[Next] [Previous] [Up] [Top]

chapitre 8 Applications pratiques

8-2.2 PEPS: Un micro-monde d'apprentissage

PEPS est le prototype*1 d'un logiciel multi-fonction pour l'étude et l'enseignement des processus de décision dans un environnement complexe. PEPS est fondé sur une version modifiée d'une des simulations de Dörner, appelée "MORO". A l'origine, MORO était un programme qui tournait avec une interface très minimale sur un micro-ordinateur. Dans les dispositifs expérimentaux de chez Dörner, l'ordinateur ne fait que les calculs. L'interface est assuré par une personne (l'expérimentateur) qui fournit également des informations supplémentaires (savoir "background", instructions, etc.) à l'utilisateur. PEPS intègre tous ces aspects, et des composantes supplémentaires ont été rajouté pour faciliter l'apprentissage de la décision dans un monde complexe.

Examinons le système "PEPS" en mode "simulation" simple: au départ, chaque sujet reçoit un briefing sur sa tâche. Il existe chez Dörner plusieurs types de situations expérimentales. Une importante décision concerne la nature du ou des buts que l'on donne à accomplir. On peut poser un but très global (assurer et améliorer le bien-être de la population ou suggérer plusieurs buts explicites. On peut limiter le temps total de l'expérience tout en indiquant un nombre minimal de cycles à traiter (2-3 heures pour 15 cycles par exemple).

Dans PEPS, tout le briefing est fait par le programme au choix de l'apprenant ou de l'enseignant. PEPS contient également un hypertexte intégré qui met à disposition de l'information sur le micro-monde "MORO" à gérer.

La simulation

est implémenté avec un moteur de simulation discrète tel qu' il a été décrit dans la section 6-2.2 "Un langage de simulation pour la simulation discrète des systèmes dynamiques" [p. 228]. Ce moteur a été modifié pour les besoins spécifiques d'une simulation pédagogique. Les objets de simulation sont plus riches comme le montre l'extrait de la figure 8-2 "Extrait du modèle de simulation "MORO"" [p. 328]. De nouvelles clauses existent pour la documentation ("doc", "text") et pour gérer en temps réel les conséquences d'une intervention d'un apprenant ("facts"). Il existe également des objets qui ne font pas partie de la simulation. Les objets "def-special" servent également aux interventions de l'apprenant, c'est-à-dire à la comptabilisation des interventions et à la propagation des effets.

Le programme de jeu MORO est une simulation de l'activité économique d'une petite tribu du sud du Sahara, dans la zone du Sahel. L'acteur a pratiquement tous les pouvoirs dans le maniement du programme et donc sur l' "avenir" de la tribu. Il intervient dans le déroulement du processus (d'une manière qui sera décrite plus loin) sur la base d'indices de la situation, d'analyses et de planifications. Les apprenants peuvent effectuer les opérations suivantes:

Toutes ses opérations coûtent ou rapportent de l'argent et ont une incidence sur le système global. La simulation se déroule normalement dans un rythme annuel, ce qui amène à bien "peser" les décisions. Voici une mise "sous condition" typique d'un sujet en mode "libre"*2:

"Imaginez vous en Afrique de l'Ouest, à l'extrémité sud du Sahara, par exemple au Burkina Faso, en tant que coopérateur à l'aide au développement. Là, vit la tribu des Moros. Les Moros sont des semi-nomades vivant de l'élevage des boeufs et de la culture du millet.

La tribu compte actuellement 550 personnes ( ?population)*3. Tout ne va pas pour le mieux. Les boeufs ( ?boeufs) qui servent de nourriture principale sont petits et mal nourris. Selon les coutumes nomades, les Moros laissent paître leurs troupeaux à proximité des points d'eau, selon un cycle dépendant des conditions atmosphériques. Toujours selon des coutumes anciennes, des boeufs sont abattus chaque année et sont mangés lors de rituels ( ?boeufs-abattus). L'existence menée est proche du minimum vital. La situation serait meilleure si un nombre relativement important de têtes de bétail n'était par décimé chaque année par la maladie du sommeil (la trypanosomiases) propagée par la mouche tsé-tsé ( ?tse-tse).

