Didactique et Intelligence artificielle (Elast)


(ETANT CONTINUE DE  3/06/13)

4.5.MODELISATION DES PROCESSUS DIDACTIQUES
Le problème de la modélisation des processus de décision qui conduisent à une action  en direction de l’élève, favorisant l’apprentissage, est en général considéré comme largement  ouvert34. Cela peut paraître paradoxal au regard de l’existence d’exemples comme ceux que  nous avons évoqués ou comme ceux décrits dans une littérature de plus en plus abondante
(cf. par exemple : Dijskstra et al. 1992). Le paradoxe n’est qu’apparent. En effet, la plus part  des modèles disponibles portent sur le séquencement de leçons en tant qu’unités atomiques de  curriculum, mais ne répondent pas à un niveau assez fin à la question « quand intervenir ? »
ou à la question « avec quel contenu ? » en relation avec un objet d’enseignement déterminé  et pour un élève dans une situation précise. Les principes mis en oeuvre sont présentés comme  indépendants des contenus. Pourtant ils peuvent entrer en conflit avec les caractéristiques  psychogénétiques et didactiques de contenus spécifiques. C’est, par exemple, le cas de  principes qui engageraient à rendre minimales les difficultés dans le passage d’une unité à  une autre (Baker 1993) car ils peuvent aller à l’encontre de la nécessité de ruptures par  franchissement de seuils de complexité pour certaines connaissances (ce dont rend compte la  notion de sauts informationnels dans la théorie des situations didactiques). Ou encore, c’est le  cas de principes prescrivant de décomposer les connaissances en unités élémentaires  relativement indépendantes (idée d’enseigner une unité par leçon. Voir par exemple,VanLehn 1990 pp.129-135), ce qui va à l’encontre de l’organisation complexe des  connaissances au sein de champs conceptuels.
La prise en charge, dans la conduite d’une interaction, de la spécificité des  connaissances implique celle de cette spécificité dès le niveau de leur représentation. D’une  part pour pouvoir rendre compte d’un état particulier de connaissance en termes opératoires
(i.e. capacité effective d’action), je parlerai dans ce cas de conception (Balacheff 1993a),d’autre part pour pouvoir expliciter les relations entre ces états. Ces relations ne sont  pas limitées à des relations d’ordre total ou partiel, elles sont le plus souvent d’une nature  systémique liée à l’interdépendance des conceptions au sein d’un champ conceptuel (une  conception ne fonctionne pas seule mais en interaction avec d’autres). Les processus de  décisions de portée globale sont insuffisants, ils doivent être complétés de processus  distribués au niveau des conceptions et des liens entre conceptions.
Ainsi, dans HyperCabri, certains problèmes diagnostiqués dans la construction d’un  carré provoquent la proposition à l’apprenant d’une nouvelle situation, pour l’acquisition de  compétences de report de longueur, qui elle-même est l’objet d’une séquence et de processus  de décisions spécifiques. Cette approche conduit à une architecture proche de l’architecture “bite sized tutoring” de Bonar (1985, d’après Wenger 1987 pp.144-151) dans laquelle les  processus de décision didactique sont distribués sur les constituants du “curriculum”.
Les informaticiens souligneront probablement les limites d’une faible capacité de  transfert de cette approche, mais les invariants ne seraient-ils pas à rechercher aujourd’hui du  côté des méthodes et des problématiques, plus que du côté de structures qui seraient faciles à  réinvestir de façon indépendante des contenus. Il s’agit bien pour chaque connaissance de reposer le problème de l’économie et de l’écologie des conceptions qu’on peut lui rattacher,tant du point de vue de son fonctionnement que de celui de son apprentissage. Au sein même  des mathématiques, il est maintenant assez clair qu’il y a une spécificité de l’algèbre
relativement à la géométrie, de l’algèbre linéaire relativement au calcul intégral. Il y a  cependant des traits communs à ces connaissances qui marquent leur appartenance commune  aux mathématiques, par exemple : le rôle joué par les problèmes, la place prise par la  manipulation de systèmes symboliques.
La didactique des mathématiques dispose de moyens assez robustes pour aborder ces  questions. Le points de départ sont les notions de conception et de problème. Le lien entre  conceptions et problèmes est central comme en attestent de nombreux travaux (voir à ce sujet  Artigue 1990). D’une part, les problèmes sont le critère de reconnaissance de l’existence et
donc de l’opérationnalité d’une conception (problèmes constituant son domaine de validité),
d’autre part les problèmes sont le moyen de remettre en question une conception et donc de  permettre son évolution. De ces liens entre conceptions et problèmes on peut induire un  graphe biparti conception/problème pour lequel un processus didactique est une fonction de  génération de parcours particuliers. Cette modélisation a été mise en oeuvre pour la  réalisation d’un environnement hybride associant un tuteur artificiel et un tuteur humain  (Tahri 1993, Balacheff et Tahri 1993) dans le pilotage d’un apprentissage de la symétrie  orthogonale. Dans cet environnement, le tuteur artificiel apporte une aide au diagnostic, et
pour une conception identifiée il propose au tuteur humain un ensemble de problèmes qui en  permettraient l’évolution. L’étude a porté sur les décisions de diagnostic et les décisions de  transition dans le graphe de représentation des connaissances (choix d’un problème parmi  ceux proposés par le tuteur artificiel). L’analyse des processus de décision du tuteur humain  confirme le rôle joué par la prise en compte des spécificités de la connaissance en  jeu et de celles de la conception attribuée à l’élève, elle soulève par ailleurs le problème de la  dévolution aux élèves des situations qu’on leur propose ou des aides qu’on cherche à leur  apporter. Cette question de la dévolution ne peut être envisagée de façon indépendante de la  formalisation d’un processus qui serait, lui, pensé adidactique   La modélisation d’un processus didactique ne se limite pas à celle de la représentation   des connaissances et de fonctions de décision du tuteur, elle doit considérer la nécessaire  négociation du sens des situations que le dispositif informatique cherche à organiser. En  effet, les interactions dans le cadre d’une session d’apprentissage n’ont pas de sens en soi mais
un sens relativement à une intention que l’élève attribue au système avec lequel il interagit.
Cette question ne peut être abordée qu’en replaçant le dispositif informatique, et donc les  modélisations qui le sous-tendent, dans la perspective de sa mise en oeuvre dans le système  didactique.

