1 / 40

PROCOGEC : PROgiciel COllaboratif de GEstion des Connaissances

PROCOGEC : PROgiciel COllaboratif de GEstion des Connaissances. Projet ANR : mai 2007- avril 2010 Knowings , Gaz de France, Antecim Syscom , ESC Chambéry, G-Scop , Liris. Plan de l’exposé. Le métier de la société Knowings Le projet Procogec

edythe
Télécharger la présentation

PROCOGEC : PROgiciel COllaboratif de GEstion des Connaissances

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. PROCOGEC : PROgicielCOllaboratif de GEstion des Connaissances Projet ANR : mai 2007-avril 2010 Knowings, Gaz de France, Antecim Syscom, ESC Chambéry, G-Scop, Liris

  2. Plan de l’exposé • Le métier de la société Knowings • Le projet Procogec • Les traces d’interaction comme conteneurs de connaissances • Traces ? • Traces modélisées (modèles, langage de requête, langage de transformation) • Travaux en relation • Architecture assistance à base de traces / notion de « réseau social » (Dessin animé et illustration) • Usages et « darkside » • Bonus : formalisation Journée scientifique Cluster ISLE : Web Sémantique

  3. Notion de trace • Définition du dictionnaire : « une suite d'empreintes ou de marques que laisse le passage d'un être ou d'un objet ; marque laissée par une action quelconque ; ce à quoi on reconnaît que quelque chose a existé; » • Trace informatique est la trace de l’activité d’un utilisateur d’un environnement informatique pour mener à bien son activité, s’inscrivant sur un support numérique. • Deux points de vue • Histoire interactionnelle (Action-Based ) • Les productions comme trace de l’activité. (Content-Based)‏ • Le concept de « Trace Informatique » d’interactions / utilisation : Séquence (temporelle) d’observés lors de l’exécution d’un processus informatique : événements et entités associées Journée scientifique Cluster ISLE : Web Sémantique

  4. Notion de trace modélisée • Trace modélisée (M-trace) • Objet informatique, représentant une séquence d’observés issus d’interactions sur des entités de l’environnement informatique. • Modèle de trace  observés (événements, entités) et relations entre observés • Domaine temporel  mode de prise en compte de la temporalité de l’observation • Opérations de transformations de traces : langage de requête, langage de transformation. • Système à Base de Traces Modélisées Journée scientifique Cluster ISLE : Web Sémantique

  5. Notion de modèle de Trace • Modèle de trace • Ensemble de concepts et de relations types qui s’instancient dans la trace • Pourquoi un modèle • Implicite vs Explicite • Décrire, Spécifier et conceptualiser les traces qu’on veut avoir et obtenir • M-trace = Trace + Modèle Journée scientifique Cluster ISLE : Web Sémantique

  6. Notion de Système à Base de Traces Journée scientifique Cluster ISLE : Web Sémantique

  7. Collecte de traces • Ensemble structuré de processus permettant de convertir une ou plusieurs sources de données en entrée en une trace « première » • Collecte / Sources de traçage (inputs) • Agent informatique de capture associé au SBT + • Observateur humain • Capteur autonome  flux de traçage (vidéo, audio, logs…) Journée scientifique Cluster ISLE : Web Sémantique

  8. Transformations de Traces • Transformations de Traces Modélisées • Bibliothèque de modèles • Reformulation d’une trace en une autre  Enrichissement du modèle, calculs sur la trace, etc. • Bibliothèque de transformations Journée scientifique Cluster ISLE : Web Sémantique

  9. RelatedWork • Beaucoup de domaines se sont intéressés à la formalisation de « séquences d’événements » • Stream Database, Stream Mining (les travaux les + proches) • Un Ordre total sur les évènements // pas de notion de « transformations // • Web Data Mining • Recherche des séquences fréquentes, les prochains événement possibles • Pas de notion de transformation explicite • SemanticLogging • Intégration de plusieurs fichiers logs // pas de notion de « modèle », temporalité non formalisée • Sequential Data Analysis • Pas de modèle formel • Plusieurs outils d’analyse existent • Logfileanalysis • Vérification de l’exécution de programmes • Trouver l’automate qui génère la trace d’exécution (inclusion,etc.) • Blocage et parallélisme de processus (Algèbre de processus) • Pas de meta-modèle, pas de notion de requêtes, ni de transformations • Traces d’interaction • Exploitées intensivement dans beaucoup de domaines (en particulier dans les EIAH ou pour la personnalisation d’environnements). • Pas de formalisation. Journée scientifique Cluster ISLE : Web Sémantique

  10. Illustration Assistant Alter-Ego (avatar ?) Requêtes Journée scientifique Cluster ISLE : Web Sémantique

  11. Illustration Assistant Alter-Ego (avatar ?) Requêtes Journée scientifique Cluster ISLE : Web Sémantique

  12. Illustration Assistant Alter-Ego (avatar ?) Requêtes Journée scientifique Cluster ISLE : Web Sémantique

  13. Illustration Assistant Alter-Ego (avatar ?) Requêtes Journée scientifique Cluster ISLE : Web Sémantique

  14. Alter-ego assistant Services SGBT Alter-ego assistant (avatar ?) -> support de l’individuation (réflexivité, appropriation,…) Couplage 14 Journée scientifique Cluster ISLE : Web Sémantique

