La démarche de l'informatique: la formalisation

Les techniques d'intelligence artificielle

Les techniques d'intelligence artificielle se sont imposées dès le début des années 70 comme une solution alternative à la conception des logiciels d'EAO (Dillenbourg et Martin-Michiellot, 1995). Des motivations différentes ont conduit les scientifiques à appliquer les techniques de l'intelligence artificielle (IA) aux logiciels de formation. D'une part, les développeurs de didacticiels ont cherché des techniques plus puissantes pour construire des systémes. D'autre part, les chercheurs en informatique et en psychologie cognitive ont trouvé l'opportunité de développer et tester de nouvelles techniques ou de nouveaux modéles théoriques. Nous ne pouvons pas passer ici en revue le grand nombre d'idées, de techniques ou de systémes développés pendant les 15 derniéres années de recherche en intelligence artificielle et en éducation (IA&Ed). Le lecteur intéressé par ce sujet peut lire la synthése de Wenger (1987), qui n'est pas récente mais donne un excellent aperçu des idées et des principes développés en IA&Ed. Nous nous focaliserons ici sur le corpus de travaux qui est le plus stable et qui constitue le noyau de l'IA&Ed. D'autres applications des techniques de l'IA existent, comme le traitement des langues naturelles, la planification, l'apprentissage automatique... mais elles dépassent le cadre de cette présentation. L'apport de ces techniques peut être résumé en trois points :

1. La principale contribution de l'IA au logiciel d'éducation et d'entraînement est la possibilité de modéliser l'expertise. Cette expertise est la caractéristique principale des didacticiels basés sur l'IA : le systéme est capable de résoudre des problémes que l'apprenant doit résoudre. Le systéme est compétent dans le domaine à enseigner. Bien sûr, d'autres techniques de programmation peuvent produire une solution correcte. L'apport des techniques de l'IA est moins leur capacité à produire une solution correcte que la maniére dont la solution est construite. Par exemple, des systémes complexes d'IA ont été conçus pour modéliser la résolution d'une simple soustraction telle que '294 - 98', alors que n'importe quel langage informatique peut fournir la solution correcte (Brown & Burton, 1978).

2. Cette expertise modélisée permet au systéme de conduire des interactions qui ne pourraient pas l'être si le systéme travaillait avec des solutions préenregistrées. En effet, les techniques de l'IA permettent les interactions apprenant-expert en cours de résolution de probléme. Cependant, bien que l'IA ait été originellement conçue pour reproduire l'intelligence humaine, de la perspective des didacticiels, la qualité des techniques de l'IA n'est pas leur degré de fidélité psychologique mais la mesure dans laquelle elles permettent de mettre en oeuvre des interactions intéressantes.

3. Les formes d'interaction prises en compte par les techniques de l'IA sont importantes lorsque le but est d'acquérir des compétences nécessaires pour résoudre des problémes complexes. D'autres objectifs d'apprentissage peuvent être atteints avec des techniques d'interaction plus simples, comme les questions à choix multiples. Puisque le développement d'un logiciel fondé sur l'IA est plus coûteux qu'un didacticiel classique, ces techniques ne devraient être utilisées que lorsqu'elles sont vraiment nécessaires.

* Brown J.S. and Burton, R.R. (1978) - Diagnostic models for procedural bugs in basis mathematical skills. Cognitive Science, vol. 2, pp. 155-191.

* Dillenbourg, P. and Martin-Michiellot, S. (1995) - Le rôle des techniques d'Intelligence Artificielle dans les logiciels de formation. CBT, Learntec.

* Wenger, E. (1987) - Artificial Intelligence and Tutoring Systems: Computational and cognitve approaches to the communication of knowledge. Los Altos: Morgan Kauffmann Publishers.



PNR33 - NFP33 - 9 NOV 1996

Generated with Harlequin WebMaker

TECFA Research * AGORA PNR33 - NFP33