5. CONCLUSION
La modélisation informatique de processus didactique pose des problèmes originaux  (par exemple la transposition informatique) et oblige à reprendre des concepts de didactique   (par exemple, celui de conception) ou certaines questions (par exemple, celle du rôle  professeur) avec plus de précision. C’est un effet banal de la nécessité où l’on se trouve d’une  explicitation qui permette la mise en oeuvre opératoire des modèles par des agents  indépendants ; ici des dispositifs informatiques. En un sens le problème n’est pas nouveau.
Nous l’avons déjà rencontré et nous devons le traiter fréquemment dans le cadre de la  communication avec les enseignants sur le terrain ou dans celui de la formation, voire dans la  communication avec d’autres chercheurs. Mais il est ici considéré sous les contraintes  particulières de la modélisation computationnelle. Les éclairages que j’ai pu apporter en tant  que didacticien sur certains problèmes liés à cette modélisation, représentation des connaissances, prise en compte de l’apprenant, décisions didactiques, ouvrent une première  voie à la prise en compte de ces contraintes dans la conceptualisation des processus et des
phénomènes de didactique, qui est notre objet. Mais il est clair que tout cela est encore très  limité, l’essentiel reste à venir. Il importera dans les avancées que nous réaliserons de  concevoir cette recherche dans une relation constante et étroite avec l’étude de la place et de  la mise en oeuvre de dispositifs informatiques dans le système didactique.

FIN

N. Balacheff
DidaTech
Laboratoire LSD2
IMAG-CNRS et Université Joseph Fourier
Grenoble

REFERENCES BIBLIOGRAPHIQUES
Allen R., Desmoulins C., Trilling L. (1992) Tuteurs intelligents et Intelligence Artificielle :
problèmes posés en construction de figures géométriques. in Frasson C. et al. (eds)  Intelligent Tutoring Systems (pp.325-334). Berlin: Springer-Verlag.

