O L'intelligence artificielle

US et ses applications
Q la formation
O professionnelle

E
3

o
Centre europen pour le dveloppement de la formation professionnelle
^ L'intelligence artificielle et ses applications la formation pro
^ ^ fessionnelle

Auteurs:
1. Professor I. Aleksander, Imperial College of Science & Tech
UJ nology, London
Q 2. M. Vivet, Universit du Maine, Le Mans
3. D. Kerr, AnCO, Irish State Training Authority
Jr 4. Dr. J . Gillingham, Manpower Services Commission, UK
\ ^ 5. M. Isabel Fernndez de Castro & Arantza Diaz de llarraza
^^ Snchez, Facultad de Informtica de San Sebastin et M.
f Felisa Verdejo Mallo, Facultad de Informtica de Barcelona
k 6. Dr. P. Lees, International Computers Ltd., UK <

3 1 re dition, Berlin 1987

dit par:
O
O CEDEFOP Centre europen pour le dveloppement
f^ de la formation professionnelle
Bundesallee 22, D1000 Berlin 15
Tl. (030) 38 41 20, tlex 184 163 eucen d,
telefax (030) 88 41 22 22
Le Centre a t cr par le rglement (CEE) n 337/75
du Conseil des Communauts europennes.
Cette publication est dite aussi dans la langue suivante:
EN ISBN 92-825-8303-1

Une fiche bibliographique figure la fin de l'ouvrage

Luxembourg : Office des publications officielles des Communauts europennes, 1988

ISBN: 92-825-8304-X

N de catalogue: HX-52-88-647-FR-C

Les articles et textes paraissant dans cette publication peuvent tre reproduits librement, en entier ou en
partie, avec citation de leur origine.

Printed in Belgium
TABLE DES MATIERES PAGE

INTRODUCTION

INTELLIGENCE ARTIFICIELLE ET FORMATION - UNE PREMIERE

ESTIMATION
Par: Professor I. Aleksander, Imperial College, London

INTELLIGENCE ARTIFICIELLE ET EDUCATION - QUELQUES PISTES DE 45

REFLEXION
Par: M. Vivet, Universit du Maine, Le Mans

LES SYSTEMES-EXPERTS DANS LA FORMATION 53

Par: D. Kerr, AnCO, The Industrial Training Authority, Dublin

INTELLIGENCE ARTIFICIELLE ET SES APPLICATIONS A LA FORMATION 67

Par: Dr. J. Gillingham, Manpower Services Commission, U.K.

MODELISATION D'UN TUTEUR AUTOMATIQUE PAR PLANIFICATION 78

DYNAMIQUE - TUTEUR AUTOMATIQUE INTEGRE DANS UN SYSTEME
INTELLIGENT D'ENSEIGNEMENT ASSISTE PAR ORDINATEUR
Par: M. Isabel Fernandez de Castro S Arantza Diaz de Ilarraza
Snchez, Facultad de Informtica de San Sebastin, et
M. Felisa Verdejo Mai lio, Facultad de Informtica de Barcelona

PROJET SYSTEMES-EXPERTS DIDACTIQUES 112

Par: Dr. P. Lees, International Computers Ltd., U.K.
INTRODUCTION

Les dveloppements enregistrs dans le domaine de l'intelli-

gence artificielle font l'objet d'un intrt de plus en plus
marqu, notamment quant leur application au monde du tra-
vail et aux activits visant amliorer l'efficacit et la
rentabilit de la formation et du recyclage.

Dans une tude rcente sur la fabrication intgre par ordi-

nateur ('CIM') dans l'usine du futur, manant du 'Fraunhofer
Institut fr Arbeitswirtschaft und Organisation' de Stutt-
gart, le chapitre consacr au rle de l'intelligence artifi-
cielle indique que cette partie des technologies de l'infor-
mation a enregistr un dveloppement considrable au cours
des quelques dernires annes. Parmi les principaux domaines
d'application de l'intelligence artificielle, l'tude cite
notamment:

- le diagnostic et l'assurance-qualit,
- la configuration de systmes,
- les fonctions de planification et de gestion.

Le rapport indique que l'intelligence artificielle changera

le visage de l'usine du futur et cite ce propos un extrait
du dossier de la revue 'Business Week' du 9 juillet 1984.'

"Les systmes-experts risquent d'tre un jour plus nombreux

que le personnel humain dans les ateliers. Ils seront les
cerveaux rendant les robots intelligents et flexibles. Et
ils assisteront les ingnieurs et les cadres dans des tches
aussi diverses que la coordination de la production, le sui-
vi des commandes et la gestion des stocks. Un systme-expert
mis en place chez Hewlett-Packard indique dj comment
fabriquer des circuits intgrs, tandis que chez Digital
Equipment, un systme-expert assure l'ordonnancement dans
les ateliers."

A l'heure actuelle, l'intelligence artificielle est consid-

re comme un titre plutt ronflant, dont les promesses vont
bien au-del des possibilits relles. Le dveloppement le
plus important enregistr dans ce domaine est nanmoins la
progression constante de la disponibilit et des applica-
tions des systmes dits experts.

Un systme-expert peut tre dfini brivement comme suit:

- un systme-expert est un systme de gestion de bases de

donnes permettant des experts d'accder des informa-
tions programmes trs spcialises dans un domaine de
spcialit trs complexe.

Le terme d'intelligence artificielle a sans doute fait plus

de mal que de bien aux travaux de recherche et de dveloppe-
ment visant amliorer les performances actuelles des ordi-
nateurs, les travaux consacrs aux systmes-experts et aux
systmes base de connaissances semblant tre les dvelop-
pements les plus prometteurs l'heure actuelle, tout du
moins en ce qui concerne la formation professionnelle et le
recyclage.
L'un des objectifs de ce document est d'essayer de dmysti-
fier le sujet et de montrer quelle est l'approche adopte
par certains pays de la Communaut europenne pour promou-
voir le dveloppement et l'application des systmes d'intel-
ligence artificielle susceptibles d'tre utiliss comme aide
dans des programmes de formation professionnelle.

Un autre objectif de ce document est de susciter la discus-

sion et l'change d'informations et d'ides au travers des
frontires de la Communaut, pour qu'en profitent tous ceux
qui sont engags dans ce travail passionnant mais difficile,
susceptible de transformer pour bien des gens l'exprience
de l'acquisition de connaissances et, ce qui est encore plus
important, d'amener ducateurs et formateurs restructurer
compltement leur approche de la prparation de possibilits
d'apprentissage.

Le dveloppement de logiciels de systmes-experts est un

effort qui cote cher et qui demande beaucoup de temps aux
socits et autres organisations engages dans ce travail.
C'est un domaine qui pourrait considrablement profiter
d'une coopration aux niveaux national et communautaire. Le
fait que le dveloppement de systmes-experts pour un large
ventail d'activits n'en est encore qu' ses balbutiements,
et qu'il y a eu bien des revers et des dceptions, ne change
rien au fait que les experts engags dans ce travail sont
convaincus qu'il y a un bnfice potentiel norme tirer
d'une promotion du travail de recherche et de dveloppement,
qui pourrait galement avoir des implications considrables
pour les futurs dveloppements en matire de productique et
de bureautique.

Apprendre l'aide de systmes-experts pourrait galement

familiariser les gens l'installation de systmes-experts
dans leur environnement rel de travail et leur ouvrir des
possibilits d'aide l'auto-formation en vue d'amliorer
leurs performances, sans qu'ils aient besoin de se dplacer
pour suivre des sessions de formation loin de leur lieu de
travail.

W.G. McDerment
Coordinateur de projet
 INTELLIGENCE ARTIFICIELLE ET FORMATION

UNE PREMIERE ESTIMATION

Prof. I. Aleksander Londres

Kobler Unit for the 1986
Management of Information
Technology, Imperial College
TABLE DES MATIERES

0. RESUME
1. INTRODUCTION
2. INTELLIGENCE ARTIFICIELLE, UNE EXPLICATION
2.1 Premire motivation: informatique non-numrique
2.2 Le rapport de Lighthill
2.3 L're post-Lighthill
2.4 La naissance des systmes experts
2.5 La maturit des systmes experts
3. FORMATION PROFESSIONNELLE ET IA
3.1 Le rle de l'ordinateur
3.2 L'introduction de connaissances stockes
3.3 Approches directes par les systmes experts vides
3.4 L'acquisition des connaissances
3.5 La programmation logique
4. DEVELOPPEMENTS ACTUELS: DEGRE DE PENETRATION
4.1 Programmes internationaux
4.2 Projets prsentant un intrt direct
4.3 Projets ouvrant de nouvelles voies
4.4 Clubs d'utilisateurs
5. LA FORMATION PROFESSIONNELLE PROPREMENT DITE
5.1 Projet IA de la MSC
5.2 Formation pour l're base sur la connaissance
5.3 Systmes base de connaissances pour l'enseignement
6. RECOMMANDATIONS FINALES
O. RESUME

A l'chelle mondiale, le domaine particulier de l'intelli-

gence artificielle a reu plus de fonds au cours des dix der-
nires annes que tout autre secteur d'une technologie nou-
velle. Les produits de ces travaux sont connus sous la dno-
mination systmes base de connaissances ou, de faon plus
spcifique, systmes experts. Ceux-ci sont capables d'engran-
ger les connaissances humaines et de les rendre par le biais
d'un systme informatique. Ces systmes sont maintenant dis-
ponibles et ont des applications videntes dans le domaine de
la formation professionnelle. Ce rapport recommande au CEDE-
FOP d'assumer le rle de catalyseur pour l'valuation de ces
techniques en Europe.

Le rapport explique la nature de ces produits et retrace le

chemin parcouru au cours des trente dernires annes jusqu'
leur arrive maturit.

Il continue en dcrivant la faon dont les systmes experts

ont surmont nombre des inconvnients des systmes conven-
tionnels d'enseignement assist par ordinateur. En bref, ils
sont mieux mme de dialoguer et offrent des moyens d'inter-
action plus appropris dans un langage presque naturel ce qui
tait impossible auparavant.

Le rapport montre ensuite le degr de pntration en prsen-

tant des exemples de travaux de recherche actuels relatifs
la formation et aux application professionelles. Il y est
fait une description trs pertinente des clubs d'utilisateurs
mis en place au Royaume-Uni dans le cadre du programme ALVEY.

Il est dit que la formation professionnelle est mre pour le

dveloppement de clubs d'utilisateurs d'aprs le modle
d'ALVEY, toutefois jusqu' maintenant rien ne s'est fait dans
ce domaine. La principale recommandation est que le CEDEFOP
organise une premire rencontre entre les personnes clefs des
diffrents Etats membres.
1. INTRODUCTION

C'est quasi la premire fois dans l'histoire de la technolo-

gie que des problmes de formation ds au dveloppement de la
technologie semblent pouvoir tre rsolus en ayant recours
cette technologie mme. Le dveloppement dont il est question
ici est celui de la "haute" technologie et de son expansion
rapide et les techniques de ce domaine pouvant aider la for-
mation sont regroupes sous la dnomination d'intelligence
artificielle (IA). Actuellement, on tend viter l'utili-
sation de cette expression et parler de systmes experts
(SE) ou de systmes bass sur la connaissance. Les objectifs
de ce rapport sont les suivants:

a) expliquer la nature des notions IA, SE et des systmes

base de connaissances;
b) expliquer pourquoi ils pourraient tre une aide pour la
formation professionnelle;
c) examiner l'tendue du dveloppement de ces techniques au
niveau de la production et des services;
d) valuer dans quelle mesure les possibilits qu'offrent
ces techniques pour la formation ont t analyses et
e) proposer d'autres moyens pour soutenir les efforts faits
dans le domaine de la formation professionnelle pour uti-
liser ces techniques.
 10

2. INTELLIGENCE ARTIFICIELLE, UNE EXPLICATION

2.1 Premire motivation: une informatique non-numrique.

Les dbuts de l'intelligence artificielle remontent la sug-

gestion faite en 1950 par Claude Shannon de Bell Telephone
Laboratories, savoir qu'on pourrait utiliser un ordinateur
pour jouer aux checs contre un homme. En fait, il crivit
des programmes qui prenaient certains raccourcis au niveau du
traitement du nombre toujours croissant de mouvements au fur
et mesure que l'ordinateur avanait dans le jeu. Ces algo-
rithmes formrent la pice matresse de nombreuses techniques
pour le raisonnement automatique, lesquelles sont encore
actuellement utilises. La particularit importante de ces
travaux qui fait que 1'IA est applicable la formation est
qu'elle fait entrer les ordinateurs dans le domaine du "rai-
sonnement" alors qu'ils n'taient considrs jusqu'alors que
comme des calculateurs de grande capacit.

En effet, c'est la possibilit qu'a l'ordinateur de calculer

les consquences d'actions et les consquences d'actions
ultrieures dcides partir des ramifications ainsi cres
qui se trouve au coeur mme de la plupart des programmes
d'iA. Au milieu des annes soixante, on comprit que c'tait
justement ce processus qui devait tre appliqu si l'on vou-
lait utiliser l'ordinateur pour rsoudre des problmes
d'ordre gnral plutt que numrique. Par exemple, si l'on
donnait la machine le cot de diffrents moyens de tran-
sport et les lieux relis, il serait possible de demander
cette machine de trouver le moyen le plus rapide ou le moins
 11

cher pour aller, disons, de la banlieue de Berlin au btiment

des Nations Unies New York. L'ordinateur utiliserait alors
simplement sa vitesse pour chercher parmi tous les moyens
possibles chaque tape du processus et choisir le moins
cher ou le plus rapide (suivant ce qui est demand) avant de
passer l'tape suivante.

Peut-tre est-ce le mot "intelligence" qui a cr une cer-

taine aura surnaturelle autour de ce qui n'est en fait qu'un
moyen direct de rsoudre des problmes l'aide de l'ordina-
teur. En fait, c'est John McCarthy de l'universit de Stan-
ford qui, en 1958, inventa l'expression "intelligence artifi-
cielle" pour ce qui tait appel "experimental computing"
dans d'autres parties du monde (par exemple l'universit
d'Edimbourg).

Cette expression a sans aucun doute une connotation de sub-

stitution de l'homme, ce qui, dans le contexte de l'intro-
duction de 1'IA sur les lieux de travail, est tout sauf une
aide. La question qui devrait rester primordiale dans de tel-
les ngociations est de savoir si la technique, indpendam-
ment de son nom, reprsente une aide constructive ou non pour
le travailleur. Il est clair que la quintessence de ce rap-
port est que seuls les aspects reprsentant une aide
devraient tre dvelopps dans le contexte de la formation
professionnelle. En fait, il y sera dmontr que la connota-
tion plus chimrique de substitution de l'homme n'est pas
fonde et ne constitue pas une menace.
 12

2.2 Le rapport Lighthill

Au tout dbut des annes 1970, 1'IA tait nettement cantonne

dans les laboratoires de recherche et commenait exiger des
ordinateurs de plus en plus puissants pour l'tude de sujets
qui semblaient peu clairs et manquer d'applications.

Inquit par l'escalation des cots, le Science Research

Council (Conseil pour la recherche scientifique) au Royaume-
Uni demanda un eminent mathmaticien, Sir James Lighthill,
d'effectuer une tude sur l'intrt d'une telle recherche et
les avantages qui pourraient en dcouler. Son rapport, publi
en 1973, tait accablant. Il mit en vidence "l'clatement
combinatoire" et soutint que toute tentative d'utiliser les
techniques de recherche de solutions de problmes aboutirait
une demande croissant de faon exponentielle en ce qui con-
cerne la puissance des ordinateurs. Ceci est d au fait que
le nombre de possibilits qui doivent tre examines au cours
du processus de recherche de solution pour les problmes
rels se multiplie de faon alarmante chaque tape.

Bien que le rapport Lighthill ft une affaire purement bri-

tannique, il influena fortement tous les chercheurs travail-
lant dans ce domaine, non seulement au Royaume-Uni, mais
aussi aux USA o la majorit des travaux avait lieu. Ceci
aboutit rechercher des techniques plus efficaces pour la
recherche de solution de problme, des techniques vitant
cette "clatement combinatoire".
 13

2.3 L're post-Lighthill

Le rapport de Lighthill a eu pour effet d'orienter les tech-

niques de 1'IA vers une plus grande utilit. Ceci a t ra-
lis par diffrents moyens dont certains doivent tre men-
tionns dans le contexte de ce rapport. Premirement, il
devenait clair qu'il fallait viter les programmes "intelli-
gents" d'une faon gnrale et que la technologie devait
s'orienter vers des domaines de connaissances bien dfinis et
limits. Cette stratgie s'avra tre la bonne et, comme on
le verra, permit aux systmes experts actuels d'tre non seu-
lement oprationnels mais aussi de pouvoir tre utiliss pour
l'enseignement de sujets spcifiques.

Deuximement, cette rorientation a abouti une amliora-

tion, savoir la communication avec ces programmes complexes
par le biais d'un langage presque naturel. Ceci a t rendu
possible du fait du domaine limit du sujet concern et a t
trs bien dmontr par Terry Winograd de MIT dans le cadre de
la communication avec un robot capable de combiner ses
actions partir du dcodage d'instructions en langage pres-
que naturel (1972). L'ide avance par Winograd tait qu'une
instruction telle que "ramasse la bote jaune" peut tre
dcode sans clatement combinatoire dans un monde o il y a
un nombre limit d'objets de couleur.

A un niveau plus gnral, ces travaux ont montr comment

stocker les connaissances dans un ordinateur et comment y
accder. Ils ont galement attir l'attention sur la facult
de dcomposer les connaissances en faits et en rgles. Par
 14

exemple, les rgles qui interviennent dans la rponse la

question dans l'exemple ci-dessus pourraient tre peu prs
les suivantes: "une bote peut tre ramasse s'il n'y a rien
dessus et si le robot ne tient pas quelque chose d'autre ce
moment l". Elles s'accompagnent en mme temps de faits logi-
ques, simples, tels que "une bote a un dessus plat", "une
pyramide a un dessus pointu" e t c . .

2.4 La naissance des systmes experts

Un systme expert est un peu comme le systme de raisonnement

et de combinaison ci-dessus conu pour les robots mais sans
ces derniers. En fait, les origines de cette notion sont
antrieures aux travaux de Terry Winograd et remontent aux
travaux de Ed Feigenbaum sur DENDRAL en 1965 l'universit
de Standford.

DENDRAL tait un programme conu dans le but de vrifier la

structure de composs chimiques par le biais de l'analyse de
leur spectre de masse. La raison qui le fait considrer comme
le premier systme expert est que les rgles qui permettent
de procder l'identification ont t labores par des
experts humains et stockes dans un ordinateur en tant que
programme oprationnel. Comme avec toutes les bonnes ides,
le potentiel de cette technique fut reconnu peu de temps
aprs son invention. Un chimiste doit possder une exprience
considrable pour pouvoir identifier de faon fiable le spec-
tre de masse. La ralisation d'un programme contenant de tel-
les connaissances permet de les mettre la disposition de
ceux moins expriments.
 15

Ce point mrite que l'on s'y arrte et que 1'on y rflchisse

en prenant comme point de dpart la formation professionnelle
et l'emploi. En gnral, dans les socits industrialises,
on constate un manque de personnes ayant une connaissance
approfondie des choses alors qu'il y a abondance des autres.
Par consquent, la valeur d'une connaissance portable sous
forme de systme expert rside dans le fait qu'elle permet
un plus grand nombre de personnes d'accder de telles con-
naissances. Il s'agit donc assurment d'une caractristique
qui permet d'amliorer le niveau de comptence de l'homme et
non de lui voler son travail.

