De la modélisation des De la modélisation des connaissances au Web connaissances au Web

sémantiquesémantique

Gilbert PaquetteGilbert PaquetteChaire de recherche CICE – Centre LICEFChaire de recherche CICE – Centre LICEF

Télé-universitéTélé-université

Journées scientifiques du LICEF – 14 novembre 2012

Évolution du langage et des Évolution du langage et des outils de modélisation MOToutils de modélisation MOT

1987 – Systèmes experts (projet FIR)1987 – Systèmes experts (projet FIR) 1991 – Environnements d’apprentissage à base de connaissances 1991 – Environnements d’apprentissage à base de connaissances

(projet APO-Québec – Micro-Intel)(projet APO-Québec – Micro-Intel) 1992 – Cours TÉLUQ en ingénierie pédagogique1992 – Cours TÉLUQ en ingénierie pédagogique 1992- 1994 – AGD Atelier d’ingénierie pédagogique (Projet

CRIM/DMR/UdeM/LICEF) 1995-1996 – MOT 2.3: Outil de modélisation autonome 1998-1999 – MOTplus (AGDI) (Projet ADISA) 2004-2005 – MOT+LD (Réseau LORNET) 2006-2007 – MOT+OWL (Réseau LORNET) 2008-2012 – Intégration dans TELOS et G-MOT 2012: G-MOT et le Web de données + Modélisation collaborative

1987 – Systèmes experts (projet FIR)1987 – Systèmes experts (projet FIR) 1991 – Environnements d’apprentissage à base de connaissances 1991 – Environnements d’apprentissage à base de connaissances

(projet APO-Québec – Micro-Intel)(projet APO-Québec – Micro-Intel) 1992 – Cours TÉLUQ en ingénierie pédagogique1992 – Cours TÉLUQ en ingénierie pédagogique 1992- 1994 – AGD Atelier d’ingénierie pédagogique (Projet

CRIM/DMR/UdeM/LICEF) 1995-1996 – MOT 2.3: Outil de modélisation autonome 1998-1999 – MOTplus (AGDI) (Projet ADISA) 2004-2005 – MOT+LD (Réseau LORNET) 2006-2007 – MOT+OWL (Réseau LORNET) 2008-2012 – Intégration dans TELOS et G-MOT 2012: G-MOT et le Web de données + Modélisation collaborative

Définition du langage MOTDéfinition du langage MOT

Objectifs du langageObjectifs du langage

1.1. Intégration de point de vue différents (déclaratif, procédural, Intégration de point de vue différents (déclaratif, procédural, stratégique) dans un même modèle stratégique) dans un même modèle

2.2. Interprétation transparente sémantiquement pour la conception et Interprétation transparente sémantiquement pour la conception et la communication - Accessibilitéla communication - Accessibilité

3.3. Généralité : petit nombre de primitives – variété de modèles – Généralité : petit nombre de primitives – variété de modèles – niveau de granularité – niveau métaniveau de granularité – niveau méta

– ConceptuelsConceptuels: taxonomies, hiérarchie de composants,…: taxonomies, hiérarchie de composants,…– ProcédurauxProcéduraux: séquentiels, parallèles, itératifs: séquentiels, parallèles, itératifs– PrescriptifsPrescriptifs: contraintes, théories, principes de décision et règles: contraintes, théories, principes de décision et règles– ProcessusProcessus: analytiques, adaptatifs, multi-acteurs: analytiques, adaptatifs, multi-acteurs

5.5. Intégration des principales méthodes de représentation: cartes Intégration des principales méthodes de représentation: cartes conceptuelles, algorithmes, arbres de décision, systèmes de règles…conceptuelles, algorithmes, arbres de décision, systèmes de règles…

6.6. De l’informel, au semi-formel, au formelDe l’informel, au semi-formel, au formel

Primitives du langage MOTPrimitives du langage MOT

Concepts Procédures

Principes

I/P

P,CR

S,C S,C,P

S,C,R

I/P

RP,C

Énoncés

I

Exemples

I,C

Traces

I

Niveaux de modélisationNiveaux de modélisation

G-MOT et les niveaux de G-MOT et les niveaux de formalisationsformalisations

Informel

Semi- formel

Formel

Exposé écrit/oralCartes conceptuellesGraphes entités/relations

Diagramme UMLModèle deConnaissances MOT

Graphes conceptuelsLangages de règlesOntologies (MOT+OWL)Thésaurus (RDFS/SKOS)

DiagrammeDiagramme

Modèle MOTModèle MOT

ScénarioScénario

OntologieOntologie

Éditeur G-MOT

Formel

Graphes BPMNUML exécutableMOT+LDScénarios TELOS

Intégration des types de connaissances Intégration des types de connaissances (Ex – MISA/ADISA)(Ex – MISA/ADISA)

Extension aux Extension aux Méta-connaissances Méta-connaissances

Méta-exemplesM

éta-

trac

es Méta-énoncés

Méta-connaissances

Méta

- fa

its

Mét

a-pr

océd

uree

s (H

abile

tés)

Méta-concepts (Propriétés cognitives)

Méta-principes(Stratégies cognitives)