Anderson J.R. (1988) The Expert Module. in Polson M. C., Richardson J. J. (eds) Foundations of Intelligent Tutoring Systems (pp.21-53). Hillsdale, NJ : Lawrence
Erlbaum Associates.
Anderson J.R., Boyle C.F., Corbett A.T., Lewis M.W. (1990) Cognitive modelling and  intelligent tutoring. Artificial intelligence 42 (1) 7-49.
Anderson J.R., Boyle C.F., Yost G. (1985) The GEOMETRY TUTOR. Proceedings of the  International Joint Conference on Artificial Intelligence (pp.1-7). Los Altos : Morgan
Kaufmann.
Anderson J.R., Reiser B.J. (1985) The LISP TUTOR. Byte. April, 159-175
Artigue M. (1990) Epistémologie et didactique. Recherches en didactique des mathématiques  10 (2/3) 241-285.
Baker M. (1989) Negociated tutoring : An approach to interaction in intelligent tutoring  systems. Doctoral dissertation. Milton Keynes : The Open University.
Baker M. (1993) Adaptating instructional design methods to intelligent multimedia authoring  systems. in Tennyson R.D. (ed) Automating instructional design, development, and  delivery (pp.197-223). Berlin : Springer-Verlag.
Balacheff N. (1991) Contribution de la didactique et de l’épistémologie aux recherches en  EIAO. in Bellissant C. (ed) Actes des XIII° Journées francophones sur l’informatique  (pp.9-38). Grenoble : IMAG.
Balacheff N. (1993a) Modélisation de l’apprenant. in Noirfalise R. (ed.) Actes de la 7° Ecole  d’été de didactique des mathématiques. Clermont-Ferrand : IREM et Université (sous  presse).
Balacheff N. (1993b) Artificial Intelligence and Real Teaching. in Keitel C., Ruthven K.(eds) Learning through computers: Mathematics and Educational Tedchnology(pp.131-158). Berlin : Springer-Verlag.
Balacheff N. (1994) La transposition informatique. Note sur un nouveau problème pour la  didactique. in Artigue M. et al. (eds) 20 ans de didactique des mathématiques en  France. Grenoble : La Pensée Sauvage. (sous presse)
Balacheff N., Sutherland R. (1993) Epistemological domain of validity of microworlds, the  case of Logo and Cabri-géomètre. in Lewis R., Mendelhson P. (eds) Lessons from  learning. Proceedings of the IFIP WG3 working group. North Holland (sous presse).
Balacheff N., Tahri S. (1993) Modélisation de l’interaction didactique : un tuteur hybride sur  Cabri-géomètre. in Noirfalise R. (ed) Actes de la 7° Ecole d’été de didactique des  mathématiques. Clermont-Ferrand : IREM et Université (sous presse).
Baulac Y., Giorgiutti I. (1992) Interaction micromonde/tuteur en géométrie. in Baron M.,Gras R., Nicaud J.-F. (eds) Actes des deuxièmes journées de Cachan (pp.11-18).
Cachan : ENS Cachan
Bellemain F. (1992) Conception, réalisation et expérimentation d’un logiciel d’aide à  l’enseignement de la géométrie : Cabri-géomètre. Thèse. Grenoble : Université Joseph  Fourier.
Bonar J.G. (1985) Bite-sized intelligent tutoring. ITSG newsletter 85 (3) Pittsburgh :
Learning Research and Development Center.
Brousseau G. (1986) Fondements et méthodes de la didactique des mathématiques.
Recherches en didactique des mathématiques 7 (2) 33-115.
Brown J.S., Burton R.R. (1978) Diagnostic models for procedural bugs in basic mathematical
skills. Cognitive Science 2, 155-191.
Bruillard E. (1991) Mathématiques et EIAO : une vision hyprtexte des environnements
d’apprentissage. Thèse. Le Mans : Université du Maine.
Burton R.R. (1988) The Environment Module of Intelligent Tutorial Systems. in Polson
M.C., Richardson J.J. (eds) Foundations of Intelligent Tutoring Systems (pp.108-142).
Hillsdale, NJ : Lawrence Erlbaum Associates.