Par le passé, il y eut souvent des famines, surtout les années où la pluie était rare ou inexistante; ce qui, au cours du temps, a eu pour conséquence une relative constance du nombre d' habitants. Il y a environ 20 ans, afin d'améliorer la situation, le gouvernement du pays a lancé un programme de culture du millet, la seule plante utile qui pousse un tant soit peu dans les conditions locales. ( ?mil-disponible). Le millet n'est sans doute pas très productif, il a cependant amélioré considérablement les conditions de vie des Moros. Actuellement environ 8 km2 des 1000 km2 du territoire Moro ont été transformés en champs de millet ( ?tot-km2).

En dehors de leurs méthodes traditionnelles, les Moros ne disposent pas de soins médicaux. Une grande partie de la mortalité peut être attribuée à l'insuffisance de soins médicaux et aux rudes conditions de vie.

Depuis quelque temps, des organisations internationales d'aide et le gouvernement de ce pays discutent de toutes sortes de mesures qui pourraient améliorer les conditions de vie des Moros et d'autres tribus plus à l'ouest. On a par exemple l'impression qu'avec une meilleure distribution d'eau. Les pâturages à disposition pourraient nourrir de plus grands troupeaux de boeufs. On envisage, par conséquent, l'installation de puits profonds qui permettraient l'utilisation des réserves d'eau souterraine. On pense aussi à une lutte intensive contre la mouche tsé-tsé en intervenant au niveau de sa reproduction. Enfin, on songe à instaurer une aide médicale pour parer aux insuffisances les plus graves de la situation actuelle. On prévoit, par exemple, une courte formation médicale de quelques membres de la tribu (\"formation sanitaire\"), une consultation sanitaire régulière, surtout pour les membres les plus jeunes de la tribu, ainsi que l'installation d'un service de radio-secours lié à un service de sauvetage aérien.

La situation du territoire des Moros pose également un autre problème du fait que, plus au sud, au Burkina, règne une réelle surpopulation. Selon l'opinion du gouvernement et des organisations d'aide, les Moros ne tirent pas assez profit de leur territoire -apparemment celui-ci pourrait nourrir un plus grand nombre de semi-nomades élevant des boeufs. C'est pour cette raison que le gouvernement souhaite prendre des mesures qui augmenteraient à la longue la population, tout en évitant une surpopulation. Cependant, des indications sur un ordre de grandeur optimal de la population dans le territoire des Moros manquent totalement.

Une plus forte densité de population dans le territoire des Moros serait également souhaitable pour des raisons politiques. Il y a, du côté d'un pays voisin du nord, une forte pression en vue d'une \"correction de frontière\", étant donné la faible densité de population de ce territoire limitrophe.

A présent, votre tâche en tant qu'intervenant, est de planifier et exécuter des mesures menant à une amélioration à long terme des conditions de vie des Moros. Le gouvernement vous a transmis un pouvoir de décision total, ainsi qu'un budget de départ d'un million de Rikas (devise locale) pour les prochaines 20 années. Cet argent est un crédit sans intérêt, qui devra être remboursé d'ici la fin de votre mission. Il n'y a pas davantage d'argent à disposition, d'une part parce que le gouvernement ne dispose lui-même que d'un budget très restreint, et d'autre part parce qu'on attend de vous que vous fassiez des bénéfices avec la vente des produits de la tribu et que de ce fait vous arriviez à un auto-financement. En cas d'extrême nécessité, le gouvernement ne financerait que des mesures aptes à parer aux manques de nourriture les plus graves et ceci pour autant que vous n'ayez plus d'argent.

Parlons maintenant de la situation expérimentale elle-même: nous ne pouvons naturellement pas vous envoyer réellement en Afrique. Mais nous avons reproduit sur ordinateur cette situation qui existe vraiment de manière analogue, nous simulons les Moros et leur vie.