Mais peut tre une caractristique encore plus pertinente

d'un vritable systme expert est sa capacit d'examiner en
sens inverse en partant de la rponse qu'il vient de donner
une question et d'expliquer comment il y est arriv en rpon-
dant la question "pourquoi?". C'est l o commence appa-
ratre les possibilits qu'offrent les systmes experts dans
le cadre de la formation; la capacit de fournir une explica-
tion logique approprie de leur propre raisonnement les fait
dpasser et de loin tous les essais prcdents ayant trait
l'enseignement assist par ordinateur. Ces derniers ne sont
souvent rien d'autre qu'une version automatise de textes de
cours donnant simplement la bonne rponse l'tudiant
indcis et le laissant pas plus avanc quant savoir comment
arriver cette rponse (il existe quelques exceptions nota-
bles mais rares).

Pour tre plus concret, prenons l'exemple d'un systme rela-

tif l'entretien d'une voiture automobile, il pourrait dire:
 16

"Si, lorsque vous essayez de faire dmarrer la voiture, vous

constatez une diminution de l'intensit des lumires, veuil-
lez vrifier la batterie". L'lve peut demander "pourquoi?",
ce quoi le systme expert rpond "parce que la batterie
n'est peut tre pas capable de fournir le courant ncessaire
au dmarreur". Non content de cette rponse, l'lve peut
alors demander "Y a-t-il d'autres possibilits?". Un SE bien
conu rpondrait alors "Oui, il peut s'agir d'un court-
circuit dans le dmarreur, mais ceci est moins probable,
c'est pourquoi, je recommande de vrifier tout d'abord la
batterie". Peu de programmes d'enseignement assist par ordi-
nateur taient capables dans le pass d'un tel niveau de dia-
logue .

2.5 La maturit des systmes experts

Un systme expert peut maintenant tre dfini de la faon

suivante:

"Un programme machine qui utilise la connaissance et les

techniques d'infrence pour rsoudre des problmes qui nces-
siteraient sans cela le recours un expert humain. Le sys-
tme doit tre structur de faon permettre un utilisa-
teur, ne possdant aucune connaissance en programmation
d'ordinateur et qu'une matrise minimale d'un clavier,
d'accder facilement aux connaissances stockes, y compris
aux explications."

Comme avec de nombreux dveloppements en informatique, il a

fallu plus de 20 ans depuis la dcouverte du potentiel des
 17

systmes tels que DENDRAL pour arriver a un traitement

systmatique. En fait, vu qu'il y a plusieurs faons de cons-
truire des systmes experts et diffrentes approches quant
l'introduction des connaissances dans ces systmes, ce
domaine est connu sous le nom d'tude de systmes bass sur
les connaissances.

Il suffit d'ajouter ici que les capacits de cette technique

ont abouti aux programmes de la "cinquime gnration" aux-
quels se sont fortement intresss les gouvernements au
Japon, aux USA et en Europe.

3. FORMATION PROFESSIONNELLE ET IA

3.1 Le rle de l'ordinateur

Les secteurs les plus avancs de l'industrie europenne ont

vite reconnu les avantages qu'offrait l'informatique dans le
domaine de la formation. Un bon exemple est le programme
"open learning" chez Austin Rover au Royaume-Uni.
L'ordinateur a une patience infinie et permet l'utilisateur
d'avancer son propre rythme. En outre, parmi les avantages
souvent cits, on trouve la portabilit, la possibilit
d'utilisation au moment qui convient le mieux, la possibilit
d'insrer au sujet des lments fortement motivants (p. ex.
utilisation des techniques de rcompense empruntes aux jeux
pour ordinateurs), la simulation raliste (p. ex. les simula-
teurs de vol) et 1'adaptabilit dans le cas de situations
changeant frquemment. Un exemple concernant ce dernier point
est la formation rapide priodique ncessaire afin d'acqurir
 18

les connaissances relatives aux nouveaux produits mis en

vente.

Les principales difficults au niveau de l'approche rsident

dans le manque de souplesse de tels systmes. Ils offrent, en
gnral, une liste de choix simplifie l'extrme et mala-
droite qui ne s'adapte que de faon minimale aux diffrents
utilisateurs. Leurs interfaces peuvent avoir une influence
d-motivantes vu que soit elles fonctionnent sur la base de
menus soit elles ncessitent l'introduction rigide par cla-
vier. Dans les systmes conventionnels, on est loin de la
souplesse du dialogue dans un langage proche du naturel. Le
manque d'adaptation l'utilisateur, le manque d'explication
des diagnostics et le manque de standardisation au niveau des
techniques de prparation des matires diminuent les avanta-
ges initiaux qu'offre l'ordinateur dans le cadre de la forma-
tion.

Les organisations qui ont pens l'utilisation ventuelle

d'ordinateurs pour la formation risquent d'tre dcourages
par les dsavantages trs importants. Compte tenu de ceci,
l'introduction de systmes bass sur les connaissances appa-
rat comme capable de refaire prvaloir les avantages essen-
tiels qu'offre l'utilisation d'ordinateurs.

3.2 L'introduction de connaissances stockes

Dans le cadre des programmes de recherche en technologie

avance de l'information, il a t tenu compte (bien que peu)
de l'utilisation des bases de connaissances pour la forma-
 19

tion. La recherche dans le domaine des systmes d'enseigne-

ment bass sur les connaissances tait axe sur la diminution
de l'cart entre la rigidit du systme classique d'enseigne-
ment par ordinateur et l'enseignement tel qu'il peut tre
dispens par un enseignant humain. Il est important de rester
conscient du fait qu'il s'agit ici d'un domaine de recherche
en plein dveloppement. Vu que peu de systmes utilisables
ont t produits jusqu' maintenant, sa tche consiste
dfinir les futurs directions de l'enseignement bas sur les
connaissances.

Le principal objectif de tels programmes est la production de

systmes pouvant s'adapter aux diffrents types d'tudiants,
possdant une bonne base d'enseignement, permettant l'tu-
diant un contrle maximal grce l'interaction et entrete-
nant un haut degr de motivation. Ces programmes s'appuyent
essentiellement sur la technologie des bases de connaissances
et semblent avoir besoin d'au moins quatre systmes experts
diffrents en interactif.

Premirement, il y a les connaissances du domaine devant tre

tudi. Ces connaissances doivent tre structures de faon
ce que le systme puisse rsoudre les problmes paralllement
l'lve et expliquer sa dmarche. Deuximement, il doit
contenir des connaissances en pdagogie, c'est--dire des
rgles didactiques. Troisimement, il doit avoir un disposi-
tif permettant de suivre l'volution du niveau des connais-
sances de l'tudiant, nouveau sous forme de jeu de faits et
de rgles. C'est en interrogeant cette base de connaissances
que la machine peut prendre des dcisions concernant la
 20

prsentation de la matire en s'appuyant nouveau sur des

rgles donnes. Enfin, la communication avec l'tudiant doit
pouvoir avoir lieu un degr d'laboration satisfaisant.
Ceci implique l'utilisation de l'iA, savoir des rgles de
comprhension du langage naturel.

La plupart des travaux de recherche spcialise, effectus

dans ce domaine, manent de projets lancs au dbut des
annes 70. Il s'agissait essentiellement d'essais de concep-
tion de systmes destins enseigner les mathmatiques aux
enfants, lesquels, ds les premiers principes, se sont
heurts au dveloppement de bases de connaissances. Le pre-
mier systme, souvent cit, avoir bnfici des techniques
de bases de connaissances est SOPHIE, dvelopp en 1982 par
Brown, Burton et de Kleer pour la US Air Force dans le but
d'enseigner au personnel inexpriment les techniques de
recherche des pannes en lectronique.

3.3 Approches directes par les systmes experts vides

Quoique la structure ci-dessus compose de quatre lments

soit celle du programme de l'enseignement idal, il existe
d'autres voies moins ambitieuses d'utiliser la technologie
des systmes experts, lesquelles pourraient tre testes en
se servant des logiciels disponibles l'heure actuelle. Un
examen plus attentif des sous-produits de la conception des
systmes experts base de connaissance permettra de mieux
comprendre ceci.

Le systme expert vide en est un. Il dcoule de la constata-

 21

tion qu'un systme expert se dcompose en trois grands

lments: la base de donnes forme de faits et de rgles qui
constitue le "domaine des connaissances spcifiques"; le
"moteur d'inference" qui est un programme pr-dfini qui
cherche les rgles et les faits appropris; et enfin
l'interface utilisateur qui permet l'utilisateur d'exprimer
ses questions de faon ce que le systme les "comprennent"
et formule les rponses de faon ce que celles-ci aient un
sens pour l'utilisateur.

La seule chose qui change d'un domaine de connaissances un

autre sont les connaissances en tant que telles. Un systme
expert vide ne se compose par consquent que des deux der-
niers lments, savoir le moteur d'inference et l'interface
utilisateur. Le domaine des connaissances peut tre compar
une cassette que l'on met dans un magntophone, les deux
autres lments formant le mcanisme. Le mme systme expert
vide peut tre utilis avec diffrents domaines de connais-
sances suivant le choix de l'utilisateur.

Des exemples types de systmes experts vides sont: "Expert-

Ease", "Micro-Expert" et "ESP-Advisor". Ces systmes entire-
ment dvelopps sont disponibles au Royaume-Uni et cotent
environ 600 pour les grands PC (Personal Computer) ou 4000
pour les minis comme le VAX750. Il est clair que le second
permet de traiter de plus grandes bases de connaissances que
le premier. Ces systmes peuvent galement tre achets sous
forme d'un ensemble d'exprimentation et d'initiation conte-
nant les trois systmes plus un gnrateur de dialogue Micro-
SYNICS; cet ensemble cote environ 600 et fonctionne sur
 22

les ordinateurs personnels.

On peut citer comme exemple de pntration, le Microelectro-

nics Educational Development Centre du Paisley College qui a
utilis le ESP-Advisor pour former des chargs de cours aux
techniques de la microinformatique. Ceci montre un moyen de
pallier le manque de formateurs dans les domaines de techno-
logie de pointe.

3.4 L'acquisition des connaissances

Au niveau de l'utilisation d'un systme expert vide, il y a

une difficult qui ne doit pas tre sous-estime: le problme
de l'acquisition des connaissances. Ceci est le nom donn au
processus de transformation des connaissances humaines en ce
jeu de rgles que l'on peut insrer dans la bote "domaine
des connaissances" du systme expert vide.

L'acquisition au hasard peut tre compare au travail d'un

mauvais enseignant ou formateur. Les formateurs, qui ne sont
pas des experts dans le domaine concern et qui prsentent
mal leur matire, sont dans la mme situation qu'un systme
expert possdant un tas de connaissances mal acquises. Il est
vident que ceci est prjudiciable.

L'intelligence artificielle a permis d'laborer un plan pour

l'acquisition des connaissances conu de faon liminer le
hasard de cette procdure. Ceci a donn jour une nouvelle
sorte d'expert: l'ingnieur de la connaissance. Il utilise ce
plan qui prvoit l'observation des experts pendant leur tra-
 23

vail, des discussions sur la faon dont les problmes sont

rsolus et l'utilisation d'exemples choisis par l'expert,
suiy.is par des variantes soigneusement slectionnes par
l'ingnieur de la connaissance. Le tout est ensuite analys
et parfois revrifi avant d'essayer d'tablir une "analyse
de protocole" afin de transformer le rsultat en un progiciel
de connaissances spcialises.

Toutefois, malgr ce procd apparemment scientifique, le

nombre de domaines se prtant cette procdure est encore
limit. Les exemples sont nombreux o l'expert ne peut pas
expliciter suffisamment ses propres connaissances. Il s'agit
de domaines o le jugement, la "sensibilit" et l'exprience
entrent en jeu, de domaines o la formation a lieu souvent
en suivant l'exemple. Par exemple, il serait difficile
d'apprendre rouler bicyclette l'aide d'un systme
expert. Ce cas est extrme, mais dans la mme catgorie, on
trouve les processus de conception, certaines fonctions du
contrle de qualit (bases sur la perception et le jugement)
et l'utilisation des outils pour l'usinage des mtaux qui
peut demander une certaine sensibilit pour juger le produit
fini. D'autre part, des tches comme la maintenance, la
recherche des pannes et l'apprentissage en vue de l'utili-
sation de matriel assist par ordinateur se prtent bien au
traitement par des SE. Il faut remarquer que c'est justement
ce genre de tches qui a t engendr par le dveloppement
des technologies de pointe.

3.5 La programmation logique

 24

Nous n'avons dit, jusqu' maintenant, que peu de chose de la

faon dont est excute la programmation qui permet le trans
fert des connaissances dans l'ordinateur. Les systmes
spcialiss plus anciens taient crits habituellement dans
un langage de traitement de liste appel LISP. Bien qu'il
convienne aux programmeurs experts, il ne s'agit pas la d'un
instrument facilement utilisable par quelqu'un qui ne connat
pas bien le langage ou la cration de bases de donnes
(c'estdire le stockage de connaissances) en gnral. Bien
sr, les systmes experts vides en vente l'heure actuelle
offre un moyen relativement facile d'introduire les donnes,
il existe cependant une autre possibilit.

Il s'agit du langage appel PROLOG conu au dpart pour

exprimer les programmes en termes de logique formelle. C'est
un langage hautement direct (ou DECLARATIF) qui contient les
lois de la logique. C'est pourquoi, l'utilisateur fait sim
plement des dclarations logiques et le langage fait automa
tiquement le reste ( savoir, poser les questions se rappor
tant aux dclarations ayant t faites). Ainsi, ce langage
peut reprsenter aussi bien les faits que les rgles et peut
tre expliqu l'aide de l'exemple suivant, quelque peu tri
vial, tir de la mdecine:

En PROLOG, une rgle gnrale peut avoir l'aspect suivant;

X peut avoir Y si
X a et
laisse supposer Y
 25

Les faits peuvent alors tre exprims sous la forme suivante:

(nez bouch) laisse supposer (rhume)

(yeux jaunes) laissent supposer (jaunisse).

Pour utiliser ce systme expert lmentaire, l'utilisateur

peut introduire le message suivant:

Fred a le nez bouch

Que peut avoir Fred?

Ce quoi le systme rpond:

Fred peut avoir un rhume.

Un utilisateur curieux peut alors taper:

Pourquoi?

Ce quoi le systme rpond:

J'ai utilis la rgle

Fred peut avoir un rhume si
Fred a le nez bouch et
le nez bouch laisse supposer un rhume.

L'expansion rapide de l'utilisation de PROLOG a des effets

sur la formation relative l'utilisation d'un ordinateur. Au
Royaume-Uni, il a t constat que les coliers se mettaient
 26

facilement au PROLOG, ce qui, transpos au niveau du concep-

teur de systme d'enseignement dans l'industrie, peut signi-
fier que ce langage peut tre utilis comme instrument de
base pour la mise en oeuvre de systmes experts pour
l'enseignement.

4. DEVELOPPEMENTS ACTUELS: DEGRE DE PENETRATION

4.1 Programmes internationaux

Jusqu'au dbut de cette dcennie, l'intelligence artificielle

tait considre comme l'apanage des laboratoires de recher-
che informatique, plus comme un "tour de force" qu'une tech-
nologie applicable. L'annonce du programme japonais de la
5 i e m e gnration changea tout. C'est en fait parce que les
japonais concentraient leur effort tout spcialement sur les
bases de connaissances que le reste du monde se mit s'y
intresser et examiner de faon plus srieuse ces techni-
ques .

En Europe, la raction s'est appuye sur les programmes

ESPRIT de la CEE et ALVEY du Royaume-Uni. Aux USA, il n'y
avait pas de programme coordonn au niveau national, toute-
fois DRAPA (s'occupant essentiellement de dfense) rorienta
en grande partie ses efforts vers la recherche en matire de
systmes base de connaissances et l'industrie augmenta ses
propres actions dans ce domaine. Ces programmes ne sont pas
uniquement axs sur les bases de connaissances mais aussi sur
le soutien (p. ex. l'intgration trs grande chelle) et
les applications (p. ex. la robotique dans ESPRIT). Ce sont
 27

les investissements dans les systmes base de connaissances

qui dterminent entirement les progrs du dveloppement de
produits bass sur les connaissances importants pour la for-
mation. Ces investissements sont les suivants:

ALVEY : 60 millions de (plus de 1/6 ime du total)

ESPRIT: 80 millions de (moins de 1/10 ime du total).

Dans le contexte de ce rapport, il est important de dgager

de l'ensemble des travaux ceux susceptibles d'aboutir des
produits utilisables pour l'enseignement et de se concentrer
sur ceux axs spcifiquement sur l'enseignement. Il y a une
difficult au niveau du programme ESPRIT, dans la mesure o
les travaux ayant trait l'enseignement avaient t
l'origine expressment exclus. Ceci pourrait n'tre plus le
cas avec ESPRIT II actuellement en cours d'laboration. Bien
que tout ceci sera annonc officiellement dbut 1987, plu-
sieurs discussions ont dj eu lieu concernant la cration de
projets d'intgration de la technologie (PIT) qui montrent
les possibilits qu'offre cette recherche de faon encoura-
ger l'industrie exploiter ces travaux. Si ces nouveaux tra-
vaux ne prsentaient pas un certain intrt au niveau de la
formation, ils auraient alors moins de poids.

Dans ALVEY, d'autre part, l'attention apporter

l'enseignement, aussi bien en ce qui concerne l'utilisation
de la technologie que l'adaptation de celle-ci la forma-
tion, a t aborde de plusieurs faons. Nous en examinerons
certaines ci-aprs. L'avenir d'ALVEY fait galement l'objet
de discussions et le comit IT86, prsid par Sir Austin
 28

Bide, doit prsenter ce mois-ci un rapport. L aussi, il est

peu vraisemblable que les aspects de la formation soient
ngligs au niveau de la concentration sur l'utilisateur.

C'est pourquoi, dans le cadre de la discussion de la pntra-

tion, la plupart de nos exemples sont tirs du programme
ALVEY.

4.2 Projets prsentant un intrt direct

Dans ce paragraphe, nous dcrivons cinq projets de recherche

qui prsentent un intrt direct pour l'enseignement l'aide
de techniques de l'intelligence artificielle. Bien qu'ils
appartiennent tous au domaine de la recherche, ils sont de
nature influencer les dveloppements de la prochaine phase
laquelle participeront les utilisateurs et o auront lieu
des essais pratiques.
 29

4.2.1 Systmes d'enseignement bas sur la dcouverte guide

(Guided Discovery Learning Systems)

Cot: 200.000
Partenaires: Universit de Lancaster
Universit de Leeds
Dbut: Septembre 1985
Fin : Septembre 1 988

Objectif :
Etudier si les techniques d'apprentissage offertes par
l'intelligence artificielle prsentent un intrt pour
l'enseignement assist par ordinateur. Il est propos de
dvelopper un systme expert utilisable qui enseigne l'art de
prendre des dcisions et de rsoudre les problmes et qui
permet une tude guide de domaines spcifiques. Le dvelop-
pement de modles d'tude fait l'objet d'une attention toute
particulire et la base de connaissances est utilise active-
ment cette fin. Le projet est test dans une situation o
l'lve doit apprendre utiliser un standard tlphonique
complexe.

Commentaire:
Il s'agit d'un projet ambitieux dans la mesure o il UTILISE
un systme bas sur les connaissances pour "comprendre"
l'lve dans le cadre d'un enseignement assist par ordina-
teur .
 30

4.2.2 Aides au niveau de la tactique de dcision

(Tactical Decision Aids)

Cot: 2.170.000
Partenaires: Solartron, Rediffusion, Smiths Industries.
Dbut: Avril 198 5
Fin : Janvier 1989

Objectif :
Dvelopper des techniques qui aident les oprateurs devant
travailler dans des conditions stressantes. Ceci est tout
particulirement le cas pour la simulation de vol, la forma-
tion navale ou la prise de dcisions dans les cabines de
pilotage. De nombreuses techniques de reprsentation des con-
naissances sont utilises et testes.