Burton R.R., Brown J.S. (1979) An investigation of computer coaching for informal   learning activities. International Journal of Man-Machine Studies 11, 5-24. Repris dans  : Sleeman D.H., Brown J.S. (eds) (1982) Intelligent Tutoring Systems (pp.79-98).
Londres : Academic Press.
Capponi B. (1992b) Hypercarré : problèmes d’un système tutoriel en géométrie. in Baron M.,Gras R., Nicaud J.-F. (eds) Deuxième journées EIAO de Cachan. (pp.77-88). Cachan :
ENS Cachan.
Capponi B. (1992a) Modification des menus dans Cabri-géomètre : les symétries comme  outils de construction. petit X 33, 37-68.
Carbonnell J.R. (1970) Mixed-Initiative Man-Computer Instructional Dialogue. Doctoral  Dissertation. Cambridge, M. A. : MIT.
Chevalier R. (1992) STUDIA : mise en oeuvre d’un système dynamique de dialogue dans un  tuteur intelligent. Thèse. Le Mans : Université du Maine.
Chevallard Y. (1985) La transposition didactique. (nouvelle édition augmentée 1991)
Grenoble : La Pensée Sauvage.
Chevallard Y. (1992) Intégration et viabilité des objets informatiques dans l’enseignement  ders mathématiques. in Cornu B. (ed)L’ordinateur pour enseigner les mathématiques  (pp.183-203). Paris : PUF.
Clancey W.J. (1983) The epistemology of a rule based expert system : A framework for  explanation. Artificial Intelligence 20, 215-251.
Clancey W.J. (1987) Knowledge-based tutoring : the GUIDON program. Cambridge, M.A. :
MIT Press
Clancey W.J. (1992) New perspective on cognition and instructional technology. in Costa E.(ed) New direction for intelligent tutoring systems (pp.3-14). Berlin : Springer-Verlag.
Cornu B. (1992) L’évolution des mathématiques et de leur enseignement. in Cornu B. (ed)L’ordinateur pour enseigner les mathématiques (pp.13-69). Paris : PUF.
Desmoulins C. (1994) Etude et réalisation d’un système tuteur pour la construction de figures  géométriques. Thèse. Grenoble : Université Joseph Fourier.
Dijskstra S., Krammer H.P.M., van Merriënboer J.J.G. (eds) (1992) Instructional models in  computer-based learning environments. Berlin : Springer-Verlag.
Elsom-Cook, M. (1990) Guided Discovery Tutoring. Paul Chapman Publishing, London.
Ganascia J.-G. (1990) L’âme-machine. Paris : Seuil.
Ganascia J.-G. (1993) L’intelligence artificielle. Coll. Domino, 4. Paris : Flammarion.
Gras R. (ed.) (1991) Actes de la VI° école d’été de didactique des mathématiques. Rennes :
IRMAR.
Guin, D. (1991) Modélisation de la démonstration géométrique dans Geometry Tutor.
Annales de Didactique et de Sciences Cognitives (4, pp.5-40). Strasbourg : IREM de  Strasbourg..
Hillel J. (1993) Computer algebra systems as cognitive technologies : implication for the  practice of mathematics education. in Keitel C., Ruthven K. (eds) Learning from  computers : mathematics education and technology (pp.19-47). Berlin : Springer-Verlag.
Hoyles C. (1993) Microworlds/Schoolworlds : The transformation of an innovation. in Keitel
C., Ruthven K. (eds) Learning from computers : mathematics education and technology
(pp.1-17). Berlin : Springer-Verlag.
Hoyles C., Noss R. (1992) A pedagogy for mathematical microworlds. Educational Studies in
Mathematics 23 (1) 31-59.
Kimball R. (1973) Self-optimizing computer-assisted tutoring : theory and practice.
Technical Report 206. Psychology and Education Series. Stanford : Stanford  University.