Imaginez que vous arrivez chez les Moros à la fin d'une année administrative. Vous vous procurez les données actuelles de l'année écoulée et vous devez maintenant planifier les mesures qui devront être exécutées l'année prochaine. Après avoir reçu les données, l'ordinateur calculera la nouvelle position à la fin d'une année. Vous pouvez lui demander toutes les informations dont vous avez besoin - pour autant qu'elles existent.

Certaines informations vous seront d'ailleurs données automatiquement:

si, au cours de la dernière année planifiée, quelque chose devait s'être sensiblement détérioré (de telle manière que vous le verriez immédiatement si vous étiez réellement en présence des Moros), alors vous en serez automatiquement informé,

d'autre part, l'ordinateur vous transmettra les plaintes des Moros, qui vous seront présentées de leur part sans caractère officiel. Vous ne devrez pas nécessairement donner suite à de telles plaintes.

Prenez note: l'ordinateur n'est pas votre aide ou votre conseiller, il ne fait que transmettre les informations et les mesures à prendre, en tant qu'intermédiaire entre vous et les Moros simulés par programme.

Actuellement, vous disposez de 2 heures que vous pouvez répartir à votre gré sur chaque année. Vous devez arriver à vos conclusions dans les délais indiqués.

Un texte similaire existe par exemple pour présenter des buts plus détaillés ou pour étaler la simulation sur plusieurs séances. Le programme MORO ne simule pas une situation réelle de prise de décisions dans un champ écologico-politique. Personne ne dispose de tels pouvoirs absolus. En revanche, le programme offre la possibilité de rendre immédiatement visibles à l'utilisateur les conséquences de ses hypothèses et de ses décisions - peut-être aussi de ses fautes de raisonnement.

En tant qu'instrument d'investigation, le programme est utilisable de multiples façons. Avec des protocoles appropriés, on peut:

Ces indices peuvent être utilisés de manière isolée (par exemple comme indicateur de caractéristiques de la personnalité) ou mis en relation avec d'autres données, par exemple le comportement dans d'autres situations, situations réelles ou de laboratoire ou avec des données d'essai. Actuellement, PEPS mémorise:

  1. du texte (tout ce que le système affiche (à part les textes et les tableaux))

  2. en forme codée: toutes les activités du sujet (avec l'heure)

  3. les rapports annuels

L'ordinateur comme "constructorium"

Il est très important de stimuler les activités méta-cognitives de l'apprenant car elles favorisent l'apprentissage et surtout la généralisation de connaissances. En bref, pour que l'apprenant puisse s'améliorer, il faut lui montrer ce qu'il fait et ce qu'il apprend. On stimule les processus de réflexion par un mécanisme qui reflète ses activités. L'utilisation d'un ordinateur pour promouvoir les processus de réflexion réflective est bien documentée dans la littérature (cf. par exemple Dillenbourg 92 ou Collins et Brown 88).

A un premier niveau très banal, il est important de donner des outils à l'apprenant qui lui montrent les conséquences d'une action, l'évolution d'objets choisis ou d' une façon générale, l'évolution de l'état du monde simulé. Ce genre d'outils existe dans tous les modèles de simulation à vocation pédagogique ou pédagogico-ludique comme SimCity.

A un deuxième niveau, PEPS met à disposition des outils statistiques simples permettant le calcul de corrélations et/ou de régressions ou encore des outils permettant l'exploration graphique et libre du réseau: le graphe représentant le système ou des parties du système peut être affiché. Suivant le but pédagogique, ils peuvent être utile, ou non. S'il s'agit d'enseigner la logique d'un système il faut donner accès à tout outil qui explicite la structure du système. S'il s'agit d'apprendre à gérer un système opaque et complexe, il faut barrer l'accès à ces outils.

