Vol 2 - Numéro 1

Modélisation et utilisation du contexte

Liste des articles

Chaque jour, le gouvernement génère et consomme de grandes quantités de données. Les agences fédérales sont maintenant à la pointe de l’analyse du Big Data pour résoudre des problèmes tels que l’amélioration du service aux citoyens. La tranquillité domestique, la satisfaction de la clientèle, la transparence et la fourniture de services de qualité comptent parmi les nombreux objectifs critiques que la plupart des agences gouvernementales visent à atteindre grâce au service aux citoyens. Les gouvernements fédéral, d’état, des comtés et des villes sont constamment confrontés à un nombre impressionnant de demandes de citoyens, d’organisations, de chercheurs, de médias et de nombreuses autres entités. Les gouvernements sont toutefois constamment confrontés à des problèmes de responsabilité qui peuvent remettre en question leur rôle et leur efficacité. Cet article, grâce à la science des données et du contexte, introduit un nouveau moteur qui pourrait être utilisé par toute agence fédérale dans le but d’améliorer le service aux citoyens,
d’évaluer les paramètres de performance et de fournir des indications pour améliorer les taux de satisfaction. Le modèle utilisé dans ce moteur (appelé iGPS) est déployé à travers un certain nombre de jeux de données de taille réelle. Les visualisations de données significatives et exploitables sont présentées aux employés fédéraux en fonction de leur contexte pour les aider dans leur prise de décision. Le modèle a été testé pour la première fois (à travers six ensembles
de données gouvernementales provenant de 46 agences), des modèles d’apprentissage automatique sont développés, des visualisations sont réalisées, le système est déployé au gouvernement américain et les résultats expérimentaux sont enregistrés et présentés.

Réduire la consommation énergétique est un défi individuel et collectif qui exige que les personnes soient proactives et pleinement impliquées. La plupart des approches et des solutions actuelles reposent sur des systèmes automatisés et autonomes prenant le contrôle total des décisions. Bien que ces systèmes libèrent les occupants du réglage de la température dans leur bureau ou leur maison, le niveau de confort thermique choisi par la technologie peut ne pas satisfaire leurs exigences. L’automatisation du contrôle est une solution évidente, mais elle écarte l’humain du processus. Nous proposons une approche alternative reposant sur la coopération entre un gestionnaire énergétique et les occupants leur permettant de prendre la décision finale. Cependant, pour prendre de bonnes décisions, les occupants doivent comprendre le fonctionnement et la logique du système et être convaincus et motivés pour changer leurs habitudes en matière de consommation énergétique. Notre approche propose un assistant virtuel qui fournit aux occupants des explications contextuelles ainsi qu’une interaction homme-machine conçue pour persuader et maintenir l’utilisateur impliqué.

La conception d’applications sensibles au contexte, i.e. applications capables d’adapter leur comportement au contexte d’exécution, est une tâche complexe. Non seulement la notion de contexte correspond à un concept large et complexe, mais également son support au sein d’un logiciel implique la prise en compte de plusieurs challenges. Ceux-ci ne se limitent pas aux challenges techniques, incluant aussi le support à la qualité de contexte (QoC). Avec le développement croissant de ces applications, il devient essentiel de considérer la notion de qualité à chaque étape de leur développement. L’objectif ici est ainsi d’inciter la discussion et la prise de conscience sur ces différents aspects liés à la gestion de contexte et de ses paramètres de qualité. Nous présentons une roadmap tenant compte des différentes dimensions nécessaires à la gestion de contexte, ainsi qu’une révision de littérature discutant les solutions et les problèmes liés à ces dimensions. A travers ces éléments, nous voulons partager une connaissance nécessaire à la compréhension de la notion de contexte et de QoC, et à la conception d’applications sensibles au contexte par de concepteurs non-experts.

Ce papier présente un cadre logique capable d’exprimer un contextualisme épistémologique. Le contextualisme épistémologique repose sur la possibilité d’une interprétation indexicale des connaissances de l’opérateur, selon laquelle les conditions de vérité des attributions des connaissances manifeste une variabilité contextuelle d’une telle manière que les connaissances dans un contexte n’implique pas de connaissances dans d’autres contextes. Au moyen d’une notion de contexte épistémique définie sur la base de la notion de contexte développée par McCarthy et Buvac en Intelligence Artificielle, le papier montre comment une interprétation indexicale des connaissances de l’opérateur peut être modélisée formellement à travers un système de déduction naturellequi permet le raisonnement classique parmi des contextes gouvernés par différents concepts de connaissance.

