Adaptation contextuelle et personnalisée de linformation de conscience de groupe au sein des systèmes dinformation coopératifs Manuele Kirsch Pinheiro

Adaptation contextuelle et personnalisée de l’information de conscience de groupe au sein des systèmes d’information coopératifsManuele Kirsch Pinheiro

Thèse effectuée sous la direction de Hervé Martin (UJF) et co-encadrée par Jérôme Gensel (UPMF)

Membres du Jury :Khalid Benali (Université Nancy2)

Bruno Defude (INT, Evry) Dominique Decouchant (LSR-IMAG)

José Valdeni de Lima (UFRGS, Brésil)Jacques Mossière (INPG)

2

Plan de la présentation

Introduction État de l’art

Travail coopératif Sensibilité au contexte

Proposition Modèle de contexte Opérations sur le modèle de contexte Filtrage guidé par le contexte

Mise en œuvre Conclusions & perspectives

3

IntroductionIntroduction

Serveur Web

Collecticiel sur le Web

But d’un collecticiel : aider le groupe à mener à bien le travail en commun

Conscience de groupe : « la connaissance qu’un utilisateur a à propos de son groupe, de ses collègues et de leurs activités, et qui constitue un

contexte pour les activités individuelles » (Dourish & Bellotti, 1992)

4

Introduction

Serveur Web

Collecticiel sur le Web

Nomadisme différents usages

Importance du contexte d’utilisation

Nécessité de concevoir de nouveaux collecticielssensibles au contexte

travail sur le terrain…

travail au bureau, à la maison ….

travail en déplacement …

5

Introduction

Conception des collecticiels sur le Web

sensibles au contexte Adaptation du contenu, de la présentation et des

services au contexte d’utilisation

Mécanismes de contrôle d’accès, contrôle de

cohérence, de conscience de groupe

Gestion du contexte : acquisition et

représentation

6

État de l’ArtTravail coopératif assisté par ordinateur Mécanismes de conscience de groupe

(awareness) Prise en compte de la surcharge cognitive

L’utilisateur est confronté à un grand nombre d’informations à traiter (Conklin, 1987)

Deux approches : visualisation et filtrage

7

État de l’artTravail coopératif assisté par ordinateur Visualisation : agrégation de l’information,

interfaces moins intrusives (Bouthier, 2004), (Hill & Gutwin 2004), (Greenberg, 1996)

Filtrage : réduction de l’ensemble d’informations (David & Borges, 2001), (Kirsch-Pinheiro et

al., 2001) Problème : la pertinence dépend des intérêts de

l’utilisateur et change en fonction de l’évolution du travail et de la situation

8

État de l’artSensibilité au contexte Utilisation du contexte d’utilisation pour l’adaptation,

soit des services proposés, soit des informations fournies

Applications (guides touristiques (Cheverest et al. 2002), geonotes (Burrell et al., 2002)) et architectures (Rubinsztejn et al., 2004)

Contexte : localisation et dispositif Préférences de l’utilisateur indépendantes du contexte

Campus Aware (geonotes) (Burrell et al., 2002)

Messagerie instantanée (Muñoz et al., 2002)

Prise en compte du rôle

Contenu adapté à la localisation

9

État de l’artNotion de contexte Définition

Pas de définition unique Définition adoptée (Dey, 2000)

tous les éléments d’information qui peuvent être utilisés pour caractériser la situation d’une entité

Acquisition Context Toolkit (Dey, 2000), Contexteur (Rey, 2004)

Représentation Absente dans la plupart des systèmes

10

Formalismes de représentation XML, CC/PP, RDF… (Lemlouma, 2004) Modèles à objets (Henricksen et al., 2002), (Bardram, 2005)

Graphes conceptuels (Brézillon, 2002), (Mostéfaoui et al., 2004)

Ontologies (Bucur et al., 2005), (Alarcón & Fuller, 2003)

Problèmes : Pas d’identification des éléments de contexte Pas de représentation de contexte partiellement connu Peu de possibilités d’évolution de la notion de contexte Utilisateur considéré comme un individu isolé

État de l’artNotion de contexte

11

État de l’artSynthèse Conception de nouveaux systèmes

Complexité accrue, peu d’outils disponibles Travail coopératif

Conscience de groupe Visualisation et filtrage Prise en compte des préférences indépendamment du contexte