Commentaire:
Il s'agit d'un projet coteux ax sur les applications mili-
taires . Toutefois, les conclusions de ce projet pourront
tre utiles au niveau de l'industrie en gnral, comme par
exemple dans le cadre de la formation pour la commande de
grue, le guidage de vhicule, la commande d'urgence, e t c . .
 31

4.2.3 Formation technique base de connaissances

(KnowledgeBased Engineering Training)

Cot: 530.000
Partenaires: Logica, Engineering Industry Training Board,

Imperial College, Kingston College of F. .,

Universit d'Exeter.
Dbut: fvrier 1986
Fin : septembre 1987

Objectif :
Ce projet est centr sur la formation relative
l'utilisation, la maintenance et la programmation d'une frai
seuse commande numrique. Il utilise de faon imaginative
la vido et les graphiques en mode interactif.

Commentaire:
Ceci est un travail extrmement valable. Il pourra tre
finalement mont sur un systme conomique et offrira de nom
breuses possibilits pour des utilisations trs diverses.
 32

4.2.4 Systme intelligent pour l'enseignement de

l'arithmtique (An Intelligent Arithmetic Tutor)

Cot: 500.000
Partenaires: The Open University System Ltd.
Dbut: septembre 1985
Fin : aot 1988

Objectif :
Etude de la conception d'un systme bas sur les connaissan-
ces pour l'enseignement de l'arithmtique et d'un programme
base de connaissances pour le diagnostic. Cette tude sera
mene bien juqu'au niveau du produit.

Commentaire:
Ce projet fait passer un domaine classique de l'enseignement
assist par ordinateur dans le domaine des systmes base de
connaissances. Il est vident que le domaine de l'arithmti-
que ne prsente pas beaucoup d'intrt pour la formation pro-
fessionnelle. Ce sont les techniques qui rsultent de la
cration de produits concrets qui peuvent tre intressantes.
 33

4.2.5 Manuels intelligents de formation

(Intelligent Training Manuals)

Cot: 350.000
Partenaires: Universit de Lancaster, British Telecoms Tech.
College.
Dbut : imminent
Fin : 3 ans aprs

Objectif :
Etude de manuels de formation base de connaissances rsi-
dants en ordinateur. En mme temps, dveloppement de mesures
d'essai permettant de comparer l'efficacit des diffrentes
conceptions.

Commentaire:
Bien que ce projet n'ait pas encore commenc, il est d'un
intrt capital pour la formation professionnelle. Il devrait
aboutir la construction d'un prototype de systme
d'enseignement.

4.3 Projets ouvrant des nouvelles voies

Dans ce paragraphe, nous examinons trois projets qui, bien

que n'ayant pas pour objet spcifique l'utilisation des sys-
tmes base de connaissance pour la formation, laissent
entrevoir d'autres possibilits o les travaux sur les bases
de connaissances pourraient avoir un rle jouer dans le
domaine de la formation.
 34

4.3.1 Production+d'un langage naturel partir de plans

(Natural Language Generation from Plans)
Principal participant: Universit du Sussex

Il s'agit d'une interface qui fournit, en mode non-interactif

une description claire des actions ncessaires pour soutenir
un plan complexe ayant pu tre produit par un programme
d'intelligence artificielle. Cette technologie devrait per-
mettre d'amliorer la clart de communication entre les
futurs systmes de formation et leurs utilisateurs.

4.3.2 Apprentissage et utilisation du PROLOG

(Learning and Using Prolog)
Principal participant: Universit du Sussex

Ce projet vise optimiser l'enseignement du PROLOG. Vu qu'il

pourrait bien tre un des moyens utiliss par les formateurs
dans l'industrie, les rsultats permettront non seulement de
prvoir les difficults dans l'application du langage mais
aussi de proposer une faon optimale de s'y adapter.

4.3.3 Interface entre l'homme et les systmes publics

d'information
(Human Interface to Public Information Systems)
Principal participant: Universit de Loughborough

Ce projet se rapporte un systme d'information et de con-

seil destin aux anciens participants au Youth Training
Scheme (programme de formation des jeunes) organis par la
Manpower Services Commission (commission des services de
 35

l'emploi) au Royaume-Uni. L'objectif poursuivi est l'amlio-

ration de la faon dont un tel systme dlivre et personna-
lise les informations qu'il dtient.

4.4 Clubs d'utilisateurs

Une des activits ayant le plus de succs, lance par le sec-

teur des systmes base de connaissances du programme ALVEY,
est la cration de clubs d'utilisateurs de bases de connais-
sances qui pourraient aller au-del de l'ensemble exprimen-
tal de 600 et commencer dvelopper leur propre systme
expert afin de satisfaire un certain besoin commun dans le
cadre du club. Il s'agit l d'une ide importante dans le
contexte de ce rapport, vu qu'une des recommandations for-
mules l'gard du CEDEFOP est d'agir en tant que catalyseur
pour la cration de clubs europens similaires ayant comme
intrt commun la formation professionnelle. Chacun des pro-
jets ci-dessous est financ en grande partie par une petite
contribution verse par les membres participant et par un
apport d'un montant gal de l'Etat. Ces projets, dont le cot
varie de 200.000 400.000 par projet, sont conus avant
tout pour donner leurs utilisateurs une exprience "de pre-
mire main".

4.4.1 RICS (Royal Inst, of Chartered Surveyors)

Le Royal Institute, de concert avec le Portsmouth Polytech-

nic, dirige ce projet au nom de ses membres. Il vise la
cration d'un systme donnant des conseils pour l'arpentage.
 36

4.4.2 PLANIT (Project PLANning through IT)

Ce club consiste en un groupe htrogne de 27 partenaires,

tels Jaguar Cars, British Gas, Roll-Royce, Birds Eye Wall's,
e t c . . Le lien existant entre eux est le besoin d'une plani-
fication de projet. Trois dmonstrateurs ont t construits
pour trois domaines de planification diffrents. Un systme
expert coteux "Kee/TI Explorer" est utilis et des systmes
de planification oprationnels seront fournis aux partici-
pants la fin du projet, en avril 1987.

4.4.3 ALFEX (Financial Health Monitoring)

Il s'agit d'un groupe de 25 grands tablissements de crdit

(essentiellement des banques, y compris les banques
d'Angleterre et d'Ecosse et de socits de placements comme
Price Waterhouse et N. M. Rothchild). Le projet a dj rejet
la possibilit d'utiliser un systme expert vide et travaille
l'heure actuelle la ralisation d'un systme complet de
conseil sur l'tat de sant financire de la socit, lequel
fonctionnera sur microVAX et IBM PC.

4.4.4 ARIES (Insurance Community)

Ce club regroupe les principales compagnies d'assurance du

Royaume-Uni, les fournisseurs de SE et des conseillers uni-
versitaires, en tout 24 participants. Deux domaines spcifi-
ques ont t choisis comme cible: l'valuation des risques
d'incendie dans l'industrie de l'habillement et l'valuation
 37

du risque des placements en actions. Le systme relatif au

risque d'incendie a dj t dmontr avec succs et l'autre
systme sera prt en avril 1987.

4.4.5 TRACE (Transport Industries)

Ce groupe de neuf est caractris par la participation de

American Express, British Airways et le Thomas Cook Group.
Les objectifs poursuivis sont l'assistance et la formation
des employs chargs des renseignements relatifs au choix des
itinraires et des forfaits. Le systme utilise PROLOG et
fonctionnera sur IBM AT. Le projet vient juste de commencer
(novembre 1986).

4.4.6 WIESC (Water Industries)

Les domaines concerns sont le contrle du rseau de distri-

bution de l'eau et la planification de la rnovation du sys-
tme d'gouts. Des postes de travail SUN de haute qualit
sont utiliss et programms en grande partie en PROLOG. Les
deux systmes experts devraient tre prts en octobre 1987.

4.4.7 DAPES (Data Processing Community)

L, le systme expert est tourn vers la manipulation des

donnes mmes par une utilisation approprie de l'ordinateur,
Parmi les partenaires on trouve: des coopratives de cons-
truction, BP, la police et le fisc. Les domaines viss sont
la maintenance de la gestion du traitement de donnes par un
 38

grand rseau, un groupe d'assistance (chez W. H. Smiths, les

papeteries) et un dpanneur de communications pour les ban-
ques. La fin des travaux est prvue pour septembre 1987.

4.4.8 Commentaires sur les clubs

La cration des clubs ci-dessus s'est avre non seulement

utile pour ses membres mais a eu pour consquence la
pntration des techniques avances dans la communaut des
utilisateurs sous le contrle et l'valuation des utilisa-
teurs eux-mmes. Ces clubs ont t salus dans le monde
entier comme un moyen unique et fructueux. Ces clubs sont
caractriss par une participation active des partenaires qui
aboutit un vritable test pratique des mthodes. Les mtho-
des prsentant de nets avantages seront adoptes et utilises
brve chance.

5. LA FORMATION PROFESSIONNELLE PROPREMENT DITE

Aprs avoir dvelopp le thme de la bonne acceptation des

mthodes bases sur les connaissances comme possibilits
d'utilisation des ordinateurs, nous nous concentrerons dans
ce chapitre sur des sujets ayant un rapport direct avec la
formation professionnelle. Tout d'abord, nous commenterons
certains travaux effectus par la Manpower Services Commis-
sion (MSC) au Royaume-Uni, puis nous examinerons la situation
pour voir si une formation est ncessaire afin de s'adapter
aux nouveaux systmes informatiques base de connaissances.
Enfin, nous verrons ce qui doit tre fait en vue de se servir
 39

des techniques des bases de connaissances pour rsoudre cer-

tains problmes rencontrs dans le cadre de la formation.

5.1 Projet IA de la MSC

Au milieu de l'anne 1985, la Manpower Services Commission

chargea l'Open University d'effectuer une tude de six mois
sur les consquences pour la formation professionnelle des
travaux de recherche relatifs l'intelligence artificielle.
L'objectif tait d'identifier les domaines o la MSC pourrait
encourager un dveloppement futur. Le rapport a t rcemment
publi et fait les recommandations suivantes:

1. La MSC doit soutenir l'enseignement assist par ordinateur

amlior par les techniques de l'iA.

2. Elle doit encourager l'application des techniques de 1'IA

la structuration du matriel didactique.

3. Seuls les travaux utilisant un logiciel dj existant

doivent tre soutenus.

4. Le soutien doit aller aux domaines o les besoins sont les

plus grands en matire de formation.

5. Il faut encourager le dveloppement de systmes experts

ayant trait la saisie de la connaissance relative des
sujets se rapportant la formation.

6. Il faut encourager le professionnalisme dans l'enseigne-

 40

ment assist par ordinateur.

7. Il faut organiser des programmes de sensibilisation au

sujet de 1'IA et l'enseignement.

8. Il faut encourager le dveloppement des instruments per-

mettant l'application des systmes experts base de connais-
sances dans la formation professionnelle.

Il est trop tt pour juger la raction de la MSC ces pro-

positions .

On verra que, mis part un trs net accord en ce qui con-

cerne le point 3 ci-dessus, les recommandations de ce rapport
au CEDEFOP sont de nature plus spcifique.

5.2 Formation pour l're base sur la connaissance

On se heurte ici au manque bien connu de personnel qualifi

dans le domaine de la technologie de l'information. Bien que
la plupart des organisations qui utilisent des ordinateurs
soient familiarises avec le traitement de donnes et les
techniques de la bureautique, 1'IA ou les systmes base de
connaissances semblent rester un mystre menaant. Le pro-
gramme ALVEY s'est rapidement attaqu satisfaire ce besoin
en crant le plan de "compagnonnage". Celui-ci invite les
dtenteurs d'un diplme d'enseignement suprieur (de la plu-
part des disciplines) venir rejoindre pour six mois
l'quipe de chercheurs au Imperial College ou au Turing
Institute Glasgow afin de travailler au coeur mme du
 41

domaine des systmes base de connaissances.

Nous pensons que ceci est un bon moyen pour les entreprises
qui seront amenes crer leurs propres systmes experts.
Pour les autres, le problme n'est peut-tre pas aussi
urgent. Un des avantages des systmes experts est, qu'une
fois produit, ils sont facile utiliser et seuls les syst-
mes ayant fait leurs preuves doivent tre utiliss dans ce
contexte.

5.3 Les systmes base de connaissances pour l'enseignement

Le point capital de ce rapport est que le dveloppement des

systmes base de connaissances est assez avanc pour four-
nir l'quipement d'exprimentation ncessaire permettant de
concevoir des systmes d'enseignement pour certains domaines.
En fait, la situation est identique celle existant dans
d'autres domaines (assurances, arpentage, finances, e t c . . )
qui ont bnfici des clubs ALVEY.

Un des points essentiels de nos recommandations, tout comme

de celles du rapport de la MSC, est que seuls les logiciels
dj existant et disponibles sur le march doivent tre uti-
liss dans ce contexte. Les grands investissements dans la
recherche dont il a t question ci-dessus ne servent qu'a
prouver une fois encore que ce domaine est en plein dvelop-
pement et qu'il ne vous rservera pas de mauvaises surprises.

Toutefois il n'y a pas de club ALVEY pour l'enseignement

alors que la formation est un problme qui rassemble un grand
 42

nombre de personnes de l'industrie et du commerce. Il est

suggr que le CEDEFOP, de par sa position, est mme de
sensibiliser les gens la possibilit de crer des clubs
europens dans plusieurs domaines-clefs de la formation et
d'assumer ici le rle de catalyseur. Ce serait une erreur de
vouloir dj identifier maintenant les domaines cruciaux,
ceci doit faire l'objet d'une runion sur ce sujet.

En partant de ce modle simple, il est possible d'arriver

nos recommandations finales.

6. RECOMMANDATIONS FINALES

Ces recommandations doivent tre lues en ayant prsent

l'esprit que, l'exception de la MSC au Royaume-Uni, trs
peu est fait en ce qui concerne l'utilisation des SE dans
le domaine de la formation dans l'industrie. Ceci est parti-
culirement vrai lorsque l'on considre l'Europe dans son
ensemble. Les recommandations de la MSC ont t maintenant
acceptes au Royaume-Uni ce qui met encore l'accent sur
l'urgence de la cration d'une activit europenne, afin que
le reste de l'Europe ne se laisse pas dpasser.

6.1 Le CEDEFOP est bien plac pour centraliser au niveau

europen les efforts en vue de la cration d'une action de
formation dans l'industrie afin de coordonner la coopration
en ce qui concerne l'valuation des systmes experts dans les
secteurs industriels clefs.
 43

6.2 Le prochain pas pour le CEDEFOP est d'organiser une ru-

nion de tous ceux qui sont le mieux placs pour prendre une
initiative dans leurs propres milieux.

6.3 II faudra discuter au cours de cette runion du genre de

travail devant tre fait pour crer des actions semblables
aux "clubs" capables de s'autofinancer.

6.4 II est essentiel que les actions s'appuyent sur des SYS-
TEMES EXPERTS EXISTANT DEJA ET DISPONIBLES. C'est pourquoi,
une exposition de tels systmes doit avoir lieu dans le cadre
de cette runion.

6.5 Le CEDEFOP doit examiner quel apport financier pourrait

tre obtenu des gouvernements des Etats participants.

6.6 L'ordre du jour de la runion doit contenir la liste des

domaines clefs choisis susceptibles d'tre concernes par la
technique des SE. Ce pourrait tre par exemple:
la planification de projet;
la maintenance d'installations complexes;
les procdures de scurit;
l'utilisation des ordinateurs;
l'utilisation de machines-outils assistes par ordinateurs;
le dveloppement du personnel;
la formation en matire de bureautique;
le dveloppement du travail des syndicats (techniques de
ngociations, etc...);
le travail avec les robots et les ateliers flexibles;
les techniques de gestion; etc..
 44

6.7 Vu l'avantage important dcoulant d'une amlioration des

comptences des travailleurs grce aux systmes experts, il
serait bon que les syndicats participent ces discussions.

6.8 Le CEDEFOP pourrait continuer servir de lien entre ces

actions et les clubs importants du programme ALVEY.

6.9 Le CEDEFOP pourrait servir de centre d'information met-

tant ceux dsirant utiliser les techniques de formation par
les SE en contact avec ceux ayant l'exprience de ces tech-
niques.
 45

INTELLIGENCE ARTIFICIELLE
ET EDUCATION

QUELQUES PISTES DE REFLEXION

VIVET MARTIAL
UNIVERSITE DU MAINE
LE MANS

CEDEFOP
BERLIN
1987
 ACADEMIE DE NANTES 46
UNIVERSITE DU MAINE
LE MANS, LE
FACULTE DES SCIENCES
DEPARTEMENT DE MATHEMATIQUES ET INFORMATIQUE
ROUTE D I LAVAL
72017 LE MANS CEDEX

TEL (43) 24.72.38

INTELLIGENCE ARTIFICIELLE
ET EDUCATION
I

Quelques pistes de rflexion

VIVET Martial
Universit du Maine
Laboratoire d'Informatique
BP 535
72017 - LE MANS Cedex

RESUME : Le papier prsente d'abord un tat de l'art en France sur le thme

"I A et Education". L'essentiel du texte discute des apports possibles de l'IA
l'Education. Sont ainsi passs en revue 'les aspects de surface (communication
homme/machine) mais aussi des aspects plus fondamentaux : apport des systmes
experts, rle de l'tude de la reprsentation de connaissances, tude des rai-
sonnements "naturels", ... Un spectre des usages possibles dans l'ducation
de systmes relevant de l'IA est dcrit : usage dans la classe, "distance",
pour la formation des m atres. Quelques questions ouvertes sont poses la
fin.

Papier prsent au Workshop Anglo-Franais sur "Technologie de l'information

et ducation".
Maison Franaise - OXFORD (GB) - 16/18 dcembre 1985.

INTBODUCTICN :
Ce papier tente d'abord de faire le point rapidement sur l'interaction
entre I.A. et Education actuellement en France. La deuxime partie propose
quelques pistes de rflexion sur le thme "I.A. et Education" : divers aspects
des apports possibles de l'I.A. en ducatio^n sont discuts, un spectre des usa-
ges possibles est prsent. Un certain nombre de questions sont poses la
fin. Notons que les problmes lis l'enseignement de l'I.A. et les questions
de type "Rsolution de problmes en particulier avec LOGO" sont exclus du
champ de ce papier.
 47

/ I / ETAT DE L'ART dans le thme "I.A. et ELXCATICN" en France :

L'I.A. en France ne fait que commencer se structurer (en particulier au

sein du C.N.R.S. avec ce que l'on appelle le PRC IA). Ce projet de recherche
concerte regroupe l'essentiel des quipes qui travaillent en I.A. en France
et le potentiel de chercheursdisponible est trs mobilis par ce projet. Quatre
thmes majeurs sont inscrits ce projet : Modlisation du raisonnement et de
la connaissance, Analyse de 1'inference et du contrle, Modlisation de l'appren
tissage, Mthodologie des applications. Ce PRC intgre essentiellement des
quipes d'informatie ien? et ses proccupations sont trs loignes des sciences

humaines. En particulier, il n'intgre aucune composante directe sur le thme

qui nous concerne ici. De fait l'activit sur ce thme reste trs disperse
et le fait de personnes relativement isoles. Un certain nombre d'vnements
ont eu lieu cependant. Citons :
la cration en novembre 1983 d'un sminaire mensuel "IA et formation"
organis conjointement par le CESTA (Ministre de l'Industrie et de la Recherche)
et l'I.N.R.P. r Ce sminaire est l'occasion de prsentation de ralisations
ou de discussions sur ce thme. On trouvera la liste des sujets des conf
rences en annexe.
la diffusion d'un numro spcial du bulletin de l'EPI (Association
"Enseignement public et Informatique"). Cette association regroupe des profes
seurs concerns directement par l'introduction de l'informatique dans le sys
tme ducatif. Le numro spcial de dcembre 1984 tait consacr au thme
"Systmes Experts et Enseignement" et faisait le point sur un certain nombre
de rflexions et ralisations.
la diffusion par le C.N.D.P. (Centre National de Documentation Pdago
gique) d'un moteur de systme Expert (PENELOP) crit en LELISP et d'une ver
sion de MICROPROLOG. Ces deux logiciels sont excutables sur le matriel
diffus dans les tablissements scolaires. Nous avons peu d'information sur
l'usage fait de ces logiciels. MICROPROLOG aurait t utilis par un profes
seur d'histoire pour faire de 1'inference entre des faits historiques.
Les quipes de recherche universitaire ayant une activit connue sur ce
thme sont peu nombreuses. Cibons :
au L.R.I. (Laboratoire de Recherche en Informatique) l'Universit
d'ORSAY, les travaux de M.C. ROUSSET et M.O. CORDIER sur l'E.I.A.O.
appliqu au calcul algbrique.
au C.R.I.N. NANCY les travaux de M. QUERE et M. GRANDBASTIEN.
1'I.R.I.S.A. de RENNES les travaux sur l'enseignement de la go
mtrie partir de programmes interactifs en PROLOG.
 48
1'Universit de PARIS VI, le travail de M. BARON et de 0. PALIES
sur l'usage des systmes experts pour enseigner les mathmatiques et
l'lectricit (circuits srie et parallles avec des rsistances,
selfs et capacits). M. VIVET (de l'Universit du Maine) et J. MATHIEU
(de l'Universit de ROUEN) sont en liaison troite avec ce groupe.
Notons que le rapport SIMON ("L'Education et l'Information de la Socit'
Documentation Franaise 1981) contenait une premire analyse des relations
entre I.A. et Education.