  15. Alter-ego assistants (avatars ?) … en réseau -> dans l’environnement… Couplage 15 Journée scientifique Cluster ISLE : Web Sémantique

  16. Exemple d’usage : plateforme éducative • Implémente le concept de ”classe virtuelle”  • Chat écrit/audio • Activités collaboratives synchrones (tableau blanc, push tuteur, …. • Interactions tracées et affichées • Activité à dimension réflexive Journée scientifique Cluster ISLE : Web Sémantique 16

  17. Scénario d’utilisation (2/2) Journée scientifique Cluster ISLE : Web Sémantique 17

  18. USAGES : Individuation et trans-individuation • Apprentissage humain • Appropriation (auto-apprentissage) • Co-construction de communautés • Assistances • à la réalisation d’activités évolutives (en cours de construction) • à la gestion des connaissances (partage, réutilisation, découverte) • à l’intégration, à l’inclusion par « négociation » de sens d’utilisateurs (très) différents (situations de handicap par exemple) -> et probablement bien d’autres usages (WEB X.0 !) Journée scientifique Cluster ISLE : Web Sémantique 18

  19. Dark side ? • Profiter des facilités offertes par les traces modélisées pour : • Les considérer comme des sources « d’information » sur l’activité des utilisateurs • Les utiliser pour « conditionner » des « bonnes » pratiques • Les utiliser pour découvrir des comportements « intéressants » … • Les détourner pour donner une image réflexive « déformée »… (jugement / suggestion…) • Individuation contrôlée ! Proposition : visibilité de la collecte / traces locales cryptées par défaut / négociation pair à pair pour partage et échange (modèle distribué) Journée scientifique Cluster ISLE : Web Sémantique 19

  20. BONUS • Formalisation • Langage de requête • Langage de transformation • Discussion sur les transformations « interactives » Journée scientifique Cluster ISLE : Web Sémantique

  21. Formaliser et modéliserl’objet Trace • Un ensemble d’éléments temporellement situés par rapport un repère de temps • Relatif (unité et origine) • Absolu (unité) • séquentiel ordonnée (les uns par rapport aux autres)‏ Journée scientifique Cluster ISLE : Web Sémantique • Séquence temporelle d’observés • un ensemble d’éléments temporellement situés • Une séquence temporelle (par rapport un repère de temps)‏ • Une séquence ordonnée (les uns par rapport aux autres)‏

  22. Le temps, formellement Journée scientifique Cluster ISLE : Web Sémantique

  23. Trace Modélisée, formellement Journée scientifique Cluster ISLE : Web Sémantique

  24. Modèle de trace Journée scientifique Cluster ISLE : Web Sémantique

  25. Requêter les M-traces • Un langage pour : • Sélectionner les observés de la trace qui répondent à certains critères • Éliminer les observés « bruit » dans la trace • Extraire des épisodes de la trace • Pattern Matching • Exemple  trouver tous les observés « Action » ayant l’attribut « Type = Copier » • Besoind’une notation pour décrire ces patterns ayant une sémantique précise par rapport aux M-traces. Journée scientifique Cluster ISLE : Web Sémantique

  26. Un langages de requête pour les traces Basic Pattern General Pattern Journée scientifique Cluster ISLE : Web Sémantique

  27. Un Langage de requête et de pattern • Exemple d’un pattern basique P1: ((X : Action) , (Y : Objet) , (X concerne Y) (X.type=“Modifier”) , (X.begin < Y.end)) Modèle O1 O3 O10 O11 O6 Objet Id2 Page Web id3 Message Id4 Page Web id1 Document id1 Page Web • id • Nom O2 O4 O18 O20 O33 concerne Ouvrir Modifier Copier Envoyer Modifier Action • Type Temps Journée scientifique Cluster ISLE : Web émantique

  28. Un Langage de requête et de pattern • Exemple d’un pattern basique P1: ((X : Action) , (Y : Objet) , (X concerne Y) (X.type=“Modifier”) , (X.begin < Y.end), (DocumentWeb(Y)) DocumentWeb(X) : ((X : Objet), (X.nom=“Page Web”)) Modèle O1 O3 O10 O11 O6 Objet Id2 Page Web id3 Message Id4 Page Web id1 Document id1 Page Web • id • Nom O2 O4 O18 O20 O33 concerne Ouvrir Modifier Copier Envoyer Modifier Action • Type Temps Journée scientifique Cluster ISLE : Web Sémantique

  29. Un Langage de requête et de pattern • Exemple d’un pattern général P1: ((X : Action) , (Y : Objet),(Z: User), (X concerne Y), (X.type=“Modifier”)) (OPT (Y fait_par Z)) O17 O31 O29 O22 O8 User user1 user2 User7 User3 user1 • id • login Fait_par O1 O3 O10 O11 O6 Objet Id2 Page Web id3 Message Id4 Page Web id1 Document id1 Page Web • id • Nom O2 O4 O18 O20 O33 concerne Ouvrir Modifier Copier Envoyer Modifier Action • Type Modèle Temps Journée scientifique Cluster ISLE : Web Sémantique