Sensibilité au contexte Représentation du contexte

Prise en compte uniquement des aspects physiques Pas de représentation de contexte partiellement connu Modèles peu évolutifs

Processus d’adaptation non formalisé

12

Proposition

Mécanisme d’adaptation contextuelle et personnalisée de l’information de conscience de groupe au sein des collecticiels sur le Web

Axes de travail : Modélisation de la notion de contexte Opérations sur le contexte Filtrage guidé par le contexte Réalisation

Conception de nouveaux systèmes Public visé : les concepteurs

Élargir la notion de contexte afin de tenir compte des aspects physiques et

collaboratifsFiltrer et organiser l’information de conscience de groupe en fonction du contexte d’utilisation et des

préférences de l’utilisateur

Comparer les instances du modèle de contexte

13

Plan



Proposition Modèle de contexte

Concepts Modèle à Objets Opérationnalisation

Opérations sur le modèle de contexte Filtrage guidé par le contexte


14

Modèle de contexte

Une représentation par objets de la notion de contexte Formalisme de type classe/association (UML) Finalité : conception de collecticiels sur le Web Représentation du contexte courant et des contextes

potentiels Identification des concepts de base

5 points de vue : espace, outil, temps, communauté, et processus

Identification des classes d’éléments de contexte et de leurs relations

15

Modèle de contexte Concepts

Points de Vue ClassesC

on

text

e

Ph

ysi

qu

e

Con

texte

C

olla

bora

tif

Espace Localisation

Outil Dispositif

Application

Temps Calendrier

Communauté Groupe

Rôle

Membre

Processus Processus

Activité

Objet Partagé

16

Modèle de contexteModèle à objets ClassesAssociations

17

Modèle de contexteExemple Alain

collecte des données sur le terrain participe à un groupe d’étude sur les

avalanches accède au système à partir de son

téléphone cellulaire

18

Modèle de contexteOpérationnalisation Traduction du modèle (conceptuel) vers une

implémentation propre à un système Connexion à la couche d’acquisition Spécialisation des classes/associations

Approche utilisée : Représentation de Connaissances par Objets :

Système AROM Construction d’une base de connaissances Particularité : représentation explicite des

associations

19

Plan



Proposition Modèle de contexte Opérations sur le modèle de contexte

Relation d’Égalité Relation d’Inclusion Relation de Similarité

Filtrage guidé par le contexte Mise en œuvre Conclusions & perspectives

20

Opérations

Objectif : proposer des opérateurs génériques pour la comparaison d’instances

Trois types d’opération de base : Relation d’égalité Equals Relation d’inclusion Contains Relation de similarité SimO, SimT et Sim

21

OpérationsRelation d’égalité - Equals But : vérifier si les contenus de deux

instances sont les mêmes Comparer les contenus des variables connues Utilisation d’une classe/association de référence

Deux versions : Générique : toutes les variables connues sont

d’importance égale Pondérée : un poids wi est attribué à chaque

variable (wi=1)

22

OpérationsRelation d’inclusion - Contains

But : comparer deux objets et leurs relations Exploiter autant les objets (classes) que les tuples

(associations)

Chaque objet o décrit un graphe G(o)=(O(o), T(o)) Sommets objets (O(o) ), arêtes tuples (T(o) ) Relation d’inclusion recherche d’un sous-graphe

23

G (contexte_Alain)

contains G (CA_Profil_Treo)

24

OpérationsRelation de similarité – Sim, SimO et SimT Objectif : évaluer la similarité entre deux

instances isolées ou en relation avec d’autres Trois mesures distinctes :

SimO : similarité entre deux objets isolés SimT : similarité entre deux tuples Sim : similarité entre des graphes d’objets

Approche : inspirée de (Valtchev & Euzenat, 97), (Bisson,95)

modèle classe/association

25

OpérationsRelation de similarité - Sim Sim (o, o’) : évaluer dans quelle proportion le

graphe décrit par un objet o est composé par des éléments du graphe de o’ Utilisation de l’opérateur equals

26

Plan




Modèles sous-jacents Processus de Filtrage


27

Filtrage guidé par le contexteVue d’ensemble Processus d’adaptation de contenu guidé par

le contexte d’utilisation et par les préférences de l’utilisateur pour ce contexte

