version PDF
Transcription
version PDF
C om m unication Langagière et Interaction Personne-Systèm e C N R S - IN PG - U JF BP 53 - 38041 G renoble C edex 9 - F rance Université Joseph Fourier UFR Informatique et Mathématiques Appliquées RAPPORT DE DEA SYSTEMES D’INFORMATION Option : Technologies des Systèmes d'Information Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Présenté par Hocine DOUFAR Date : 19 Septembre 2002 Sous la direction de : Jean-Philippe PERNIN DEA préparé au sein du Laboratoire CLIPS–IMAG Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Remerciements Je remercie tout d’abord Mr. Jean Philippe PERNIN, mon responsable de stage, pour m’avoir accueilli au laboratoire CLIPS et m’avoir encadré tout au long du stage, ainsi que pour son soutien moral et son aide précieuse. J’adresse aussi mes remerciements à tous les membres de l’équipe ARCADE, pour leur accueil et leur disponibilité. Un remerciement spécial à Mme Marie-France BRUANDET, responsable de notre DEA, pour ses conseils précieux avant et durant le stage, et Michel LEONARD pour sa gentillesse et son ouverture. Je remercie également la société CORYS-TESS, et spécialement Philippe CHAUMES pour sa collaboration et son accueil. Je remercie aussi Mr. Stéphane PLOIX et Mme Florence MICHAU du laboratoire LAG, pour leurs aide et collaboration. Finalement, je tiens à avoir une pensée très spéciale pour ma mère, mon père, ma famille et mes amis. 2 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Table des matières 1. Introduction ........................................................................................................................... 7 1.1. Contexte et problématique ........................................................................................................ 7 1.2. Objectifs et méthodologie .......................................................................................................... 7 1.3. L’organisation du rapport......................................................................................................... 8 2. Simulation et scénario......................................................................................................... 11 2.1. Simulation et pédagogie........................................................................................................... 11 2.1.1. Introduction ....................................................................................................................................... 11 2.1.2. Simuler pour comprendre .................................................................................................................. 11 2.1.3. Simuler pour construire ..................................................................................................................... 12 2.1.4. Simuler pour apprendre ..................................................................................................................... 12 2.1.5. Simulations libres et simulations pédagogiques ................................................................................ 12 2.2. Contrôle pédagogique et scénario........................................................................................... 13 2.2.1. Définition du contrôle pédagogique .................................................................................................. 13 2.2.2. Définition de la notion de scénario .................................................................................................... 14 2.2.3. Les modes de contrôle pédagogique dans un scénario ...................................................................... 15 3. Types de connaissances et modèles de représentations ..................................................... 17 3.1. Les types de connaissances en sciences de l’éducation ......................................................... 17 3.1.1. Les propositions de Romiszowski ..................................................................................................... 18 3.1.2. Les propositions de Tennyson ........................................................................................................... 18 3.1.3. Les propositions de West................................................................................................................... 18 3.1.4. Les propositions de Merrill................................................................................................................ 19 3.1.5. Les propositions de J-M.Hoc............................................................................................................. 19 Bilan ............................................................................................................................................................ 20 3.2. Les types de connaissances en EIAH...................................................................................... 20 3.2.1. Les proposition de Paquette............................................................................................................... 21 3.2.2. Connaissances et simulation : les propositions de Joab..................................................................... 23 3.2.3. Les propositions de Ciocoiu, Ploix et Michau ................................................................................... 24 Bilan sur les modèles de connaissances en EIAH ....................................................................................... 25 3.3. Une méthode de représentation des connaissances............................................................................... 26 4. Le diagnostic en systèmes physiques .................................................................................. 31 4.1. Introduction.............................................................................................................................. 31 4.2. Petit Glossaire........................................................................................................................... 31 3 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 4.2.1. Processus ........................................................................................................................................... 32 4.2.2. Modèle............................................................................................................................................... 32 4.2.3. Défaillance......................................................................................................................................... 32 4.2.4. Causes de défaillance......................................................................................................................... 32 4.2.5. Défaut ................................................................................................................................................ 32 4.2.6. Symptôme.......................................................................................................................................... 33 4.2.7. Diagnostic (détection, localisation et identification de défauts) ........................................................ 33 4.2.8. La localisation de défauts .................................................................................................................. 33 4.3. L’idée de base de la transposition........................................................................................... 33 4.4. Le choix de la méthode du diagnostic..................................................................................... 34 4.4.1. Le principe de la procédure de diagnostic ......................................................................................... 35 4.4.2. La procédure de diagnostic................................................................................................................ 36 4.5 Bilan ........................................................................................................................................... 40 5. Les propositions................................................................................................................... 41 5.1. Introduction.............................................................................................................................. 41 5.1.1. Enrichir le contrôle pédagogique ? .................................................................................................... 41 5.1.2. La solution proposée.......................................................................................................................... 42 5.1.3. Le modèle de la proposition .............................................................................................................. 43 5.2. Un formalisme pour la représentation des connaissances dans les scénarios..................... 44 5.2.1. Les types des connaissances dans le modèle ..................................................................................... 45 5.2.1.1. Connaissances contextuelles........................................................................................................... 46 5.2.1.2. Connaissances déclaratives............................................................................................................. 46 5.2.1.3. Connaissances procédurales ........................................................................................................... 46 5.2.1.4. Connaissances stratégiques............................................................................................................. 47 5.2.1.5. Connaissances extraites du simulateur ........................................................................................... 47 5.2.2. Le formalisme de représentation proposé.......................................................................................... 47 5.3. La transposition du diagnostic................................................................................................ 49 5.3.1. La transposition ................................................................................................................................. 49 5.3.2. La modélisation ................................................................................................................................. 50 5.3.3. La résolution...................................................................................................................................... 51 5.4. Bilan .......................................................................................................................................... 52 6. L’expérimentation ............................................................................................................... 53 6.1. Première expérimentation : l’exemple du schéma électrique .............................................. 53 6.1.1. Définition du scénario ....................................................................................................................... 53 6.1.2. La modélisation ................................................................................................................................. 54 4 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 6.1.3. La résolution...................................................................................................................................... 56 6.2. L’exemple de « Manœuvre de liaison omnibus » .................................................................. 56 6.2.1. La modélisation ................................................................................................................................. 59 6.2.2. La résolution...................................................................................................................................... 62 6.3. Bilan .......................................................................................................................................... 62 7. Conclusions et perspectives................................................................................................. 65 7.1. Bilan du projet.......................................................................................................................... 65 7.2. Apports et perspectives............................................................................................................ 65 Bibliographie ........................................................................................................................... 67 Annexe : les simulateurs des réseaux électriques .................................................................. 71 1. Introduction................................................................................................................................. 71 2. Les caractéristiques .................................................................................................................... 71 2.1. C’est quoi un simulateur de réseau électrique ...................................................................................... 71 2.2. Principe de fonctionnement .................................................................................................................. 72 2.3. Les scénarios ........................................................................................................................................ 74 3. L’évaluation des compétences des opérateurs.......................................................................... 75 3.1. L’enjeu de la méthode d’apprentissage ................................................................................................ 75 3.2. Le problème de la certification des formations des opérateurs............................................................. 75 3.3. Les solutions......................................................................................................................................... 76 3.4. Bilan ..................................................................................................................................................... 76 5 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 6 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 1. Introduction 1.1. Contexte et problématique De nos jours, la simulation prend une place de plus en plus importante au sein des Environnements Informatiques d’Apprentissage Humain (EIAH). Le recours à la simulation est devenu indispensable dans un grand nombre de disciplines, que se soit en milieu universitaire ou industriel. L’atout principal de ce mode d’apprentissage est d’assurer une meilleure acquisition des connaissances, en favorisant une approche découverte/construction des connaissances complétant les modèles traditionnels de transmission de connaissances. Manipuler librement un simulateur ne suffit pas pour assurer l’apprentissage. L’introduction de la notion de scénario dans les simulateurs permet de rationaliser leur utilisation pédagogique en fournissant au formateurs un moyen de guider ou de vérifier le processus d’acquisition des connaissances ou des compétences chez l’apprenant. Pour vérifier qu’un apprenant a acquis les connaissances visées par un scénario d’apprentissage, les modèles existants ne proposent généralement qu’une trace de son parcours pour lui fournir de l’assistance ou pour juger de sa réussite. Si lors d’un parcours, un apprenant s’aperçoit qu’il ne maîtrise pas les connaissances nécessaires pour mener à bien le scénario, il ne dispose pas de moyen d’effectuer un diagnostic permettant d’identifier les connaissances qui lui font défaut si ce n’est en communiquant avec son formateur. L’automatisation d’un tel diagnostic et son intégration logicielle au sein d’un simulateur sont des points peu abordés dans la littérature, et l’on peut constater une certaine carence des modèles et des méthodes existants. Pourtant une telle solution améliorerait certainement le processus d’apprentissage, en apportant à l’apprenant un véritable assistance pédagogique dans l’utilisation d’un simulateur, mais également en réduisant le temps d’assistance du formateur. 