Thèse

J'ai préparé mes travaux de Thèse en Informatique au sein du Laboratoire LSR-IMAG, Université Joseph-Fourier - Grenoble I, Grenoble, sous la direction de Hervé Martin et de Jérôme Gensel.  Ces travaux de thèses ont démarré en Octobre 2002 et se sont terminés en Septembre 2006. 

Informations générales :

Titre : « Adaptation contextuelle et personnalisée de l’information de conscience de groupe au sein des Systèmes d’Information Coopératifs » 
Mots-clés : 

  • Informatique Sensible au Contexte
  • Systèmes d'Information 
  • Travail Coopératif 
  • Conscience de Groupe

Date de soutenance : 29 septembre 2006 
Rapporteurs : 

  • Bruno Defude (Directeur d'études, Institut National de Télécommunications)
  • Khalid Benali (Maître de Conférence HDR, Université Nancy 2)

Membres du Jury : 

  • Hervé Martin (Professeur, Université Joseph-Fourrier, Grenoble I) 
  • Jérôme Gensel (Maître de Conférences, Université Pierre Mendès France, Grenoble II)
  • Dominique Decouchant (Chercheur C.N.R.S)
  • Jacques Mossière (Professeur, Institut National Polytechnique de Grenoble)
  • José Valdeni de Lima (Professeur, Université Fédérale du Rio Grande do Sul, Porto Alegre, Brésil)


URL : http://tel.archives-ouvertes.fr/tel-00108495

 

Description :

Ce travail de thèse s’inscrit à l’interface des thématiques recherche en Travail Coopératif Assisté par Ordinateur (TCAO) et Systèmes Sensibles au Contexte. La motivation initiale de ce travail est l’impact des nouvelles technologies mobiles sur les systèmes d’information coopératifs (collecticiels), notamment sur le support à la conscience de groupe au sein de ces systèmes. L’évolution des technologies mobiles (téléphones cellulaires, PDA, réseaux sans fil…) permet d’envisager leur utilisation pour un travail collectif piloté par un système d’information coopératif. Or, malgré les progrès effectués, on constate qu’il demeure encore des limitations en termes de capacités d’affichage, de batterie, ou encore de bande passante du réseau. C’est pourquoi, dans les systèmes d’information coopératifs sur le Web, l’adaptation du contenu délivré est un problème crucial. Cette adaptation est particulièrement importante pour le support à l’information de conscience de groupe, puisque, d’une part, les contraintes auxquelles sont exposés les utilisateurs nomades modèrent l’exploitation des techniques de visualisation communément utilisées par les mécanismes de conscience de groupe, ainsi que l’envoi de quantités importantes d'information au client. D’autre part, le nomadisme favorise la perte de contact entre les participants du groupe, et les collecticiels doivent compenser cette possible perte par des mécanismes de conscience de groupe adaptés. Cependant, cette adaptation ne doit plus se concentrer sur la présentation du contenu, mais elle doit également agir sur le contenu lui-même, en le sélectionnant et l’organisant selon sa pertinence pour l’utilisateur nomade. Cette pertinence peut changer en fonction du contexte dans lequel se trouve cet utilisateur, et donc la prise en compte du contexte d’utilisation devient aussi nécessaire pour l’adaptation de l’information de conscience de groupe que la prise en compte des préférences de l’utilisateur. Dans ce travail de thèse, nous proposons donc une nouvelle approche pour la question de l’adaptation de l’information de conscience de groupe au sein des collecticiels sur le Web. Cette approche consiste en : (i) la formalisation de la notion de contexte d’utilisation de manière à prendre en compte les aspects coopératifs propres aux collecticiels ; et (ii) la proposition d‘un mécanisme de filtrage de l’information de conscience de groupe qui tient compte à la fois du contexte de l’utilisateur et de ses préférences dans ce contexte d’utilisation précis. 
 
Notre proposition commence donc par la proposition d’un modèle par objets qui formalise la notion de contexte d’utilisation. Ce modèle concerne particulièrement l’utilisation mobile des collecticiels sur le Web. Il intègre ainsi autant de concepts liés au contexte physique de l’utilisateur (sa localisation, le dispositif utilisé…) que de concepts liés au contexte coopératif dans lequel cet utilisateur évolue (notions de groupe, de rôle, d’activité…). Par ailleurs, le modèle à objets proposé prend en compte quatre prérequis que nous considérons indispensables pour la représentation de contexte : (i) être évolutif ; (ii) permettre la représentation d'une information dynamique ; (iii) permettre l'expression de critères de précision ; et (iv) permettre l'expression d'informations ambiguës et incomplètes. Nous avons ainsi obtenu une formalisation de la notion de contexte permet la séparation entre les informations relatives au contexte et celles propres au système. L'enjeu de cette formalisation est de concevoir des systèmes dont la notion de contexte puisse évoluer (et être modifiée) dans le temps, et dont les composants liés à cette notion soient réutilisables.


