BRÉZILLON Juliette

PhD graduated
Team : MALIRE
Departure date : 09/30/2010
https://lip6.fr/Juliette.Brezillon

Supervision : Thierry ARTIÈRES

Co-supervision : TIJUS Charles

An Intelligent tutor system for self-evaluation of users'behaviors. Application in Road Safety

Le système ACA (Apprentissage de la Catégorie Adéquate) est un système dédié à l'apprentissage humain basé sur la similarité, basé sur deux mesures : la mesure de similarité d'appartenance et la mesure de similarité de transformation. La mesure de similarité d'appartenance est définie comme étant la distance numérique entre la description d'un apprenti et une des catégories d'une typologie (la catégorie de départ). La mesure de similarité de transformation est définie comme étant la distance entre la catégorie de départ de l'apprenti et la catégorie cible visée par l'apprentissage (la catégorie d'arrivée). La méthode de formation qui découle de ACA comprend un cycle itératif de trois étapes : (1) l'instanciation de la description de l'apprenti dans une catégorie de départ, (2) la définition de la transformation à opérer pour atteindre la catégorie d'arrivée et l'effectuation de cette transformation par la formation, et (3) la validation de la catégorie d'arrivée. La méthode ACA nécessite au préalable la dé_nition d'une typologie de comportements spécifiques au problème étudié et celle des relations entre les catégories de la typologie en termes de partage de descripteurs. Ces relations indiquent comment passer d'une catégorie à une autre. La méthode nécessite aussi une situation d'analyse qui permet de traduire des observables en comportement et de recueillir les observables du comportement de l'apprenti face au problème étudié, de les traduire en descripteurs de comportement, et d'instancier le comportement de cet apprenti dans la typologie.
La méthode ACA a été appliquée dans le domaine de la sécurité routière. Pour cela, un questionnaire a été élaboré pour obtenir une typologie de comportements de conducteurs, à partir des réponses de 420 participants. La situation d'analyse retenue est celle de la conduite automobile à l'arrivée dans un carrefour sans priorité dans lequel deux véhicules interviennent. Le recueil des observables a été réalisé auprès de 45 participants lors d'une expérimentation menée sur le simulateur de conduite de l'INRETS-BRON. Les participants avaient comme consigne de ne commettre aucune erreur de conduite. Pour traduire les observables en descripteurs de comportement, la situation d'analyse a été formalisée dans un scénario comprenant 11 situations critiques (des situations de conduite dans lesquelles un accident peut se produire), à partir desquelles le comportement du conducteur a été analysé, notamment ses erreurs de conduite. Les résultats ont montré que dans 86% des cas, le comportement du conducteur a été amélioré, c'est-à-dire qu'il a changé de catégorie, passant d'une catégorie de départ à une catégorie d'arrivée plus proche de la catégorie cible.

Defence : 07/02/2010

Jury members :

Jean-Charles Pomerol, Professeur, Université Paris 6
Marc Bui, Professeur, Université Paris 8 [Rapporteur]
Gilles Coppin, Professeur, Telecom Bretagne [Rapporteur]
Thierry Bellet, Chargé de recherche, INRETS
Nicolas Labroche, Maître de Conférence, Université Paris 6
Yves Kodratoff, Directeur de recherche, Université Paris 11
Thierry Artières, Professeur, Université Paris 6
Charles Tijus, Professeur, Université Paris 8

Departure date : 09/30/2010

2006-2010 Publications