1.2. Objectifs et méthodologie Ce projet s’inscrit dans le cadre de la poursuite des travaux de l’équipe ARCADE (Atelier de Réalisation et de Conception d’Applications Destinées à l’Education) du laboratoire CLIPS, concernant l’amélioration des fonctionnalités des environnements d’apprentissage basés sur la simulation. 7 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques L’objectif général de ce projet de DEA est de : (1) proposer un modèle permettant d’exprimer des scénarios de suivi de l’activité de l’apprenant en liant les tâches à réaliser aux connaissances nécessaires à leur accomplissement (2) fournir une méthode permettant d’établir de façon automatique un diagnostic en terme de connaissances lors d’une manipulation incorrecte du simulateur Ce sujet a été proposé de façon conjointe avec le Laboratoire d’Automatique de Grenoble (LAG) de l’INPG représenté par Stéphane PLOIX et Florence MICHAU, qui s’intéresse aux apports de l’automatisme dans le contexte de la résolution de problèmes. Notre collaboration s’est cristallisée sur l’hypothèse suivante : Il existe aujourd’hui des techniques éprouvées de diagnostic pour vérifier le fonctionnement des systèmes physiques. Ces techniques permettent de détecter des défauts et d’établir de façon automatique un certain nombre d’hypothèses sur l’origine de ces défauts. Dans quelle mesure ces méthodes sont-elles transposables à un processus d’apprentissage humain où l’apprenant représenterait le système physique et où l’origine des défauts représenteraient les carences de l’apprenant et termes de connaissances ? Dans le cadre de ce projet, nous avons également collaboré avec la société CORYS-TESS, afin d’évaluer la validité de notre proposition, en réalisant des expérimentations dans un contexte industriel. 1.3. L’organisation du rapport Suite à cette introduction, le rapport est organisé de la façon suivante : • Le deuxième chapitre présente un état de l’art sur les notions de simulation et de scénario, nécessaires pour comprendre de façon précise la problématique du projet. • L’objectif du troisième chapitre est de réaliser une étude bibliographique sur la classification des connaissances, afin d’identifier les types nécessaires à notre proposition. • Dans le chapitre quatre, nous présentons une analyse détaillée des méthodes de diagnostic en systèmes physiques, ainsi qu’une synthèse présentant les apports possibles de la transposition de ces méthodes au diagnostic de suivi de l’activité d’un apprenant. 8 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques • Le chapitre cinq développe notre proposition ; il définit d’une part un formalisme de représentation des connaissances dans les scénarios, et d’autre part une méthode de résolution pour appliquer le diagnostic sur ces scénarios. • L’expérimentation et la vérification de notre proposition sont développées dans le chapitre six, à travers la présentation de deux exemples de mise en pratique du modèle proposé. • L’annexe définit un bilan de nos visites et de notre expertise avec les simulateurs de réseaux électriques, en collaboration avec la société CORYS-TESS. 9 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 10 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 2. Simulation et scénario Nous allons présenter dans ce chapitre un rappel historique ainsi que les définitions nécessaires pour aider à identifier la problématique du sujet, en nous appuyant sur les travaux réalisés au sein de l’équipe ARCADE. Nous nous intéresserons en particulier aux termes simulations, contrôle pédagogique et scénario. 2.1. Simulation et pédagogie 2.1.1. Introduction Le terme simulation signifie imiter ou feindre. De nos jours, nous ne pouvons pas douter des apports et du potentiel éducatif des simulations. Selon Cortes [Cortes 1999] les simulations permettent de : • Réaliser des expériences ou des entraînements qu’il serait difficile d’effectuer en laboratoire, pour des raisons de sécurité ou de coût. En effet, le travail sur un système réel peut être trop coûteux ou trop long, dangereux pour l’homme, l’environnement ou le matériel et être source d’angoisse pour le débutant. Dans une simulation, on peut introduire des situations d'extrême gravité pour entraîner l'apprenant à réagir, changer l'échelle de temps pour améliorer la compréhension, simplifier ou altérer une réalité pour mieux l'étudier. • Accélérer ou ralentir le temps d’une expérimentation pour mieux observer. • Donner à chaque apprenant sa propre copie de l’appareil ou du système simuler, ce qui n’est pas possible sur des expérimentations réelles. • Travailler sur une réduction du monde réel offrant une vue idéale et complète de la réalité. On peut répartir les objectifs de la simulation en trois catégories [Arcade 1999], simuler pour comprendre, pour construire et pour apprendre : 2.1.2. Simuler pour comprendre Cette démarche est utilisée aujourd'hui à grande échelle dans tous les domaines scientifiques ou techniques tels que l'étude de phénomènes météorologiques, astronomiques, nucléaires, épidémiologiques, etc. L'approche consiste ici à progresser dans la compréhension d'un phénomène réel en proposant un modèle (le plus souvent numérique), et en comparant d'une 11 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques part, les résultats produits par une simulation de ce modèle et d'autre part, les phénomènes constatés dans le monde réel. 2.1.3. Simuler pour construire Un autre type d'application très courant consiste à utiliser l'outil informatique pour simuler un nouvel objet avant de le créer véritablement. Cet usage sert le plus souvent à proposer et valider des solutions variées pour un problème donné, en évitant de toutes les réaliser concrètement. On peut citer comme exemples : les logiciels de simulation de prêts financiers, les logiciels de conception assistée permettant de créer des maquettes d'appareils, de dispositifs techniques ou de bâtiments. 2.1.4. Simuler pour apprendre La simulation est aujourd 'hui de plus en plus utilisée dans le processus d'apprentissage. Elle peut concerner des domaines aussi variés que : • L'apprentissage de pratiques médicales, avec par exemple, un certain nombre de projets qui ont pour but l'apprentissage de la manipulation d'outils chirurgicaux en faisant appel à des techniques de réalité virtuelle ; • L'apprentissage de la conduite d'engins ou d'avions. On doit insister ici sur les notions de généricité et de configurabilité, et sur la nécessité pédagogique du réalisme (utilisation de son, d'images de synthèse) ; • L'apprentissage de matières scientifiques. Par exemple, simuler des phénomènes dynamiques liés à l’exécution des programmes pour l’apprentissage de l’algorithmique. Ces exemples montrent bien la variété d'utilisation de la simulation dans le processus d'apprentissage. On peut remarquer que selon les contextes, et en fonction des objectifs pédagogiques, il peut être fait appel à des techniques plus ou moins sophistiquées telles que la réalité virtuelle ou le recours au multimédia. 2.1.5. Simulations libres et simulations pédagogiques Pourquoi utiliser la simulation dans le processus d'apprentissage ? Il existe un certain nombre de raisons qualifiées d'affectives : l'attrait de la simulation pour l'apprenant, l'augmentation de sa motivation, une meilleure compréhension des phénomènes, une plus grande aptitude à l'adaptation pour des problèmes similaires dans d'autres contextes. 12 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Bien que les simulations soient pédagogiquement valorisées, utilisables dans différents contextes et dans différents cadres de formation, leur efficacité dans l’apprentissage dépend des objectifs pédagogiques fixés, des activités demandées à l’apprenant et des orientations données. L’utilisation libre d’une simulation par l’apprenant ne garantit pas l’apprentissage. Il est nécessaire de donner à l’élève des buts concrets et la simulation doit permettre de guider l’apprenant vers le but qui lui a été fixé, comme le fait un formateur présent durant une expérience de laboratoire [Cortes 1999]. Dans une situation classique d’apprentissage (présence dans le même lieu physique des apprenants et du formateur), le formateur peut fixer les objectifs et orienter l’apprenant lors de sa manipulation de la simulation. Par contre, dans l’utilisation autonome d’une simulation, le système devrait être capable de proposer les objectifs, de guider l’apprenant vers les objectifs et de vérifier si les objectifs sont atteints. Il devient alors nécessaire de pouvoir contrôler pédagogiquement l’activité de l’apprenant lors de ses manipulations de la simulation et de fournir un ensemble d’outils dédiés à ce contrôle. Dans ce cadre Cortes [Cortes 1999] définit la simulation pédagogique comme un programme qui imite partiellement le comportement d’un système réel ou abstrait, et qui inclut un certain contrôle pédagogique. Dans le cadre de ce travail, nous nous intéresserons uniquement à ce type de simulation qui se situe dans la catégorie « simuler pour apprendre », en excluant toutes les autres catégories de simulation où il n’existe pas de contrôle pédagogique de l’apprenant. 2.2. Contrôle pédagogique et scénario 2.2.1. Définition du contrôle pédagogique Un contrôle pédagogique peut être réalisé par le formateur, par le logiciel pédagogique ou de façon couplée par le logiciel et le formateur. Nous nous intéresserons ici au contrôle assuré de façon automatique par le logiciel et à l’exploitation des résultats collectés par un tel type de contrôle. La simulation peut être utilisée à différents moments d'un processus de formation : découverte, acquisition, évaluation. Selon les cas, le contrôle pédagogique peut être mis en œuvre pour : • fournir à l'élève un guidage et une assistance appropriés en cours d'apprentissage, 13 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques • donner à l'élève un bilan de son savoir-faire, avec des remédiations éventuelles, • faciliter le suivi par le formateur en lui donnant un compte-rendu de l'activité de l'élève, • obtenir une évaluation synthétique du travail de l'élève. Notre objectif à terme est ici de définir un contrôle qui permette de dresser un bilan des savoirs et savoir-faire de l’apprenant en indiquant les remédiations possibles. Lors de la manipulation d’une simulation à but, un apprenant peut échouer parce qu’un certain nombre de connaissances lui fait défaut. Nous voulons favoriser la détection de ces carences afin de faciliter le suivi de l’apprenant par le formateur qui pourra ensuite proposer les stratégies de remédiation qui s’imposent. Pour cela deux grands types de contrôle sont envisageables, selon que l'on s'intéresse à la manière dont l'élève enchaîne les activités ou bien à sa façon d'aborder une activité donnée. Du fait que nous intéressons au mode d’apprentissage basé sur des exercices à but, nous privilégierions le premier type de contrôle le contrôle qui se concentre sur la manière d’enchaîner les activités. Un exercice à but peut être défini comme suite : à partir d'un état initial, l'apprenant doit manipuler la simulation pour atteindre un état final demandé. L'exercice peut être plus ou moins complexe selon l'objectif fixé : régler un contrôle, réaliser une configuration, exécuter une procédure opératoire, réparer un système … L'auteur peut éventuellement fixer des contraintes que l'élève devra respecter pendant la manipulation de la simulation (par exemple, garder une variable à l'intérieur d'une certaine plage de valeurs). Un exercice à but et son contrôle nous conduit à la notion de scénario. 2.2.2. Définition de la notion de scénario Un scénario s’applique à un exercice à but accompagné d’un contrôle pédagogique. Le contrôle pédagogique consiste alors à vérifier la réussite de l’élève, à suivre sa progression à l’intérieur des étapes intermédiaires de résolution et à détecter la survenue de situations particulières. Nous définissons (fig 2.1) ainsi un scénario tel qu’il est proposé dans OASIS (Outils Auteur de Simulations Interactives avec Scénarios) définit à la base du modèle MARS [Pernin 1996] par : • une situation initiale, devant laquelle sera placé l'élève au démarrage de l'exercice (état initial de la simulation et consigne de l'exercice) ; 14 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques • une séquence d'étapes à franchir par l'élève ; la dernière étape correspond à l'objectif final à atteindre par l'élève. Une étape est décrite par la situation à atteindre, la consigne et la réactivité associée (aide disponible, retours d'information et actions à réaliser en cas d'échec ou de réussite) ; • un ensemble de situations particulières à surveiller. Ce peut être le cas de situations obtenues suite à des erreurs typiques, des situations d'impasse, des situations de danger ou au contraire des situations dénotant une approche particulièrement soignée de la question que l'on souhaite encourager… Ces situations (appelées contrôles) peuvent être à surveiller pendant toute la durée de l'exercice (contrôle global) ou seulement à l'intérieur d'une étape particulière (contrôle lié à une étape). Il convient de décrire la situation à surveiller et la réactivité associée (conduite à tenir lorsque cette situation se produit). Figure 2.1 : le scénario de contrôle pédagogique dans OASIS 2.2.3. Les modes de contrôle pédagogique dans un scénario En fonction de la méthode pédagogique et de l’objectif de la formation, les exercices peuvent être proposés selon deux modes de travail, le mode apprentissage et le mode évaluation. • Le mode apprentissage : on accompagne l'élève dans sa progression, étape par étape. L'élève reçoit la consigne globale de l'exercice, puis la consigne de la première étape. Une aide pertinente pour cette étape est accessible (si elle a été prévue par l'auteur). Lorsqu'il pense avoir réussi l'étape, l’élève demande la vérification de son travail et reçoit l’évaluation correspondante. Dès qu'une étape intermédiaire est réussie, la consigne de l'étape suivante est affichée. L'élève peut à tout moment recommencer une étape ou passer à la suivante (le système plaçant alors la simulation comme s’il venait de réussir l’étape). S'il atteint une situation surveillée, le retour d'informations et l'action prévus sont alors mis en œuvre. 15 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques • Le mode évaluation : l'élève résout globalement l'exercice en temps limité, sans aide ni retour d'information. Seule la consigne globale de l'exercice est fournie au départ. Pendant que l'élève travaille, le système de contrôle pédagogique vérifie la progression selon les étapes attendues, détecte la survenue de situations à surveiller et établit un rapport sur ces différents points. L’élève ne reçoit aucune information en cours de route, mais seulement une évaluation globale lorsqu’il demande la vérification finale de son travail. Ce mode de scénario est très utilisé dans les domaines industriels dans lesquels les apprenant doivent être capable de réaliser exactement la même chose avec les systèmes réels, et cela avec toute responsabilité et sans avoir besoin d’aide. Dans le cadre de ce travail de DEA, nous nous intéresserons uniquement au second mode. En effet, notre postulat initial consiste à étudier la transposition des méthodes de diagnostic des systèmes physiques vers de méthodes d’évaluation d’un apprenant en situation de manipulation de simulation. Nous limiterons donc notre approche aux techniques de diagnostic et d’évaluation, en écartant dans un premier temps les problèmes liés à la remédiation pédagogique, que ce soit pendant ou après la manipulation de la simulation. Après avoir examiné dans ce chapitre les aspects liés au contrôle de simulation, nous allons maintenant nous intéresser aux différentes techniques de représentation des connaissances. 