A un troisième niveau, PEPS met à disposition un certain nombre de dispositifs qui favorisent l'apprentissage d'un comportement adéquat face à un système. Il s'agit de provoquer de façon plus ou moins dirigiste de bonnes stratégies cognitives. Examinons un simple modèle de planification qui doit produire les meilleurs résultats. Voici les étapes que l'apprenant devrait exécuter plus ou moins dans l'ordre:

  1. Observation de changements importants (et notamment ceux qui concernent les variables "critiques" du système liées aux buts fixés). Lorsqu'il constate par exemple une variation importante d'une variable, le sujet peut se demander si des buts importants sont menacés maintenant ou dans un avenir proche. Si c'est le cas, on peut par exemple engendrer le but de corriger cette variation ou de protéger autrement le but important.

  2. L'apprenant doit donc apprendre à gérer un réseau de buts. Certains sont donnés par l'environnement (le logiciel ou l'expérimentateur ici). La notion de "but" dans ce cadre est simple: il s'agit d'augmenter, de maintenir ou de diminuer une quantité d'un état du système. Ainsi faut il par exemple tenter de prédire les menaces immédiates et prochaines pour les états en question. Si nécessaire, il peut mettre un but sur un agenda provisoire à inclure dans un agenda d'action.

  3. Vérifier si les actions du dernier cycle ont permis de résoudre (ou améliorer) des problèmes:

    • s'il y a succès, il faut marquer l'action et éventuellement la continuer

    • autrement, il faut remettre ce problème sur l'agenda provisoire.

  4. Traitement de l'agenda provisoire:

    • Expansion de chaque but en un arbre de sous-buts en utilisant les connaissances "background" et "common sense".

    • Il faut voir si le même but a déjà été résolu (cf. point 3)

    • Extraire de cette liste ou bien les méthodes déjà connues ou bien un arbre de sous-buts et les mettre sur l'agenda.

    • Si un nouveau sous-but est apparu, il faut le mettre sur la liste des observations.

  5. Exécution de l'agenda.

    • exécution des méthodes connues

    • expansion des sous-buts.

En fonction d'un tel modèle "normatif" de planification, on peut forcer l'apprenant à effectuer certaines opération ou au moins les lui suggérer. Voici une stratégie très dirigiste qui "pousse" l'apprenant dans le "bon" sens qui est mis en oeuvre dans PEPS:

Ce type de structuration d'activités dans un environnement de simulation est relativement simple à mettre en oeuvre. Toutefois, il faut rester très prudent quant à son efficacité. Des telles mesures peuvent avoir simplement l'effet pervers que l'apprenant apprenne à manipuler le logiciel et non pas vraiment la planification des décisions dans un système complexe. Ces questions commencent déjà au niveau de la mise à disposition de l'information: faut-il juste laisser aux gens la possibilité de se renseigner, faut-il afficher toute information importante ou faut-il forcer les apprenants à la chercher? Il faut aussi se demander si l'effet réseau de l'hypertexte n'est pas trop artificiel dans la mesure où il met en évidence les liens entre les différentes composantes du système. En ce qui concerne l' "assistance structurelle" à la planification, le même type de questions doit être posé. Il nous semble qu'il faut poursuivre une stratégie adaptative aux capacités et aux besoins de l'apprenant comme par exemple dans le système "Memolab"*4. Au début d'un processus d'apprentissage, il faut par exemple utiliser une stratégie semi-libre qu'il faut renforcer ou relâcher selon les progrès de l'apprenant. Le but est évidemment que l'apprenant gère tout le processus de planification lui-même et que le système n'intervienne que très rarement pour lui signaler des erreurs graves commises.

Vers des assistants "intelligents"

Au delà d'une aide de type "structuration de l'action", on peut rajouter des acteurs artificiels au système qui remplissent des fonctions d'experts (ou de critiques) ou encore des rôles pédagogiques.

(1) Construction d'un réflecteur: en fonction des buts que s'est donné l'apprenant ou des buts imposés à l'apprenant, de petits systèmes expert peuvent critiquer les résultats.