Modèles : modèle d’accès progressif (Villanova,

2002), modèle de contenu, modèle de profil Processus de filtrage en deux étapes

Sélection des préférences Utilisation des préférences pour adapter le

contenu

28

Filtrage guidé par le contexteModèle de contenu Modèle de contenu

Description du contenu à adapter conscience de groupe

Événements un ensemble d’informations relatives à une action

réalisée dans le cadre du travail collaboratif sur un sujet donné

29

Filtrage guidé par le contexteModèle d’accès progressif

Un utilisateur n’a pas besoin d’accéder à toute l’information disponible

Organisation de l’information en plusieurs niveaux de pertinence Stratification

30

Filtrage guidé par le contexteModèle de profil Modèle de profil

Représentation des préférences et des contraintes que le système doit satisfaire pour un contexte donné

« Règles » de filtrage Définition des événements pertinents Organisation des événements Association à des contextes potentiels (modèle de

contexte) contexte d’application du profil

31

Filtrage guidé par le contexteModèle de profil

Contexte d’application

Événements abonnés

Stratifications

32

Filtrage guidé par le contexteModèle de profil

Élément de condition

Condition de production

33

Filtrage guidé par le contexteProcessus de filtrage – première étape But : sélectionner les profils valides

Comparaison entre les contextes d’application et le contexte courant de l’utilisateur

Relation d’inclusion : Cu contexte courant, CiP

contexte d’application du profil P

Si G(Cu) contains G( CiP ) , alors P est valide

34

Filtrage guidé par le contexteProcessus de filtrage – première étape Alain dispose de plusieurs profils…

Profil valideProfil non valide

35

Filtrage guidé par le contexteProcessus de filtrage – seconde étape Application des règles définies par les profils

Abonnements, stratifications et conditions contextuelles Application des profils

Ordonnancement de tous les profils par priorité (Sim) Pour chaque profil

Sélection des événements abonnés Application des conditions contextuelles Application des stratifications

Livraison des événements organisés en plusieurs niveaux de pertinence

36

Plan





37

Mise en œuvre Canevas BW-M Implémentation du processus de filtrage et du

modèle de contexte Architecture : 3 composants

38

Mise en œuvre Canevas BW-M

base de connaissances AROM

Démarche par service Web Utilisation du service Web BWMFacade qui encapsule BW-M

Facilité d’utilisation, accès restreint à certaines façades

39

Mise en œuvre Canevas BW-M

acquisition

fonction. collecticiel

Client

acquisition

fonction. collecticiel

Client

acquisition

noyau collecticiel

ServeurCollecticiel

demande informations

nouvel événement

get

even

ts (

Ala

in)

Alain

Carole

add

Eve

nt

(E,

Ce,

Ec)

( S

tr,

Es

)

( ok

)

( Str, Es )

( ok )

40

Plan





41

Conclusions et perspectives Bilan

Modèle de contexte Représentation des éléments et des relations Prise en compte des aspects collaboratifs Support d’un contexte partiellement connu

Opérations Définition d’opérateurs de comparaison des instances du

modèle Approche applicable à d’autres modèles

Processus de filtrage Définition explicite du processus de filtrage Adaptation de l’information de conscience de groupe au

contexte et aux préférences

42

Conclusions et perspectives Perspectives

Évaluation de l’approche BW-M : Évaluer l’action des concepteurs Applications

Domaine des risques naturels WiKi

Analyser les réactions des utilisateurs Étude dans le cadre d’une architecture distribuée (P2P)

Distribution du modèle de contexte Impact sur le processus de filtrage Conséquences pour la mise en œuvre

Merci pour votre attention !

Questions ?

44

Références Alarcón, R., Fuller, D., « Intelligent awareness in support of collaborative virtual work

groups ». In : Haake, J.M., Pino, J.A. (Eds.), LNCS 2440 - 8th International Workshop on Groupware: Design, Implementation and Use - CRIWG 2002, Springer-Verlag, 2002, pp. 168-188.

Bisson, G., « Why and how to define a similarity measure for object based representation systems », In : Mars, N. (Ed.), Towards very large knowledge bases, 2nd International Conference on Building and Sharing Very Large-Scale Knowledge Bases (KBKS), Enschede, Pays Bas, avril 1995, IOS press, pp. 236-246.