16 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 3. Types de connaissances et modèles de représentations Dans ce chapitre, nous allons faire un état de l’art des différentes méthodes de typage des connaissances. Nous allons les présenter en étudiant deux approches : celle issue du domaine des sciences de l’éducation et celle issue du domaine des environnements informatiques d’apprentissage assisté par ordinateur. Puis, par la suite, nous examinerons les caractéristiques d’un modèle de représentation des connaissances. Nous nous baserons sur cet état de l’art pour répondre à nos exigences en termes de terminologie. En effet, ce problème s’avère critique du fait du nombre important des définitions rencontrées ainsi que des différences entre les contenus et les contextes de ces définitions. 3.1. Les types de connaissances en sciences de l’éducation Les sciences de l’éducation représentent l’un des premiers domaines à s’être intéressé au typage des connaissances. L’objectif est de définir des classifications associées d’une part aux stratégies pédagogiques et d’autre part correspondant aux connaissances visées par l’apprentissage humain. Par la suite, les recherches effectuées dans le domaine de l’informatique se sont basées sur ces travaux. « A la fin des années soixante, principalement aux Etats-Unis se développe la psychologie cognitive et l'intelligence artificielle telles que nous les connaissons aujourd'hui. [Bruner, 1973] contribue de façon substantielle à démontrer la validité, sur le plan psychologique, du concept de construction interne et de représentation des connaissances. [Newell et Simon, 1972] développent, sur cette même base, une représentation de l'activité de résolution de problèmes, pendant que [Minski, 1975] définit le concept de "frame" comme élément essentiel pour comprendre la perception, et aussi comme moyen de réconcilier la vision déclarative et la vision procédurale des connaissances [Winograd, 1985]. » [Paquette 1998]. Ce résumé nous semble intéressant car il illustre la variété des approches qui ont débouché sur des définitions très variées et très différentes des types de connaissances. 17 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 3.1.1. Les propositions de Romiszowski Afin de définir une méthode pour évaluer les performances attendues suite à un apprentissage, Romiszowski [Romiszowski 1981] distingue deux catégories d’habileté : d’une part le souvenir et d’autre part la compréhension de l’apprenant qu’il associe respectivement à des connaissances factuelles et à des connaissances conceptuelles. • Les connaissances factuelles : correspondent à la définition d’objets, d’évènements et de notions. On distingue les connaissances factuelles à propos d’objets, d’événements, de personnes et les connaissances factuelles sur comment procéder (les procédures) ; • Les connaissances conceptuelles : on distingue les concepts spécifiques permettant de reconnaître les instances pour identifier un phénomène et de le définir, et d’autre part les règles ou principes qui permettent de relier les concepts et les faits de façon à pouvoir prédire ou expliquer un phénomène. 3.1.2. Les propositions de Tennyson Concernant les activités d’apprentissage, Tennyson [Tennyson et Rasch, 1990] distingue trois types de connaissances : • Les connaissances déclaratives : impliquent une attention à l’information du domaine et référent au “connaître que”. Par exemple, en soulignant les mots clefs dans un texte, nous distinguons l’information qui nous fait connaître le texte ; • Les connaissances procédurales : impliquent un “savoir comment” utiliser les concepts, règles et principes du domaine (le sens de procédure) ; • Les connaissances contextuelles : impliquent “savoir quand et pourquoi” utiliser les concepts, règles et principes d’un domaine. 3.1.3. Les propositions de West West définit presque les mêmes types de connaissances que Tennyson, mais cela d’une autre façon [West 1991] : • Les connaissances déclaratives : elles peuvent être représentées en mémoire par un réseau associatif de propositions regroupant les faits et les concepts; les réseaux pouvant être de nature sémantique ou épisodique ; 18 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques • Les connaissances procédurales : ce sont les savoir-faire se présentant sous la forme d’instructions à exécuter selon un certain ordre et à certaines conditions, et peuvent définir des processus ; • Les connaissances conditionnelles : elles consistent à savoir quand ou pourquoi utiliser une procédure; elles ont la forme suivante: « si ces conditions sont respectées, alors faire telle et telle chose ». 3.1.4. Les propositions de Merrill Merrill [Merrill 1994] suppose que les résultats de l’apprentissage peuvent être classifiés en un nombre limité de catégories qui mettent en jeu deux dimensions : leurs performances et leurs types de contenu. Les types de contenu de ces résultats d’apprentissage peuvent être : • Un fait : il représente l’association entre une date et un événement, ou un nom et une partie. • Un concept : il représente un ensemble d’objets, d’événements ou de symboles qui partagent un certain nombre de caractéristiques communes. • Une procédure : est un ensemble d’étapes permettant de conduire une action ou de définir un processus. • Un principe : est une relation de cause à effet dans un processus (ex : l’eau gèle à 0°C c’est un principe). 3.1.5. Les propositions de J-M.Hoc D’après [J-M.Hoc 1998] il existe deux types de connaissance : • Connaissance déclarative : c’est un savoir expérimental. Ce type de connaissance fait référence aux connaissances factuelles que nous pouvons raconter oralement. Ces connaissances se caractérisent par le fait qu’elles sont chez nous en mémoire à long terme et sont organisées en réseaux. • Connaissance procédurale : c’est en général un savoir-faire. Ce type de connaissances est communicable implicitement. Elles peuvent se réaliser si un ensemble de conditions est remplie, ce qui donne l’action. Il définit aussi la structure d’une procédure : une procédure est un système d’opérations exécutables pour réaliser une tâche. Il existe trois opérations de base : 1. transformation : c’est le fait de transformer l’état d’un environnement interne ou externe ; 19 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 2. identification : identifier les propriétés pertinentes de l’environnement pour choisir l’opération adaptée ; 3. sélection d’opération : c’est le fait de sélectionner l’opération suivante. Figure 3.1 : Exemple de la structure d’une procédure L’auteur insiste également sur le fait qu’une procédure a souvent le but d’effectuer des transferts d’un dispositif familier vers un dispositif nouveau. Bilan Les classifications des connaissances telles qu’elles sont abordées dans le domaine des sciences de l’éducation et de sciences cognitives ont comme but de définir les résultats d’un apprentissage ou de définir les connaissances visées par l’apprentissage afin de leurs associer les meilleurs stratégies pédagogiques. Dans notre cas précis, nous voulons définir une démarche qui améliore les stratégies pédagogiques existantes en nous basant sur les connaissances utilisées et produites par l’apprentissage. Les stratégies avec lesquelles nous pouvons nous servir de ces connaissances ne sont pas du tout évoquées. Les classifications de Tennyson et West, nous semble les plus aptes à satisfaire nos besoins de représentation des connaissances du fait qu’elles paraissent plus claires et plus proches du domaine des environnement informatique d’apprentissage humain. 3.2. Les types de connaissances en EIAH Les classifications des types des connaissances issues de travaux de recherche dans le domaine des Environnements Informatiques d’Apprentissage Humain ont pour but 20 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques d’améliorer la performance des outils logiciels utilisés (groupewares, simulateurs,…). Elles sont limitées et peu nombreuses, et cela du fait que la plupart des solutions proposées s’intéressent à produire de la connaissance et pas à l’utiliser pour améliorer l’efficacité de l’apprentissage. Nous abordons ici les propositions qui nous semblent les plus intéressantes. 3.2.1. Les proposition de Paquette Paquette [Paquette 1998] propose une classification qui se base principalement sur les propositions de Merrill. Le système de représentation des connaissances MOT (Modélisation par Objets Typés) propose une terminologie détaillée permettant le traitement de la globalité des connaissances associées à un système d’apprentissage. Le modèle repose sur la notion d’agent : l’apprenant, le formateur, l’expert de contenu, le gestionnaire pédagogique et le concepteur sont les agents qui peuvent interagir avec le système d’apprentissage. Paquette établit également une classification des connaissances dans un système de connaissances complexes. Dans ce système, les trois types de connaissances abstraites de Merrill (concepts, procédures et principes) vont se combiner en des systèmes plus complexes de connaissances structurées, les faits étant considérés comme le produit d’une combinaison de ces types de connaissances. (fig. 3.2). 21 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Systèmes conceptuels (Systèmes de concepts et de faits) Concepts Procédures Connaissances procédurales Connaissances conceptuelles Méthodes (Systèmes regroupant processus, systèmes conceptuels et principes de contrôle) (savoir quoi) Exemples Traces (savoir comment) Processus Faits Principes causaux (savoir pourquoi) Enoncés Principes d’action (savoir quand) (Systèmes regroupant procédures et des principes de contrôle) Connaissances stagtégiques Principes Théories (Systèmes de principes causaux et de systèmes conceptuels) Figure 3.2 : Classification des connaissances : faits et connaissances abstraites Paquette définit également quatre types de systèmes composés : les systèmes conceptuels, les théories, les processus et les méthodes. • Les systèmes conceptuels : ce sont des systèmes de connaissances constitués d'un nombre plus ou moins grand de concepts mis en relations sous la forme d'un réseau sémantique. Chaque concept est généralement un schéma conceptuel dont les attributs peuvent être d'autres schémas conceptuels, des procédures ou des principes. • Les théories : ce sont des systèmes de connaissances regroupant plusieurs principes causaux (les lois ou les théorèmes) établissant des relations entre les termes (définitions) du domaine ; • Les processus : ce sont essentiellement des systèmes regroupant plusieurs procédures pouvant se dérouler séquentiellement ou en parallèle. Ces procédures sont déclenchées en fonction de connaissances stratégiques correspondant soit à des règles de décision (déterministes) soit à des règles heuristiques qui réglementent ces procédures. Un processus décrit également les entrées et les sorties des procédures qui le composent ; • Les méthodes : sont des systèmes de plus grande envergure regroupant à la fois des processus, des principes méthodologiques ou des stratégies, ainsi que des systèmes conceptuels : réseaux de concepts, taxonomies, systèmes d'interprétation. 22 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Ces définitions sont à la base de la définition du système MOT de représentation des connaissances et qui sera détaillé dans la section suivante. 3.2.2. Connaissances et simulation : les propositions de Joab Afin de proposer une méthodologie de conception de Systèmes d’Aide à l’Exploitation des Simulateurs d’Entraînement (SAESE), Michelle Joab [Joab 1999] distingue sept types de connaissances qui peuvent intervenir lors de la manipulation d’une simulation. • Connaissances de simulation • Connaissances d’évaluation • Connaissances de maintenance • Connaissances de résolution • Connaissances de classification des situations. • Connaissances tutorielles • Connaissances explicatives Cette approche propose une méthodologie qui se base principalement sur les apports de l’intelligence artificielle. La figure (fig. 3.3) nous montre que : • Le simulateur requiert des connaissances de simulation, pour produire le fonctionnement du dispositif ; • Le module expert utilise des connaissances de résolution pour résoudre l’exercice posé au stagiaire ; • Le module stagiaire demande des connaissances d’évaluation pour diagnostiquer l’état des connaissances du stagiaire et des connaissances de maintenance pour la mise à jour ; • Le module pédagogique nécessite des connaissances de classification des situations pour construire un cursus, des connaissances explicatives pour produire une aide au stagiaire et des connaissances tutorielles pour conduire la session de simulation. 23 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques SIMULATEUR Interface apprenant - Connaissances de simulation Module du stagiaire - Connaissances d’évaluation - Connaissances de maintenance Module expert - Connaissances de résolution Opérateurs Module pédagogique - Connaissances de classification des situations. - Connaissances tutorielles - Connaissances explicatives TUTEUR INTELIGENT Figure 3.3 : Bases de connaissances d’un SAESE 3.2.3. Les propositions de Ciocoiu, Ploix et Michau Dans le but de réaliser un environnement d’apprentissage coopératif pour élèves ingénieurs Ciocoiu, Ploix et Michau [Ciocoiu, Ploix et Michau 2001] proposent un environnement qui décrit une base de connaissances munie de fonctions permettant la création et la gestion d’un graphe de connaissances. Elle propose également des fonctions permettant la navigation dans ce graphe afin de faciliter la tâche d’analyse et d’organisation coopératifs des méthodes de résolutions d’un problème en l’argumentant (en terme de connaissances) dans le cadre des projets courts proposés aux élèves ingénieurs. Les auteurs proposent des outils de représentations qui permettent non seulement d’organiser un travail coopératif en définissant et en attribuant les tâches, mais qui incitent également les élèves ingénieurs à réfléchir et à préciser les informations et connaissances qui ont été nécessaires à chacune des tâches. 24 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Figure 3.4 : le modèle de tâche de la proposition de [Ciocoiu] La méthode peut être utilisée par les étudiants dans le processus de résolution des problèmes. Elle présente plusieurs avantages : • elle fournit une représentation permettant de décomposer le problème en sous-tâches • chaque sous-tâche peut être traitée de la même façon que la tâche principale • elle permet de distinguer les connaissances produites des connaissances utilisées Dans ce cadre, les auteurs définissent la notion d’« unité de sens » : une unité de sens peut être une connaissance ou une information selon qu’elle appartient à un patrimoine ou non, cette appartenance devant être approuvée par au moins une communauté scientifique. Ces unités de sens peuvent être déclaratives procédurales ou bien stratégiques : • Les unités de sens déclaratives : ce sont les unités de sens qui répondent généralement aux questions précédées des pronoms interrogatifs : Quoi ? Que ? Qui ? et Qu’est-ce ?. En règle générale, il s’agit de définitions ou de descriptions ; • Les unités de sens procédurales : ce sont les unités de sens qui répondent aux questions précédées du pronom interrogatif : Comment ?. En règle générale, il s’agit de méthodes ou de procédures ; • Les unités de sens stratégiques : ce sont les unités de sens qui répondent aux questions précédées du pronom interrogatif: Pourquoi ?. En règle générale, il s’agit de principes. Bilan sur les modèles de connaissances en EIAH Nous avons souligné que les propositions de Paquette concernant le typage des connaissances sont relativement abordables, et notamment la façon avec laquelle représente un système de connaissances complexes. S’il nous semble très bien fait d’un point de vue schématique, le modèle proposé semble trop complexe à mettre en œuvre du fait de la difficulté de disposer de solutions logicielles intégrant toutes les couches présentées dans ce système. Notre objectif 25 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques est de proposer un modèle réalisable en terme de développement, donc ici, intervient le problème de mise en pratique d’une méthodologie qui facilite l’utilisation des scénario et qui apporte de l’aide à un apprenant en situation d’apprentissage et qui trouve des difficultés pour déterminer les causes d’un éventuel échec dans le parcours du scénario. Les travaux de Joab proposent une typologie s’appuyant sur une démarche issue du monde de l’intelligence artificielle. Le classement proposé fait apparaître des types de connaissances qui sont aussi implicites lors de la manipulation d’une simulation, et qui ne peuvent pas être exploitées facilement avec une solution logicielle. Sa proposition se base sur une approche issue de l’intelligence artificielle. Or notre objectif voulu, se base sur une démarche tout à fait contradictoire : se servir de l’automatique pour exploiter les connaissances mises en jeu dans une simulation. La proposition de Ciocoiu nous semble plus proche de nos objectifs. D’une part, elle se base sur une démarche issue de l’automatique, et d’autre part elle porte sur la distinction de trois types d’unités de sens (déclaratives, procédurales, déclaratives). Elle permet également d’identifier l’appartenance d’une connaissance à un type donné. Pour ces raisons, nous nous baserons principalement sur cette dernière proposition. 