/ I l / QUELQUES ASPECTS DES APPORTS POSSIBLES DE L'I.A. POUR L'EDUCATION

Si l'on en croit l'avis du grand spcialiste R. SCHANK'(Universit de

YALE s USA) l'I.A. doit dboucher terme avec des applications importantes
dans le domaine de l'ducation. Il crit dans un des derniers numros de
Byte : "Les applications les plus prometteuses de l'I.A. sont peuttre dans
le domaine de l'ducation pour aider les gens apprendre lire, se souvenir,
penser. Cela grce une meilleure connaissance des mcanismes fondamentaux
mis en jeu dans ces activits". *
Les apports peuvent prsenter diffrents aspects divers niveaux :
1 ASPECTS DE SURFACE, ce sont des aspects formels, ne touchant pas
forcment directement les aspects didactiques mais qui interviennent au niveau
de la communication Homme/Machine. A ce niveau, on peut attendre beaucoup
de la synthse et de la reconnaissance de la parole, de la vision, de la
synthse et de la comprhension de textes donns en langue naturelle. Les
rsultats en I.A. ne semblent pas encore tout fait suffisants pour atteindre
la souplesse de communication requise dans une situation d'apprentissage. Notons
que ces facilits de communication ne sont pas seulement utiles l'lve mais
peuvent tre galement des aides prcieuses pour le matre prparant le travail.
Ainsi, l'on peut s'interroger sur les usages collectifs de systme d'EAO utili
sant la communication parle (que deviennent par exemple les changes entre
les enfants si chacun a son casque et son micro ou est enferm dans une cage de
verre comme dans les laboratoires de langue ?). Par contre, le matre pourrait
tre trs intress par la possibilit de dicter ses textes la machinel,
2 *ASPECTS CHARNIERES ENTRE FORME ET FOND. Les techniques des systmes ex
perts (S.E.) actuellement disponibles sont dj trs intressantes pour construire
des systmes d'enseignement. Le dveloppement de tels systmes est relativement
long et coteux et les outils pour rendre leur criture plus efficace manquent
encore. Les systmes experts se dveloppent actuellement dans des secteurs
ayant des capacits d'investissement beaucoup plus importantes que celles dont
disposent les institutions ducatives. Deux lments trs importants dans une
relation pdagogique sont la base de cet intrt :
 v. 49

- Le systme expert est en principe capable de rsoudre le problme pos

ou qu'il pose l'lve. Il est de plus capable de le rsoudre avec les mmes
mthodes que l'lve.
- Le systme expert peut expliquer le (les) raisonnements possibles sur le
problme, il peut expliquer comment sont faits les choix .expliciter les tapes
de son raisonnement pour atteindre la solution d'un problme.
A partir du moment o l'on sait faire raisonner un systme expert, on peut
le faire raisonner juste mais on peut aussi le faire raisonner de faon errone
(raisonnement faux ou raisonnement bas sur des connaissances fausses). Les
pdagogues ont identifi un grand nombre de raisonnements faux. Leur codage
permet d'atteindre des diagnostics prcis sur des rponses errones.
L'usage de S.E. pour enseigner doit permettre d'atteindre :
- des effets de surface'"pour l'enfant : l'explication personnalise toujours
plus agrable permettant une mise en confiance ;
- des effets profonds : la bonne explication donne au bon moment si fondamen-
tale dans toute situation d'apprentissage.
Il faut rappeler ici un fait important : il ne suffit pas de disposer d'un
bon systme de rsolution de problmes dans un domaine donn pour avoir un
bon pdagogue dans ce domaine. C'est vrai pour les humains. C'est galement
vrai pour les systmes experts. En particulier, il ne faut pas se contenter
des explications de type trace le plus souvent offertes par les moteurs d'infe-
rences. La question des explications fournir est un problme en elle-mme
qu'il y a lieu de traiter comme tel. On peut l'envisager de la confier un
systme expert secondaire utilisant des connaissances sur l'lve, des connais-
sances au niveau psychologique "oratoire", ..., des connaissances sur le pro-
blme expliquer et infrant "la bonne explication" dans le contexte actuel.

3 - ASPECTS FCNDAMENTAUX :

- "Enseigner" une machine rsoudre des problmes dans un domaine donn

impose une grande matrise des processus de raisonnements et des connaissances
spcifiques ce domaine. Ceci est en particulier vrai au niveau des mta-
connaissances : connaissances sur l'usage que l'on peut faire de ses connais-
sances ; des stratgies avec lesquelles on les utilise. Cette activit relve
fondamentalement des sciences de l'Education et faire travailler des matres
sur de tels systmes peut tre du plus grand intrt mme si jamais ils n'ont
d'installations de ce type dans leur classe. Faire prendre conscience des
matres que l'on peut donner un certain nombre de comptences l'ordinateur,
sans doute le plus bte de tous les lves, peut-tre rassurant beaucoup de
points de vue.
- Les sujets fondamentaux sur lesquels peut porter la rflexion sont :
. l'analyse et la reprsentation des connaissances d'un domaine, en
particulier la manipulation de connaissances dclaratives et les dis-
 50
eussions sur la nature des connaissances, les interactions entre
connaissances dclaratives et procdurales sont intressantes.
. le problme gnral de l'apprentissage : acquisition de connaissances
(apprentissage par coeur), acquisition de mta-connaissances (appren-
tissage des stratgies pour utiliser ses connaissances). A ce niveau,
les diffrents modles d'apprentissages pourraient tre tudis par des
matres. Citons : la gnralisation partir d'exemples, 1'inference
inductive, les changements de reprsentation, la gnration automatique
de rgles, ...
. les diffrentes formes de raisonnements, en particulier les raisonne-
ments naturels. Les raisonnements dductifs bass sur les syllogismes
traditionnels et les liens avec la logique sont concerns mais ne sont
pas les seuls. Citons aussi les raisonnements plausibles, les raison-
nements avec des connaissances incertaines, imprcises, incompltes
(raisonnement par dfaut) et les liens avec les logiques "naturelles"
(logiques non monotones, temporelles, argumentatives)... Le travail
commenc par Polya sur les raisonnements plausibles et l'enseignement
des mathmatiques mrite d'tre gnralis et tendu d'autres domaines,
Indpendamment des aspects fondamentaux sous jacents, il est galement
important de faire apparatre auxmatres, puis aux lves, l'ordinateur
comme une "macine dduire".
. l'histoire de l'I.A. - Celle-ci est en effet pleine de ralisations, de
promesses tenues et non tenues,d'checs. L'analyse des raisons de ces
checs, de l'volution des problmatiques, est pleine d'enseignements
riches.

/ III / - SPECTRE D'USAGE POUR L'EDUCATION DE SYSTEMES RELEVANT DE L'I.A.

1 - USAGE DE SYSTEMES EXPERTS AVEC LES ELEVES DANS LE "CONTEXTE CLASSE".

On touche l l'usage de logiciels d'EAO devenus EIAO pour transmettre
ou vrifier des connaissances dans les diffrentes disciplines d'enseignement.
Les logiciels relevant des processus de simulation (de systmes physiques, chi-
miques, biologiques, conomiques,...) peuvent galement tre concerns.

2 - USAGE DE SYSTEMES EXPERTS "UTILISABLES A DISTANCE", PAR RESEAU TELEMA-

TIQUE -

Cela peut concerner la "formation la maison" (handicaps , enseignants)

Cela peut aussi concerner la formation de professionnels sur leur lieu de tra-
vail. Par exemple, la formation des garagistes au diagnostic et la maintenance
sur un nouveau type de vhicule pourrait tre envisage ainsi. Le vhicule du
client sert de matriel de travaux pratiques guids par un systme expert bas
au sige de la marque du vhicule et interrog par une console place dans
l'atelier.
 51
La formation dcentralise de tout un rseau de garagistes peut devenir
possible. La formation un nouveau modle se traduit pour la firme par la
mise en place dans la base de connaissances des rgles de diagnostic et de main-
tenance propres au nouveau modle.
3 - FORMATION DES MAITRES : Les systmes "intelligents" peuvent concerner
directement la formation des matres. Le systme BUGGY par exemple qui permet
d'entraner des matres faire du diagnostic de comportements errons montre
une voie dans laquelle il y aurait lieu de beaucoup travailler. La qualit de
l'enseignement passera pendant un certain temps encore par la qualit des matresO)
Des systmes amenant des matres une attitude d'coute, d'observations, d'ana-
lyse de comportement, de diagnostic de connaissances ou de raisonnements errons
sont sans aucun doute de grand intrt.

/ IV / - QUELQUES QUESTIONS :

1 - Si nous abordons les problmes de type programmation, quel type de

programmation faut-il aujourd'hui induire chez les matres ? chez les lves ?
Est-ce la programmation dclarative ? la programmation procdurale ? S'il
s'agit de programmation procdurale, doit-on l'aborder avec les langages clas-
siques de l'algorithmique (BASIC, PASCAL...) ou des langages fonctionnels (LISP,
LOGO), ou des langages d'Acteurs, orients objets (SMALL TALK...). Quelle place
faut-il faire LOGO ? Quelle place faut-il faire PROLOG ? Ces problmes sont
plus profonds que les seuls aspects de surface de querelle de langages.

2 - Comment faut-il inflchir les politiques d'quipement des centres de

formation de matre, des coles pour permettre une introduction relle de sys-
tmes intelligents dans les diffrents rouages du processus ducatif. Les sys-
tmes intelligents ncessitent des processeurs rapides, des mmoires et des
supports de stockage importants et rapides. Actuellement, les tablissements
sont quips de trop petites machines. Doit-on s'orienter vers l'interrogation
distance de grosses machines, ces micro-ordinateurs fonctionnant en console ?
Peut-on dfinir le cahier de charge de machines conomiquement raisonnables
pour une large diffusion et capable de supporter des applications relevant de
l'I.A. "en vraie grandeur" pour l'enseignement ?...

CONCLUSION :
Ce texte n'est qu'un survol permettant de conduire une discussion. Les ques-
tions y sont largement ouvertes. Il semble qu'il soit maintenant urgent de
raliser quelques applications relles relevant de ces ides. C'est une condition
ncessaire pour pouvoir approfondir la rflexion.

ANNEXE : Liste des sminaires "I.A. et formation" du C.E.S.T.A./I.N.R.P.

 / ANNEXE / Sminaires C.E.S.T.A. - I.N.R.P.
52
Intelligence Artificielle et Formation

18.12.83 - M. VIVET - A. ROUCHIER

Systmes experts en mathmatiques et Enseignement des Mathmatiques.
13.01.84 - H. WERTZ - P. GREUSSAY
Des environnements intelligents pour la programmation

16.02.84 - J.P. DESCLES

Pour une distinction.entre reprsentation des connaissances et langages
quasi-naturels dans le traitement informatique des langues.

G. SABAH
Une classification des connaissances ncessaires l'interprtation auto-
matique de textes et leurs relations avec diverses mthodes complmen-
taires de comprhension.

20.03.84 - M . BERGMANN
PROLOG.

19.04.84 - A. BARR

Systmes experts : deve loppements actuels et limites.

15.05.84 - H. DREYFUS
Table ronde sur le thme : Apprentissage par analyse contre apprentissage
par intuition.

21.06.84 - J.C. SIMON

Problmes ouverts et conjectures en reconnaissance des formes et intelli-
gence Artificielle.

16.10.84 - J.P. HATON

Intelligence Artificielle et dialogue Oral. Les nouveaux moyens de commu-
nication homme/machine.

26.11.84 - M.S. LAGRANGE - M. RENAUD

Application d'un systme expert l'tude du raisonnement en sciences
humaines. Ses prolongements pdagogiques.

18.12.84 - Y. KODRATOFF
Une approche l'apprentissage symbolique.

24.1.85 - E. MOUANGUE
Apport des systmes Experts l'EAO

G. DAHAN - J. FERBER
Un kit pour la formation l'I.A. sur micro-ordinateur

14.03.85 - A.N. PERRET-CLERMONT

Interaction sociale et processus d'apprentissage

23.04.85 - D. CABROL - C. CACHET - R. CORNELIUS

Prsentation d'un logiciel rsolvant des problmes lmentaires de
chimie.

oOOOoOOOo
 53

LES SYSTEMES-EXPERTS DANS LA FORMATION

D. KERR
ANCO - THE INDUSTRIAL TRAINING AUTHORITY
DUBLIN

CEDEFOP
BERLIN
1987
 54

L'AnCO a fait de gros efforts ces dernires annes pour met-

tre profit l'utilisation de l'informatique dans la forma-
tion. Ces efforts ont commenc en 1981 par un travail de
recherche sur l'utilisation de l'enseignement assist par
ordinateur (EAO), aboutissant la conclusion que l'EAO
tait une mthode de formation trs intressante, car sus-
ceptible de rpondre aux besoins spcifiques de la personne
former, en lui apportant un "feed-back" son rythme, de
manire immdiate et confidentielle. Elle permettait ga-
lement l'organisme de formation d'assurer la cohrence des
entres, un systme de suivi des lves et d'autres aspects
lis la gestion informatique. En fin de compte, l'EAO per-
mettait donc l'AnCO d'offrir une formation plus efficiente
et plus efficace dans certains domaines.

L'AnCO utilise prsent toute une gamme de mthodes d'en-

seignement assist par ordinateur dans ses stages de forma-
tion. Ces mthodes vont de programmes standards du type
information-question-rponse des systmes de vido inter-
active trs sophistiqus, dans lesquels la puissance et la
flexibilit de l'ordinateur se conjuguent l'impact et au
ralisme de la vido pour prsenter un processus de dmons-
tration et d'apprentissage trs raliste. Une liste des pro-
grammes labors ce jour est donne l'annexe 1 de ce
rapport. L'AnCO a dcid qu'en 1991, 30 % de ses programmes
de formation feront appel des mthodes base de technolo-
gies.
 55

C'est dans ce contexte que l'AnCO s'est galement penche

sur l'utilisation des systmes-experts dans la formation. Il
est reconnu que mme les programmes sophistiqus dvelopps
ce jour ne sont pas en mesure d'offrir un programme de
formation totalement personnalis. En gnral, ils ne pren-
nent en compte que de manire limite les connaissances et
styles d'apprentissage de l'lve et sont habituellement
bass sur un modle comportemental assez simple de l'appren-
tissage. De mme, ils ne sont habituellement pas trs bons
dans l'explication de leurs rponses. Les systmes-experts
peuvent potentiellement amliorer l'efficacit des program-
mes d'enseignement assist par ordinateur en palliant ces
dficiences.

Le personnel de l'AnCO est actuellement form aux systmes-

experts, et un certain nombre de noyaux de systmes-experts
ont t achets et essays. Paralllement l'utilisation
des fins de formation, l'AnCO a galement dvelopp l'utili-
sation des systmes-experts dans ses activits administra-
tives. Un systme-expert a ainsi t install au service du
personnel, dans le cadre des procdures de cong de maladie.
Un systme de diagnostic des pannes a galement t mis en
place pour le rseau informatique de l'AnCO, et le travail
se poursuit prsent par le dveloppement d'un systme-
expert "on-line" destin l'optimisation du systme infor-
matique de l'AnCO. Dans le domaine de la formation, quatre
projets sont en cours. Ils sont prsents ci-dessous.
 56

ADAPTATION AUX STYLES D'APPRENTISSAGE

Ce projet a pour but de dterminer les styles d'apprentis-

sage des lves au dbut d'un programme et de concevoir le
programme de manire ce qu'il rponde ces styles. Un
questionnaire standard sur les styles d'apprentissage a t
greff sur un logiciel d'enseignement assist par ordina-
teur, et il est demand aux lves de remplir ce question-
naire. Les rsultats sont alors automatiquement nots, puis
utiliss ("off-line") pour concevoir le programme de forma-
tion.

Ce projet continuera d'tre dvelopp dans les deux annes

venir. Il est prvu de revoir tout d'abord le questionnaire
standard sur les styles d'apprentissage pour le rendre mieux
adapt une utilisation par tous les lves. (Par exemple,
le langage utilis sera rvis.) Le systme rvis de dter-
mination des styles d'apprentissage sera ensuite transform
en un frontal "on-line" systme-expert pour programmes de
formation.

GUIDE DE SPECIFICATION DE PROGRAMMES DE FORMATION

Ce projet consistait notamment dvelopper un systme-

expert relativement simple visant aider les concepteurs de
programmes rdiger les spcifications de programmes de
formation. Le systme a pour but d'augmenter la productivit
des ralisateurs de programmes en faisant en sorte que les
lments essentiels d'un programme bien conu soient int-
grs dans leur travail. Le systme fait appel une srie de
 57

questions auxquelles les concepteurs de programmes doivent

rpondre. Le systme sera mis la disposition de chaque
centre de formation de l'AnCO en vue d'aider les diffrents
formateurs ainsi que les gens engags dans la conception de
programmes au niveau central.

AMELIORATION DE PROGRAMMES DE FORMATION PAR SYSTEMES-EXPERTS

Dans ce projet, il est prvu d'amliorer un programme exis-

tant d'enseignement assist par ordinateur en y incorporant
des lments de systmes-experts. L'objectif n'est pas de
raliser un vritable systme-expert, mais plutt d'amlio-
rer les aspects contrle/test du programme existant. Le pro-
gramme serait ainsi mieux adapt aux besoins spcifiques de
l'lve en ayant un ventail plus large et plus dtaill
d'options de branchement. Ce projet n'a pas encore commenc.
Il est probable que le programme choisi pour cette applica-
tion sera le programme de formation la CNC.

ETUDE DES SYSTEMES-EXPERTS DANS LA FORMATION ET DES FUTURES

APPROCHES POSSIBLES DE L'ANCO

Ce projet est men par M. John Dineen, dans le cadre d'une

bourse de recherche, l'unit de recherche sur les facteurs
humains de l'institut universitaire de Galway. Cette bourse
est finance par l'AnCO dans le cadre de son programme de
bourses de recherche. Les pages suivantes prsentent un
rsum des rsultats enregistrs ce jour par le projet.
 58

PRINCIPALES CONCLUSIONS A CE JOUR

A. ETUDIER L'UTILISATION DES SYSTEMES-EXPERTS DANS LA

FORMATION

L'utilisation de systmes-experts dans le cadre de la forma-

tion est moins vidente que celle de systmes d'enseignement
assist par ordinateur (EAO). Nanmoins, pour dvelopper
avec succs un systme-expert de formation, il convient de
se pencher sur quatre points principaux:

- la connaissance du domaine (concepts et processus),

- la connaissance de la pdagogie (principes pdagogiques),
- la connaissance de l'interaction (conventions de tutorat),
et
- la connaissance du systme-auteur (interface d'entre de
la connaissance).

