7.1.1.5. L'Esda avec Abstract

Les différentes problématiques liées à l'analyse exploratoire des données séquentielles (Esda) ont été très bien exprimées par Sanderson & Fisher . Nous les avons présentées au paragraphe 3.4.2 et nous ne pouvons globalement que les confirmer par notre propre expérience. Parmi les transformations qu'elle énonce (Figure 36), Abstract répond directement à celles qu'elle nomme "Codes", "Connections", "Constraints", "Conversion", "Comment" :

Abstract répond implicitement à la transformation "Chunks" en permettant de regrouper des observés consécutifs de la même manière que s'ils n'étaient pas consécutifs. Pour nous cette transformation n'est donc qu'un cas particulier de la transformation "Code". Il ne répond pas directement aux transformations de "Computation", car il n'intègre pas de fonctions statistiques, mais il permet un export facile des traces vers les outils de traitement statistiques existants. Parmi les 8 transformations identifiées par Sanderson, il n'y a donc que la transformation "comparison" à laquelle Abstract ne répond pas. Nous n'avons jusqu'à présent pas éprouvé le besoin de l'implémenter. Elle est surtout utile pour comparer des traces obtenues avec des sujets humains et des traces obtenues par simulation, ce qui n'est pas notre sujet d'étude. Par ailleurs nous n'avons pas identifié de transformations supplémentaires par rapport à celles listées par Sanderson.

Nous considérons donc que les fonctionnalités d'Abstract répondent bien au cahier des charges d'un outil d'ESDA. En comparaison des autres outils existants, il apporte deux évolutions décisives par le fait de sa conception basée sur une approche d'ingénierie des connaissances. La première est la capacité de capitaliser l'expertise d'analyse. La seconde est un support pour l'investigation de la sémantique des observés.