3.3. Une méthode de représentation des connaissances Afin de rendre possible le traitement et l’utilisation des connaissances dans une situation d’apprentissage quelconque, il parait utile d’identifier non seulement les types des connaissances utilisés (comme nous l’avons fait au chapitre précédent), mais également de décrire les relations qui permettent de les associer grâce à un modèle ou à l’aide de schémas. Dans cette perspective, nous nous référons au modèle MOT déjà cité plus haut. Ce système de Modélisation par Objets Typés proposé par [Paquette 1998], n’a pas été à l’origine spécialement conçu pour être utilisé avec des simulateurs. L’hypothèse principale à la base du système de représentation MOT est de rendre possible la représentation de modèles complexes, à l’aide d’un petit nombre de types de connaissances et de liens entre ces connaissances. Ces systèmes peuvent être aussi bien des systèmes conceptuels, des processus (incluant la coopération entre agents), que des méthodologies ou des théories. Ce système reprend la typologie de connaissances définie plus haut distinguant 26 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques d’une part les faits et d’autre part les connaissances abstraites (principes, procédures et concepts). Pour représenter les connaissances, le modèle MOT fait appel à un domaine spécifique de connaissance (la géométrie), et propose de représenter les concepts sous forme de rectangles, les procédures sous forme d’ovales et les principes sous formes de polygones. MOT définit différents types de liens pour relier les connaissances : • l’instanciation (I) • la spécialisation (S) • la composition (C) • lien de précédence (P) • lien d’intrant/extrant (I/E) (c'est-à-dire Entrée/Sortie) • lien de réglementation (R). Si l’instanciation, la spécialisation et la composition ont la même signification que dans l’approche par objet en UML, le lien de précédence définit la question de l’ordre de précédence entre les sous-procédures et procédures, les intrants/extrants représentent les entrées et les sorties (données) d’une procédure ou d’un concept, le lien de réglementation interagit pour réglementer la participation de plusieurs agents dans un même système. La figure suivante récapitule les types de connaissances et les liens possibles à appliquer ainsi que le résultat éventuel de l’association de ce lien à tel ou tel type de connaissance : 27 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Figure 3.5: Symbolisme graphique du système MOT A titre d’exemple, dans cette figure le premier lien (C) composition définit le fait qu’un concept peut : 1- amener à produire un autre concept et également un exemple de ce concept. 2- être utilisé pour définir et réaliser une procédure. 3- peut être utilisé pour définir un concept. Afin de rendre plus fiable l’utilisation de ce système de représentation des règles d’intégrités sont élaborées : • Une instance peut être une instance d’un concept, d’une procédure ou d’un principe. Elle peut aussi être intrant ou extrant d’une procédure, mais elle n’est impliquée dans aucun autre type de lien. • Un concept peut-être une sorte de concept, peut se composer d’autres concepts, de procédures ou de principes; il peut-être intrant ou extrant d’une procédure. • Une procédure peut être une sorte de procédure, se composer de procédures ou de principes de contrôle, ou encore précéder une autre procédure ou un principe. • Un principe peut être une sorte de principe, peut régir une procédure ou un concept, se composer d’autres principes ou de procédures et aussi précéder (ou suivre) une procédure. 28 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Afin de faciliter la compréhension de ce système, nous présentons ci-dessous un cas d’utilisation appliqué à un exemple de rédaction d’un document textuel dans une situation où il existe trois types de participants (agents) : l’agent coordinateur, les agents rédacteurs et l’agent éditeur. Cahier de charge C I/E Plan et gabarit C R Principes de conception collaborative I/E C C Agent coordonateur Faire le plan C Rédiger un texte en équipe Documents initiaux I/E Répartir les sections I/E Plan de réalisation C Agent rédacteur I/E Rédiger les sections C I/E Brouillon R Principes de rédaction I/E Réviser et reformuler I/E Version finale Agent éditeur C I/E Principes d’édition Éditer et imprimer Figure 3.6 : un processus de rédaction avec trois types d’agents Cet exemple nous montre l’efficacité du système MOT pour représenter les connaissances utilisées et produites dans le cadre d’une tâche déterminée. Si cette tâche faisait l’objet d’une simulation, il serait possible de modéliser les connaissances mises en jeu dans la simulation et de définir un scénario d’apprentissage de la tâche en question (ici la rédaction d’un document textuel), tout en reliant connaissances, tâches et transitions entres tâches. Le modèle MOT nous donne déjà quelques pistes sur la représentation des connaissances dans le cadre d’une simulation. Même si d’un point de vue réalisation, l’intégration dans le cas d’un simulateur peut paraître très complexe, l’auteur ne définissant pas de méthode et de solution logicielle pour mettre en œuvre le modèle. 29 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 30 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 4. Le diagnostic en systèmes physiques 4.1. Introduction Le diagnostic en système physique représente un domaine de recherche très développé et se base principalement sur des démarches issues du monde des mathématiques. Il s’intéresse en général à la résolution des problèmes de dysfonctionnement dans les systèmes physiques et principalement en automatique. Un diagnostic est un ensemble d’hypothèses sur l’état des composants d’un système physique, hypothèses permettant de lever les conflits observés sur ce système (comportements anormaux), et d’identifier les défaillances qui ont causé ces conflits. Capteurs de comportements ou d’états du système Défaillances dans le système / composants défaillants d’ Variables connues du système Diagnostic Figure 4.1 : Le diagnostic en systèmes physiques Comme l’illustre la figure ci-dessus, le diagnostic d’un système physique peut être considéré comme une boîte noire recevant en entrée des informations sur le comportement ou l’état des composants du système physique (qu’il s’agisse d’un moteur électrique, d’un circuit électrique, d’une combinaison de plusieurs moteurs, etc.). A partir de ces informations matérialisées par un ensemble de variables connues, on produit en sortie un rapport portant sur les composants défaillants qui ont pu causé les pannes. Il existe plusieurs méthodes pour réaliser une telle opération. Dans le cadre de notre collaboration, nous avons choisi la méthode proposée par le laboratoire LAG, méthode basée sur une solution mathématique. 4.2. Petit Glossaire Pour se familiariser avec la terminologie utilisée chez les automaticiens dans ce domaine, il s’avère utile de faire le point sur les définitions de quelques nouveaux termes. En nous basant 31 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques sur les travaux de [S.Ploix et S.Giuliani 2000] et [F.Ly Z.S.Abazi J.B.Leger 1999], nous proposons les définitions des termes suivants. 4.2.1. Processus C’est un ensemble de phénomènes organisés dans le temps rapportés à un même système physique et qui peuvent concerner plusieurs composants de ce système. 4.2.2. Modèle Le modèle d'un système physique est une description schématique de sa structure physique avec en plus les modèles de chacun de ses constituants. 4.2.3. Défaillance Puisque la notion de défaillance est fondamentale en diagnostic, elle réclame une grande rigueur lors de sa définition. La défaillance fait référence à l'état d’un système physique ne remplissant plus les fonctions pour lesquelles il a été conçu ou bien alors à l’altération ou la cessation de l'aptitude d'une entité spécifique à accomplir une fonction requise. Après la défaillance d’une entité, celle-ci est souvent en état de panne. La défaillance correspond au passage d’une entité d’un état de fonctionnement normal à un état de fonctionnement anormal ou de panne. Elle peut aussi être définie comme suit : • Anomalie fonctionnelle au sein d'un système physique. • Etat d'incapacité d’un composant du système à réaliser une fonction normale de façon adéquate. • Interruption permanente de la capacité d'un système à assurer une fonction requise dans des conditions opérationnelles spécifiées. 4.2.4. Causes de défaillance Ce sont les circonstances liées à la conception, la fabrication ou à l'emploi et qui ont entraîné la défaillance. 4.2.5. Défaut La notion de défaut est voisine de celle de défaillance : un défaut représente un écart entre une caractéristique réelle d’une entité et la caractéristique voulue, cet écart dépassant des limites 32 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques d'acceptabilité. Un défaut dans le système n’affecte pas en général l’aptitude du système à accomplir une fonction requise. Par conséquent, un défaut ne conduit pas toujours à une défaillance. De ce fait, le défaut est vu comme une opinion sur le bon fonctionnement. Par contre une défaillance conduit systématiquement à un défaut. 4.2.6. Symptôme Un symptôme est caractérisé par un ensemble d'observations en provenance d'un système physique ; elles peuvent être brutes ou synthétisées en une information plus facilement exploitable. Un symptôme est donc un signe distinctif d'un état fonctionnel anormal : il révèle donc la présence de défaillances. 4.2.7. Diagnostic (détection, localisation et identification de défauts) L'opération de diagnostic est souvent décomposée en plusieurs étapes, la première d'entre elles est baptisée "détection de défaut", elle définit la génération de symptômes à partir des observations et des modèles de comportement disponibles. La détermination des défauts apporte davantage d'informations que la détermination des défaillances pour remonter aux éléments défaillants d'un système physique. 4.2.8. La localisation de défauts C’est le deuxième niveau du diagnostic, déclenché par une procédure de détection, consistant à déterminer de manière plus approfondie les composants défaillants, ou c’est le raisonnement s'appuyant sur les symptômes mis en évidence lors de la phase de détection pour en déduire les composants défaillants. 4.3. L’idée de base de la transposition L’idée de ce travail, développé conjointement avec S.Ploix et de F.Michau du Laboratoire LAG, se fonde sur les similitudes existant entre le traitement des défauts dans un système physique et le traitement des défauts dans un système humain d’apprentissage. Nous proposons donc de transposer les méthodes de diagnostic des systèmes physiques pour les appliquer au diagnostic des systèmes d’apprentissage. La figure ci-dessous illustre les analogies existant entre les deux modèles. 33 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Diagnostic d’un système physique Diagnostic d’un système d’apprentissage Figure 4.2 : Transposition du diagnostic (système physique/système d’apprentissage) Cette transposition s’appuie sur une décomposition en différents niveaux auxquels correspondent les différentes opérations nécessaires pour réaliser ce diagnostic. Nous comptons utiliser cette transposition pour enrichir le concept de scénario d’apprentissage basé sur un modèle de tâches, en vue de détecter les défaillances dans les connaissances de l’apprenant lors de sa manipulation. Pour ce faire, il a fallu proposer un nouveau modèle de tâches qui inclue et classe de façon transparente les différents types de connaissances pouvant intervenir lors de la manipulation de ce scénario. Ce modèle va nous permettre d’appliquer un diagnostic sur ce système d’apprentissage. 4.4. Le choix de la méthode du diagnostic Pour mettre en œuvre un diagnostic sur un système physique, nous sommes amenés à appliquer une procédure bien précise, divisée en étapes clairement identifiées. Il n’existe pas de méthode généraliste pour réaliser ce diagnostic, le choix de la procédure à appliquer dépendant de la nature du système physique diagnostiqué. Dans le cadre de notre collaboration avec le LAG, nous avons opté pour une méthode fondée sur une approche matricielle développée au sein de ce laboratoire, sachant qu’il existe d’autres méthodes graphiques plus complexes. Ce choix a été justifié d’une part par la fiabilité de la méthode qui 34 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques a été testée au LAG, et d’autre part par l’aptitude de l’approche matricielle à être mise en œuvre rapidement, dans l’optique de vérifier la validité et la fiabilité de notre proposition. 4.4.1. Le principe de la procédure de diagnostic Afin d’établir un diagnostic de son fonctionnement, un système physique en état de marche (par exemple un moteur électrique) doit subir des tests de cohérence. Ces tests vont éventuellement révéler l’existence de symptômes dont nous pourrons déduire l’existence de défaillances. Enfin de ces défaillances, pourront être déduits les défauts de certains composants (Cf. figure 4.2). Toute procédure de diagnostic repose donc sur la notion de test de cohérence qui permet de comparer : • d’une part les informations constatées sur l’état du système et les données recueillies à partir des capteurs installés sur des composants choisis du système physique (ces composants doivent correspondre à ceux désignés dans les modèles de comportements normaux et de comportements anormaux types déjà connus auparavant sur ce systèmes) • d’autre part des modèles de comportements normaux et anormaux types Figure 4.3 : Le principe du diagnostic Si l’on reprend l’exemple du moteur électrique, un capteur peut être un capteur de vitesse, un capteur de tension, etc. et une information recueillie peut être l’état de la partie électrique d’un moteur, ou l’état du convertisseur, etc. 35 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Après avoir effectué les tests de cohérence et repéré la présence de conflits, un raisonnement diagnostique est mis en œuvre à l’aide d’une méthode mathématique basée sur le traitement matriciel. L’application du diagnostic permet d’aboutir à un résultat présentant un ensemble de possibilités d’éléments défaillants, classées par ordre de vraisemblance, de la plus probable à la moins probable. De façon générale, étant donné la complexité des systèmes physiques analysés, le diagnostic ne peut délivrer de certitudes et se restreint à cet ensemble classé de probabilités. En règle générale, les mesures prises par les capteurs contrôlant les différents composants du système sont enregistrées de façon permanente. La procédure de diagnostic s’applique donc à l’ensemble des mesures prises par les différents capteurs. Les comportements observés sur le système ne sont pas déduits directement des mesures, mais à partir de relations mathématiques appelées relations de redondance analytique. Ces relations sont elles-mêmes le produit d’un ensemble de relations analytiques élémentaires, chacune d’entre elles étant calculée à partir d’un capteur unique. Cette approche permet une meilleure détection des comportements anormaux, notamment ceux matérialisés par les mesures conjointes d’un ensemble de capteurs ayant les mêmes caractéristiques physiques. 