Connaissance du domaine

Pour construire un tuteur, l'enseignant a besoin de repr-

senter la connaissance des concepts, des rgles et de l'ap-
prentissage dans le domaine considr. Cette connaissance
peut tre classe comme suit:

- la CONNAISSANCE DECLARATIVE comprend les concepts du

domaine considr et leurs interrelations;
- la CONNAISSANCE PROCEDURALE comprend le raisonnement uti-
lis par le systme pour rsoudre des problmes dans le
domaine considr; et
 59

- la CONNAISSANCE HEURISTIQUE dcrit les actions menes par

un expert pour effectuer des mesures ou pour raliser des
transformations dans le domaine considr; la connaissance
heuristique dfinit les oprations ralises pour rsoudre
des problmes dans le domaine considr et les actions
faisant partie de la connaissance acquise par l'expert
dans le cadre de son exprience sur la manire d'apprhen-
der des situations dans le domaine considr.

Connaissance de la pdagogie

La seconde frontire surmonter est la reprsentation de la

connaissance de la pdagogie. Connatre la pdagogie veut
dire que le systme doit savoir comment POSER les bonnes
questions et comment SE CONCENTRER sur le point qui con-
vient. Le systme doit jouer le rle de partenaire, et non
pas de collgue ne faisant preuve d'aucun intrt, d'aucun
engagement, d'aucune coopration. Une communication efficace
exige de regarder au-del des mots utiliss par l'lve et
de dterminer sur quoi le systme et l'lve devraient com-
muniquer. Le modle de l'lve est cet gard un lment
essentiel de la connaissance de la pdagogie. Ce modle con-
tient la connaissance dont dispose le systme sur l'lve,
et il faut qu'elle soit reprsente de faon trs dtaille
et mise jour de manire dynamique tout au long de la ses-
sion de formation.
 60

Le modle de l'lve ne saurait tre un simple sous-ensemble

de la connaissance du domaine; il faut qu'il contienne les
erreurs et ides fausses classiques notes par les ensei-
gnants .

Connaissance de l'interaction

La troisime barrire, et l'une des plus grosses pierres

d'achoppement dans la conception d'un systme efficace, est
le manque de reprsentation adquate des conventions d'in-
teraction. Une voie possible est de proposer un modle d'in-
teraction qui lucide et affine certains principes, par
exemple:

- qualit: s'engager et s'intresser aux connaissances

de l'lve;
faire preuve de soutien et de coopration;
ne pas prendre le rle d'antagoniste;
- quantit: tre spcifique;
utiliser un minimum d'attributs pour dcrire
un concept;
- relation: tre adapt;
trouver un seuil de connaissances de l'lve;
enseigner au niveau du seuil;
- manire: tre matris;
permettre l'lve de choisir de nouveaux
sujets;
permettre au contexte de dterminer un nou-
veau sujet.
 61

Des inferences qualitatives seront donc utilises pour gn-

rer de nouveaux problmes et exemples soumettre l'lve.
Cette dmarche sera utilise pour valuer et ventuellement
rorienter l'interaction. L'objectif doit tre d'utiliser un
raisonnement qualitatif pour amliorer la flexibilit et la
raisonnabilit de l'interaction.

Connaissance du systme-auteur

La quatrime barrire sur laquelle il faut se pencher avant

de construire des systmes intelligents de formation est la
connaissance du systme-auteur, ou, en d'autres termes, la
connaissance des interfaces en langage naturel, et non pas
en langage de programmation, par lesquelles l'enseignant
peut modifier le concept ou les rgles d'un systme. A ce
jour, les progrs vers le dveloppement de systmes-auteurs
intelligents ont t assez lents.

B. EVALUER LA POSSIBILITE DE DEVELOPPER UN NOYAU DE

FORMATION A BASE DE SYSTEME-EXPERT

Un systme de formation intelligent caractre universel ne

saurait tre envisag dans un avenir prvisible, mme si un
noyau de formation spcialis pourrait trs bien tre dispo-
nible dans un an ou un peu plus. Le principal dfi est le
dveloppement d'un 'modle de l'lve' - avec une simulation
des performances idales d'un lve - exig par la mthode
dite du "model tracing" (Reiser, Anderson et Farrell, 1985).
Dans cette mthode, le comportement de l'apprenant humain
rsolvant un problme est compar aux performances du modle
 62

idal. On peut alors en dduire, en fonction des rsultats

de l'lve, des noncs de problmes gnrs par diffrentes
rgles idales. La cration de jeux de rgles de production
simulant les processus de rsolution de problmes par un
lve idal est une tche d'envergure, mais tout fait ra-
l

lisable. Nanmoins, le nombre d'heures de travail ncessaire

la seule ralisation soit d'un systme de formation intel-
ligent, soit d'un noyau de formation, exigerait les services
d'une unit spcialise ayant accs, au strict minimum,
l'expertise voulue dans les domaines de la psychologie, de
la linguistique et de l'informatique. A ce titre, la pour-
suite de cette option n'est pas un objectif viable pour
1'AnCO.

C. ESTIMER LES AVANTAGES POSSIBLES DE LA COMBINAISON D'UN

SYSTEME-AUTEUR ET D'UN NOYAU DE SYSTEME-EXPERT DANS UN
CONTEXTE DE FORMATION

Le modle typique d'EAO a un certain nombre de dfauts

importants en tant que systmes complets de formation; par
exemple, le processus d'valuation des performances des
lves repose uniquement sur l'analyse de leurs rponses
des questions donnes. Cette valuation en fonction des
rponses est trs utile pour diagnostiquer les causes des
problmes des lves et pour en dduire leurs besoins d'ap-
prentissage. Elle ne convient pas, par contre, la mesure
des performances globales des lves face une tche don-
ne, l'valuation des rponses tant en effet limite un
aspect spcifique (et souvent trs minime) de la tche. Elle
ne tient donc pas compte des informations disponibles dans
 63

la mmoire long terme des lves, l'valuation tant en

effet base sur l'analyse de leur rponse immdiate une
question donne. Autrement dit, les systmes d'EAO existants
ont ventuellement des mcanismes de diagnostic, mais n'ont
pas d'lments appropris de mesure ni d'valuation.

Ce qu'il faut, c'est peut-tre combiner les avantages res-

pectifs de l'EAO et des SE dans un "systme-auteur intelli-
gent". Cette filire permettrait l'AnCO de mettre profit
sa propre expertise considrable dans le domaine de l'EAO et
d'acheter l'expertise ncessaire et disponible en IA. Cette
alternative particulire permettrait galement l'AnCO de
poursuivre sa pousse dans le domaine de la formation, sans
abandonner les bnfices possibles d'une vritable perce
dans l'enseignement intelligent assist par ordinateur
(EIAO).

Une premire solution sera peut-tre prsente sous la forme

d'une combinaison d'un noyau de systme-expert et d'un pro-
giciel-auteur - cette partie du projet tant prvue pour
l'anne qui vient.
 64

BIBLIOGRAPHIE CHOISIE

1. HARMON, P. et D. KING (1985), EXPERT SYSTEMS: Artificial

Intelligence in Business. WILEY AND SONS.

2. TEITELMAN, W. et L. MASINTER (1981), THE INTERLISP PRO-

GRAMMING ENVIRONMENT, COMPUTER 14, N 4: 25-33.

3. SHORTLIFFE, E.H. (1976), COMPUTER-BASED MEDICAL CONSUL-

TATION: MYCIN NEW YORK, AMERICAN ELSEVIER.

4. DUDA, R.O. et J.G. GASCHING (1981), "Knowledge-Based

Expert Systems Coming of Age." BYTE 6, N 9: 238-281.

5. ERMAN, L.D., P.E. LONDON et S.F. FICKAS (1981), "The

Design and an Example Use of HEARSAY-III. " IJCAI 7: 409-
415.

6. McDERMOTT, D. et J. DOYLE (1980), "Non-Monotonic Logic,

I." ARTIFICIAL INTELLIGENCE, 13: 41-72.

7. BROWN, J.S., R.R. BURTON et A.G. BELL (1974), SOPHIE: A

Sophisticated Instructional Environment for Teaching
Electronic Troubleshooting. BBN REPORT 2790, BOLT
BERANEK AND NEWMAN, CAMBRIDGE, MAS.
 65

8. BROWN, J.S. et R.R. BURTON (1975), "Multiple Representa-

tions of Knowledge for Tutorial Reasoning." Dans D.G.
BOBROW et A. COLLINS (EDS.) REPRESENTATION AND UNDER-
STANDING: Studies In Cognitive Science. NEW YORK ACADE-
MIC PRESS: 811-349.

9. CLANCEY, W.J. (1979), "Tutoring Rules for Guiding a Case

Method Dialogue." IJM-MS 11: 25-49.

10. CLANCEY, W.J., E.H. SHORTLIFFE et E.G. BUCHANAN (1979),

"Intelligent Computer-Aided Instruction for Medical
Diagnosis." Dans PROCEEDINGS OF THE THIRD ANNUAL SYMPO-
SIUM ON COMPUTER APPLICATIONS IN MEDICAL CARE: 175-183.

11. SLEEMAN, D. et J.S. BROWN (1982), INTELLIGENT TUTORING

SYSTEMS. NEW YORK ACADEMIC PRESS.

12. REISER, B.J., J.R. ANDERSON et R.G. FARRELL (1985),

"Dynamic student modelling in an intelligent tutor for
LISP programming", PROCEEDINGS OF THE INTERNATIONAL
JOINT CONFERENCE ON ARTIFICIAL INTELLIGENCE (pp. 8-14),
L. A . , CA.
 66

ANNEXE 1 PROGRAMMES DE FORMATION ASSISTEE PAR ORDINATEUR

ET A VIDEO INTERACTIVE DE L'ANCO

Titre des stages

1. Finances pour cadres non financiers

2. Calcul des prix de revient
3. Robotique
4. Soudage
5. Rdaction de rapports
6. Micromtre mtrique
7. Apprendre apprendre
8. Dpannage des circuits hydrauliques
9. Circuits rsistances
10. Bases et applications des circuits courant alternatif
11. Recettes et dpenses (srie d'initiation financire)
12. Rsoudre les problmes et prendre des dcisions
 67

L'INTELLIGENCE ARTIFICIELLE
ET SES APPLICATIONS A LA FORMATION

DR J. GILLINGHAM
MANPOWER SERVICES COMMISSION
SHEFIELD

CEDEFOP
BERLIN 1987
 68

QU'EST-CE QUE L'INTELLIGENCE ARTIFICIELLE (IA)?

1. Il y a autant de dfinitions de l'intelligence artifi-

cielle qu'il y a de chercheurs en IA!
I

"L'intelligence artificielle est la science consistant

faire faire des machines des choses qui exigeraient de
l'intelligence si elles taient faites par un humain",
selon Marvin Minsky (1).

2. Cette tentative de dfinition quelque peu rotatoire donne

une ide de la difficult de parvenir une dfinition
universellement accepte. Mais ce qui nous intresse, ce
sont les applications de l'IA, et non pas la recherche en
IA. C'est pourquoi, John Self, de l'universit de Lancas-
ter, nous donne peut-tre une meilleure indication quand
il dit:

"Utiliser des produits d'IA, ce n'est pas de l'IA, c'est

du gnie logiciel: c'est utiliser des techniques connues
pour trouver des solutions rentables des problmes bien
dfinis... L'IA est la partie de l'informatique qui s'at-
taque des problmes qui ne sont pas bien dfinis." (2)

(1) Marvin Minsky, MIT

(2) John Self, Universit de Lancaster, 1986

 69

CONTEXTE

3. En 1985 et 1986, ceux qui, la Manpower Services Com-

mission (MSC), s'intressaient aux nouvelles technologies
de formation en.sont arrivs la conclusion que, dans ce
domaine, les dveloppements vritablement de pointe
devaient passer par l'application de techniques d'IA,
titre d'extension des technologies existantes.

4. Un certain nombre de projets ont alors t crs, bass

pour la plupart sur l'application des systmes-experts
la formation gnrale et professionnelle, tels que:

a) un systme-expert en rdaction de rapports;

b) en systme-expert en dpannage et une comparaison avec
les mthodes de formation existantes;
c) un systme-expert destin former du personnel d'en-
cadrement et de direction la gestion des stocks;
d) un systme-expert en fiscalit pour dirigeants de PME.

5. La MSC a galement cr un didacticiel d'initiation

l'utilisation des systmes-experts dans le cadre de la
formation post-scolaire. Un centre spcial a d'autre part
t cr pour assurer une formation aux systmes-experts,
avec la participation de formateurs de l'industrie ayant
des besoins de formation compatibles avec une approche du
type systme-expert.
 70

6. Un projet trs ambitieux a t lanc en vue de tenter de

mettre au point un systme gnral d'analyse des besoins
de formation. Ce projet a abouti la proposition d'un
modle d'un tel systme, le produit obtenu tant un pro
totype d'aide .la conception de sessions de formation.

7. A la suite de ces diffrentes initiatives, la MSC a dci

d en avril 1986 de lancer un programme intitul "Les
applications de l'IA la formation", dont la ralisation
devait avoir lieu d'avril 1987 mars 1990 et qui tait
dot d'un budget total de 3,2 millions de livres. Les
principaux objectifs taient les suivants:

a) tudier les possibilits d'utilisation de techniques

d'IA pour le dveloppement de mthodes de formation
plus efficaces;
b) acclrer les applications appropries de techniques
d'IA dans le domaine de la formation;
c) encourager l'industrie britannique devenir plus com
ptente et plus comptitive en montrant et en dmon
trant qu'elle dispose de moyens de formation plus ren
tables .

1 e r e PHASE APPLICATIONS DE L'INTELLIGENCE ARTIFICIELLE AU

PROGRAMME DE FORMATION - A PARTIR D'AVRIL 1987

8. Aprs avoir pris l'avis d'un groupe de travail externe,

il a t dcid que la premire phase du programme com
porterait 3 lments:
 71

a) Evaluation
2 projets parallles, appels fonctionner pendant
les trois annes du programme, de 1987/88 1989/90,
assureront l'valuation externe de l'impact du pro-
gramme dans son.ensemble. Les valuations concerneront
la fois la formation et les acquis plus gnraux et
seront surtout axes sur 1 'impact dans le secteur de
la formation post-scolaire et de l'enseignement sup-
rieur, d'une part, et dans le secteur industriel et/ou
commercial, d'autre part.

b) Projets d'enqute
La MSC a lanc un appel d'offres pour les enqutes
suivantes :
1) Cartographie des outils d'IA.
2) Cartographie des didacticiels intelligents.
3) Analyse de l'inventaire des qualifications et/ou
besoins de formation des personnes-cls suscepti-
bles de permettre, d'influencer ou de faciliter les
applications de l'IA la formation.
Les projets d'enqute ont remis leur rapport fin aot
1 987 et ont aid la MSC dfinir les critres de la
eme
2 phase du programme. Les enseignements et recom-
mandations seront abords un peu plus loin dans cette
prsentation.
c) Projets de dmonstration
3 projets ont t retenus parmi les offres reues,
reprsentant un montant total de plus de 6 millions de
livres. Ces projets concernaient les besoins de forma-
 72

tion dans les industries de transformation, les PME et

le secteur de la formation postscolaire. Tous les
projets proposs devaient rpondre aux critres gn
raux suivants:
1) tre axs sur un besoin de formation bien identifi

et spcifique;
2) constituer un dveloppement significatif des nou
velles technologies en matire de formation;
3) s'avrer tre une mthode rentable pour rpondre au
besoin identifi ou apporter la preuve qu'une tech
nologie particulire est une solution rentable;
4) permettre une gnralisation des rsultats, qu'il
s'agisse d'un processus ou d'un produit, d'autres
industries ou secteurs;
5) tre praticables et ralisables dans le cadre des
ressources disponibles et, en particulier, donner
des rsultats spcifiques 1 an au plus tard aprs
le dbut du projet.

Les projets retenus, qui doivent s'achever en mars 1988,

ont t les suivants:

1 ) Un systmeexpert sur les procdures de rclamation de

clients, destin tre utilis par des tudiants en
stage et par des PME locales. (Granville College)
2) EAO et simulation en liaison avec un systmeexpert,
en vue de former du personnel de conduite et de main
tenance d'une installation industrielle. Le didacti
ciel permettra au personnel d'accrotre ses qualifica
tions pour rpondre aux changements lis l'automati
 73

sation d'oprations manuelles dans son environnement

de travail. (Redifussion and Tate and Lyle)
3) Un didacticiel systme-expert d'aide la gestion
prvisionnelle. Ce didacticiel utilisera le concept
d'"audit position" de l'entreprise pour aider le chef
d'entreprise identifier les facteurs critiques de
succs et leurs interrelations. (NCC and Durham Uni-
versity Business School)

2 eme p H A S E D u PR0 GRAMME

9. Le dbut de la deuxime phase du programme est prvu pour

dcembre 1987. L'appel d'offres sera lanc en septembre
1987, une fois que les critres auront t dfinis. Les
projets seront ensuite slectionns et dmarreront en
j anvier 1988.

10. Les critres de slection des projets de la deuxime

phase n'ont pas encore t arrts au moment de la pr-
paration de ce document, les enseignements et recomman-
dations des projets d'enqute venant juste d'tre reus.
Pour donner nanmoins une ide de la direction dans
laquelle devrait s'orienter le programme, nous esquisse-
rons ci-dessous les enseignements et recommandations les
plus significatifs.

LES PROJETS D'ENQUETE

Parmi les principaux enseignements et conclusions des pro-

jets d'enqute, figurent notamment les suivants:
 74

1 1 . OUTILS

a) Il n'est probablement pas judicieux pour la MSC de

participer au financement direct du dveloppement
d'outils. La MSC assure cependant jusqu'ici la promo-
tion de l'utilisation et de la sensibilisation aux
systmes-experts. Des efforts devront tre faits
l'avenir pour encourager l'application plus large de
techniques d'IA, en considrant 3 options:

1) La filire IA
Mme s'il n'est pas possible d'envisager, proba-
blement avant au moins 10 ans, un systme de tuto-
rat intelligent d'application gnrale, il fau-
drait qu'il soit possible de poser des jalons
allant dans cette direction et de dcider quel est
le meilleur moyen d'y parvenir. Peut-tre sera-t-
il possible de trouver des projets pratiques per-
mettant d'utiliser comme bancs d'essai des probl-
mes se posant dans la vie relle d'organisations.
Un outil d'environnement de formation ractif est
galement possible court terme.

2) La filire EAO
Un langage-auteur perfectionn pourrait tre sur
le march dans 1 an. Des projets, qu'il convien-
drait de financer, pourraient faire en sorte que
le produit soit prototyp sur la base de problmes
de la vie relle.
 75

3) La filire systme-expert
Un noyau de formation spcialis devrait tre sur
le march dans douze mois. La MSC devrait veiller
intgrer son lancement dans sa campagne de sen-
sibilisation.
I

b) Il convient de poursuivre la collaboration entre uti-

lisateurs et chercheurs. Il est essentiel pour la MSC
de souligner l'intrt de projets de collaboration.
La MSC pourrait galement coordonner la constitution
d'un fichier de gens la recherche de partenaires
pour dvelopper des projets.

