extraction d'épisodes séquentiels.
Ingénierie de la trace
Les travaux s'appuient sur un système à base de traces modélisées (voir la page web de kTBS) développé dans l'équipe Tweak. Un système à base de traces est une base de connaissances issues de l'interprétation des traces.
Nous proposons d'assister la collecte et l'exploitation de traces numériques, ainsi que leur transformation afin de mémoriser l'interprétation des traces et acquérir de nouvelles connaissances en interaction avec l'utilisateur.

Projets

DisKit
DisKit met en œuvre un processus de découverte de connaissances qui, à partir d’une ou plusieurs traces, extrait un ensemble d’épisodes séquentiels fréquents.
DisKit encapsule l'algorithme DMT4SP qui extrait des épisodes séquentiels et des règles séquentielles à un conséquent à partir d’une ou plusieurs séquences d’événements, et prend en charge les étapes de pré- et post-traitement avec des contraintes supplémentaires.
Transmute
Transmute est une application web destinée à fournir à un utilisateur des outils interactifs afin d'assister l'interprétation des traces. Initialement conçu pour visualiser et transformer des traces de façon interactive, il a été enrichi avec des fonctionnalités de découverte de connaissances : paramétrage et lancement d'un algorithme de fouille et affichage les résultats, assistance à l'interprétation, manipulation visuelle et interactive des résultats et mémorisation du modèle obtenu. Il s'appuie sur DisKit qui prend en charge le processus d'ECD (voir la Démonstration).

Hubble (2014-2018) (Human Observatory Based on analysis of e-learning traces, ANR).

OFS (2013-2016), Open Food System, programme investissements d’avenir.

Encadrements

Travaux passés

L'adaptation différentielle en raisonnement à partir de cas
En collaboration avec Alain Mille (LIRIS/Silex), Jean Lieber et Amedeo Napoli (LORIA/Orpailleur).
L'adaptation différentielle est une approche générique de l'adaptation en RàPC où la solution d'un problème cible est élaborée en prenant en compte d'une part les différences entre les problèmes source et cible et d'autre part des dépendances entre le problème source et sa solution. Les opérateurs d'adaptation s'inspirent du calcul différentiel et manipulent des variations entre problèmes pour générer des variations de la solution, et calculer ainsi la solution du problème cible. Référence KBS
Découverte interactive de connaissances à partir de traces
Thèse de Damien Cram en collaboration avec Alain Mille (LIRIS/Silex). La thèse porte sur la découverte interactive de connaissances dans les traces d'interactions dans le domaine de la gestion collaborative de connaissances. Il s'agit de proposer un processus de co-construction de connaissances à partir de traces itératif et interactif où l'humain et la machine coopèrent et exploitant conjointement l'apprentissage automatique et l'interprétation humaine. Un algorithme d'extraction complet de chroniques fréquentes à partir de séquences d'événements implémente le processus. Il permet l'interactivité en temps réel avec l'utilisateur en affichant les résultats partiels de l'extraction à tout moment. L'approche est mise en oeuvre dans la plate-forme Scheme Emerger, qui comporte une interface graphique de pilotage et illustre le processus de co-construction de connaissances proposé sur des traces d'activités collaboratives collectées dans la plate-forme CollaborativeECM, développée dans le cadre du projet PROCOGEC.
Acquisition opportuniste de connaissances en RàPC
Thèse de Amélie Cordier co-encadrée avec Alain Mille (LIRIS/Silex) et en collaboration avec Jean Lieber (LORIA/Orpailleur)
L'apprentissage opportuniste de connaissances en RàPC a classiquement lieu lorsque de nouveaux cas sont ajoutés à la base de cas, améliorant ainsi graduellement la compétence de résolution de problèmes d'un système. Mais les autres connaissances exploitées dans un cycle de raisonnement, telles que la similarité et les connaissances d'adaptation, peuvent étalement faire l'objet d'un processus d'apprentissage. Les méthodes knowledge lite utilisent principalement la base de cas pour générer des connaissances d'adaptation et se déroulent en dehors du cycle du RàPC off-line. L'apprentissage en ligne ou opportuniste consiste à exploiter les échecs rencontrés lors du raisonnement pour lancer un processus d'apprentissage. La phase de révision du RàPC est mise à profit pour déclencher une phase d'acquisition de connaissances lorsqu'un échec met en lumière une lacune dans les connaissances du système. Il s'agit d'interactions avec l'utilisateur pour déterminer quelles connaissances sont manquantes ou erronées, et comment les modifier pour obtenir des résultats satisfaisants.

Projets passés

Projet Coprat (2009)
COmmunautés de PRatique Assistées par les Traces (Région Rhône Alpes)
Projet ANR Procogec (2007-2010)
PROgiciel COllaboratif de GEstion des Connaissances
Projet CNRS Dimocode (2007-2009)
Diffusion par Internet des MOdèles pour la Conception Optimale des Dispositifs Energétiques.
Animation scientifique
Workshop "EXPPORT: EXperience reuse: Provenance, Process-ORientation and Traces", 21ème conférence internationale sur le "Case-Based Reasoning" (ICCBR-2013), en collaboration avec David Leake, Juan A. Recio Garcia et Stefania Montani.

Workshop "TRUE : Traces for Reusing Users' Experience", 20ème conférence internationale sur le "Case-Based Reasoning" (ICCBR-2012), en collaboration avec Michael W. Floyd, David Leake, Santiago Ontañón Villar et Jonathan Rubin.

Workshop "from structured cases to unstructured problem solving episodes", 5ème conférence internationale sur le "Case-Based Reasoning" (ICCBR-2003), en collaboration avec Alain Mille.

Action européenne COST 282 "Knowledge exploration in science and technology", groupe de travail 1 et 2 "Data Modelling Working Group (DMWG)" et "Knowledge and Workflow Modelling Working Group (KMWG)".

Anciens travaux
Membre du centre de recherches de l'IAE de l'Université Jean Moulin (Lyon 3) de 1998 à 2001
Thèse
Thèse de doctorat en informatique de l'université Jean Monnet, Saint-Etienne, soutenue le 3 octobre 1997,
préparée au sein de l'équipe de recherche sur le raisonnement à partir de cas (CPE Lyon) dirigée par Alain Mille.
Titre : "Représentation des connaissances pour le raisonnement à partir de cas : le système ROCADE"
Jury : Alain Mille, Jean-Marc Fouet, Jean-Marc Chartres, Michel Jourlin, Bernard Laget,
Rapporteurs : Agnar Aamodt (Professeur, NTNU Trondheim, Norvège), Amedeo Napoli (CNRS, LORIA, Nancy),