4.4.2. La procédure de diagnostic Nous allons maintenant illustrer la procédure de diagnostic à l’aide de l’exemple présenter par [S.Ploix 2001]. Dans cet exemple, il s’agit de détecter les éventuels composants défaillants d’un moteur électrique (machine à courant continu) en état de marche. Figure 4.4 : Exemple d’un moteur électrique Le Modèle d’un système = union des modèles élémentaires Soit Ψi l’ensemble des indices des modèles élémentaires intervenant dans Ml (le modèle du système), alors Ml s’écrit : 36 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques M l = U Ri , I D i , ∧ h ( C k ) k∈ U Ωi i∈Ψ l i∈Ψ l i ∈Ψ l ∆ Ri = Ri p , θ , x , y%, z Paramètres certains Paramètres incertains Variables physiques (potentiellement mesurables) Information sur une variable physique (mesure,…) Variables / paramètres de défaut Les capteurs choisis nous donnent la définition du modèle élémentaire d’information de chacun (ou la relation analytique élémentaire), ceux-ci vont constituer ensemble le modèle du système, et nous donnent les relations de redondances analytiques possibles pour effectuer les tests de cohérence. Dans cet exemple nous avons choisi 9 capteurs, ce qui donne le modèle du système suivant : A titre d’exemple, les deux modèles M4 et M’4 représentent la charge mécanique et M6 le courant produit par le générateur. A chaque modèle élémentaire correspond une formule physique précise. Le terme BF indique a priori le Bon Fonctionnement de chaque modèle élémentaire. La notation ¬AN(x) (pour Non ANormal) indique que l’état du composant x peut être considéré comme normal. La seconde étape consiste à déduire les relations de redondances analytiques ; - Définition : Une relation de redondance analytique (RRA) est un ensemble de relations élémentaires ne faisant intervenir que des variables connues. 37 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques A partir de l’appartenance au même domaine de valeurs physiques (c'est-à-dire que une partie des modèles élémentaires réagie ensemble avec un certain nombre de variables physiques fixes), et à l’aide d’une méthode matricielle (détaillée dans [S.Ploix 2001]), nous avons pu détecter l’existence de 8 RRA (relation de redondance analytique), ces RRA sont présentées dans le tableau suivant selon les modèles élémentaires qui les identifient une par une : Figure 4.6 : Tableaux des RRA La troisième étape de la procédure consiste à effectuer un test de cohérence pour chaque RRA, en faisant référence aux comportements normaux attendus pour chaque RRA, à la base de l’ensemble des capteurs qui constituent cette RRA, pour détecter l’existence de conflits ou non. Supposons que les tests ont révélé la signature suivante : RRA 1 2 3 4 5 6 7 8 Pas de conflit (N) Conflit (C) N N C N C C C N Figure 4.7 : Tableau des conflits observés La quatrième étape de la procédure consiste à détecter les défaillances qui ont causé les conflits observés en se basant sur le tableau des RRA et le tableau des conflits observés. Nous déduisons le tableau suivant : Figure 4.8 : Tableau du diagnostic La figure (fig 8.3) nous montre d’après les conflits observés sur les RRA 3,5,6 et 7 et de leur correspondance avec les modèles élémentaires qui les définissent, que : 38 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques • les modèles élémentaires M3, M4 et M6 interviennent avec les 4 RRA où nous avons détecté les conflits. Alors mathématiquement ces modèles représentent la cause la plus probable des conflits observés du faite qu’il interviennent le plus. • Après en deuxième rang, il y a les modèles M2 et M9, ils interviennent dans 3 par mis les 4 RRA où nous avons observés des conflits. • Ensuite en troisième rang, le modèle M7 et M8 interviennent dans deux RRA par mis les 4 RAA où nous avons observé conflits. • Et enfin le modèle M1 et M5 sont les moins probables par mis tout les modèles, ils interviennent dans une RRA par mis les 4 qui ont révélées des conflits. Par conséquent, nous avons pu appliquer le diagnostic sur ce système physique et le résultat sera présenté sous forme d’une liste classée par ordre de vraisemblance, du plus probable au moins probable comme dans le tableau suivant : Figure 4.9 : Résultats du diagnostic Ici l’ordre 1 correspond au plus haut degré de vraisemblance, et au sein de chaque niveau, les modèles possèdent le même degré de probabilité. Cet algorithme de diagnostic n’offre donc pas la possibilité d’établir une classification des modèles appartenant au même niveau de vraisemblance. Le résultat sera exploité de la façon suivante : en premier lieu, on effectuera la recherche et la restitution des défauts concernant les composants du niveau le plus probable (1), c’est-à-dire la partie mécanique du moteur (M3), la charge mécanique (M4) et l’intensité du courant du générateur qui alimente le moteur (M6). Si aucun défaut de ce niveau n’est détecté, on vérifiera les composants du second niveau, et ainsi de suite. 39 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 4.5 Bilan La procédure de diagnostic décrite ci-dessus est fondée sur une approche logique et probabiliste. Basée sur un enchaînement d’étapes clairement défini, elle permet d’aboutir à un résultat fiable. Si nous désirons transposer ce type d’approche au diagnostic d’apprentissage, nous devons toutefois noter les points suivants : • toutes les mesures effectuées sur les capteurs du moteur sont enregistrées de façon permanente (disponibilité simultanée des mesures). Or, dans un scénario d’apprentissage le contrôle de l’activité de l’apprenant peut être effectué de deux façons : - par un suivi synchrone : à chaque étape que l’apprenant ne réussit pas à franchir, le déroulement normal du scénario est stoppé pour le rediriger vers une autre étape ou lui proposer autre chose. Dans ces conditions, il n’est pas possible de disposer des « mesures » qui pourraient être effectuées lors des étapes suivantes et il devient impossible d’appliquer l’algorithme du diagnostic en respectant la contrainte de disponibilité simultanée des mesures. - par un suivi différé : l’apprenant termine complètement le scénario et après avoir terminé, une évaluation de tout son parcours est effectuée pour diagnostiquer les éventuelles causes d’échec. Dans ce cas, l’application de l’algorithme reste possible. • Le résultat du diagnostic peut donner une multitude de possibilités classées par ordre de vraisemblance et dont le résultat n’est jamais certain. Ce caractère non déterministe paraît être compatible avec les environnements d’apprentissage dans lesquels les systèmes d’évaluation ne peuvent se risquer à donner des avis définitifs sur l’acquisition effective des compétences 40 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 5. Les propositions 5.1. Introduction 5.1.1. Enrichir le contrôle pédagogique ? Comme nous l’avons évoqué au chapitre 2, le but d’un scénario est d’assister l’apprenant dans un contexte de résolution de problème. Basé sur une enchaînement d’étapes et de contrôles jusqu’à un objectif final (fig 2.1), le modèle proposé permet d’assister ou de contrôler l’apprenant dans l’exécution de ces tâches. Dans le contexte de ce DEA, notre objectif est d’enrichir ce modèle essentiellement procédural en liant les tâches contrôlées aux objectifs pédagogiques exprimés en termes de connaissance. Lors des séances de manipulations d’une simulation, les formateurs sont la plupart du temps physiquement présents avec les apprenant pour leur fournir une assistance. Cette assistance peut par exemple consister à identifier les connaissances qui leurs font défaut lors d’une fausse manipulation, comme « tu dois réviser telle partie de tel guide pratique, pour pouvoir accomplir telle tâche ». Ce type d’assistance est lourde, coûteuse et exige de disposer d’un nombre suffisant de formateurs. Il existe donc un réel besoin de fournir aux formateurs des outils permettant d’assurer en partie de façon automatique ce type d’assistance. En effet, s’il paraît possible de fournir un certain niveau d’assistance automatique, en revanche il semble difficile de simuler et remplacer la totalité de la présence d’un formateur ou de son expérience. Dans le cadre des formations en autonomie où l’apprenant est confronté seul à une situation d’apprentissage (sans formateur), la manipulation d’un scénario d’apprentissage peut lui faire prendre conscience qu’il ne maîtrise pas de façon satisfaisante les connaissances nécessaires pour accomplir la tâche attendue. Dans ce cas, un outil automatique d’assistance pourra avantageusement détecter les connaissances qui lui font défaut. Cette assistance permettre d’améliorer le processus d’apprentissage et rendre l’apprenant plus productif et plus efficace. Or pour le moment, la majorité des propositions faites dans ce domaine n’intègrent pas ce type d’outil dans les scénarios, essentiellement à cause de la complexité des modèles à mettre en oeuvre et des méthodes associées. Seules quelques propositions issues du monde de l’intelligence artificielle proposent une aide à l’exploitation des simulateurs sans pour autant 41 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques intégrer notion de scénario. Nous pouvons également noter ici que notre proposition se base sur une approche très différente en s’appuyant sur une transposition de méthodes issues du monde de l’automatique. La complexité évoquée auparavant vient de plusieurs facteurs : • les connaissances qui peuvent intervenir lors de la manipulation d’un scénario sont très variées et de types différents, • une même connaissance peut intervenir dans plusieurs étapes d’un scénario et souvent de façons non ordonnée, • le passage d’une étape à une autre nécessite souvent des connaissances multiples • le problème de la définition d’une connaissance : qu’est ce qu’une connaissance ? quel sont les types des connaissances ? comment représenter les connaissances dans un scénario ? comment relier activités de l’apprenant (son passage d’une étape à une autre) et connaissances mises en jeu dans un scénario, • la possibilité d’implémenter au niveau informatique la solution proposée 5.1.2. La solution proposée Pour résoudre les problèmes évoqués, nous proposons un modèle pour la représentation des connaissances dans les scénarios, ainsi qu’un outil intégrable à un scénario. Cet outil a pour but de détecter les défaillances dans les connaissances de l’apprenant à l’origine d’une fausse manipulation, en comparant le comportement réel de l’apprenant et le comportement attendu de sa part. Notre modèle pour la représentation des connaissances dans un scénario se base sur la définition des différents types de connaissances qui interviennent lors de la manipulation d’un scénario. Il montre comment distinguer les connaissances, donne un formalisme pour leur représentation en différents couches et montre comment relier connaissances et activités de l’apprenant lors de la manipulation d’un scénario. La méthode proposée pour aider l’apprenant à identifier les défaillances dans ses connaissances lors de l’exécution incorrecte d’un scénario, se base sur la transposition du diagnostic en système physique pour l’appliquer sur un système d’apprentissage. Comme nous l’avons montré dans le chapitre 4, cette transposition parait cohérente au vu des 42 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques analogies que nous avons définies entre les deux types de systèmes. Il nous reste à identifier la méthode et les contraintes qui doivent être respectées pour mettre en œuvre la transposition. Nous notons que notre proposition se limitera aux scénarios en mode évaluation pour les raisons que nous avons évoquées dans la section 4.5 (problème de la disponibilité simultanée des mesures). Les scénarios en mode apprentissage ne sont pas concernés par cette transposition. 5.1.3. Le modèle de la proposition Notre proposition se base sur l’intégration d’un outil qui ajoute à la fonction d’édition de scénario la possibilité de représenter les connaissances de l’apprenant lors de la manipulation de ce scénario. Pour pouvoir bénéficier de cette approche, nous proposons le modèle permettant au concepteur de produire des simulateurs qui intègrent cette solution (fig.5.1) Figure 5.1 : le Modèle de la proposition Lors de la manipulation d’un scénario en mode évaluation, l’apprenant progresse dans le scénario en franchissant des étapes successives. La transition entre les étapes nécessite qu’un certain nombre de connaissances bien définies soient acquises par l’apprenant. Au fur à mesure que l’apprenant franchit les étapes dans le scénario en manipulant l’interface du simulateur, le module qui gère les scénarios recueille les informations sur chaque transition et garde la trace du parcours de l’apprenant, en distinguant les transitions passées avec succès et 43 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques celles où l’apprenant a échoué. Après la fin de la manipulation du scénario, l’algorithme de diagnostic fournira à l’apprenant une liste des défaillances dans ses connaissances classées par ordre de vraisemblance depuis la plus probable jusqu’à la moins probable. Ce résultat sera calculé grâce à une base de données référençant les connaissances nécessaires pour terminer le scénario avec succès (comportement attendu). L’objectif de cette solution est d’apporter davantage d’interactivité aux simulateurs en assistant les formateurs et les apprenants dans le processus d’apprentissage. 5.2. Un formalisme pour la représentation des connaissances dans les scénarios Comme nous l’avons vu dans le chapitre 2, le scénario d’apprentissage tel qu’il est présenté dans OASIS se base sur une situation initiale dans laquelle est placé l'élève au début du scénario (état initial et consigne de scénario) et une séquence d'étapes à franchir par l'élève se terminant par une dernière étape correspondant à l'objectif final à atteindre par l'élève. Une étape est composée d’un état de la simulation à atteindre et d’un ensemble de situations particulières à surveiller. Ce peut être le cas de situations obtenues suite à des erreurs typiques, des situations d'impasse, des situations de danger ou au contraire des situations dénotant une approche particulièrement soignée de la question et que l'on souhaite encourager. Ce modèle ne s’intéresse pas à représenter les connaissances mobilisées par l’apprenant pour passer d’une étape à une autre, alors qu’il nous semble important de pouvoir représenter ces connaissances en les liant avec ces transitions (fig 5.2). Figure 5.2 : Représentation des connaissances dans une étape d’un scénario Nous voulons ici modéliser les connaissances requises pour franchir une étape d’un scénario, en définissant les connaissances qui correspondent à un comportement-type attendu de la part 44 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques de l’apprenant. Ces connaissances peuvent être de plusieurs types et peuvent intervenir dans un ordre non déterminé et non obligatoirement explicite pour l’apprenant. En généralisant, chaque étape du scénario peut être représentée de manière identique. La définition des connaissances requises pour accomplir les étapes d’un scénario doit être effectuée par des formateurs experts du domaine à l’aide des concepteurs des simulateurs. Comme le montre la figure ci-dessus, nous proposons donc un modèle permettant la représentation des connaissances dans les scénarios, en étendant le modèle proposé dans OASIS. Notre modèle distingue cinq types principales de connaissances et relie ces connaissances avec l’activité de l’apprenant. 