12. DIDACTICIELS

a) Ce qu'il faut en priorit, ce sont des exemples pra-

tiques de matriel pdagogique utilisant des techni-
ques d'IA. C'est le moyen le plus rapide de dmysti-
fier cette approche et de prouver son utilit.
b) Les projets devraient tre bass sur des problmes.
c) Ils devraient couvrir un large ventail de qualifica-
tions .
d) Ils devraient englober toute une gamme de diffrents
types de systmes intelligents - avec des arguments
quant aux mrites de chaque systme par rapport aux
autres.
e) Les projets devraient tre lis d'autres technolo-
gies de formation, telles que vido interactive, EAO,
simulation, etc.
 76

f) Les projets devraient tre dvelopps en commun par

des partenaires industriels et acadmiques, afin de
surmonter les diffrences en matire de perception
ainsi que dans la recherche et la mise en oeuvre.

13. EXIGENCES EN MATIERE DE FORMATION ET D'INFORMATION

La MSC devrait:

a) lancer une campagne visant rehausser le niveau

gnral de sensibilisation l'IA dans le domaine de
la formation et comprenant un processus de dmystifi-
cation, des dmonstrations des possibilits d'utili-
sation des techniques de l'IA, ainsi qu'une valua-
tion des potentialits;
b) commander la mise au point d'un didacticiel d'initia-
tion s'adressant 3 niveaux - dcideurs, ralisa-
teurs et dveloppeurs - faisant ventuellement office
d'orienteur intelligent;
c) commander une vidocassette ou un vidodisque sur
l'IA dans la formation;
d) financer un centre national de ressources pour une
priode limite, afin de coordonner les initiatives
de sensibilisation et de formation et de "vendre"
activement le concept d'IA;
e) dresser un tableau des qualifications exiges des
gens a. former et commander des stages de reconversion
pour dispenser aux formateurs les qualifications
ncessaires l'utilisation de techniques d'IA dans
leurs sessions de formation.
 77

CONCLUSION

14. Ce document est destin vous montrer comment la MSC

s'est engage dans l'application de l'intelligence arti-
ficielle la. formation, quelles ont t les leons
qu'elle a pu tirer jusqu' present et dans quelle voie
elle compte s'orienter l'avenir.

15. Cette initiative est une initiative passionnante, avec,

potentiellement, des avantages normes pour tous ceux
appels apprendre dans l'ducation et l'industrie. Le
dfi auquel est confront notre programme est cependant
de procder par tapes pratiques relativement modestes,
qui soient rentables pour le Royaume-Uni, sans perdre de
vue la vision plus lointaine, lorsque les produits de la
recherche en IA seront mis la disposition de tous et
pourront tre appliqus tout l'ventail de l'appren-
tissage humain.

TRAINING TECHNOLOGY SECTION

MANPOWER SERVICES COMMISSION

Aot 1987
 78

L'INTELLIGENCE ARTIFICIELLE
ET SES APPLICATIONS A
LA FORMATION PROFESSIONNELLE

MODELISATION D'UN TUTEUR AUTOMATIQUE

PAR PLANIFICATION DYNAMIQUE

TUTEUR AUTOMATIQUE INTEGRE DANS UN SYSTEME INTELLIGENT

D'ENSEIGNEMENT ASSISTE PAR ORDINATEUR

ISABEL FERNANDEZ DE CASTRO,

ARANTZA DIAZ DE IIARRAZA SANCHEZ
FACULTAD DE INFORMATICA DE SAN SEBASTIAN
U.P.V.

ET

FELISA VERDEJO MALLO

FACULTAD DE INFORMATICA DE BARCELONA
U.P.C.

CEDEFOP
BERLIN
1987
 79

Modlisation d'un tuteur automatique

par planification dynamique

Isabel Fernandez de Castro,

Arantza Diaz de Ilarraza Sanchez,
Facultad de Informatica de San Sebastian, U.P.V.
Ap 649, 20080 San Sebastian, Espagne
Tl. (34)(43)218000
Felisa Verdejo Mallo,
Facultad de Informatica de Barcelona, U.P.C.
Pau Gargallo 5, 08028 Barcelona, Espagne
Tl. (34) (3)3338308

Mots-cls: modlisation cognitive, EAO

Resume

Nous dcrivons un tuteur automatique intgr dans un systme

d'EAO destin l'enseignement de la programmation un
niveau lmentaire.
Ce tuteur assure un enseignement adapt l'lve, combinant
des explications et une vrification des acquis. Des exer-
cices sont notamment proposs, tenant compte de leur degr
de difficult et des rsultats prcdents de l'lve. Une
interface de dialogue facilite la communication en langage
naturel.
 80

L'enseignement est considr comme un processus de transfert

d'un mlange de connaissances schmatiques et heuristiques
suivant un style socratique.
Diffrents aspects de la mission du tuteur sont subdiviss
en modules spcialiss. Le comportement est modlis sous la
forme d'un processus de coopration entre diverses sources
de connaissances, en vue d'atteindre un objectif de forma-
tion. Le schma de reprsentation est le mme pour tous les
modules. Les modules sont formaliss sous forme de base de
connaissances de plans et de rgles. Un plan se compose d'un
ensemble d'actions et d'objectifs.
Les stratgies d'enseignement sont indpendantes du sujet
trait. La structure de gestion s'exprime de manire dcla-
rative au moyen de plans et de rgles de rsolution de con-
flits.
Une description dtaille du tuteur est prsente, et un
exemple technique dvelopp.
 81

1. INTRODUCTION

1.1 Description du systme

Le prsent travail fait partie d'un projet plus important

(projet CAPRA [Gari jo et al. 84]) dont l'objectif est de
construire un systme intelligent d'enseignement de la pro-
grammation ( un niveau lmentaire).

Le systme se compose d'un tuteur, d'un systme-expert char-

g de gnrer des programmes, d'une interface de dialogue en
langage naturel et d'un modle de l'lve.

Le module EXPERT construit un programme permettant de rsou-

dre un problme, suivant une mthodologie de programmation.
Il est capable d'expliquer pas pas le mode de raisonnement
adopt, en indiquant les connaissances utilises chaque
prise d'une dcision.

Le TUTEUR guide et gre le processus interactif d'apprentis-

sage au moyen du module de DIALOGUE.
L'accent est mis sur les aspects mthodologiques. Le proces-
sus d'enseignement se droule en diffrentes tapes. L'lve
apprend tout d'abord concevoir un algorithme partir de
l'nonc d'un problme (en utilisant une notation algorith-
mique abstraite), puis obtenir un programme partir de
1'algorithme.
La premire tape d'apprentissage est organise en deux
phases: 1) comprendre un problme (en spcifiant les donnes
 82

et les objectifs) et 2) construire un algorithme par affi-

nage progressif.
L'ide d'utiliser un schma ou un plan pour raisonner sur la
construction d'un programme a t mise en exergue par un
certain nombre de rcents travaux de recherche sur la mtho-
dologie de la programmation [Lucas et al. 83] et sur l'in-
telligence artificielle [Soloway 86] et [Waters et al. 82].
Notre travail [Garijo et al. 86] suit cette approche. L'en-
seignement devient un processus de transfert d'un mlange de
connaissances schmatiques et heuristiques, o l'expertise
s'acquiert en toffant la fois les plans et les rgles
permettant de les choisir et de les combiner.

Comprendre la structure et la fonction d'un nouvel lment

de connaissance est un point fondamental pour pouvoir faire
le lien avec les lments prcdents. La mtaconnaissance
joue donc un rle important dans le processus d'apprentis-
sage.

Notre tuteur adopte un style socratique, combinant explica-

tions et contrle des connaissances. L'enseignement est
adapt chaque lve. Des exercices sont notamment propo-
ss, en tenant compte de leur degr de difficult et des
acquis de l'lve.
 83

1.2 Base de connaissances

Les connaissances utilises par les diffrents composants du

systme sont contenues dans une base structure (fig. 1 ) .
Les parties les plus importantes sont les suivantes:

- Connaissances pdagogiques:
. gnrales: plans pdagogiques de mise en oeuvre des
stratgies d'enseignement
. sur le domaine: structuration pdagogique des concepts
enseigner
. sur l'lve: modle de l'lve contenant les inferences
sur l'historique de son apprentissage et sur son style
de communication

- Connaissances du domaine:
. description des concepts du domaine
. ensemble de problmes pour chaque concept
. rgles de conception et de programmation
. classification des incomprhensions

- Connaissances du langage naturel

. rgles syntaxiques/smantiques
. historique du dialogue
. modles de locuteurs

Le point 2 aborde un certain nombre de questions lies la

conception d'un tuteur et indique les motivations de notre
approche. Les composants et la structure de gestion sont
 84

dcrits au point 3. Un exemple technique est d velopp au

point 4. Un rsum est prsent en conclusion.

Systme
expert

Base de
connaissances

Module de
dialogue Tuteur

Figure 1
 85

2. CONCEPTION D'UN TUTEUR INTELLIGENT

2.1 Introduction

Un certain nombre de questions importantes concernant la

conception de tuteurs intelligents ont t souleves par de
rcents travaux de recherche sur la nature de l'explication.

L'ide de construire un tuteur se superposant un systme-

expert a t explore par GUIDON [Clancey 83], les auteurs
analysant [Clancey 81b] les limitations de cette approche.
L'expertise compile (p.ex. sous forme de rgles de Mycin)
se prte bien la rsolution de problmes, mais le manque
de connaissances structurales et causales explicites la rend
inadapte la formation.
Les graphes gntiques [Goldstein 82] offrent un ensemble de
relations volutionnaires permettant d'organiser les con-
naissances d'un point de vue pdagogique. La gnralisation,
l'analogie, l'affinage... sont des exemples de liens permet-
tant d'tablir un rapport entre des lments de connais-
sance, fournissant des chemins de progression permettant
d'introduire de nouveaux concepts.

Ces deux expriences ajoutent un niveau de mtaconnaissance

pour expliquer le raisonnement du systme. Notre approche du
problme est du mme type. Un niveau spar est introduit
pour dcrire le domaine en question d'un point de vue pda-
gogique. Une hirarchie d'exigences et de degrs de diffi-
cult est en particulier associe chaque lment de con-
 86

naissance. La slection des sujets par le tuteur s'opre en

utilisant cette information.

La modlisation de la gestion est un autre facteur important

prendre en considration dans la conception d'un tuteur
intelligent. La question est de savoir comment gnrer un
comportement observable dans un tutorat humain rel. Meno
[Woolf 84] propose un formalisme combinant un rseau de
transitions (destin structurer les squences d'tats de
tutorat) et des mtargles permettant de faire sortir le
tuteur des chemins d'erreurs. Les tats sont classs en
trois niveaux, suivant leur fonctionnalit: pdagogique,
stratgique et tactique. Chaque niveau affine le prcdent.
Les expressions sont finalement produites au niveau tac-
tique.
L'existence de mtargles suggre un structure de gestion
flexible; les modifications de la conception exigent toute-
fois une reconfiguration du rseau.

Notre approche prsente un cadre bas sur la planification

dynamique. Diffrents aspects de la tche de tutorat sont
subdivides en composants spcialiss. Le comportement est
modlis sous forme d'un processus de coopration entre
diverses sources de connaissances, en vue d'atteindre un
objectif. Comme chez Meno, les stratgies d'enseignement
sont indpendantes des connaissances du domaine, la struc-
ture de gestion s'exprimant en outre de manire dclarative,
au moyen de plans et de rgles de rsolution des conflits.
 87

2.2 Mthodologie de recherche

L'observation de l'enseignement humain est une activit fon-

damentale pour pouvoir construire un tuteur automatique.
Nous avons par consquent prpar et ralis plusieurs exp-
riences faisant appel diffrents tuteurs humains. Les dia-
logues qui en ont rsult ont t enregistrs.

Une premire tude de ces observations nous a amens la

caractrisation de diffrents styles d'enseignement. Dans le
mme temps, la matire mme du sujet a t systmatise, et
des exercices ont t collects et classs.
Une seconde exprience a t ralise en 84 et 85. Un cours
d'introduction la programmation (14 heures) a t propos
des dbutants. Tuteurs et lves communiquaient par termi-
nal. 77 sessions (128 heures) ont t tudies au total.

L'analyse de ces comptes rendus nous a permis d'obtenir:

1) Une caractrisation superficielle des erreurs

2) Une premire proposition de modle de l'lve
3) Une formalisation de la description pdagogique de la
matire mme du sujet
4) Une conception de la partie tuteur.

Dans ce rapport, nous nous concentrerons sur la partie

tuteur, en dcrivant la structure de ses connaissances et
l'organisation de sa gestion.
 88

2.3 Justification de la conception

La modularit, la flexibilit et l'indpendance vis--vis du

domaine abord ont t considres comme d'importants cri-
tres d'orientation de la modlisation du tuteur.
Le travail d'analyse des comptes rendus nous a suggr une
classification des activits de formation, conduisant la
dfinition d'un certain nombre de modules correspondant cha-
cun un type donn de tche.

Au plus haut niveau d'abstraction, nous considrons la

"dcision pdagogique", o est dfinie une approche gnrale
de l'enseignement. Trois types d'actions sont notamment pris
en considration:

1) Indication d'un objectif pdagogique pour une situation

donne
2) Choix d'une combinaison de stratgies permettent d'at-
teindre l'objectif slectionn
3) Mise en oeuvre des stratgies dfinies.

L'affinage d'un objectif pdagogique quant la matire mme

du sujet est assur par le module de "dcision thmatique".
L'explication et la gestion de l'acquisition sont les prin-
cipales tches du "module d'enseignement". La communication
est gre par l'intermdiaire du "module de dialogue".
Le "superviseur" est ax sur la rsolution des conflits
entre les objectifs du tuteur et ceux de l'lve, en signa-
lant au module de "dcision pdagogique" si des changements
de stratgie s'imposent.
 89

La gestion est partage entre les diffrents modules, sui-

vant une architecture du type tableau noir. Chaque module
englobe une source de connaissances permettant de rsoudre
un type d'objectif. Le schma de reprsentation des connais-
sances est le mme pour toutes les sources. Les modules sont
modliss sous forme d'une base de connaissances de plans et
de rgles. Un plan se compose d'un ensemble d'actions et
d'objectifs.

Une description dtaille du tuteur est donne ci-dessous.

Les indications donnes entre paranthses dans les exemples
renvoient aux comptes rendus prsents en fin de rapport.
 90

3. DESCRIPTION DU TUTEUR

3.1 Module de dcision pdagogique

Diffrentes stratgies (obtenues partir de l'tude d'exp-

riences d'enseignement) ont t classes en stratgies gn-
rales et stratgies locales. Les premires comprennent par
exemple les stratgies suivantes: initiation de l'lve
l'utilisation du systme, bref rappel, rvision des points
conflictuels, introduction de nouveaux concepts, achvement
d'une session, etc. Parmi les secondes figurent notamment
les stratgies suivantes: contrle d'un concept, rsolution
d'un doute concernant l'nonc d'un problme et prsentation
d'un exemple.

Une session peut tre considre comme le rsultat de l'ap-

plication d'un ensemble de stratgies. Un exemple typique
consisterait par exemple en "une rvision gnrale, une
introduction de nouveaux concepts, une rvision de points
conflictuels et une nouvelle introduction de nouveaux con-
cepts" ou "une brve rvision de la session prcdente et
une introduction de nouveaux concepts".
Un objectif (OB) est associ diffrents plans. Suivant la
stratgie, un plan particulier est slectionn pour attein-
dre l'objectif considr. Un plan s'exprime par une combi-
naison d'objectifs et d'actions. Les actions peuvent tre de
deux types: actions lmentaires (AE) et actions initia-
trices (AI). Les premires peuvent tre dcrites sous forme
dclarative (par des rgles) ou procdurale. Les secondes
fixent des objectifs qui seront rsolus d'autres niveaux.
 91

La base de connaissances du module de dcision pdagogique

se compose donc des lments suivants: a) une description
structure des objectifs pdagogiques, des stratgies pda-
gogiques et des plans associs, b) un ensemble de rgles de
dtermination d'un, objectif pdagogique et de slection de
stratgies, et c) un ensemble de rgles choisir pour ra-
liser un objectif avec une stratgie donne.

Au dpart, on a l'objectif (P-0B1): "dcider d'une ligne

directrice de la session et l'appliquer". Cet objectif peut
se raliser l'aide de deux plans. Le premier (plan 1) est
indiqu ci-dessous:

Plan 1: (P-0B3) dcider de la squence de stratgies d'en-

seignement
(P-0B2) appliquer les stratgies d'enseignement
(P-0B1) dcider d'une ligne directrice de la session
et l'appliquer

Une squence de stratgies est slectionne sous forme de

paramtres, par exemple l'intervalle de temps entre les ses-
sions et diffrentes informations sur l'lve. L'objectif
(P-0B2) "appliquer les stratgies d'enseignement" est rsolu
par des plans, dont l'excution conduit, quelque temps plus
tard, 1'activation de l'objectif (P-0B5) "commencer la
session". La rsolution peut s'oprer par diffrents plans:
 92

Plan 5: (P-AI1) slection (concept initial C, explication

dtaille ED)
(P-AI2) introduction d'un concept C avec explication
dtaille ED

Plan 6: (P-AI1) slection (concept rviser C, explication

dtaille ED)
(P-AI3) rappel du concept C avec explication dtail-
le ED
(P-037) dcision de contrle du concept C

Plan 7: (P-AI1) slection (liste de concepts LC)

(P-AI3) rappel de la liste de concepts LC
(P-0B7) dcision de contrle de la liste de concepts
LC

Les rgles de slection des plans partent de l'objectif

momentan, du stade d'avencement de la session et de la
stratgie dfinie. Leur forme gnrale est la suivante:

Si description de l'objectif et
description de la stratgie et
stade de la session
alors appliquer le plan X.

L'une des rgles pour l'exemple ci-dessus est la suivante:

Si l'objectif est "dbut de la session" et

la stratgie est "rvision gnrale"
alors appliquer le plan 7.
 93

Le plan 7 se compose de l'action initiatrice (P-AI1) "slec-

tion de la liste de concepts" (objectif du module de dci-
sion thmatique), de l'action (P-AI3) "rappel de la liste de
concepts" (objectif du module d'enseignement) et, enfin, de
l'objectif pdagogique (P-0B7), pour dcider si un contrle
est ncessaire ou pas.

3.2 Module de dcision thmatique

Une fois que le module de dcision pdagogique a dtermin

le plan associ une stratgie, il convient de l'affiner au
niveau du domaine conceptuel. Le module de dcision thma-
tique s'en charge pour l'enseignement du sujet considr. Il
choisit les concepts spcifiques enseigner ou revoir, ou
les problmes proposer l'lve pour lui permettre d'ap-
prendre un concept particulier.

Comme il a t indiqu en introduction, il est prvu un

systme-expert dont la base de connaissances comprend tous
les concepts du programme, avec leurs caractristiques. Ces
informations n'tant pas suffisantes pour assurer l'ensei-
gnement, il a fallu introduire une hirarchie pdagogique
organisant les concepts en niveaux, en fonction de leur
degr de difficult, des connaissances pralables nces-
saires, etc.
 94

3.3 Module d'enseignement

La structure du module d'enseignement est analogue celle

du module de dcision pdagogique, en ce sens qu'on retrouve
des objectifs d'enseignement rsolus par des plans composs
d'objectifs et/ou d'actions. Dans ce module, aucune strat-
gie n'est dfinie, puisqu'elle l'a dj t prcdemment
dans le module de dcision pdagogique.