Bouthier, C., « Mise en contexte de la conscience de groupe : adaptation et visualisation », Thèse de Doctorat, Institut National Polytechnique de Lorraine, Nancy, France, 2004.

Brézillon, P., « Modeling and using context: past, present and futur », Rapport de Recherche LIP6 2002/010, 2002.

Cheverest, K., Mitchell, K., Davies, N., « The role of adaptive hypermedia in a context-aware tourist guide », Communication of ACM, vol. 45, n° 5, mai 2002, ACM Press, pp. 47-51.

Conklin, J., “Hypertext: An introduction and survey”, IEEE Computer, vol. 20, n° 9, 1987, pp. 17-41

David, J.M.N., Borges, M.R.S., « Improving the selectivity of awareness information in groupware applications », The Sixth International Conference on Computer Supported Cooperative Work in Design (CSCWD’2001), 2001, IEEE Computer Society, pp. 41-46.

Dey, A.K., « Providing Architectural Support for Building Context-Aware Applications », PhD Thesis, Georgia Institute of Technology, 2000.

45

Références Dourish, P., Bellotti, V., « Awareness and Coordination in Shared Workspaces »,

Proceedings of ACM Conference on Computer-Supported Cooperative Work (CSCW’92). ACM Press, pp. 107-114.

Greenberg, S., « Peepholes: Low cost awareness of one's community », ACM SIGCHI'96 Conference on Human Factors in Computing System (CHI'96), Companion Proceedings, 1996, pp. 205-215.

Henricksen, K., Indulska, J., Rakotonirainy, A., « Modeling context information in pervasive computing systems », In : Mattern, F., Naghshineh, M., (Eds.), LNCS 2414 - First International Conference in Pervasive Computing (Pervasive’2002), Zürich, Switzerland, août 2002, Springer-Verlag, pp. 167-180.

Hibino S., Mockus, A., « handiMessenger: awareness-enhanced universal communication for mobile users », LNCS 2411 - 4th International Symposium on Mobile Human-Computer Interaction (Mobile HCI 2002), 2002, Springer-Verlag, pp. 170-183.

Hill, J., Gutwin, G., « The MAUI toolkit: groupware widgets for group awareness », Computer Supported Cooperative Work (CSCW), vol. 13, n° 5-6, 2004, Springer-Verlag, pp. 539–571.

Kirsch-Pinheiro, M., Lima, J.V., Borges, M.R.S., « A Framework for Awareness Support in Groupware Systems », Computer in Industry, vol. 52, n° 1, sept. 2003, Elsevier, 2003, pp. 47-57.

Lemlouma T., « Architecture de négociation et d'adaptation de Services Multimédia dans des Environnements Hétérogènes », Thèse de Doctorat, Institut National Polytechnique de Grenoble, Grenoble, France, avril 2004.

46

Références Mostéfaoui, K., Pasquier-Rocha, J., Brézillon, P., « Context-aware computing: a

guide for the pervasive computing community », Proceedings of the IEEE/ACS International Conference on Pervasive Services (IPCS’04), IEEE Computer Society, 2004, pp. 39-48.

Muñoz M., A., Rodríguez M., Favela J., Martinez-Garcia A.I., Gonzalez V.M., « Context-aware mobile communication in hospitals », Computer, vol. 36, n° 9, 2003, IEEE Computer Society, pp. 38-46.

Rey, G., Coutaz, J., « Le contexteur : capture et distribution dynamique d’information contextuelle », Mobilité & Ubiquité’04 (UbiMob’04), Nice, France, 2004. pp. 131-138.

Rubinsztejn, H.K., Endler, M., Sacramento, V., Gonçalvez, K., Nascimento, F., « Support for context-aware collaboration » In : Karmouch, A., Korba, L., Madeira E. (Eds.), LNCS 3284 - 1st International Workshop on Mobility Aware Technologies and Applications - MATA 2004, Florianópolis, Brésil, Springer-Verlag, 2004, pp.37-47.

Tang, J.C., Yankelovich, N., Begole, J.B., Vankleike, M., « ConNexus to Awarenex: extending awareness to mobile users », CHI Letters, CHI 2001, vol. 3, n° 1, ACM Press, p. 221-229.