5.2.1. Les types des connaissances dans le modèle Lors de la manipulation d’un scénario, l’apprenant va mobiliser un certain nombre de connaissances pour effectuer les tâches attendues. Certaines de ces connaissances ont déjà été acquises avant de commencer le scénario, à partir de cours d’enseignement, de travaux dirigés ou pratiques, de lectures constructives ou de situations similaires d’apprentissage. Mais pour réaliser les tâches définies par le scénario, l’apprenant doit également faire appel à des connaissances davantage liées au contexte de la simulation et aux objectifs du scénario ; il doit comprendre la consigne de départ de ce scénario et il doit disposer des connaissances accessibles directement depuis l’interface du simulateur avant ou lors de la manipulation du scénario. Afin de pouvoir exploiter et représenter ces connaissances, nous proposons la définition suivante de la notion de connaissance dans notre contexte : « Une connaissance prend la définition macroscopique du terme, du fait une connaissance ne peut pas se résumer en l’équivalence d’un mot mais se définit par l’équivalence de la compréhension, de l’idée ou du savoir qu’elle procure ». Par exemple, dans le domaine de l’électricité, le terme « tension » ne peut pas être représenté seul comme connaissance, car il ne définit pas une idée qui peut aider à la résolution d’un scénario, il ne procure pas un savoir et n’assure pas une compréhension qui peut soutenir l’action de l’apprenant. Par contre « savoir calculer la tension dans un circuit » représente une connaissance qui aide l’apprenant dans la résolution de son scénario. Nous distinguerons donc 45 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques cinq types de connaissances : contextuelles, déclaratives, procédurales, stratégiques et connaissances abstraites du simulateur. 5.2.1.1. Connaissances contextuelles Les connaissances contextuelles concernent la (ou les) consignes du scénario, les informations liées au contexte de la simulation et les conditions à respecter lors du scénario, comme par exemple : « tourner ce bouton avant de tourner celui là ». La consigne dépend du contexte de la simulation et de l’objectif du scénario, une consigne peut être seule ou composée de sousconsignes élémentaires, et peut être selon le contexte : • une seule consigne donnée au départ et valable pour tout le scénario. • une consigne globale au départ s’appliquant à la totalité du scénario et des sous consignes à chaque étape du scénario. • uniquement des consignes élémentaires : après avoir franchi une étape, une autre consigne doit être respectée pour la prochaine étape. Ce mode est peu utilisé. 5.2.1.2. Connaissances déclaratives Ce sont les unités de sens qui répondent généralement aux questions précédées des pronoms interrogatifs : Quoi, Que, Qui et Qu’est-ce. Il s’agit en général de définitions et de descriptions. Ce type de connaissance fait référence aux connaissances factuelles que nous pouvons présenter oralement. Ces connaissances se caractérisent par le fait qu’elles sont chez nous en mémoire à long terme. Par exemple : « Un condensateur est constitué de deux conducteurs dont les surfaces en regard sont proches l'une de l'autre et séparées par un isolant. Les deux conducteurs constituent les armatures du condensateur, l'isolant est son diélectrique ». 5.2.1.3. Connaissances procédurales Ce sont les unités de sens qui répondent aux questions précédées du pronom interrogatif : Comment. Elles représentent en général un savoir-faire formulé en termes de méthodes ou de procédures. Ce type de connaissances est communicable implicitement et peuvent se réaliser si un ensemble de conditions est remplie. Par exemple : « Pour fermer tel disjoncteur, il faut s’assurer que les appareils sont éteints, débrancher les appareils et puis fermer le disjoncteur ». Bien que ce type de connaissances soit complexe à décrire, il est très largement utilisé et 46 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques correspond à un objectif essentiel du processus d’apprentissage consistant à vérifier la mise en pratique effective des connaissances. 5.2.1.4. Connaissances stratégiques Ce sont les unités de sens qui répondent aux questions précédées du pronom interrogatif: Pourquoi. Il s’agit en général de principes. Par exemple : « loi d’Ohm : à température constante, la tension aux bornes d'un conducteur ohmique est proportionnelle à l'intensité du courant qui le traverse ». Ainsi, ce type de connaissances peut servir de base à la définition de la stratégie de la résolution du scénario lorsque il existe une multitude de choix à faire. 5.2.1.5. Connaissances extraites du simulateur Ces connaissances sont très importantes pour accomplir un scénario, et définissent les connaissances relatives au simulateur accessibles à travers l’interface manipulée. Elles peuvent concerner l’identification des objets à manipuler ou l’identification de l’état de certains composants du simulateur pouvant être utiles à la manipulation du scénario. Par exemple « connaître que un condensateur est représenté sur l’interface su simulateur par deux petites plaques parallèles ». 5.2.2. Le formalisme de représentation proposé En nous basant sur les définitions précédentes, nous proposons le formalisme suivant pour représenter les connaissances dans les scénarios (fig 5.3). Un scénario possède toujours un état initial, des états à franchir et un état final à atteindre, la manipulation du scénario se base sur une ou plusieurs consignes : 47 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Contextuel Consigne Principale Déclaratif Procédural K2 Consigne élémentaire K3 K2 K1 K5 Stratégique K4 Connaissances extraites du simulateur Kn K6 K7 Actions K n+1 Agir Agir Etats Etat initial K4 T1 E1 T2 Agir E2 En Tn Etat final Figure 5.3 : Le formalisme de représentation de scénario Notre modèle propose une représentation du scénario en couches afin de pouvoir représenter le plus clairement possible les différents composants interagissant avec le scénario. Dans cette figure, nous remarquons que : • Les connaissances contextuelles, déclaratives, procédurales, stratégiques et les connaissances extraites du simulateur sont représentées au sein d’une couche spécifique. • K1, k2, … représentent les connaissances ; chacune est classée dans le niveau qui lui correspond. • E1, E2,… représentent les états par lesquelles l’apprenant doit passer pour atteindre l’objectif du scénario. • T1, T2,…représentent les transitions entre états et correspondent aux étapes du scénario. C’est en s’appuyant sur un nombre défini de connaissances que l’apprenant décide d’agir pour passer d’un état à un autre, c'est-à-dire pour franchir une étape. • Une même connaissance peut intervenir dans plusieurs étapes du scénario. Dans cette proposition, le modèle de tâches qui représente les états sur lesquels l’apprenant doit passer est similaire à celui proposé par OASIS, l’apprenant commence par un état initial 48 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques et transite entre états jusqu'à l’état final. Le contrôle qui peut être associer à chaque transition (étape) n’est pas exprimé ici et ça veut pas dire que nous l’avons exclut. A titre d’exemple pour passer de l’état initial à l’état (E1), l’apprenant doit en premier lieu connaître la consigne, puis s’appuyer sur les connaissances K1, K2, K3 et K4 qui sont des connaissances procédurales, déclaratives et contextuelles, mais également sur la connaissance K7 extraite du simulateur. Comme nous l’avons précisé pour le modèle de diagnostic en systèmes physiques présenté au chapitre précédent, il n’est pas possible d’établir de priorité entre les connaissances (procédurales, contextuelles et déclaratives) nécessaires au franchissement d’une étape. Ceci ne correspond sans doute pas au raisonnement de l’apprenant pour lequel les connaissances sont structurées de façon hiérarchique (la compréhension de la consigne prime sur les autres types de connaissances). Cette limitation devra être étudiée dans des recherches à venir. Ce formalisme nous semble plus au moins complet, reste à vérifier s’il peut être utilisé avec n’importe quel scénario que se soit du mode apprentissage ou du mode évaluation. Or la transposition du diagnostic des systèmes physiques ne s’applique que sur les scénarios du mode évaluation. 5.3. La transposition du diagnostic En se basant sur le modèle précèdent, présenté en dessus (fig 5.1) nous allons définir comment appliquer la nouvelle approche sur un système d’apprentissage basé sur les scénarios. 5.3.1. La transposition Nous avons vu au chapitre 4 que la première étape de l’algorithme du diagnostic consiste à détecter l’existence de symptômes après avoir effectué des tests de cohérences. Ces tests doivent être définis en précisant les modèles élémentaires du système (Mi) et les RRA associées. Dans le système physique, les modèles élémentaires représentent les capteurs et le résultat du diagnostic va nous révéler des défaillances dans ces modèles élémentaires. Dans un système d’apprentissage (scénario), le but de l’application de diagnostic consiste à mettre en évidence des éventuelles défaillances dans les connaissances de l’apprenant lors de ses manipulations. 49 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Nous considérerons donc les modèles élémentaires comme les connaissances mises en jeu dans le scénario. Dans un système physique, les RAA correspondent à des ensembles de relations élémentaires ne faisant intervenir que des variables connues et sont calculées à l’aide de méthodes de calcul matriciel. Dans un système d’apprentissage, nous avons établi en collaboration avec le laboratoire LAG, que les RRA correspondront aux transitions entre les états du scénario. En nous basons sur les remarques de ressemblances, entre un système physique et un système d’apprentissage, nous avons déduit en collaboration avec le laboratoire LAG, le fait que dans ce cas de systèmes d’apprentissage, les RRA représentent directement, les transitions entre états du scénario, du fait que les connaissances sont associées directement à ces transitions. Or dans les système physique les RRA représentent l’association d’un ensemble de modèles élémentaires (après calcul matriciel)-chapitre 4-. Dans un système physique, les mesures effectuées sur les capteurs étant réalisées en permanence et de façon simultanée, le diagnostic reste à tout moment cohérent en prenant en compte la totalité des informations disponibles. Il n’en va pas de même dans le modèle que nous proposons où les RRA correspondant aux transitions entre états ne sont disponibles qu’au fur et à mesure de l’avancement de l’apprenant. De ce fait, un diagnostic ne pourra être effectué de façon cohérente que sur les scénarios basés sur le mode évaluation n’interrompant pas l’activité de l’apprenant dans sa progression (comme c’est la cas en mode apprentissage). Une fois ces précisions apportées sur la définition des modèles élémentaires et des RRA, l’application de l’algorithme de diagnostic reste identique à celle avec les systèmes physiques. Pour examiner plus en détail l’application de cette méthode de diagnostic sur un scénario, nous allons analyser les deux étapes de modélisation et de résolution. 5.3.2. La modélisation La modélisation est identifiée en deux parties : La première partie consiste à modéliser le scénario, en représentant les connaissances mises en jeu à l’aide de notre formalisme de représentation des connaissances dans les scénarios. Cette modélisation nous donnera un schéma complet du scénario avec les connaissances. 50 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Considérons un apprenant en train de manipuler un scénario en mode évaluation. Afin de détecter les défaillances dans ses connaissances lors d’une fausse manipulation, nous procédons à appliquer le diagnostic sur ce scénario, pour le faire la deuxième partie est d’identifier les connaissances mises en jeu dans ce scénario ainsi que les RRA qui correspondent aux transitions entre états. Dans cette partie nous reprenons exactement le schéma de modélisation du scénario avec les connaissances mises en jeu, et obtenu comme montrer ci haut dans la première partie, il sera après, très facile d’identifier les RRA et les connaissances mis en jeu dans ce scénario. Identifier les modèles élémentaires (connaissances mises en jeu dans le scénario) ainsi que les RRA correspondant aux transitions entre états dans le schéma qui présente le formalisme de représentation (fig.5.3), donnera les résultats suivants : - Les RRA seront T1, T2, ….., Tn - Et les connaissances seront : la consigne globale, la consigne élémentaire, K1 , K2, ….., Kn. Pour illustrer comment faire l’étape suivante (la résolution), nous allons se servir de ces résultats juste pour appliquer cette étape sur le cas général et par conséquent montrer le principe. Plus de précisions seront données dans le chapitre suivant (expérimentations). 5.3.3. La résolution Après l’étape de la modélisation qui permet d’identifier les RRA et les modèles élémentaires, nous procédons à l’application de l’algorithme en respectant les mêmes étapes que celles décrites pour les systèmes physiques. Ces étapes seront les suivantes : • définition du tableau des RRA : dans ce tableau, les RRA (transitions) figureront dans les colonnes, et les connaissances (modèles élémentaires) dans les lignes ; • remplissage du tableau en cochant les cases où la connaissance est nécessaire à la transition (franchissement de l’étape). • définition du tableau des conflits observés fondé sur les transitions où l’apprenant n’as pas réussi le passage. • déduction du tableau du diagnostic puis de la liste des défaillances dans les connaissances de l’apprenant classées par ordre de vraisemblance, de la plus probable à la moins probable. 51 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques A titre d’exemple, la matrice des RRA de l’exemple précédent sera la suivante : Après nous définissons le tableau des conflits observés, par exemple : l’apprenant n’as pas su passer la transition T1 et T 2, alors nous fondons la désignation du tableau du diagnostic seulement sur ces deux RRA où l’apprenant a fait des fausses manipulations, et nous déduisons les défaillances comme montrer dans la section 4.4.2. 5.4. Bilan Nous avons proposé une transposition des méthodes de diagnostic en système physique vers le diagnostic sur un scénario d’apprentissage. Malgré certaines restrictions que nous avons soulignées, le modèle proposé paraît cohérent. Mais, il reste à prouver son efficacité dans le contexte d’une expérimentation dans des situations concrètes d’apprentissage. C’est ce que nous allons aborder dans le chapitre suivant où nous présenterons deux exemples réels d’expérimentation des formalismes proposés. 52 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 6. L’expérimentation Après avoir défini notre modèle, nous allons détailler deux exemples de mise en pratique de notre proposition. La première expérimentation a été réalisée en collaboration avec le laboratoire LAG, et la seconde, menée en collaboration avec le laboratoire LAG et la société CORYS-Tess, nous a offert la possibilité d’être confronté à un cas réel rencontré dans l’industrie. Cette deuxième expérimentation, qui concernait plus précisément la formation à la conduite de réseaux électriques, nous a amenés à étudier des simulateurs existants ainsi que le contexte de leur utilisation au sein d’un centre de formation de EDF à Bugey près de Lyon (détails sur l’annexe). 