Laborde C. (1993) The computer as part of the learning environment : the case of  geometry. in Keitel C., Ruthven K. (eds) Learning through computers: Mathematics  and Educational Tedchnology (pp.48-67). Berlin : Springer-Verlag. (sous presse).
Laborde J.-M. (1993) Intelligent microworlds and learning environments. in Laborde J.-M.
(ed) Intelligent Learning Environments: The case of Geometry. Berlin : Springer-Verlag. (sous presse).
Laborde J.-M., Strässer R. (1990) Cabri-géomètre : a microworld of geometry for guided  discovery learning. Zentralblatt für Didaktik des Mathematik 5, 171-177.
Luengo V. (1993) Contraintes informatiques et apprentissage de la démonstration, à propos  de tois logiciels. Mémoire de DEA de didactique des disciplines scientifiques. Grenoble  : Université Joseph Fourier.
McCarthy J. (1977) Epistemological Problems of Artificial Intelligence. Proceedings IJCAI-77. Cambridge, MA. Repris dans : Brachman R.J., Levesque H.J. (eds) (1985)Readings in knowledge communication (pp.23-30). Los Altos : Maurgan Kaufmann.
Morin E. (1986) La méthode, 3. La connaissance de la connaissance. Coll. Essai (n°236).
Paris : Editions du Seuil.
Nicaud J.-F. (1989) APLUSIX : un système expert pédagogique et un environnement  d’apprentissage dans le domaine du raisonnement algébrique. Technique et Science  Informatique 8 (2) 145-155.
Nicaud J.-F., Vivet M. (1988) Les tuteurs intelligents : réalisations et tendances de  recherches. Techniques et Sciences Industrielles 7 (1) 21-45.
Papert S. (1980) Mindstorm. Trad. Fr. (1981) Jaillissement de l’esprit. Paris : Flammarion.
Py D., Nicolas P. (1990) mentoniezh : a geometry ITS for figure drawing and proof setting.
Artificial Intelligence in Education 1(3) 41-55.
Rauzy G. (1992) L’informatique conduit-elle à des mathématiques nouvelles ? in Cornu B.(ed.) L’ordinateur pour enseigner les mathématiques (pp.97-117). Paris : PUF.
Saffar B., Kassel G. (eds) (1990) Explication. Revue d’intelligence artificielle 4 (2) 7-160  Saïdi M. (1992) Planification et explication du raisonnement d’un résolveur complexe en  algèbre. Thèse. Paris-Orsay : Université de Paris XI.
Self J. (1988) Artificial Intelligence and Human Learning. Londres : Chapman and Hall  Computing.
Shortlife E.H. (1976) Computer-based medical consultations : MYCIN. New York : American  Elsevier Publishers.
Sleeman D.H. (1982) Inferring (mal) rules from pupils’ protocols. Proceedings of the  European Conference on Artificial Intelligence (pp.160-164). Orsay, France.
Sleeman D.H., Brown J.S. (1982) Intelligent Tutoring Systems. Londres : Academic Press.
Tahri S. (1993) Modélisation de l’interaction didactique : un tuteur hybride sur Cabrigéomètre  pour l’analyse de décisions didactiques. Thèse. Grenoble : Université Joseph  Fourier.
Turing A.M. (1950) Computing machinery and intelligence. Repris dans : (1987) Vues de  l’esprit. Paris : InterEditions.
Van Lehn K. (1982) Bugs are not enough: empirical studies of bugs, impasses and repairs in  procedural skills. Journal of Mathematical Behaviors 3, 3-72.
VanLehn K. (1990) Mind bugs. Cambridge, M.A. : The MIT Press.
Vergnaud G. (1990) La théorie des champs conceptuels. Recherches en didactique des  mathématiques 10 (2/3) 133-170.
Vivet M. (1984) Expertise mathématique et informatique : CAMELIA un logiciel pour  raisonner et calculer. Thèse de d’état. Paris : Université Pierre et Marie Curie
Vivet M. (1987) Système expert pour enseigner : méta-connaissance et explication. Congrès  international MARI/COGNITIVA.. Paris.

Vivet M. (1990) Uses of ITS, which role for the teacher ? in Costa E. (ed) New  direction for intelligent tutoring systems (pp.171-180). Berlin : Springer-Verlag.
Wenger E. (1987) Artificial Intelligence and Tutoring Systems. Los Altos : Morgan  Kaufmann Pub. Inc.
White B. Y., Frederiksen J.R. (1990) Causal models progressions as a foundation for  intelligent learning environments. Artificial Intelligence 4, 99-157.

NOTES

34 “Implemented process models of didactics with some articulation of the expertise involved are few, and
active interest in such explicit models is relatively recent” (Wenger 19987 p.395 — mes italiques).

About sooteris kyritsis

Job title: (f)PHELLOW OF SOPHIA Profession: RESEARCHER Company: ANTHROOPISMOS Favorite quote: "ITS TIME FOR KOSMOPOLITANS(=HELLINES) TO FLY IN SPACE." Interested in: Activity Partners, Friends Fashion: Classic Humor: Friendly Places lived: EN THE HIGHLANDS OF KOSMOS THROUGH THE DARKNESS OF AMENTHE
This entry was posted in Computers and Internet and tagged , , , . Bookmark the permalink.

Leave a Reply

Please log in using one of these methods to post your comment:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s