(2) Construction d'un expert qui saurait gérer MORO et être utilisable pour montrer à l'apprenant ce qu'il aurait fait: on peut identifier trois possibilités principales pour construire un modèle expert qui saurait gérer un système comme MORO:

  1. la méthode "système expert classique": la constitution d'un savoir expert en forme de règles qui sait ce qu'il faut faire et ce qu'il ne faut pas faire ("mal-rules"). Le "knowledge engineering" "classique" consiste dans ce cas précis à encoder les connaissances du modéliseur ou encore à faire tourner le système et observer dans quelles situations apparaissent des changements importants. Il s'agit d'une sorte d'analyse de sensitivité. En même temps, on peut observer comment les humains arrivent à faire évoluer le système dans le bon sens. Ces connaissances seront codés sous forme de règles qui s'activeront dans certaines situations. Cette méthode présente le désavantage qu'elle ne fonctionne que dans des situations qui ont été prévues plus ou moins explicitement.

  2. La méthode dite de "deuxième génération": la modélisation qualitative d'un modèle du système. Une méthode de plus en plus populaire consiste à faire un modèle du monde de façon à ce qu'il permette de résoudre les problèmes à gérer. Dans le cas d'un modèle dynamique comme MORO ce modèle existe déjà en quelque sorte sous la forme de la simulation. Seulement, la complexité d'une telle simulation rend justement problématique tout raisonnement automatique avec ses équations.

Nous (Warren Sack) avons essayé de construire une description qualitative de ce système quantitatif. Chaque équation était réécrite pour fonctionner avec des valeurs "augmente" (+), "diminue" (-) ou "constant" (0) et pour en retourner une telle valeur. Autrement dit, la valeur ("+", "-" ou "0") d'un objet était calculée en combinant d'une certaine façon les valeurs des autres objets qui se retrouvent dans son équation de simulation. Les prédictions de ce système étaient de très mauvaise qualité, car ce type de raisonnement qui a fait ses preuves en physique qualitative ne tient pas compte du poids des variables. Les prédictions étaient un peu meilleures au niveau des deuxièmes dérivées. Voici un exemple d'une équation "normale" et de son équivalent "qualitatif":


		(def-flow 1?tracteurs-utilisables
			sbs (moro appareils) groups (appareils)
			ini (0)
			eq	(if (< ?taux-diesel-disponible 1)
				(* ?tracteurs ?taux-diesel-disponible)
				?tracteurs)
	   )

		(def-flow ?v-tracteurs-utilisables
			sbs (moro appareils) groups (appareils)
			ini (0)
			eq (determine-if (< ?taux-diesel-disponible 1)
			   (combine (depend ?v-tracteurs '+)
				    (depend ?v-taux-diesel-disponible '+))
			   (depend ?tracteurs '+))
	  )
  1. A cela, on pourrait rajouter une composante d'apprentissage qui apprend comment gérer le système par une méthode de "trial & error". Toutefois, nous nous sommes pas aventurés dans ce projet. Il y a la question des ressources, mais également le fait que l'apprenant doit de préférence découvrir lui-même comment gérer le système. Une interface réflective et un peu dirigiste (suivant les besoins), ainsi que des critiques sont en principe suffisantes au plan pédagogique.

Environnements de simulations riches et apprentissage

Le type d'environnement du projet PEPS a sans doute un grand avenir pour la formation. Elle respecte le principe de la "mise en situation" de l'apprenant et augmente ainsi la chance que les connaissances acquises peuvent être transmises dans le monde réel. Dans le domaine du "edutainement", les programmes d'ordinateur mélangant "jeu" et "education" il existe déjà un nombre de produits comme "Balance of Power", "SimCity", "SimWorld", "Civilization", etc. qui modélisent des environnements riches et qui permettent en principe d'acquérir certaines capacités de décision. En ce qui concerne les logiciels destinés à la formation proprement dite, on peut citer par exemple SimNet dans le domaine militaire. Il existe également d'autres produits proto-typiques (comme PEPS) comme le système de Williams (93). Ce dernier a implémenté un logiciel pour apprendre la gestion des désordres publics à l'aide d'une simulation orientée objets avec une interface graphique permettant de gérer des agents dans l'espace.

L'ordinateur comme "constructorium"
Vers des assistants "intelligents"
Environnements de simulations riches et apprentissage
THESE présentée par Daniel Schneider - 19 OCT 94

Generated with WebMaker