8.6.2 Acquisition et synthèse des informations comportementales de l’apprenant

Le SMA doit d’abord acquérir des informations en analysant le comportement de l’apprenant, puis synthétiser ces nouvelles informations avec celles acquises antérieurement. Lorsque l’apprenant initialise le MA, on attribue au comportement correct un coefficient qui varie selon l’évaluation choisie : débutant : 0,1 / faible : 0,3 / moyen : 0,5 / bien : 0,7 / excellent : 0,9. Afin de respecter la contrainte portant sur l’unité des probabilités, on attribue également un second coefficient égal au complément à un du premier coefficient sélectionné (i.e. c’est à dire 0,9 si l’apprenant s’est jugé comme un débutant), correspondant à un comportement d’un apprenant n’ayant aucune connaissance du système expert.

Les modifications sont effectuées après l’analyse de chaque réponse de l’apprenant. Elles consistent à faire évoluer les entités comportementales correspondant à l’activité concernée ainsi que les coefficients de certitude. A chaque nouvelle réponse de l’apprenant, on associe une nouvelle entité comportementale. Les entités comportementales d’une activité sont regroupées sous formes de sous-modèles.

Les différentes modifications à apporter sont effectuées en deux phases. Tout d’abord, les poids associés aux entités comportementales sont modifiés. Les nouvelles probabilités sont ensuite calculées. A la première étape, l’algorithme suivant est appliqué :

• En premier lieu, une dévaluation est effectuée pour tous les poids qui sont associés à chaque entité comportementale, selon le même principe utilisé par Danna (1997). Cette opération est effectuée via une multiplication par une valeur (inférieure à 1). La valeur en est donc donnée par . Cette diminution des coefficients associés aux anciens types de comportements (ceux qui dénotent que l’apprenant a donné un autre type de réponse pour la même catégorie de question que celle considérée), implémente la notion de relativisation temporelle. Nous reprenons la même évaluation que celle de Danna (1997), aura la valeur 0,9.

• Quand la nouvelle entité comportementale (la nième) n’est pas encore modélisée dans le sous-modèle, soit parce que le sous-modèle est encore vide (auquel cas n vaut 1), soit parce que l’entité dénote un type de comportement non encore montré par l’apprenant (n ≥ 2), il faut l’y ajouter. Le poids qui est associé à cette nouvelle entité est 1.
• Si cette entité appartient déjà au sous-modèle (la ième par exemple), son poids est recalculé. Il doit être augmenté afin de respecter la théorie des probabilités. Nous utilisons pour cela la fonction de renforcement renf (renf(x) = x + 1). On obtient donc .

La figure (8-4) ci-dessous montre un exemple d’évolution des coefficients lorsque de nouvelles entités sont ajoutées au modèle.

La seconde étape, visant à mettre à jour les probabilités à partir de nouveaux poids, correspond alors simplement à la répartition de la somme des poids de manière à vérifier la contrainte portant sur l’unité des probabilités.