Par exemple, l'objectif (T-0B1) "L'lve a acquis le concept

X" est associ aux plans suivants:

Plan 1: (T-0B2) l'lve a acquis les connaissances prala-

bles au concept X
(T-0B1) l'lve a acquis le concept X

Plan 2: (T-0B3) enseignement du concept X

(T-0B4) l'lve sait utiliser le concept X avec un
degr d'assurance Y

Plan 3: (T-0B5) l'lve a acquis les sous-concepts du con-

cept X

Plan 4: (T-0B3) enseignement du concept X

(T-0B5) l'lve a acquis les sous-concepts du con-
cept X

L'association de plans aux objectifs est assure par des

rgles conformes au schma gnral suivant:
 95

Si description de l'objectif et
liste des conditions des concepts et
stade de la session
alors appliquer le plan X

Pour l'objectif prcdent, l'une des rgles est alors:

Si l'objectif est "l'lve a acquis le concept X" et

((il n'y a pas de conditions pralables X)) ou
(l'lve connat les conditions pralables X)) et
X est un noeud actif et
X n'a pas de sous-concepts
alors appliquer le plan 2.

Comme on peut le voir, ces rgles utilisent des connais-

sances appartenant au niveau enseignement et galement la
base de connaissances globale (hirarchie des concepts et
modle de l'lve).

La figure 2 montre la relation qui existe entre le module

d'enseignement et le module de dcision pdagogique.

L'excution d'un plan du module d'enseignement fait appel

la slection de textes d'explication et de problmes de
vrification. Les interactions de l'lve doivent en outre
tre gres.
La recherche des textes et problmes est assure par le
module de recherche de textes et de problmes.
 96

Dcision
pdagogique

Dcision Module
thmatique d'enseignement

/Module deA
\dialogue/

Figure 2

Les actions initiatrices, dont l'effet est de maintenir

l'interaction avec l'lve, activent des objectifs du module
superviseur. Des actions de ce type figurent dans l'exemple
suivant, o le plan 6 a t associ l'objectif (T-0B4)
"l'lve sait utiliser le concept X avec un degr d'assu-
rance Y".

Plan 6: (T-0B6) soumettre un message de vrification (PRO-

BLEME , CONCEPT)
(T-AE2) REPONSE ATTENDUE = (solution du problme,
doute sur l'nonc du problme, doute sur la
solution)
(T-AI2) corriger la rponse de l'lve
(T-0B8) actualiser le modle de l'lve
(T-0B4) l'lve sait utiliser le concept X avec un
degr d'assurance Y.
 97

L'objectif (T-0B6) "soumettre un message de vrification

(PROBLEME, CONCEPT)" est rsolu au moyen d'un plan impli-
quant la recherche et la soumission du problme appropri
l'lve par l'intermdiaire du module de dialogue. L'action
initiatrice (T-AI2) "corriger la rponse de l'lve" fait
appel au module superviseur et sera discute brivement ci-
dessous .

3.4 Module de dialogue

Le module d'interaction homme-machine assure deux types de

tches :

- envoi de messages du tuteur l'lve

- comprhension des rponses de l'lve exprimes en langage
naturel (espagnol) et transmission au tuteur

Les dcisions intressant la gestion du dialogue, telles que

"concentration sur un sujet" ou "explication dtaille",
sont prises par le tuteur avant 1'activation du module de
dialogue.
Rciproquement, l'interprtation des rponses de l'lve est
une tche assure par le module de dialogue, qui inclut ga-
lement la reconnaissance des intentions de l'lve. Il a t
opr une catgorisation des objectifs, parmi lesquels figu-
rent par exemple: "question sur un exercice propos", "ex-
plication plus dtaille d'un concept", "rponse valuable",
"confirmation de la solution propose", etc.
 98

3.5 Superviseur

Le module superviseur dtecte et rsout les conflits appa-

raissant entre la stratgie suivie par le tuteur et les
objectifs de l'lve.

Pour ce faire, le superviseur compare les objectifs du

tuteur (momentans ou en attente) ceux de l'lve (fixs
par le module de dialogue). Les conflits se rsolvent en
incluant des stratgies locales ou en respcifiant les stra-
tgies gnrales. Dans tous les cas, l'application d'une
stratgie est une tche incombant au module de dcision
pdagogique.

La structure du module superviseur est galement adapte au

modle des objectifs, plans, actions et rgles de slection
qui a dj t abord. Les rgles de slection des plans ont
la forme gnrale suivante:

Si description de l'objectif et
description des objectifs de l'lve et
stade de la session
alors appliquer le plan X.

Pour reprendre notre exemple, l'action initiatrice "corriger

la rponse de l'lve" se traduit pour le superviseur par
l'objectif (S-0B1) "rpondre la rponse de l'lve", asso-
ci au plan suivant:
 99

Plan 1: (S-AI1) interprter la rponse de l'lve

(S-AE1) fixer les priorits dans la liste, des objec-
tifs
(S-0B2) rpondre la liste des objectifs.

L'action initiatrice (S-AI1) "interprter la rponse de

l'lve" assure la connexion au module de dialogue, qui ana-
lyse alors la rponse et produit la liste des objectifs de
1'lve.

L'action (S-AE1) "fixer les priorits dans la liste des

objectifs" rsout les conflits et redondances susceptibles
d'y apparatre. Enfin, (S-0B2) "rpondre la liste des
objectifs" se rdout au moyen d'un plan dont la mise en
oeuvre active l'objectif (S-0B3) "rpondre l'objectif de
l'lve". Au cas o l'objectif de l'lve est "rponse va-
luable", le plan de rsolution gnre l'action (S-AI2) "cor-
rection du problme".
Dans ce cas, les plans associs (S-0B3) dans le supervi-
seur sont les suivants:

Plan 3: (S-AI2) dtecter les erreurs

(S-AE1) compter le nombre de rponses
(S-AE2) dtecter les conflits
(S-AE3) Si CONFLIT
alors dcider s'il faut suivre la strat-
gie gnrale ou insrer une stratgie
locale
sinon dcider d'une stratgie de correction
(S-AI3) appliquer une stratgie
 100

Plan 4: (S-AI2) dtecter les erreurs

(S-AE3) Si CONFLIT
alors dcider s'il faut suivre la strat-
gie gnrale ou insrer une stratgie
locale
sinon dcider d'une stratgie de correction
(S-AE4) TAPER MESSAGE (problme) = "NON ACTIF"
(S-AI3) appliquer une stratgie

Pour (S-OB3), la rgle suivante dtermine le plan appli-

quer:

Si l'objectif est "rpondre l'objectif de l'lve" et

l'objectif de l'lve est "rponse valuable" et
le nombre de rponses est infrieur LIMITE
alors appliquer le plan 3.

3.6 Module de correction pdagogique

Il est fait appel ce module pour corriger la solution de

l'lve un problme propos lorsque le module de dtection
d'erreurs a diagnostiqu une mauvaise utilisation de con-
cepts partir des types d'erreurs produits.

Comme les autres modules, ce module se compose d'un ensemble

de plans de correction d'erreurs et d'un ensemble de rgles
de slection. Les incomprhensions contenues dans la rponse
de l'lve et la stratgie de correction slectionne par le
superviseur sont incluses dans les conditions pralables des
rgles de slection, ce qui permet de slectionner la forme
de correction la mieux adapte, pouvant aller de l'indica-
 101

tion de l'erreur la plus importante la correction exhaus

tive de chaque erreur.

Nous procdons actuellement une tude in extenso des

comptes rendus, afin de construire une base complte de con
naissances contenant toutes les formes de correction et
rgles de slection.

3.7 Module de slection de textes et de problmes

Le rle de ce module consiste rechercher le texte et les

problmes appropris pour enseigner l'lve un concept
pralablement dtermin, avec le degr d'approfondissement
et/ou de difficult voulu.

La figure 3 montre l'organisation complte des modules.

Dcision Dcision
thmatique pdagogique Superviseur

Recherche de \
textes et
problmes \
1/
Module
1'
Correction
d'enseignement pdagogique
V J
< m
Module de"1
dialogue

Figure 3
 102

4. Le schma de gestion sur la base d'un exemple de dialogue

Le dialogue cidessous fait partie de l'un des comptes ren

dus. Il correspond une session du milieu du processus
d'enseignement.

1.1 La dernire fois, vous avez appris spcifier les

lments vrifiant une proprit (cette proprit
tant exprime par une formule)
1.2 Avezvous des questions ce sujet?
R 1 Non, continue, mais pourraistu me proposer un exer
cice?
2.1 C'est ce que j'allais faire
2.2 Spcifiez le problme suivant:
"Exprimez en reprsentation polaire (module, argu
ment) un nombre complexe donn (partie relle, partie
imaginaire)
R 2 Je ne me rappelle plus ce qu'est la reprsentation
polaire. Pourraistu me l'indiquer?
3 Soit un nombre complexe:
coordonne X partie relle
coordonne Y partie imaginaire
Pour l'exprimer sous la forme (module, argument), il
faut calculer le module comme suit:
SQRT (X**2 + Y**2) module
et l'argument comme suit:
ARCTNG (Y / X) argument
R 3 D oisje utiliser la forme de paire?
4 Oui
R 4 Puisje utiliser l'instruction de concatnation CONS?
 103

Lorsque le premier message (T 1.1) a t envoy, le module

de dcision pdagogique a dj dtermin les stratgies qui
seront suivies durant la session: "brve rvision" et "in-
troduction de nouveaux concepts". Au dpart, la premire
stratgie conduit dterminer (par le module de dcision
thmatique) le concept rappeler parmi ceux tudis la
session prcdente: "lments vrifiant une proprit".

Les trois objectifs et actions (figure 4) reprsentent le

droulement de la session jusqu' l'instant prcdant imm-
diatement la gnration de (T 2 ) .

Comme nous l'avons indiqu, au dpart, (P-OB1) est activ,

et le plan slectionn pour le rsoudre dtermine les stra-
tgies gnrales de droulement de la session. L'application
de la premire stratgie produit l'objectif (P-0B5): "com-
mencer la session". Les rgles de slection de cet objectif,
conjugues la stratgie "brve rvision", slectionnent le
plan compos de (P-AI1), (P-AE3), (P-AI2) et (P-AI3).

Le module de dcision thmatique slectionne le concept

revoir et l'explication dtaille, et l'action (P-AI2)
active (T-0B3) (objectif du module d'enseignement). Le plan
associ produit les messages (T 1.1) et (T 1.2) du tuteur
(au moyen du module de dialogue).

L'action initiatrice (T-AI2) corrige et. interprte la

rponse de l'lve (en faisant galement appel au module de
dialogue). Le superviseur observe la concidence entre la
rponse de l'lve et l'action en attente du module de dci-
 104

sion pdagogique (P-AI3): "dcision de contrle du concept".

Les rgles de rsolution de conflit dcident donc de pour-
suivre le droulement de la session en (P-AI3).
A ce niveau, la gnration arborescente est produite de la
mme manire, c'est--dire avec activation d'objectifs par
les diffrents modules et slection par rgles des plans
permettant de les rsoudre.

La figure 5 reprsente la mise en oeuvre de la stratgie

jusqu' un point correspondant (T 3) dans le texte.
 105

5. CONCLUSION

Ce rapport illustre une nouvelle approche de la modlisation

d'un tuteur, base sur la planification dynamique, en vue de
gnrer un comportement flexible.
Les connaissances pdagogiques ncessaires ont t formali-
ses au moyen de plans et de rgles, et organises de faon
modulaire, par types de tches.

Un prototype incluant le module de dialogue est en cours de

mise en oeuvre. Notre travail actuel est ax sur deux ques-
tions connexes: l'extension du catalogue des erreurs et
l'affinage du modle de l'lve, en vue d'obtenir de meil-
leures stratgies de correction.
 106

4- Pedagogic decision

X POB1 : decide a guideline of the session and apply it

/
3 POB3: decide the f POB2: apply the J^POB1
sequence of teaching strategies
""SS
PO B5:star: the session

>PSA1: select PSA3: remember A PSA3: decide to check

(revision concept C. 'concept C with concept C
Explanation detail ED) explanation detail ED
\
^Thematic
Decision
\K Teaching Module
/
M TOB3: teach the concept C
with the explanation detail ED

\ "
TSA1: MTOBS y^TEAJ >(0 TSA2 i^T-OBB AfTOB3
explain(C. ED) give EXPECTEDANSWEH correct actualize
a verification (Understood. the student's the student's
message. doubttext) answer y model
(TExr.qL
1.1 I

1.2
Supervisor

0 S-OB1: respond to the student's answer

3-SA1 : interpret the

7
*** S-EA1 : establish priorities 2S S-OB2: respond to tn
.student's answer within the list of objectives list of objectives

/
A 1 % (problem request) If- 3-OB3: respond
the student's objective

Figure 4
 107

Figure 4

Dec: i s i t u i pede" gou i. que.

P-0B1 ; dc.ide.r d ' u n e l i g n e d i r e c t ci c e d u l a s e s s i c>n. e.'.
1'appliquer
P - 0 B 3 : d c i d e r rie l a s q u e n c e d e si ".cries
d ' e n s e i cniement
4 - P - O R 2 : a p p l i q u e r lut- s t r a t e g i e s d ' e n s e i gnmen 1:
5 = F-031
il = F - 0 B 5 : c o m m e n c e r l a . s e s s i oit
7 = P-T1 : s l e c t i o n ( c o n c e p t r v i s e r C, e x p l i c a ' c i on
( l e i . r i .1 .; et' f.O )
8 = PAT3: tappe] du concept C avec.: exp.1 tea ti. un dtaille
FD
9 = - 3 : d c i s i o n ce c o n t i r l e du c o n c e p t C
10 = D c i s i o n t h m a t i q u e
11 = M o d u l e d ' e n s e i g n e m e n t
12 = T - 0 B 3 : e n s e i g n e r l e c o n c e p . C a v e c : e x p l i c a t i o n
d t a i l l e ED
13 = TAT1 : explication (C, Fin)
14 = T0R6: soumettre un message de vrification (TFXTF, C)
15 = TAF3: REPONSE ATTEND UE = (compris, texte de doute)
1 = TAI3: corriger; ] H rponse de l'lve
17 = 0: actualiser i e modle de l'lve
1 F, = T0R3
19 = Si n")e r"V i s e u
2i - S-0F1 : r p o n d r e l a response d e l ' l v e
21 = S-AI1 : i u t e r p e t e r l a r p o n s e de 1 ' e l e v e
22 = S-AE1: Fixer l e s p r i o r i t s dans la l i s t e d'objectifs
23 = S-OK-2: r p o n d r e - H l a l i s t e d ' o b j e e t i f s
24 = S-OF>3: r p o n d r e a l ' o b j e c t i f d e l ' l v e
2r) = ( d e m a n d e de-; o r o b l e r u e )
 108

4, Pedagogic Decision

2 P-OB1 decide a guideline of the session ans apply it

3 P-OB3 decide the

U P-OB2 apply the teaching i^P-OBI
sequence of \^ strategies
teaching strategies/

L P-OB5 start the session

^ P - S A 1 select P - S A 2 : remember C <\ P-SA3 decide to check C

(revision concept C, y with ED
explanation detail ED)

3 Pedagogic
Decision p.0B3

T-OB3

T3

Figure 5
 109

Figure 5

1 = Dcision pdagogique
2 = P0B1: dcider d'une ligne directrice de la session et
1'appliquer
3 = POB3: dcider de la squence de stratgies
d'enseignement
4 = POB2: appliquer les stratgies d'enseignement
" *
.) = r ors I
6 = P0B5: commencer la session
7 = FAT1 : slection (concept, rviser C, explication
dtaille ED)
8 = FAI2: rappel de C avec ED
9 = PAI3: dcision de contrle de C
10 = Dcision thmatique
11 = Module d'enseignement
12 = T0B3
13 = TAI2
14 = TOB4: l'lve sait utiliser le concept C avec un degrc
d'assurance Y
15 = TOBfi: soumettre un message de vrification (PROBLEME,
C)
16 = TAI2: corriger la rponse de l'lve
17 = Superviseur
13 = S0B1
19 = SOB3
20 = SOR4: dcider de la stratgie
21 = SAI5: appliquer la stratgie
22 = Module d'enseignement
23 = Dcision pdagogique
 110

Bibliographie

iClaneey 81 aJ
W, CT.ANCBY, "Methodology for building an intelligent tutor
ing system". Heuristic Programming Project. HPP3181.
Depa r; tine nt of Computer Science, Stanford University.

iClaneey 81 b J
W. CLANCEY, R, LETSTNGER, "NEOMYCIN: Reconfiguring a rule
based expert .system for; application to leaching". Proceed
ings of the 7 'f T.TCAI, pp 829836.

t CIH rOey o.i J

W. CLANCEY, "Tutoring rules for. guiding a case method dia

logue" in In tel 3 i gent Tutor i rig P. y s terns, B. S3eemaun
,7. Brown (Eds.), Academic; Press 1982, pp 201225,

I Bed e 8 fi j

C. BED E, "A review and synthesis of rece research in

intelligent computei assisted instruction". Internat bona 1
.Tournai o f Ma Machi, n e S luidles 24 (1986), 329353.

Iwnrijo ei. rij, o 4 J

F, OARTJO, F, VERD EJO: "CAPRA: an. intelligent sya.em for

teaching programmi i ny concepts". FTS.ST5.1IT/P84,

Ca r i j CD e. t al. 8
F . GARTiTO, C. 7NCTAI7STT,- T,. TTFFMANDF", F . VERDEJO:
" S i n h a l a b : ar e x p e r t , s y s t e m Tor . t h e s y s l t i e s i s cif a b s t r a c t
a l g o r i t h m e ' . P r o c e e d i n g s of H i 6 T r i t . W o r k s h o p on Ex.pe.cl.
S y s t e m s <-md t h e i r a p p i c a t i o n , p p 1 4 9 7 - 1 4 9 9 , A v i g n o n 1 9 8 6 ,

o j c;st.e.. h J

T.F. GOLD STEIN, "The genetic graph: ^ representa ti on for' the

evolution of procedural knowledge" in cell i gen!. Tu t o r ing
Sy s teins, . Si eemann .T= Brown (Eds,). Academic Press 1982,
r- <~
)i) .//.
 111

I T.unas e t a .1. , 83 J
M. LUC/AS, ,T. . PEYRTN, P . C . SCH OLL, " A l g o r i t h m i g u e e t repr-
SHjii.rii.i on d e s d o n n e s " . E d i t o r i a l M a s o n , 198.3.

(Peachey et al. 86j

B. P E A C H E Y , C. McCCALLA. "Using planning t e c h n i q u e s in in tel
1 igent tutoring systems". ! jj_na_t tona 1 Jou tun 1 o M a n
M a c h i n e S t u d i e s 24 198fii. op 7 7 9 8 .

S leemann 84
D. S L E E M A N N , " U M F E ; A riser M o d e l l i n g F r o n t End S u b s y s t e m " .
Heuristic: P r o g r a m m i n g P r o j e c t . H F P 8 4 1 2 . D e p a i t m e n t of C o m
p u t e r S c i e n c e , Stanford U n i v e r s i t y .

iSoloway 86 J
E . S O L O W A Y , " L e a r n i n g to p r o g r a m m = lea rnincj to construct
m e c h a n i s m s and explanai ions". C o m m u n i c a t i o n s of i he ACM,
/. r> . r> (.~>epi_, n n ) , pp niwn.io,

l S l e v e n s et il. 82 j
A, S T E V E N S , A. C O L L I N S , S . GOT,BTN, "M . sconcepti o n s in
s t u d e n t s ' understand ing" in Tntel 1 i geut T u t o r i n g S y s t e m s ,
B. S l e e m a n n .T. F r o w n ( E d s . ) , A e a d e o i o P r e s s 1 9 8 2 , riti 1 3
24.

I'.Ja ters 82 J
F. W A T E R S , "T'ne rog ramme r ' s Aprent i c e ; k n o w l e d g e based p r o
gram edi.tirig". IEEE T r a n s , ori S o f t w a r e E n g i n e e r i n g S E 8 . 1 ,
... o
; - 1 /. ,

. W O O L F , " C o n t e n t d e p e n d i n g p l a n n i n g i.n a m a c h i n e tutor".

