7.1.1.3. Capitalisation de l'expertise d'analyse

Dans Abstract, l'expertise d'analyse est capitalisée sous formes de mécanismes qui permettent de générer et de définir l'ensemble des observés permettant de décrire l'activité. Ces mécanismes prennent trois formes :

Nous avons montré au long du chapitre 5 que le processus d'analyse était orienté vers un objectif de recherche spécifique. Par exemple, nos observés de début de rotation volant "Start_steering" sont calculés spécifiquement pour l'étude des changements de voie sur autoroute. Pour réaliser une autre analyse, par exemple une analyse portant sur les virages en zone urbaine, il faudrait probablement définir d'autres observés avec des seuils plus élevés. Dans ce cas nous serions amenés à spécialiser nos "Start_steering" en deux sous catégories : "Start_steering_motorway" et "Start_steering_urban" qui seraient générés en tenant compte d'information de cartographie liées aux données GPS. Pour cela, il faudrait effectuer des modifications à tous les niveaux du processus d'analyse : au niveau de la collecte pour générer des franchissements de seuils différents, au niveau des requêtes Sparql pour générer d'autres observés de niveau supérieur, et au niveau de l'ontologie pour définir leur sémantique.

D'une manière générale, cela montre qu'il n'existe pas d’ontologie valant pour toutes les analyses possibles. Les ontologies sont définies de manière pragmatique pour des analyses données. En revanche, une fois les objectifs d'analyse fixés, il est possible de construire une ontologie adaptée à ces objectifs. Il ressort, qu’il est toujours possible d’adapter une ontologie, sans qu’il soit possible de la réutiliser telle quelle. Ainsi, une ontologie construite pour une expérimentation de conduite automobile particulière ne pourra probablement pas être entièrement réutilisée pour une autre. En revanche, il est probable qu'elle puisse être réutilisée en partie, comme point de départ pour la nouvelle analyse. La construction d'une ontologie ne constitue donc pas une étape réalisée une fois pour toute, mais permet une capitalisation progressive de l'expertise de modélisation.

Ainsi, la capitalisation par Abstract ne réside pas dans le fait que nous serions capables de traiter immédiatement les données de toute nouvelle expérimentation, mais dans le fait qu'Abstract permet d'organiser des bibliothèques de transformations, qui peuvent s'enrichir au fur et à mesure des nouvelles expérimentations.