ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION
Masses de données hétérogènes
En savoir plus >>
Autres revues >>

Revue d'Intelligence Artificielle

0992-499X
Revue des Sciences et Technologies de l'Information
 

 ARTICLE VOL 23/4 - 2009  - pp.539-553  - doi:10.3166/ria.23.539-553
TITLE
Towards context-based learning for support systems

RÉSUMÉ
Souvent, les processus de prise de décision sont incorporés dans des procédures « officielles » pour prendre en compte le focus dans tous les cas. Cependant, les procédures mènent souvent à des solutions sous-optimales pour des prises de décisions spécifiques, et les acteurs sont obligés de développer des pratiques pour prendre en compte la spécificité du contexte dans lequel la décision est prise. Ce fossé entre les procédures et les pratiques est connu dans différents domaines (tâches effectives et prescrites, logique de fonctionnement et logique d'utilisation, etc.). Nous avons montré quelles sont les différences dans un formalisme basé sur le contexte, nommé les graphes contextuels. Dans ce papier, nous discutons la possibilité d'arguer de manière explicite l'utilisation de « bonnes » ou « mauvaises » pratiques pour la formation d'apprenti humain, ceci grâce à une acquisition incrémentale de la connaissance et de l'apprentissage de nouvelles pratiques par un système. Nous discutons ces aspects dans le cadre d'une application de taille réelle, la sécurité routière (modélisation de comportements de conducteurs), mais ces idées peuvent être facilement applicables à d'autres domaines.


ABSTRACT
Often, decision-making processes are embedded in "official" procedures to address focuses in any case. However, procedures lead often to sub-optimal solutions for any specific decision making, and actors are obliged to develop practices to address the specificity of the context in which a decision is made. This opposition between procedure and practices is well known in different domains (prescribed and effective tasks, logic of functioning versus logic of use, etc.). We have shown what the differences were in a contextbased formalism called Contextual Graphs. In this paper, we discuss the possibility to use of "good" and "bad" practices for the training of human actors, thanks to an incremental acquisition of knowledge and the learning of new practices by a system. We discuss these aspects in the framework of a real-world application in road safety (modeling of drivers' behaviors), but ideas can be easily reused in other domains.


AUTEUR(S)
Juliette BRÉZILLON

MOTS-CLÉS
contexte, modélisation du conducteur, autoformation.

KEYWORDS
context, driver modeling, self-training.

LANGUE DE L'ARTICLE
Anglais

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (2,64 Mo)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier