Search

In this paper, we describe an innovative project where Web technologies are exploited to develop an Intelligent Tutoring System (ITS) that uses a Learning Management System (LMS) as its learning interface. The resulting ITS has been instantiated into a specific system called STI-DICO which aims at helping future French primary school teachers to acquire the knowledge and skills needed to use the French dictionary. The learning process in the ITS takes place via a number of authentic learning scenarios that represent situations that the future teachers will face in the classroom. By using a LMS as the learning interface component of the system, we enable it to be directly deployable on the Web to a large population of students, all the while retaining the adaptive components of an ITS to deliver a personalized learning experience to its users.

Cette thèse présente des contributions dans le domaine de la reconnaissance de plan, un sous-domaine de l'Intelligence Artificielle. Il s'agit pour un agent observateur de reconnaître les objectifs que cherche à réaliser un agent observé. La finalité des travaux présentés ici est d'être appliqués sur des robots assistants mobiles d'aide pour les personnes âgées. Les travaux présentés ici s'intéressent aux cas de la reconnaissance de plan dans le cas d'observation bruitée, c'est-à-dire où les observations ne correspondent pas nécessairement à ce qu'est la réalité, et dans un contexte temps réel. Une solution au problème introduit dans cette thèse est l'utilisation de filtre à particules sur des bibliothèques de plans, dans lesquelles une modélisation du bruit est représentée. Cette solution est intégrée à PARC, un système hybride de reconnaissance de plan et d'activité, conçu pour être temps réel et embarqué sur un robot. Dans PARC, les actions de bases sont décrites comme des interactions entre un agent observé et une main, le résultat est ensuite envoyé comme observation au système de reconnaissance de plan utilisant des filtres à particules. Deux extensions de ces travaux sont proposées pour être adaptées à un autre problème, la détection d'anomalie. La première extension utilise les prédictions des objectifs pour reconnaître les actions anormales, la seconde extension utilise les prédictions des observations futures elle aussi pour reconnaître les actions anormales. Enfin des contributions sur un problème de planification d'observations dans le cas de la reconnaissance de plan, appelé reconnaissance d'objectif active, sont présentées. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : intelligence artificielle, reconnaissance de plan, planification automatique, temps réel