A

Concepts

Pro

cédu

res

Principes

Exemples

Tra

ces Énoncés

Connaissances dudomaine d’application

Faits

Métaconnaissance et Métaconnaissance et compétencescompétences

Éditeurs de scénarios Éditeurs de scénarios MOT+LD et GMOTMOT+LD et GMOT

Parseur

Éditeur MOT+LD

IMS-LD Manifest

Parseur

ÉDITEUR DE SCÉNARIO G-MOT

INTERPRÉTEUR

Éditeurs d’ontologies Éditeurs d’ontologies MOTplus et GMOTMOTplus et GMOT

Exemples d’applicationsExemples d’applications

Principales applicationsPrincipales applications

Modéliser pour apprendre– Co-construction des connaissances pour le transfert d’expertise

Modéliser pour réaliser une ingénierie pédagogique– Programme de l’école du Barreau

Modéliser pour gérer des connaissances organisationnelles– École informatisée clef-en main et projet GIT

Modéliser pour spécifier et gérer des systèmes– Construction de TELOS; géré (en partie) par ontologie

Modéliser des méthodes– Construction de la méthode MISA

Modéliser pour référencer des ressources– Paloma, Outils TELOS, Système COMÈTE

Modéliser pour la recherche et la communications– Thèses de doctorat

Modéliser pour l’ingénierie Modéliser pour l’ingénierie pédagogique (Ex: École du Barreau)pédagogique (Ex: École du Barreau)

Devis des connaissances

210 Orientation du modèle des connaissances212 Modèle des connaissances214 Tableau des compétences310 Contenu des unités d’apprentissage410 Contenu des instruments610 Gestion des connaissances/compétences

Devis pédagogique

220 Orientations pédagogiques 222 Réseau des événements224 Propriétés des unités d’apprentissage320 Scénarios pédagogiques322Propriétés des activités420 Propriétés des instruments 620 Gestion des apprenants / facilitateurs

Devis des matériels

230 Orientations médiatiques330 Infrastructure de développement430 Liste des matériels432 Modèles des matériels434 Éléments médiatiques436 Documents sources630 Gestion du SA et de ses ressources

Devis de diffusion

240 Orientations de diffusion242 Analyse coûts/bénéfices/impacts340 Plan des livraisons440 Modèle de diffusion442 Acteurs et ensembles didactiques444 Outils et moyens de communication446 Services et milieux de diffusion540 Plan des essais et des tests542 Registre des changements640 Gestion de la qualité

Définition du problème

100 Cadre de formation102 Objectifs de la formation

104 Publics cibles106 Contexte actuel 108 Ressources documentaires

Méthode MISA

Modéliser pour gérer les connaissances

(GIT/PRIOW)

Ontologie

BD - n

BD - 4BD - 3

BD - 2

BD - 1

RequêteRecherche

fédérée

»»

Modéliser pour construire un Modéliser pour construire un système par ontologie système par ontologie (TELOS)(TELOS)

Architecture UML Ontologie conceptuelle

Ontologie technique

Extension Référencementsémantique

Interfaces usager TELOS

Modéliser pour construire une Modéliser pour construire une méthodeméthode (MISA)(MISA)

Modéliser pour la rechercheModéliser pour la recherche(Thèses complétées)(Thèses complétées)

Modélisation de la méthode MISA (F. Crevier)Modélisation de la méthode MISA (F. Crevier) Autogestion de l’apprentissage (D.Ruelland)Autogestion de l’apprentissage (D.Ruelland) Processus d’évolution des ontologies (D. Rogozan)Processus d’évolution des ontologies (D. Rogozan) Processus d’agrégation de composants (A. Masmoudi)Processus d’agrégation de composants (A. Masmoudi) Transformation des modèles semi-formels en ontologie Transformation des modèles semi-formels en ontologie

(M. Héon)(M. Héon) Modélisation de l’usager par compétences (L. Moulet)Modélisation de l’usager par compétences (L. Moulet) Modélisation de l’assistance en design pédagogique (V. Modélisation de l’assistance en design pédagogique (V.

Psyché)Psyché) ……..

ConclusionConclusion

Propriétés des modèles MOTPropriétés des modèles MOT

VisuelsVisuels. Réduction de l’ambiguïté des graphes . Réduction de l’ambiguïté des graphes par l’utilisation (partielle ou totale) d’objets et par l’utilisation (partielle ou totale) d’objets et de liens typés et standardisés.de liens typés et standardisés.

Accessibilité.Accessibilité. Apprentissage rapide, sémantique Apprentissage rapide, sémantique claire, vue d’ensemble, typage standardisé.claire, vue d’ensemble, typage standardisé.

GénéralitéGénéralité, à différents niveaux de granularité , à différents niveaux de granularité et de formalisation. et de formalisation.

Formalisation progressiveFormalisation progressive. Compatibilité . Compatibilité ascendante des modèles semi-formels aux ascendante des modèles semi-formels aux modèles formalisés.modèles formalisés.

Propriétés des modèles MOTPropriétés des modèles MOT(suite)(suite)

DéclaratifsDéclaratifs. Séparation entre la connaissance et . Séparation entre la connaissance et son traitement; description déclarative des son traitement; description déclarative des traitements; représentation de la méta traitements; représentation de la méta connaissance. connaissance.

StandardisésStandardisés. Pour la communication entre . Pour la communication entre personnes et/ou agents logiciels. personnes et/ou agents logiciels.

Exécutables.Exécutables. Représentation visuelle formelle Représentation visuelle formelle exécutables de façon complète and décidable exécutables de façon complète and décidable dans le cas des modèles OWL-DL. dans le cas des modèles OWL-DL.

Questions, Commentaires ?Questions, Commentaires ?

www.licef.ca/gp www.licef.ca/cice

www.cogigraph.com

Journées scientifiques du LICEF – 14 novembre 2012