Valtchev, P., Euzenat, J., « Dissimilarity measure for collections of objects and values », In : Liu, X., Cohen, P., Berthold, M. (Eds.), LNCS 1280 - 2nd International Symposium on Intelligent Data Analysis (IDA’97), Springer-Verlag, 1997, pp. 259-272.

Villanova-Oliver, M., « Adaptabilité dans les systèmes d’Information sur le Web : Modélisation et mise en œuvre de l’accès progressif », Thèse de Doctorat, Institut National Polytechnique de Grenoble, Grenoble, France, décembre 2002.

47

Approche

Besoins concernant la conscience de groupe dans les collecticiels sur le Web Élargir la notion de contexte afin de tenir compte des

aspects physiques et collaboratifs Représenter le contexte capable de formaliser cette

notion élargie Filtrer l’information de conscience de groupe en

fonction contexte d’utilisation et des préférences de l’utilisateur

Organiser les informations par pertinence

être être évolutifévolutif permettre la représentation d’une permettre la représentation d’une informationinformation au au

caractère caractère dynamiquedynamique permettre l’expression d’permettre l’expression d’informationsinformations ambiguësambiguës

et et incomplètesincomplètes permettre l’expression de permettre l’expression de critèrescritères de de précisionprécision

48

État de l’artTravail coopératif assisté par ordinateur

Visualisation (Hill & Gutwin, 2004)

Filtrage LibreSource

Visualisation et filtrage(Hibino & Mockus, 2002) (Tang et al., 2001)

49

Modèles de représentation Absent dans la plupart des systèmes

Approches de représentation XML, CC/PP, RDF… (Lemlouma, 2004) Modèles à objets (Henricksen et al., 2002), (Bardram, 2005)

Graphes conceptuels (Brézillon, 2002), (Mostéfaoui, 2004)

Ontologies (Bucur, 2005), (Alarcón, 2003)

Problèmes : identification des éléments de contexte, acquisition d’informations incomplètes, évolution de la notion de contexte, utilisateur en tant qu’individu isolé

État de l’artNotion de contexte

50

Base de connaissances XAROM

51

OpérationsRelation d’égalité - Equals But : vérifier si le contenu deux instances est

le même Comparer le contenu des variables connues Utilisation d’une classe/association de référence

Deux versions : générale et par poids Un poids wi est attribué à chaque variable (wi=1) Associations : pas de poids attribués aux rôles

Identité du tuple Utilisation d’une limite L (L [0,1]) seuil

d’égalité

52

OpérationsRelation d’égalité - Equals

wnom=0,35 L = 0,80wdescription=0,15wprécision=0,05wprofil_ccpp=0,35wmémoire_disponible=0,05 wniveau_d'énergie=0,05

( 0,35 x 1 + 0,35 x 1 + 0,05 x 0 + 0,05 x 0 ) ≥ 0,8 – 0,8 x (1 – 0,8) ) 0,7 ≥ 0,64

EqualsEquals vraivrai

( 0,35 x 0 + 0,35 x 0 + 0,05 x 1 + 0,05 x 1 ) ≥ 0,8 – 0,8 x (1 – 0,8) ) 0,1 ≥ 0,64

EqualsEquals fauxfaux

53

OpérationsRelation d’inclusion - Contains Plusieurs versions

Définition générale : G(o) contains G(o’) si et seulement si Pour chaque objet o’ O(o’), il existe un objet o O(o) tel

que o equals o’

Pour chaque tuple t’ T(o’), il existe un tuple t T(o) tel que t equals t’

Contains sous une fonction de condition Ignore list (IL) : instances qui doivent être ignorées Fonction de condition (fc (o) ) : condition pour qu’une instance o

soit prise en considération

54

fc (o) = 1 si

o.précision ≥ L L = 0,8

G (contexte_Alain)

contains

G (description_profil3)

faux

55

Sim (contexte_Alain, description_profil3) = 0,371| XO | = 5| XT | = 8| O (contexte_Alain) | = 18| T (contexte_Alain) | = 17

Sim (description_profil3, contexte_Alain) = 1| XO | = 5| XT | = 8| O (description_profil) | = 5| T (description_profil) | = 8