Ensuite, nous proposons une série d'opérations capables d'être appliquées au modèle ci-dessus. Ces opérations visent à comparer, de plusieurs façons, les objets et les associations qui composent le modèle. Nous proposons trois types d'opérations de base : (i) un premier type d'opérations, destiné à vérifier l'existence d'une relation d'égalité entre deux instances, si elles ont un contenu équivalent (opérateur equals). (ii) Un deuxième type qui vérifie une possible relation d'inclusion entre deux objets en tenant compte de leurs relations avec d'autres objets et des associations qui les lient. En d'autres termes, on vérifie, à travers un opérateur nommé contains, si un objet donné, avec toutes les instances en liaison avec lui, contient un autre objet donné et toutes ses liaisons. (iii) Un troisième type d’opérations sont de mesures de similarité qui évaluent le degré de rapprochement entre le contenu de deux instances de manière isolée ou en tenant compte de leurs relations, décrivant ainsi une relation de similarité entre deux instances. Ces opérations ont été largement inspirées des travaux de Valtchev et Euzenat2, ainsi que par ceux de Bisson1, dans le domaine de la représentation de connaissances. Par ailleurs, ces opérations ont été définies de manière générique, en utilisant une approche de représentation de connaissances par objets. Ceci nous permet d'utiliser ces opérations dans le cadre d'autres modèle de représentation par objets. L'application de ces opérations n'est donc pas restreinte à seul le modèle de contexte que nous proposons. 

 

Le mécanisme de filtrage que nous proposons utilise ce modèle de contexte pour représenter non seulement le contexte courant d’un utilisateur, mais également des « contextes potentiels », des situations dans lesquelles cet utilisateur peut potentiellement se trouver au cours de son interaction avec le système. Ces contextes potentiels sont associés aux préférences de l’utilisateur, qui sont représentées par des profils. Ce filtrage est donc guidé à la fois par le contexte d'utilisation et par les préférences de l'utilisateur. Notre approche vise ainsi le groupe à travers les individus qui le composent. Nous croyons que pour améliorer la performance du groupe, il faut d'abord améliorer les conditions de travail de chaque membre du groupe. 

 

Les profils que nous proposons permettent à son propriétaire d’indiquer les informations de conscience de groupe qu’il considère comme pertinentes, ainsi que les situations dans lesquelles ces informations sont pertinentes (les contextes potentiels). Par ailleurs, les profils permettent également l’organisation de l’information de conscience de groupe en plusieurs niveaux de détail, à travers l’utilisation du Modèle d’Accès Progressif (MAP)3. Le mécanisme de filtrage repose ainsi sur deux étapes : la première analyse le contexte courant d’utilisation et sélectionne les profils de l’utilisateur en fonction de ce contexte ; la seconde s’appuie sur le MAP afin de filtrer et d’organiser les informations de conscience de groupe accessibles par ces profils. Dans la première étape, nous utilisons les relations d’égalité et d’inclusion pour vérifier si l’utilisateur se trouve dans une la situation décrite par le contexte potentiel lié à un profil. En d’autres termes, nous vérifions si le contexte de l’utilisateur contient un de ces contextes potentiels. Si c’est le cas, le profil auquel le contexte potentiel est associé sera sélectionné pour la deuxième étape. La deuxième étape du processus filtre et organise les informations selon l’ensemble de profils déterminé par la première étape. Pour cela, cette étape trie les profils par ordre de priorité. Cet ordre est établi grâce à l’application des mesures de similarité entre le contexte courant de l’utilisateur et le contexte potentiel associé à chaque profil. Ainsi, les informations sélectionnées par les profils qui ont été établis pour une situation proche du contexte courant de l’utilisateur seront mises à disposition de l’utilisateur avant les celles sélectionnées par les autres profils (dont les contextes potentiels sont plus éloignés du contexte courant). Enfin, ce mécanisme de filtrage est implémenté au sein d’un canevas nommé BW-M, lequel utilise le système de représentation de connaissances par objets AROM pour l’implantation du modèle de contexte.
 
Références :

 

  1. 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. 
  2. Valtchev, P., « Building classes in object-based languages by automatic clustering », In : Hand, D., Kok, J., Berthold, M. (Eds.), LNCS 1642 - 3rd International Symposium on Intelligent Data Analysis (IDA’99), Springer-Verlag, 1999, pp. 303-314. 
  3. 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. Disponible sur http://www- lsr.imag.fr/Les.Personnes/Marlene.Villanova/ (juillet 2005).