  30. Un Langage de requête et de pattern • Exemple d’un pattern général P1: ((X : Action) , (Y : Objet),(Z: User), (X concerne Y), (X.type=“Modifier”)) (Without (Y fait_par Z)) O17 O31 O29 O22 O8 User user1 user2 User7 User3 user1 • id • login Fait_par O1 O3 O10 O11 O6 Objet Id2 Page Web id3 Message Id4 Page Web id1 Document id1 Page Web • id • Nom O2 O4 O18 O20 O33 concerne Ouvrir Modifier Copier Envoyer Modifier Action • Type Modèle Temps Journée scientifique Cluster ISLE : Web Sémantique

  31. Sémantique des Patterns Basiques Journée scientifique Cluster ISLE : Web Sémantique

  32. Sémantique des Patterns Généraux Journée scientifique Cluster ISLE : Web Sémantique

  33. Complexité de l’évaluation des Patterns • P est un pattern Basique • P est un pattern général (utilisant en plus OR) • P est un pattern général (utilisant en plus OPT) • P est un pattern général (utilisant en plus Without) (Negation as Failure) • pas encore étudiée (Indécidable?) Journée scientifique Cluster ISLE : Web Sémantique

  34. Langage de transformation • Comment créer une trace à partir d’une autre • Comment créer des observés à partir d’autres observés • Une transformation utilise les requêtes sur la trace • Les substitutions décrivent l’ensemble des données qui vont être transformées • La notion de Template permettra de produire les observés de la trace transformée • Une Template est une sorte de pattern (d’un point de vue théorique) Journée scientifique Cluster ISLE : Web Sémantique

  35. Langage de transformation • La règle de calcul de l’extension temporelle peut être vide Journée scientifique Cluster ISLE : Web Sémantique

  36. Langage de transformation Journée scientifique Cluster ISLE : Web Sémantique

  37. Un Langage de transformation • Exemple d’une règle de transformation P1: ((X : Action) , (Y : Objet),(X concerne Y), (X.type=“Modifier”), (Y.nom=“Document”)) T1 : ((Z : Document_édité), (Z.begin = Y.begin) , (Z.end = X.end) (Z.nom = Y.nom) (X ModificationSur Z)) O99 document DocumentEdité • Nom O1 O3 O10 O11 O6 ModifcatinSur Id2 Page Web id3 Message Id4 Document id1 Document id1 Page Web Objet • id • Nom O2 O4 O18 O20 O33 concerne Ouvrir Modifier Copier Envoyer Modifier Action • Type Modèle Temps Journée scientifique Cluster ISLE : Web Sémantique

  38. Complexité et difficulté • Au-delà de la complexité de l’évaluation des patterns. • Ordonnancement des règles ne compte pas • Transformations non obligatoirement monotones en temps réel (si utilisation de OPT ou WITHOUT) • Exemple • Certaines transformations, impliquant les opérateurs OPT et Without, ne peuvent pas être évaluées • dans le cas du temps réel • Définir les conditions nécessaires et suffisantes pour garantir la « monotonie » des transformations dans le cas du temps réel (il faut considérer explicitement qu’il s’agit de nouvelles interprétations) (X: Action Y: Objet) OPT X concerne Y) (X: Action Y: Objet) OPT X concerne Y) O1 Id2 Page Web Objet Objet • id • Nom • id • Nom O2 O2 concerne concerne Ouvrir Ouvrir Action Action • Type • Type Journée scientifique Cluster ISLE : Web Sémantique Modèle t1 t2 Modèle Temps Temps

  39. Complexité et difficulté • Au-delà de la complexité de l’évaluation des patterns. • Ordonnancement des règles ne compte pas • Transformations non obligatoirement monotones en temps réel (si utilisation de OPT ou WITHOUT) • Exemple • Certaines transformations, impliquant les opérateurs OPT et Without, ne peuvent pas être évaluées • dans le cas du temps réel • Définir les conditions nécessaires et suffisantes pour garantir la « monotonie » des transformations dans le cas du temps réel (il faut considérer explicitement qu’il s’agit de nouvelles interprétations) (X: Action Y: Objet) Without X concerne Y) (X: Action Y: Objet) Without X concerne Y) O1 Id2 Page Web Objet Objet (X: Action) without {y: Objet, y.begin < X.begin} • id • Nom • id • Nom O2 O2 concerne concerne Ouvrir Ouvrir Action Action • Type • Type Journée scientifique Cluster ISLE : Web Sémantique Modèle t1 t2 Modèle Temps Temps

  40. Travail théorique • Définition d’un cadre formel permettant de • Penser les systèmes • Analyser des outils utilisant des traces en explicitant • les traces et leur modèles, les transformations, les calculs, les modes d’utilisation • Construire des systèmes • Formaliser la notion de trace et de modèle de trace • Formaliser un langage pour requêter et transformer des traces moyennant des modèles de transformations (ensemble de règles)  Construire un Framework informatique supportant la notion de SBT Journée scientifique Cluster ISLE : Web Sémantique

More Related