6.1. Première expérimentation : l’exemple du schéma électrique 6.1.1. Définition du scénario Pour notre première expérimentation, nous avons choisi de commencer par un exemple basé sur un scénario simple, contenant peu d’étapes et ne faisant appel qu’à un nombre limité de connaissances. Nous nous sommes tournés vers un exemple d’école concernant l’électricité, domaine dont les connaissances nous étaient plus ou moins familières. Il s’agit donc de simuler le fonctionnement du schéma électrique suivant : Figure 7.1 : le schéma électrique Nous disposons donc d’un circuit électrique, alimenté grâce à deux sources d’énergie : V1= 10 v et V2=1000 v. Il est possible de basculer sur l’un ou l’autre des sources d’énergie à l’aide de l’interrupteur IT3. Comme le montre le schéma, le circuit est composé de trois 53 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques résistances R1=20 Ω, R2=1000 Ω et R3=20 Ω, et également de deux autres interrupteurs IT1 et IT2. Supposons le scénario défini par la consigne et la stratégie suivantes : Consigne : Stratégie : Le circuit présenté est actuellement alimenté par une source de 10V. Pour des raisons techniques, cette source ne sera plus disponible dans quelques minutes. Votre tâche est donc de basculer sur 1000V en respectant quelques contraintes. L'apprenant devra atteindre l'objectif en veillant à : - ne pas basculer les interrupteurs dans un ordre quelconque - ne pas passer sous 1000V avant d'avoir mis les interrupteurs en bonne position Objectif opérationnel: I1 doit être ouvert I2 doit être fermé I3 doit être en position 1000V 7.2 : Consigne et stratégie de résolution A l’état initial, dans le circuit V0=10 v (IT3 à 10 v), IT1 est fermé et IT2 est ouvert. Logiquement pour arriver à l’état final il existe trois étapes; qui nous amènent à parcourir quatre états, ces états définissent le scénario comme suit : Etat 0 : V0= 10 v, IT1 fermé et IT2 ouvert. (Initial) Etat 1 : V0= 10 v, IT1 fermé et IT2 fermé. Etat 2 : V0= 10 v, IT1 ouvert et IT2 fermé. Etat 3 : V0= 1000 v, IT1 ouvert et IT2 fermé. (Final) 6.1.2. La modélisation Nous allons modéliser ce scénario en utilisant le modèle de transposition que nous avons proposé, en représentant les connaissances requises pour passer d’un état à un autre. Les états seront identifiés par des triplets de valeurs reflétant les valeurs de V0, IT1 et IT2 54 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Ainsi (10,F,O) correspond à une source égale à 10V, IT1 fermé et IT2 ouvert. Les connaissances sont annotées avec des lettres afin de faciliter leur traitement lors de l’application du diagnostic. Le modèle de ce scénario après modélisation selon notre proposition sera comme ci-dessous (fig.7.3) Contextuel savoir que fermé IT2 est autorisé consigne savoir que ouvrir IT2 est autorisé déduire que passé sur 1000 v est autorisé savoir identifier un interrupteur Déclaratif savoir appliquer la loi d’ohm sur un circuit Procédural savoir simplifier un schéma électrique savoir appliquer les lois de l’électricité Stratégique Connaissances extraites du simulateur connaître l’état initial Actions Agir Agir Etats Etat initial (10,F,O) E1 T1 Agir E2 T2 (10,F,F) T3 (10,O,F) Etat final (1000,O,F) Figure 7.3 : La modélisation du scénario du schéma électrique La figure ci-dessus représente la modélisation du scénario que nous avons défini sur le schéma électrique. Il modélise les connaissances mises en jeu dans ce scénario et nous montre comment relier les connaissances d’un apprenant à son activité. Cette approche est cohérente en terme de représentation des connaissances : pour passer par exemple de l’état initial au second état, l’apprenant doit : connaître la consigne, distinguer l’état initial, savoir appliquer la loi d’Ohm, savoir identifier un interrupteur et enfin savoir que fermer IT2 est autorisé. Nous distinguons dans ce scénario neuf connaissances et trois transitions entre états. Les connaissances sont classées à chaque fois dans le niveau correspondant. L’annotation des connaissances à pour objectif de faciliter l’utilisation de l’algorithme de diagnostic. 55 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 6.1.3. La résolution Comme nous l’avons détaillé dans le chapitre précédent, l’application du diagnostic sur un scénario nécessite la définition des RRA. Ces RRA correspondent aux transitions entre états et sont au nombre de trois dans notre exemple. Les modèles élémentaires du système correspondent aux connaissance set sont au nombre de neuf. Nous pouvons donc déduire le tableau des RRA suivant à partir de la modélisation effectuée précédemment. A partir de ce tableau, nous pouvons dire que le passage avec succès de la transition T1 ne peut pas supposer à lui seul que les connaissances A, B, E, F et I qui lui sont associées sont acquises, du fait que par exemple, la connaissance F est utilisée aussi dans la transition T2. Exemple : Si nous détectons un conflit sur T2 et T3 et pas sur T1, nous pourrons construire un tableau du diagnostic qui sera identique à celui des RAA mais avec seulement les lignes T2 et T3. Le diagnostic va donner le résultat suivant : les connaissances G et H possèdent le plus haut degré de vraisemblance, et viennent ensuite au deuxième rang les connaissances C, D et F. Dans cet exemple, nous avons pu constaté que le diagnostic du parcours d’un apprenant donnait sensiblement les même résultats que ceux fournis par un expert. Nous pouvons donc considérer que notre proposition donne des résultats satisfaisants dans ce type d’exemple, ce qui permet d’en valider la fiabilité avec des scénarios peu complexes ne faisant pas appel à un grand nombre de connaissances. 6.2. L’exemple de « Manœuvre de liaison omnibus » Dans le cadre de notre collaboration avec le LAG, nous avons effectué une visite au centre de formation de EDF situé à Bugey près de Lyon. Cette visite nous a permis de prendre connaissance des méthodes pédagogiques utilisées pour la formation des agents de EDF. Ce 56 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques type de formation est basé principalement sur la manipulation de simulateurs de réseaux électriques (voir annexe). La formation s’appuis sur des séances de manipulation libre sur le simulateur, mais également sur des séances guidées pendant lesquelles un scénario est proposé à l’apprenant. Cette dernière approche permet d’assurer un meilleur apprentissage des procédures à mettre en œuvre dans les situations réelles et de tester plus efficacement le niveau atteint par chaque agent. Dans ce cadre, EDF a mis au point une méthode « papier » permettant la description de tous les scénarios nécessaires à la formation des agents travaillant dans les services de maintenance des réseaux électrique. Chaque scénario est défini par deux fiches, la première fournissant sa description générale et la seconde décrivant les étapes de son déroulement. Afin de tester la validité de notre proposition, nous avons choisi un de ces scénarios les plus complexes faisant appel à un grand nombre de connaissances. Vu la complexité de ce domaine, la modélisation de ce scénario a été réalisée avec l’aide d’un expert du centre de formation. Ce scénario concerne « La manœuvre de liaison Omnibus », où Omnibus désigne un type de liaison entre les composants d’un réseau électrique. Le scénario tel qu’il est décrit sur les deux fiches est le suivant : 57 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Fiche1 : Description « Manœuvre de liaison Omnibus » Objectif : • • • • Utiliser la liaison omnibus. Différencier Disjoncteur et interrupteur. Connaître les définitions de tronçon et section de barre. Appliquer la règle des changements de barres. Domaine abordé : • Changement de barres. Pré requis : • • Connaissances de l’exploitation des jeux de barres en régime normal. Conditions des manœuvres des sectionneurs. Application : • • • • • CCRT §4.5. Manœuvre de changements de barres, poste à 3 jeux de barres. CGM p.33. Liaison Omnibus. CGM p.29 Utilisation des sectionneurs CGM §4.1.2, 4.1.3 Disjoncteur-Interepteur CGM 4.1.5 Jeux de barres : tronçon, section. Objets d’observation : • • Respect de la méthode globale. Vérification des consignes de manœuvre sur la fiche. • Vérification de position du disjoncteur omnibus avant manœuvre des sectionneurs d’aiguillage. Remarques : le CGM et le CCRT représentent deux manuels de référence chez EDF. Le CGM (code général des manœuvres) définit les règles communes à tous les électriciens, le CCRT définit les règles opératoires dans un réseau électrique (comment effectuer une opération). 58 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Fiche2 : le Déroulement Nous allons mettre hors tension le tronçon 1 B 255 kV à Ouville. Je passe les ordres suivants à Ouville 225 kV : - Ouvrir le disjoncteur de tronçonnement de barre 1- mise hors tension du tronçon 1B. ! Compte-rendu Je passe les ordres suivants à Ouville : - préparer la liaison omnibus sur tronçon 1B et 2 A, ou au pas à pas. - Fermer le Sectionner d’Aiguillage barres 2 A de l’omnibus. - Fermer le Sectionner d’Aiguillage barres 1 B de l’omnibus. ! Compte-rendu - Fermer le disjoncteur de la liaison omnibus – mis sous tension tronçon 1 B. ! Compte-rendu En vu de rendre libre d’aiguillage le tronçon de barres n° 2 B 225 kV. Je passe les ordres suivant à Ouville 225 kV : - Passer sur jeu de barres n° 1 les départs Vieux Chênes, Beville, Azay ou au pas à pas. - Fermer les sectionneurs d’aiguillage barres 1 des départs Vieux Chênes, Beville, Azay. - Ouvrir les sectionneurs d’aiguillage barres 2 des départs Vieux Chênes, Beville, Azay. ! Compte-rendu - Passer le couplage B 225 kV de barre 2 sur barre 1, ou pas à pas. - Ouvrir le disjoncteur Couplage B 225 kV (3noeud) ! Compte-rendu - Ouvrir le sectionneur d’aiguillage 21 Couplage B 225 kV. - Ouvrir le sectionneur d’aiguillage 3 Couplage B 225 kV. - Fermer le sectionneur d’aiguillage 1 Couplage B 225 kV. - Fermer le sectionneur d’aiguillage 3 Couplage B 225 kV. ! Compte-rendu - Fermer le disjoncteur Couplage B 225 kV(liaison, passage à 2 nœuds). ! Compte-rendu En vus de mettre hors tension le tronçon de barres 2b 225 kV Je passe les ordres suivants à Ouville 225 kV - Ouvrir le disjoncteur de tronçonnement barre 2 225 kV (mise hors tension du tronçon 2 B 225 kV. ! Compte-rendu Remarques : le déroulement du scénario précise ce qui doit se passer dans la réalité et est découpé en étapes. La personne qui passe les ordres est le dispatcher (le chef) ; il passe ces ordres à l’opérateur (l’agent), qui les exécute. A chaque fin d’étape, un compte rendu de ce qu’a fait l’opérateur est établi afin de garder la trace de ces actions. 6.2.1. La modélisation Pour modéliser ce scénario, il a fallu identifier les connaissances nécessaires pour appliquer chaque action du scénario. Ces connaissances, référencées dans la fiche descriptive, sont 59 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques détaillées dans le CCRT et le CGM. Elles sont formulées sous forme de paragraphes de telle sorte que chaque paragraphe définit une connaissance et peuvent être du type procédural, déclaratif ou stratégique. Un paragraphe peut contenir jusqu’à plusieurs lignes. Le scénario contenant de nombreuses étapes (12), nous présentons ci-dessous le schéma de la modélisation sous la forme de trois sous schémas s’enchaînant de façon séquentielle (fig.7.4), (fig.7.5) et (fig.7.6). Figure 7.3 : la modélisation du scénario « Manœuvre de liaison Omnibus » (sous schéma n°1) 60 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Figure 7.3 : la modélisation du scénario « Manœuvre de liaison Omnibus » (sous schéma n°2) Figure 7.3 : la modélisation du scénario « Manœuvre de liaison Omnibus » (sous schéma n°3) 61 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Dans cette modélisation, les connaissances sont référencées selon la page ou le paragraphe où ils se trouvent dans le CCRT et le CGM. Les identificateurs K1, K2, K3,… T1, T2, T3,… permettent de manipuler symboliquement les connaissances et les transitions. 6.2.2. La résolution Dans le précédent schéma de modélisation, il existe 12 transitions et 10 connaissances qui sont mises en jeu dans ce scénario. La première étape de la procédure du diagnostic consiste à construire le tableau des RRA à partir du schéma de la modélisation. Comme le montre le tableau suivant, nous obtenons 12 RRA et 10 modèles élémentaires correspondant aux connaissances mises en jeu : En fonction des conflits observés dus à des mauvaises manipulations sur le scénario, nous pourrions facilement déduire de ce tableau le tableau de diagnostic et désigner les défaillances les plus vraisemblables dans les connaissances de l’apprenant à l’origine des mauvaises manipulations. 6.3. Bilan L’expérimentation que nous avons réalisée à travers ces deux exemples nous confirme la validité de notre proposition. Le formalisme de modélisation pour la représentation des connaissances dans les scénarios a prouvé un certain niveau d’efficacité. Il est applicable avec la majorité des scénarios tels qu’ils sont définis dans le modèle OASIS. Toutefois, le modèle proposé exige d’identifier toutes les connaissances correspondant à chaque transition entre états, ce qui est relativement complexe et nécessite la présence d’un expert du domaine, pour pouvoir 62 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Concernant la partie diagnostic de la proposition, nous remarquons qu’elle a donné théoriquement des résultats satisfaisants, similaires à ceux que peut donner un expert du domaine. Il reste à tester l’implémentation effective du modèle proposé avec un simulateur. Dans le cadre de notre collaboration avec le laboratoire LAG, un étudiant en DEA double cursus Automatique a réalisé une maquette (réalisation avec MATLAB sous Windows) pour chacun des exemples présentés ici, ce qui a permis de valider les résultats théoriques présentés ici, vus les résultats satisfaisants remarquées. 63 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 64 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 7. Conclusions et perspectives Dans ce projet de DEA, nous nous somme intéressés à l’apprentissage à l’aide des simulateur, et plus particulièrement à la possibilité d’enrichir les fonctionnalités de suivi de l’apprenant. A terme de ce travail, nous effectuons un bilan de nos travaux. 7.1. Bilan du projet Notre problématique de départ était la suivante : lors de la manipulation d’un scénario d’apprentissage, un apprenant peut échouer parce qu’un certain nombre de connaissances lui fait défaut. Nous avons désigné comme objectif de proposer un modèle qui favorise la détection de ces carences afin de faciliter le suivi de l’apprenant par le formateur, qui pourrait par la suite proposer les stratégies de remédiation qui s’imposent. Nous avons réalisé un état de l’art conséquent portant à la fois sur les modèles de représentation de scénario, sur les modèles de représentation et de classification des connaissances, et nous avons également effectué une étude détaillée sur les caractéristiques du diagnostic en systèmes physiques. Nous avons proposé une solution qui répondait aux objectifs que nous nous étions fixés. Cette solution se base sur deux étapes principales la modélisation et la résolution. Afin de valider notre proposition, nous l’avons expérimenté dans deux contextes. Le premier correspondait à un exemple d’école et le second à une situation industrielle concrète relativement complexe. Les résultats de ces expérimentations ont été satisfaisants. Une maquette a été réalisée au sein du Laboratoire LAG par un stagiaire en DEA double cursus automatique et a permis de valider les résultats attendus. 7.2. Apports et perspectives Nous avons proposé une solution théorique qui a été validée au moins partiellement sur des exemples concrets et aussi par la réalisation de maquette. Cette solution propose l’intégration d’un outil de diagnostic dans les scénarios d’apprentissages, afin de faciliter la détection des 65 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques carences dans les connaissances d’un apprenant rencontrant des difficultés lors de la manipulation d’un scénario. Une telle solution, si elle est intégrée par les concepteurs de simulateurs à grande échelle, peut représenter des gains de productivité considérables en donnant une aide précieuse aussi aux apprenants qu’aux formateurs. Dans le cadre de la nécessité de certifier les formations assurées par des simulateurs au niveau industriel qu’au niveau académique (voir annexe), notre solution également peut également constituer une base de travail intéressante. Enfin, nous pouvons remarquer que la difficulté essentielle de cette proposition réside dans le fait qu’elle reste difficile à appliquer pour des scénarios complexes faisant appel à un très grand nombre de connaissances. Nous prévoyons dans le cadre de l’équipe ARCADE de continuer les travaux dans ce domaine afin d’enrichir le modèle proposé. 