Cet article présente une évaluation d’une nouvelle approche contextuelle appelée la Méthode du Contexte de Coopération (CCM) qui sert à synthétiser des récits complets qui sont intéressant et qui ont du sens pour le lec-teur/écoutant. Les approches guidées par le contexte existantes sont généralement conçues pour faciliter une attention à la situation d’un agent tactique qui opère dans un environnement réel (physique ou virtuel) interactif. De tels agents sont généralement missionné pour prendre des décisions dans la poursuite de leurs objectifs et/ou en regard de l’environnement et des actions d’autres entités évoluant dans son environnement. En effet, vivent principalement dans le présent et/ou à un moindre degré, peuvent se rappeler des choses du passé ; ils se reposent seulement sur le en termes de planification pour réaliser leurs objectifs, s’il y en a. Ces approches centrées sur le contexte ne sont pas utiles pour la création d’un récit qui, par définition, n’est ni dans le passé ni dans le présent, mais plutôt dans un cadre temporel artifi-ciel qui couvre une période de temps arbitrairement longue. CCM a été conçu et construit pour surmonter les limitations trouvées dans d’autres approches contextuelles en ce qui concerne la génération narrative automatique. CCM com-mence à construire la narration en examinant la situation actuelle pour créer une liste de tâches qui sont pertinentes à la situation rencontrée par l’agent. Grâce à une série d’algorithmes, la liste des contextes capables de permettre d’effectuer ces tâches est réduite à deux listes de contextes, l’une de priorité élevée et l’autre de priorité basse, tout en supprimant les autres contextes jugés non pertinents par rapport aux besoins actuels. L’ensemble des contextes les mieux adaptés à la gestion des tâches est sélectionné et les connaissances contextuelles sont utilisées pour traiter les tâches pertinentes. Tout au long de ce processus, les contextes activés et les actions prises par tous les agents (c’est-à-dire les personnages de l’histoire) sont enregistrés et font partie du récit émergent. Les applications potentielles de CCM et sa capacité à cons-truire des récits complets comprennent la génération automatique d’histoires, la création de scénarios pour les jeux vidéo de tir à la première personne et la création de scénarios simulés pour l’entraînement tactique dans les opérations de premier répondant et dans les opérations militaires. L’application décrite dans cet article concerne la génération automa-tique d’histoires pour enfants. Des tests approfondis de CCM ont révélé que la méthode fonctionne comme prévue.

Le formalisme des Graphes contextuels permet de représenter la réalisation d’une tâche par un acteur. L’objectif est de fournir aux décideurs un panorama clair des différentes pratiques pour réaliser une tâche, et ainsi pouvoir choisir la meilleure pratique dans le contexte rencontré. Le formalisme des Graphes Contextuels a été utilisé avec succès dans de nombreux domaines tels que la médecine, la biologie, et les transports. Dans ce papier, nous proposons une extension du formalisme pour modéliser des activités collaboratives, et illustrer les extensions apportées dans une application de taille réelle pour l’Armée (projet TACTIC). Les extensions portent sur (1) l’introduction de paramètres de simulation pour manager les interactions entre acteurs, (2) une notion de tour pour modéliser une traversée du méta-graphe contextuel (le modèle de l’activité du groupe), (3) un mécanisme de gestion des tours entre les membres du groupe pour manager l’utilisation cyclique du méta-graphe contextuel, et (4) un simulateur basé sur les graphes contextuels pour étudier les interactions entre les acteurs. Une réelle compréhension d’une activité collaborative ne se limite pas à aider le décideur, mais à fournir aussi des outils pour construire des applications opérationnelles.