56

Filtrage guidé par le contexteModèle d’accès progressif Un utilisateur n’a pas besoin d’accéder à

toute l’information disponible Concepts de base …

REM1 = { identifiant, intervalle }

REM2 = REM1 { description }

REM3 = REM2 { détails, médias }

Organisation d’une Stratification = EM en une séquence

de REM

Entité Masquable (EM) = ensemble d’au moins 2 éléments

Représentations d’Entité Masquable (REM) =

sous-ensembles ordonnés d’éléments de l’EM

<<Entité Masqueable>>Contenu::Evénement

identifiant: chaîne de caractèresintervalle: intervalle de temps

description: chaîne de caractères

détails: chaîne de caractèresmédias: Objet [*]




57


Filtrage guidé par le contexteModèle d’accès progressif L’accès progressif repose sur les opérations

Dévoiler / Masquer Avancer / Retourner

REM1

REM2

REM3

Stratification S1

Dévoiler

Dévoiler Masquer

Masquer

Dévoiler / MasquerAvancer / Retourner

Avancer

Retourner Avancer

Retourner








58

Filtrage guidé par le contexteProcessus de filtrage – seconde étape Application des règles définies par les profils

Abonnements, stratifications et conditions contextuelles Application des profils

Ordonnancement de tous les profils par priorité (Sim) Pour chaque profil

Sélection des événements abonnés Application des stratifications Application des conditions contextuelles

Livraison des événements et des stratifications

59

Filtrage guidé par le contexteProcessus de filtrage – seconde étape Ordonnancement

Priorité donnée par la mesure Sim Max ( Sim (Cu, CiP ) )i ≥ 1

Priorité aux profils plus spécifiques Contexte d’application plus proche du contexte courantSim (contexte_Alain,

description_profil2) = 0,16

Sim (contexte_Alain, description_profil3) = 0,371

60

Filtrage guidé par le contexteProcessus de filtrage – seconde étape Sélection des événements

Sélection des objets dont les classes sont abonnées

Application des stratifications Stratifications extensionnelles Organisation des événements

e1

e3e4

e5

e2

e6

e9e7

e8e11 e10

e13e12 e14

e15

e18

e17

e16

Événements disponibles

Sélection par l’abonnement

S1int

S3ext

Stratifications : S2int

S4ext

REM1 REM2 REM1 REM2

Application stratification extensionnelle

Liste d’événements :

61

Filtrage guidé par le contexteProcessus de filtrage – seconde étape Application des conditions contextuelles

Condition de production : si l’événement est produit dans un contexte donné

G(Ce ) contains G( CPiP ) Éléments condition : si l’événement concerne

certains éléments de contexte

SimO (EiP, Eje ) ≥ profil.seuil

e1

e3

e4

e5e2

e9

e11

e10 e13

e12

e14

S1int

S3ext


S4ext

REM1 REM2 REM1 REM2

62

Filtrage guidé par le contexteProcessus de filtrage – résultat

Liste d’événements organisés en plusieurs niveaux

Liste de stratifications pour la navigation

e1

e3

e4

e5e2

e9

e11

e10 e13

e12

e14

S1int

S3ext


S4ext

REM1 REM2 REM1 REM2Liste d’événements :

S7int

S6ext

REM1 REM2

e15 e18

e17

e16

1er profilProfil prioritaire

2ème profil

63

Mise en œuvre Canevas BW-M Implémentation du processus de filtrage et du modèle

de contexte Architecture : 3 composants

Gestion de conscience de groupe processus filtrage Gestion de contexte manipulation du modèle de contexte Gestion de connaissances base de connaissances AROM

Démarche d’application : Démarche traditionnelle Service Web

64

Mise en œuvre Canevas BW-M Approche par événement : cycle de vie

65

Mise en œuvre Canevas BW-M Démarche traditionnelle

Utilisation directe des paquetages Java

Flexibilité accrue, accès à toutes les façades du canevas

base de connaissances AROM

66

RéalisationCanevas BW-M Points d’entrée

Les événements : définition de l’information de conscience de groupe

Le contexte : définition des éléments de contexte et du processus d’acquisition

L’interface : connexion avec l’interface utilisateur, application du MAP

Documents

Adaptation contextuelle et personnalisée de linformation de conscience de groupe au sein des systèmes dinformation coopératifs Manuele Kirsch Pinheiro