66 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Bibliographie [Arcade 1999] V. Guéraud, J-P. Pernin, J-M. Cagnat, G. Cortés Environnement d’apprentissage basé sur la simulation, Propositions d’outils auteur et expérimentations Rapport de recherche, équipe ARCADE, CLIPS 1999. [Bruner 1973] J. Bruner. Beyond the information given. New York, Norton 1973. [Cortes 1999] Cortes Buitrago G., Simulations et Contrôle Pédagogique. Thèse de doctorat, Université Joseph Fourier- Grenoble 1, 1999. [Corys Document 1] Exploiter le simulateur SCAP -Dossier de spécificationDocument interne de la société CORYS T.E.S.S [Corys Document 2] Specification file VUJPOSTE – Description of the interfaces – Document interne de la société CORYS T.E.S.S [C. Ciocoiu, S. Ploix et F. Michau 2001] C. Ciocoiu, S. Ploix et F. Michau Environnement d’apprentissage coopératif pour élèves ingénieurs Rapport de recherche. Laboratoire d’Automatique de Grenoble, 2001. 67 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques [F.Ly Z.S.Abazi J.B.Leger 1999] Terminologie Maintenance : bilan Groupe de Recherche S.P.S.F. : Groupe de travail Maintenance 1999 http://www-lag.ensieg.inpg.fr/grp-spsf/bilan-maintenance.pdf [J-M. Hoc 1998] J-M Hoc Types de connaissances et représentations Cours traités de psychologie cognitive http://tecfa.unige.ch/staf/staf-e/vanessa/staf15/psychocognitive.html [Minski 1975] M. Minski. A framework for representing knowledge. In P. H. Winston (ED.), THe psychology of computer vision. New York: McGraw-Hill 1975. [Newell et Simon 1972] S. Newell & H. Simon. Human problem solving. Englewood Cliffs, NF: Prentice-Hall. 1972 [Paquette 1998] Gilbert Paquette. La modélisation par objets typés. Une méthode de représentation pour les systèmes d’apprentissage et d’aide à la tâche. Notes de recherches. Laboratoire LICEF. 1998. [Pernin 1996] PERNIN J-P., « MARS : un modèle opérationnel de conception de simulations pédagogiques », Thèse de doctorat, Université Joseph Fourier-Grenoble 1,1996. 68 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques A. J. Romiszowski. [Romiszowski 1981] Designing Instructional System 1981. Kogan Page London/Nichols Publising, New York, 415 pages. [S.Ploix 2001] Stéphane Ploix Diagnostic des systèmes physiques - Méthodologies et quelques méthodes -2001 http://www-lag.ensieg.inpg.fr/ploix/cours/diagnostic_files/Cours diagnostic ISTG.pdf [S.Ploix et S.Giuliani 2000] S.Ploix et S.Giuliani Glossaire des termes usuels du diagnostic de défauts (étude) Laboratoire LAG, INPGrenoble 2000. http://wwwlag.ensieg.inpg.fr/ploix/glossaire/DiagnosticGlossaire.htm [Tennyson et Rasch, 1990] R. Tennyson. Linking cognitive learning theory to instructional prescriptions. Instructional Science, 17, pp. 369-385, 1990. [West, 1991] C. K. West, J. A. Farmer, P. M. Wolff. Instructional Design, Implications from Cognitive Science. Allyn and Bacon, Boston, 271 pages 1991. [Winograd 1985] T. Winograd. Beyond the declarative/procedural controversy, in R. J. Brachman & H. J. Lévesque (Eds), Readings in Knowledge Representation. Morgan Kaufmann Publishers. 1985. 69 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 70 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Annexe : les simulateurs des réseaux électriques Dans cette annexe, nous allons présenter un compte rendu des travaux que nous avons menés en collaboration avec la société CORYS T.E.S.S, les caractéristiques des simulateurs des réseaux électriques développés par la société et principalement la fonction de scénario proposée dans les fonctionnalités de ces simulateurs. Ainsi que les apports de notre travail pour ce type de simulateurs. 1. Introduction Implantée au cœur du polygone scientifique et technologique de Grenoble, CORYS T.E.S.S. est spécialisée dans la conception et la réalisation d'outils pédagogiques pour la formation et les études dans les secteurs de l’énergie, du transport et des procédés industriels. Elle propose une gamme complète de solutions innovantes telles que simulateur, didacticiel multimédia, formation et administration à distance. Ces services et outils de formation informatisés, sur mesure et édités, bénéficient des nouvelles technologies du multimédia et de la simulation. CORYS T.E.S.S. innove depuis 20 ans dans le secteur de l’énergie en proposant des simulateurs adaptés aux besoins : de la production d’énergie au transport et à la distribution, ce qui engendre la simulation de la production d’électricité nucléaire et thermique d’une part et la simulation du transport et de la distribution d’électricité d’une autre part. Compte tenu du contexte du DEA nous avons étudié seulement les simulateurs du transport et de la distribution de l’électricité (simulateurs de réseaux électrique), afin de comprendre les fonctionnalités offertes par la fonction de scénario dans ces simulateurs pour nous aider à mieux comprendre les limites pratiques de notre proposition. 2. Les caractéristiques 2.1. C’est quoi un simulateur de réseau électrique Un simulateur de réseaux électrique est une solution logicielle qui permet de comprendre les principes de fonctionnement des installations simulées. Vu la complexité et la gigantesque taille de ces installations (qui peuvent être un réseau complet d’un pays), la spécification et la modélisation et la programmation des modèles qui assurent la réalisation de la simulation 71 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques exacte de la réalité représente des investissements de l’ordre de centaines de milliers d’Euro pour chaque simulateur. Dans notre cas nous avons étudié des exemples de ces simulateurs : - Simulateur de dispatching régional pour la région de Hebei (Chine). - Simulateur générique de postes, technologie SCAP, avec EDF (France). Ces deux simulateurs sont basés sur le même système et ils disposent la même interface et presque les mêmes fonctionnalités. Un dispatching c’est là que des opérateurs spécialisés surveillent et pilotent le réseau électrique, 24 heures sur 24. Pour cela, ils sont à l'écoute du réseau afin d'ajuster les offres de production aux demandes de consommation. Le Réseau de transport d'électricité comprend l'ensemble des lignes électriques à haute et très haute tension et des postes de transformation qui relient les centrales de production d'électricité, les réseaux de distribution, des sites industriels et même des réseaux électriques des pays voisins. Vu la difficulté de la tâche demander de ces opérateurs, leur formation demande de plus en plus de pédagogie et de pratiques, ce qui justifie l’importance de ces simulateurs. 2.2. Principe de fonctionnement Afin de faciliter l’utilisation d’un simulateur, ceci a été conçu de telle sorte que l’opérateur (l’élève) dispose d’un poste appelé « Poste Opérateur » et l’instructeur (le formateur) dispose d’un poste appelé « Poste Instructeur ». Opérateurs Instructeur Salle de Formation Figure 6.1 : principe des simulateurs de réseaux électriques. Le fonctionnement du poste opérateur dépend totalement du poste instructeur. La conduite est réalisée à partir du poste opérateur sous la surveillance de l’instructeur qui visualise tout les actions réalisées sur le poste opérateur en temps réel sur son poste instructeur. 72 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques Figure 6.2 : capture d’écran d'un simulateur de réseaux électrique (poste opérateur) Le poste instructeur dispose des fonctionnalités suivantes : création et exécution de scénarios, création et exécution d’exercices, gestion des mal fonctionnements, gestion des alarmes et aussi les fonctionnalités de prise de mesures et de changement d’état des différents composant du réseau. Le poste opérateur ne dispose que des fonctions d’exécutions d’exercices et de scénarios et de prise de mesure par mis celles citées auparavant. La mission de l’instructeur lors d’une session de formation est de conduire la séance pédagogique durant laquelle il peut [Corys Document 1]: • Lancer, arrêter ou suspendre une simulation. • Modifier la vitesse de simulation. • Gérer les schémas d’initialisation de l’état initial du simulateur. • Confronter l’élève aux scénarios qui a réalisé hors simulation. Il peut en simulation manoeuvrer les organes, condamner les organes, modifier les consignes, les temporisations et créer des incidents. Notons que la simulation peut s’effectuer suivant trois modes : • Mode libre : le simulateur réagit aux actions passées sur le poste instructeur et sur le poste opérateur comme le réseaux réel. • Mode encadré : le simulateur réagit aux actions définies dans un scénario, ou aux actions de l’opérateur si elle sont conformes aux actions prévues dans le scénario. • Mode cinéma : le simulateur effectue une suite d’actions définies dans un scénario sans interruption possible de l’opérateur ou de l’instructeur. 73 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques 2.3. Les scénarios Un scénario peut être créé seulement par l’instructeur, [Corys Document 2] et peut être exécuté par l’opérateur et l’instructeur. Un scénario est constitué d’un entête qui contient la date de création, le nom et le schéma d’initialisation (du simulateur), il représente l’état de départ du scénario. Il peut contenir plusieurs stages, chaque stage peut contenir une ou plusieurs actions possibles sur des organes différents du simulateur. Des mal fonctionnements peuvent être ajoutés pour qu’ils interviennent dans des délais précis et un stage peut contenir un ou plusieurs chemin possible pour sa résolution. Pour passer à un stage il faut terminer le précédent. La durée possible d’un stage peut être limitée par le temp. Un scénario peut être exécuté soit en mode encadré soit en mode cinéma (avec la permission de l’instructeur) et la consigne de départ est donnée à l’opérateur directement par l’instructeur en discutent. Nous avons remarqué que malgré la complexité des scénarios que nous pouvons constituer à l’aide du générateur de scénarios disponible, le contrôle pédagogique des actions réalisé par l’apprenant (l’opérateur) se fait d’une manière très simple, à partir de l’IHM du simulateur au fur à mesure de la validité des actions de l’apprenant sur l’interface. En cas de fausse action l’apprenant n’as pas le choix de la refaire sauf avec accord de l’instructeur, Figure 6.3 : le contrôle pédagogique de l’apprenant dans ces simulateurs La figure (6.3) nous montre que le contrôle pédagogique de l’apprenant se fait d’une manière assez simple. Dans le cadre de cette collaboration nous avons visité avec CORYS l’un des centre de formation de EDF situé à Bugey près de Lyon, ce centre utilise un de ces simulateurs de réseaux électriques (SCAP) pour la formation, nous avons assisté à des séances de formations du personnel de EDF, ils étaient des opérateurs en cours de stage de recyclage, ce centre accueil des stagiaire de toute la France, et l’utilisation de ce simulateur représente un grand intérêt pour faciliter la tâche des instructeurs et pour permettre aux opérateurs de mettre 74 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques le point facilement sur tout les composant du réseaux électrique durant une ou deux semaines de formation pour chaque section formée. 3. L’évaluation des compétences des opérateurs 3.1. L’enjeu de la méthode d’apprentissage La figure (6.1) montre le cas réel de la façon avec laquelle se déroule une séance de formation ; les opérateurs sont sur leur poste opérateur, l’instructeur est sur son poste instructeur, les opérateurs n’ont pas la possibilité de voir l’instructeur, qui lui peut voir et entendre la discussion qui se déroule entre les opérateurs, la consigne de départ est donner par voie normal (discussion), les opérateurs exécute en général des scénarios bien définie qui ont pour but de donner une formation pratique sur la façon avec laquelle doit se dérouler une action (notamment une série d’actions) dans un but bien précis et avec la vérification de certaines conditions. En cas de fausse manipulation ou faute de coordination entre les opérateurs, le scénario peut être arrêté par l’instructeur. Une période d’évaluation est faite chaque fin de séance de formation en la présence des opérateurs afin de discuter les fautes commises. A ce moment là les instructeurs et à l’aide de leur savoir-faire procède par expérience à déterminer les défaillances probables dans les connaissances des opérateurs et à leurs favoriser la documentation requise pour combler les connaissances capable de mettre à niveau leurs compétences. Cette tâche malgré qu’elle soit réalisable, elle est très difficile à réaliser de telle sorte que les instructeur sont face à deux niveaux d’évaluation : les compétences individuelles des opérateurs et la compétence collective du groupe vis-à-vis aux missions qui seront réalisées avec la participation de tout le groupe, elle représente aussi des pertes en termes de durée de formation, et exige d’après les responsables de cette formation une amélioration des outils du contrôle pédagogique et d’exploitation des scénarios afin de faciliter l’évaluation des opérateurs. 3.2. Le problème de la certification des formations des opérateurs Grâce à l'ouverture du marché de l'électricité, un consommateur éligible européen peut acheter de l'Electricité partout en Europe. L'électricité transite par les ouvrages de réseaux électriques, lignes haute et très haute tension et postes de transformation. A tout instant, aiguiller le courant à travers ses installations et assurer l'équilibre entre la demande d'électricité des consommateurs et l'offre des producteurs 75 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques devient de plus en plus une première occupation. La nécessaire coordination des flux d'énergie met en œuvre le savoir-faire parfaitement maîtrisé du dispatching national et des sept dispatching régionaux. Les opérateurs travaillent à partir de schémas informatisés des zones qu'ils surveillent : ils ont sous les yeux la représentation de tous les ouvrages et leur état de fonctionnement. De cette façon, ils peuvent agir quasi instantanément en cas d'aléas ou de panne pour adapter la configuration du réseau et permettre à tout moment le passage de l'électricité. En cas d’incident causé par la faute d’un opérateur et qui occasionne des dommages par exemple pour une société suisse d’électricité qui vende de l’électricité à des clients en Espagne, la société suisse va demander des remboursements et à ce moment là c’est la formation des opérateurs qui va être mise en cause. Cela montre la grande responsabilité d’un simple agent opérateur et prouve que sa formation est devenue plus que jamais très exigeante. Pour cette raison les centres de formation des agents de réseaux électriques cherchent à se doter d’une certification de leurs formations à l’échelle international afin d’éviter d’éventuels problèmes avec les sociétés qui gèrent les réseaux électriques. 3.3. Les solutions La solution proposée pour certifier les formations des opérateurs, consiste à proposer des cursus bien définis à la base d’un nombre fixe de scénario, par exemple pour certifier la formation d’un agent opérateur il suffit de lui proposer des stages basés sur un nombre bien défini de scénarios, le contenu de ces scénarios doit assurer d’apprendre les méthodes et d’acquérir le savoir-faire nécessaire pour gérer avec toute responsabilité les tâches attendues sur le terrain. Ces cursus de formation doivent eux aussi être certifiés par des organismes de certification, afin de disposer de preuves de la pertinence des formations proposées en cas d’incident. 3.4. Bilan D’après la section 3.1 nous sommes convaincus de la nécessité d’introduire une démarche qui aide les instructeurs dans leurs formations en améliorant les fonctionnalités des scénarios et en premier lieu ; ajouter la fonctionnalité de la modélisation des connaissance de l’apprenant dans un scénario d’apprentissage en se basant sur le contrôle de son activité afin d’améliorer 76 Expression de scénarios pédagogiques basée sur la transposition de diagnostic de systèmes physiques le rendement de la formation à l’aide des scénarios et par conséquent participer à l’avancement des procédures de certification de ces formations. 77