Ce papier présente la comparaison de la contextualisation et de la réalisation linguistique des relations discursives contrastives dans les tâches d’édition monadiques et dyadiques produites dans un cadre expérimental. Les participants devaient produire un texte argumentatif bien-formé sur la base d’un squelette de texte réduit à l’information propositionnelle bien que contenant encore l’organisation séquentielle argumentative originale et la configuration par défaut des événements. L’objectif était de comprendre le rôle du contexte dans la production et le traitement d’un discours dans el contexte de la négociation du sens commun du discours et de sa cohérence conceptuelle. Le contexte est vu comme une construction relationnelle dynamique, comprenant le contexte social, le contexte linguistique (ou : co-texte) et le contexte cognitif.
L’étude est méthodologiquement compositionnelle à travers les approches fonctionnelles de la grammaire du discours, de la représentation du discours et de la pragmatique discursive. Les résultats de l’expérience montrent que les textes dyadiques et monadiques contextualisent les relations discursives contraires et interprètent la cohérence discursive en utilisant un ensemble de connecteurs discursifs contrastifs et de lignes de cohérence, les textes monadiques contextualisant
en outre le contexte social, incorporant des contributions contrastives en conséquence.

Ce papier tente de connecter des préoccupations dans la philosophie du langage avec des vues traditionnelles en Intelligence Artificielle. Après une courte introduction sur la notion de contexte en Philosophie (§1), je pars de l’inventeur de la logique
mathématique, Gottlob Frege pour présenter trois débats dans la philosophie du langage où la solution est fortement indécise : (§2) le
débat sur l’holisme, (§3) le débat sur les frontières entre sémantique et pragmatique, et (§4) le débat entre les vues explicites et
implicites de descriptions incomplètes. Ces débats peuvent être considérés comme des études de cas sur ce qui est arrivé à la notion
de contexte en Philosophie dans les deux premières décades du XXIième siècle ; ils nous poussent à chercher un cadre unifiée pour
cadrer les soucis dont nous discutons : je propose de déplacer l’attention vers une représentation des capacités élémentaires qui sont
requises pour naviguer à travers les contextes (§5). Je conclue en faisant quelques suggestions issues des Sciences de l’Informatique
pour contribuer à une meilleure définition de la signification de « compétence pragmatique » dans le cadre d’une entreprise
philosophique (§6).

Spécifier un espace de recherche représente une étape importante dans la conception de systèmes d’annotation multi-média. Avec une grande quantité de données provenant de capteurs et de services Web, les approches sensible au contexte deviennent de plus en plus usuelles pour élaguer les espaces de recherche. Dans ces approches, l’espace de recherche est limité par les informations contextuelles qui sont obtenues à partir d’un ensemble donné de sources. Par exemple, un système pour marquer les visages dans des photos pourrait reposer sur une liste statique de candidats obtenus à partir de photos de personnes sur leur profil FaceBook. Ces sources contextuelles peuvent devenir très volumineuses, ce qui peut conduire à une précision plus faible dans le problème des annotations. Nous présentons un nouvel algorithme de découverte du contexte, une technique pour découvrir progressivement l’espace de recherche le plus pertinent pour un ensemble dynamique de sources contextuelles. Ceci nous permet de recueillir les bénéfices du contexte tout en gardant la taille de l’espace de recherche à une taille raisonnable. Comme concrète application de notre approche, nous présentons une application simple de management de photos, où les visages de personnes sont marqués à partir de photos privées d’un utilisateur. Nous étudions empiriquement le rôle de notre cadre de travail dans l’application de marquage de visages pour marquer des photos prises lors d’événements sociaux comme des conférences, des mariages ou de rassemblements sociaux. Nos résultats montrent que la disponibilité du contexte des événements et sa découverte dynamique peut produire des espaces de recherche plus petits de 97.5% avec au moins 93% de marquages corrects.

Notre article décrit les résultats de travaux utilisant l’information de localisation afin de reconnaître les activités domestiques. Nous explorons l’utilisation de l’apprentissage supervisé pour reconnaître les activités situées dans la banque de données du projet Opportunity, couplé à une phase de fusion de décision. Nos résultats montrent que l’utilisation d’information de localisation permet une diminution substantielle du taux d’erreur ainsi que du coût de calcul de la reconnaissance d’activité par rapport aux approches classiques, pour lesquelles tous les capteurs sont utilisés et toutes
les activités sont possibles. L’utilisation de l’information de localisation pour contrôler le processus de reconnaissance permet d’obtenir un score F1 de 92:70% ± 1:26%, et requiert seulement 73 millisecondes of temps de traitement par activité. Ces résultats montrent qu’organiser la reconnaîssance d’activité autour d’un modèle de contexte basé sur la localisation permet le passage à l’échelle de services sensibles au contexte d’activité dans les environnements domestiques.