COTNS Technical repor!:. 8 4 - 7 1 , Depa. rt nient of C o m p u t e r and
I n f o r m a t i o n S c i e n c e , U n i v e r s i t y of M a s s a c h u s e t t s .

wc j( . e . a J. . 4J

AADOLF MCDONALB. ui. 3 di nej a commi, t. er tu toc D e s i an

I s s u e s " . C o m p u t e r TEFF (Sent, 8 4 ) , 6 1 7 3 .
 112

L'INTELLIGENCE ARTIFICIELLE
ET SES APPLICATIONS
A LA FORMATION PROFESSIONNELLE

PROJET
SYSTEMES-EXPERTS DIDACTIQUES

DR P. LEES
INTERNATIONAL COMPUTERS LTD.,
ROYAUME-UNI

CEDEFOP
BERLIN
1987
 113

Introduction

Le dpartement "Systmes de Formation Interactive" de la

socit ICL entreprend actuellement un certain nombre de
dveloppements sur. l'application de technologies avan-
I

ces la formation interactive, notamment dans les

domaines de l'intelligence artificielle et de l'inter-
action homme-machine. Ce document se propose de dcrire
quelques dveloppements axs sur les systmes-experts
didactiques, ainsi que leur impact sur la formation.
Certains dveloppements conduisent des augmentations
significatives de l'efficience de la production et de la
mise disposition de moyens de formation; d'autres am-
nent pouvoir proposer une formation sous une forme
jusque l impossible, non seulement en permettant de
nouvelles augmentations significatives de productivit,
mais aussi en apportant des solutions des problmes de
formation ne pouvant tre abords d'une autre manire.

Un projet vient de s'achever rcemment par la production

d'un systme-expert didactique et par la prsentation
d'une vaste valuation de l'approche systme-expert par
rapport aux mthodes traditionnelles. Ce projet a dbut
en avril 1986 et faisait partie d'un groupe de sept pro-
jets raliss pour le compte de la MSC et destins
tudier l'application de techniques d'intelligence arti-
ficielle la formation.

Le programme de formation bas sur ce systme-expert a

t dvelopp non pas dans une optique de recherche fon-
 114

damentale, mais sous la direction de formateurs indus-

triels dont le principal souci tait de pouvoir proposer
aux clients des didacticiels permettant aux gens forms
d'acqurir rapidement une nouvelle qualification, avec
le moins de rupture possible par rapport au travail nor-
I

mal. Dans un environnement commercial, il est vital de

pouvoir dvelopper des programmes de formation avec
rapidit, efficacit et fiabilit. Le systme-expert
didactique en question a t dvelopp en tant qu'tude
de faisabilit, pour montrer l'efficacit pdagogique de
l'utilisation de techniques lmentaires d'intelligence
artificielle dans le dveloppement d'un programme de
formation assiste par ordinateur et pour tudier l'ef-
ficience et l'efficacit du dveloppement de didacti-
ciels l'aide de ces techniques.

Le sujet retenu pour le programme de formation tait le

diagnostic de dfauts dans le processus de soudure la
vague, mthode de production de masse de soudures sur
circuits imprims. La raison de ce choix tait qu'une
autre unit du groupe STC avait dj ralis un travail
considrable dans ce domaine, sur lequel pouvait s'ap-
puyer le projet.

L'acceptabilit, l'efficacit et l'utilit du systme-

expert ont t testes sur tout un ventail de groupes-
cibles, y compris des experts dans le domaine de la sou-
dure la vague, ainsi que des tudiants en lectronique
d'instituts universitaires de technologie et de centres
de formation subventionns par la MSC. Les donnes col-
 115

lectes ont t analyses sous deux aspects: le niveau

des rsultats des lves et l'attitude des utilisateurs.
Une comparaison par rapport d'autres mthodes a gale-
ment t opre. L'analyse incluait des mesures de
l'effort de dveloppement et de l'efficience gnrale.

Stratgie de formation

L'objectif du systme-expert didactique tait d'appren-

dre aux gens mettre en oeuvre une stratgie particu-
lire de diagnostic. L'objectif minimal pour l'lve
tait d'tre capable d'appliquer de manire fiable une
procdure de diagnostic, en demandant les informations
dont il pouvait avoir besoin et en prenant les dcisions
correctes.

On esprait en outre que la rptition des informations

et la prise en considration frquente de ces informa-
tions permettraient d'apprendre accessoirement quelles
sont les donnes ncessaires un diagnostic.

Au dpart, le programme impose une stratgie particu-

lire de diagnostic l'lve afin de lui donner l'exp-
rience d'une stratgie efficace. Ultrieurement, le con-
trle est donn l'lve, et il lui est permis de faire
des choix non optimaux (bien que corrects). Ce que nous
esprions, c'est que l'lve apprenne en faisant lui-
mme des choix et en obtenant un "feed-back".
 116

La figure 1 montre les cheminements possibles travers

les sous-tches du diagnostic. On notera que le listage
des dfauts possibles et celui des sous-processus possi-
bles sont considrs chacun comme une tche.
I

3. Architecture

Le systme-expert didactique comprend trois composants

principaux:

1. Une base de connaissances contenant des 'rgles empi-

riques' permettant de faire un diagnostic.

2. Un 'moteur' d'enseignement capable de gnrer des

problmes, de dduire des symptmes et soit d'ensei-
gner soit de dmontrer comment raliser un diagnos-
tic. Il a t dcid de restreindre les diagnostics
aux dfauts apparaissant seuls et de ne pas tenir
compte des probabilits.

3. Une interface utilisateur commande par menu. Des

informations sur le contexte et sur des modles sont
utilises pour slectionner le texte visualiser
partir d'une bibliothque.

La figure 2 illustre les composants de base de l'archi-

tecture du logiciel.
 117

4. Evaluation

4.1 Prsentation gnrale

Des essais ont t raliss sur diffrents sites pour

I

rpondre aux questions suivantes:

1. Le programme de formation est-il efficace?

2. Est-il efficient?
3. Est-il acceptable par les gens forms?
4. Y a-t-il des caractristiques de l'utilisateur per-
mettant de prdire si le programme lui conviendra?

Les points suivants ont t tudis en faisant appel

l'avis d'experts informs:

1. Est-il possible de faire avec une approche systme-

expert des choses qu'il n'est pas possible de faire
l'aide de systmes-auteurs traditionnels?

2. Quelles sont les comparaisons possibles entre les

techniques des systmes-experts et les techniques
traditionnelles de formation assiste par ordinateur
sur toute la dure de vie d'un projet:

analyse,
conception,
mise en oeuvre,
tests et dverminage,
maintenance?
 118

3. Y a-t-il des choses qu'il est facile de faire

l'aide de techniques traditionnelles de formation
assiste par ordinateur, mais difficile de faire en
Prolog (langage utilis pour programmer le systme-
expert didactique)?

4.2 Essais par des utilisateurs

Les sessions de formation base de cours magistraux

sont encore largement rpandues dans l'industrie. C'est
pourquoi, il a t demand un expert du groupe STC de
prparer un cours adapt des lves du niveau HNC et
couvrant tous les lments qu'il jugerait utile pour
effectuer un diagnostic simple "de premire ligne" des
problmes de soudure la vague apparaissant dans la
fabrication de circuits imprims. Ce cours a t utilis
comme mthode alternative de formation et a servi de
base de comparaison avec le systme-expert didactique.

Les essais ont montr qu'une approche systme-expert de

la formation fonctionne et qu'elle est potentiellement
beaucoup plus efficiente que les mthodes tradition-
nelles. Les essais ont galement fourni beaucoup d'in-
formations sur les stratgies de formation appropries
et sur les meilleurs mthodes d'initiation de nouveaux
utilisateurs des programmes de formation base de
systmes-experts.

Les rsultats dtaills des essais peuvent tre obtenus

dans un rapport adress la Manpower Services Commis-
 119

sion 11 . Le rsum suivant donne une ide de la manire

dont les diffrences entre les groupes et les conditions
de formation ont affect les performances et attitudes.

Des facilits d'accs au systme ont t accordes un

I

groupe d'lves du niveau HNC intresss par le sujet

trait. Ces lves ont commis trs peu d'erreurs en uti
lisant le systme et ont obtenu de trs bons rsultats
lors d'un test ultrieur. Ils taient tous trs favora
bles au programme et l'approche gnrale de la forma
tion, ce qui est confirm par leur grande assiduit un
lve ayant trait 66 exemples.

Un second groupe, plus rduit, ayant beaucoup appris

tait constitu d'lves ayant suivi un cours donn par
un expert avant d'utiliser le programme de formation.

Un groupe qui n'a pas si bien march se composait d'l

ves du niveau HND , qui avaient de solides connaissances
des principes de conception d'interfaces hommemachine
et qui avaient galement des difficults s'accommoder
de la disponibilit de l'ordinateur utilis pour faire
tourner le programme de formation. Le systme de dmons
tration tait en fait destin avoir une interface
hommemachine lmentaire, quoiqu'acceptable, le dve
loppement tant surtout ax sur les techniques d'intel
ligence artificielle. Le fait que l'interface homme
machine ne correspondait pas l'attente exigeante des
lves, conjugu des difficults d'accs physique, a
fait que l'utilisation du systme est reste un niveau
 120

trs bas, ne permettant pas de s'attendre beaucoup de

rsultats en termes de formation.

L'analyse des rsultats n'a fait apparatre aucun pr-

dicteur particulier de succs ou d'attitude vis--vis du
programme de formation.

4.3 Comparaison des mthodes de dveloppement

L'un des principaux intrts du projet tait de comparer

l'utilisation de techniques des systmes-experts celle
d'un bon langage-auteur de formation assiste par ordi-
nateur. Nos conclusions sont que les techniques des sys-
tmes-experts peuvent potentiellement conduire des
gains normes de productivit et de qualit de program-
mation.

Un avantage particulirement important est de pouvoir

construire et valuer un prototype (dont il a t ques-
tion dans ce document) et de pouvoir apporter des modi-
fications au programme sur la base d'observations. Dans
bien des cas, d'importants changements de comportement
du programme de formation peuvent tre obtenus au prix
de modifications minimes du code.

Le programme labor pour ce projet a t soigneusement

conu pour assurer une bonne sparation entre le compor-
tement en termes de formation, l'interface homme-machine
et le contenu de l'enseignement. Il a dj t dmontr,
en utilisant un exemple simple, que le contenu de l'en-
 121

seignement peut tre remplac par un sujet diffrent.

Cette facult nous permettra l'avenir d'utiliser les
mmes techniques de formation pour de nombreux program-
mes de formation diffrents, en nous donnant un haut
niveau de productivit et la certitude d'utiliser des
I

mthodes et un logiciel bien au point.

5. Conclusion

Une approche systme-expert de la formation assiste par

ordinateur s'est avre en mesure de produire un didac-
ticiel acceptable par les lves, efficace en termes
d'objectifs de formation, et particulirement rentable
en termes de cot de dveloppement et de fiabilit. Des
amliorations de l'efficacit et de l'efficience de la
production et de la mise disposition de moyens de for-
mation sont encore possibles grce une plus large appli-
cation de l'approche systme-expert.

Rfrence

[1J Expert system on training diagnostic skills: comparison

with traditional methods.

Rapport la Manpower Services Commission, mars 1987.

 122

Listage Listage
des -<- des
dfauts sous-processus
I I

Liaison
dfauts/sous-processus
I

Considration Considration
des symptmes du layout

Considration
des donnes
du processus
Fig. 1 : Cheminements possibles travers un diagnostic dans
le systme-expert didactique

Modle de Modle du
1'lve domaine et
didactique

Gestionnaire
Tuteur de texte

Interface
utilisateur

Fig. 2: Composants de l'architecture logicielle du systme-

expert didactique
CEDEFOP Centre europen pour le dveloppement de la formation professionnelle
L'intelligence artificielle et ses applications la formation professionnelle

1. Professor, I. Aleksander, Imperial College of Science & Technology,

London
2. M. Vivet, Universit du Maine, Le Mans
3. D. Kerr, AnCO, Irish State Training Authority
4. Dr. J. Gillingham, Manpower Services Commission, UK
5. M. Isabel Fernndez de Castro & Arantza Diaz de llarraza Snchez, Facul
tad de Informtica de San Sebastin et M. Felisa Verdejo Mallo, Facultad
de Informtica de Barcelona
6. Dr. P. L ees, International Computers Ltd., UK

Document CEDEFOP
Luxembourg: Office des publications officielles des Communauts euro
pennes
1988 126 p. 21,0 29,7 cm
EN, FR
ISBN: 928258304X
N de catalogue: HX5288647FRC
Prix au Luxembourg, TVA exclue: cu 5

Venta y suscripciones aatg og aoonnement vernam una Hoonnement

Sales and subscriptions Vente et abonnements Vendita e abbonamenti
Verkoop en abonnementen Venda e assinaturas

BELGIQUE / BELGI IRELAND PORTUGAL

M o n i t e u r belge / Belgisch Staatsblad G o v e r n m e n t P u b l i c a t i o n s Sales O f f i c e Imprensa Nacional

Rue de L o u v a n 40-42 / Leuvensestraat 40-42 Sun Alliance House C a s a d a M o e d a . E P.
1 0 0 0 Bruxelles / 1 0 0 0 Brussel M o l e s w o n h Street Rua D Francisco M a n u e l de M e l o . 5
Tel 5 1 2 0 0 2 6 Dublin 2 1092 Lisboa Codex
CCP / P o s t r e k e n . n g 0 0 0 - 2 0 0 5 5 0 2 27 Tel 71 0 3 0 9 Tel 6 9 34 14
Telex 15328 I N C M
Sous-dpts / Agentschappen or by post
Librairie europenne / Government Stationery Office Distribuidora Livros Bertrand Lda
Europese Boekhandel Grupo Bertrand. SARL
EEC S e c t i o n
Rue d e la Loi 2 4 4 / W e t s t r a a t 2 4 4 Rua dds Terras d o s Vales. 4 A
6 l h fluor
1 0 4 0 Bruxelles / 1 0 4 0 Brussel Bishop Street Apart 37
Dublin 8 2 7 0 0 A m a d o r a CODEX
CREDOC
Tel 78 16 66 Tel 4 9 3 9 0 5 0 - 4 9 4 8 7 8 8
Rue d e la M o n t a g n e 34 / Burgstraat 34 Telex 1 5 7 9 8 BERDIS
Bte 11 / Bus 11
1 0 0 0 B r u x e l l e s / 1 0 0 0 Brussel
UNITED K I N G D O M
ITALIA
H M S O B o o k s (PC 16)
Schultz EF-publikattoner L i c o s a Spa
H M S O Publications Centre
M o n i e r g a r e 19 Via Lamarniora 4 5 5 1 Nine Elms Lane
1 1 IG K o h e i Casella p o s t a l e 55?
L o n d o n S W S 5DR
Til 0 1 14 1 1 9 5 5 0 121 Firenze
Tel 101) 2 1 1 77 0 2
Telefax Ol 32 75 11 Tel 57 97 5 1
Telex 5 70466 LICOSA I Sub-agent
BR D E U T S C H L A N D * CCP 3 4 3 5 0 9
A l a n A r m s t r o n g Et A s s o c i a t e s L t d
Bundesanzeiger Verlag Subagenti A r k w n g h t Road
B r e i t e Strae Lorena soenbfica Lucio de Biasio -AEKXJ Reading. Berks RG2 OSQ
P o s t f a c h 10 8 0 0 6 Tel ( 0 7 3 4 ) 75 17 6 9
Via M e r a v i g l i . 16
5 0 0 0 Kln 1 Telex 8 4 9 9 3 7 A A A L T D G
2 0 123 M i l a n o
Tel ( 0 2 21) 2 0 2 9 - 0 Tel 8 0 76 79
F e r n s c h r e i b e r ANZEIGER B O N N 8 8 8 2 5 9 5
Teletax 2 0 2 9 2 7 8 Herder Editrice e Libreria TURKIYE
Piazza M o n t e c i t o r i o . 117-120
GREECE Dunya super veb ofset AS
0 0 186 R o m a
Tel 67 94 6 2 8 / 6 7 95 304 Narlibahe Sokak N o 15
G.C. E l e t t h e r o u d a k i s S A Cagaloglu
International Bookstore Libreria giuridica Istanbul
4 Nikis Street Via 12 O t t o b r e . 1 7 2 / R Tel 5 1 2 0 1 9 0
105 6 3 A t h e n s 16 121 Genova Telex 2 3 8 2 2 dsvo-tr
Tel 3 2 2 2 2 5 5 Tel 59 56 93
Telex 2 1 9 4 10 ELEF
UNITED STATES OF A M E R I C A
S u b - a g e n t (or N o r t h e r n Greece
Molho's Bookstore European Community Information
GRAND-DUCH DE LUXEMBOURG
Service
The B u s i n e s s B o o k s h o p et autres pays / a n d i h e ' countries
10 T s i m i s k i Street 2 1 0 0 M Street. N W
Thessaloniki Office des publications officielles Suite 707
Tel 2 7 5 2 7 1 des C o m m u n a u t s europennes W a s h i n g t o n . DC 2 0 0 3 7
Telex 4 1 2 8 8 5 L I M O Tel (202) 8 6 2 9 5 0 0
2 rue Mercier
L-2985 L u x e m b o u r g
ESPANA Tel 49 92 8 1
CANADA
Tele PUBOF L U 1324 b
Boletn Oficial del Estado
CCP 1 9 1 9 0 8 1
Trafalgar 27 Renouf Publishing Co , Ltd
CC bancaire BIL 8 1 0 9 / 6 0 0 3 / 2 0 0
2801 M a d r i d Sogenal 6 1 - 4 9 0 2 2 6 - 9 6 - 2 6 6 1 Sparks S h e e t
l e l (91) 4 4 6 6 0 0 0 Ottawa
Abonnent s / Subscriptions Ontario K I P 5R1
Mundi-Prensa Libros, S A Tel l o l l Free 1 (800) 267 4 1 6 4
Messageries Paul Kraus
Castello 37 O l i a w a R e g i o n (6131 2 3 8 8 9 8 5 6
1 1. rue Christophe Plantin
28001 Madrid
L-2339 L u x e m b o u r g
Tele 053-4936
Tel ( 9 1 ) 4 3 1 33 99 (Libros)
4 3 1 32 22 (Suscripciones) Tel 4 9 9 8 8 8 1
4 3 5 36 37 (Direccin) Telex 2515
JAPAN
Telex 4 9 3 7 0 - M P L I - E CCP 4 9 2 4 2 - 6 3
Telefax 3 4 - 1 - 1 2 7 5 3 9 9 8 Ktnokuniya C o m p a n y Ltd
17-7 Shtnjuku 3 - C h o m e
FRANCE Shmiuku-ku
NEDERLAND Tokyo 1 6 0 - 9 1
Journal officiel Tel (03) 3 5 4 0 1 3 1
Service des publications Staatsdrukkerij- en uitgeversbedrijf
des C o m m u n a u t s europennes ChfisloHel Planti|nstraat Journal Department
2 6 rue Desaix Postbus 2 0 0 1 4 PO Box 5 5 Chitse
7 5 7 2 7 Pans Cedex 15 2 5 0 0 EA s-Gravenhage Tokyo 156
Tel (1) 4 0 5 8 75 0 0 Tel (070) 78 98 8 0 (bestellingen) Tel ( 0 3 ) 4 3 9 0 1 2 4
 .
O
LU
LU

Centre europen pour le dveloppement de la formation professionnelle
Bundesallee 22, D-1000 Berlin 15 LU
Tl. (030) 88 41 20, tlex 184 163 eucen d, telefax (030) 88 41 22 22

Prix au Luxembourg, TVA exclue: cu 5

t < OFFICE DES PUBLICATIONS OFFICIELLES

* ^ * . D E S COMMUNAUTS EUROPENNES
***
L-2985 Luxembourg