Modélisation des émotions de l’apprenant et interventions implicites pour les systèmes tutoriels intelligents

La modélisation de l’expérience de l’utilisateur dans les Interactions Homme-Machine est un enjeu important pour la conception et le développement des systèmes adaptatifs intelligents. Dans ce contexte, une attention particulière est portée sur les réactions émotionnelles de l’utilisateur, car elles ont une influence capitale sur ses aptitudes cognitives, comme la perception et la prise de décision. La modélisation des émotions est particulièrement pertinente pour les Systèmes Tutoriels Émotionnellement Intelligents (STEI). Ces systèmes cherchent à identifier les émotions de l’apprenant lors des sessions d’apprentissage, et à optimiser son expérience d’interaction en recourant à diverses stratégies d’interventions. Cette thèse vise à améliorer les méthodes de modélisation des émotions et les stratégies émotionnelles utilisées actuellement par les STEI pour agir sur les émotions de l’apprenant. Plus précisément, notre premier objectif a été de proposer une nouvelle méthode pour détecter l’état émotionnel de l’apprenant, en utilisant différentes sources d’informations qui permettent de mesurer les émotions de façon précise, tout en tenant compte des variables individuelles qui peuvent avoir un impact sur la manifestation des émotions. Pour ce faire, nous avons développé une approche multimodale combinant plusieurs mesures physiologiques (activité cérébrale, réactions galvaniques et rythme cardiaque) avec des variables individuelles, pour détecter une émotion très fréquemment observée lors des sessions d’apprentissage, à savoir l’incertitude. Dans un premier lieu, nous avons identifié les indicateurs physiologiques clés qui sont associés à cet état, ainsi que les caractéristiques individuelles qui contribuent à sa manifestation. Puis, nous avons développé des modèles prédictifs permettant de détecter automatiquement cet état à partir des différentes variables analysées, à travers l’entrainement d’algorithmes d’apprentissage machine. Notre deuxième objectif a été de proposer une approche unifiée pour reconnaître simultanément une combinaison de plusieurs émotions, et évaluer explicitement l’impact de ces émotions sur l’expérience d’interaction de l’apprenant. Pour cela, nous avons développé une plateforme hiérarchique, probabiliste et dynamique permettant de suivre les changements émotionnels de l'apprenant au fil du temps, et d’inférer automatiquement la tendance générale qui caractérise son expérience d’interaction à savoir : l’immersion, le blocage ou le décrochage. L’immersion correspond à une expérience optimale : un état dans lequel l'apprenant est complètement concentré et impliqué dans l’activité d’apprentissage. L’état de blocage correspond à une tendance d’interaction non optimale où l'apprenant a de la difficulté à se concentrer. Finalement, le décrochage correspond à un état extrêmement défavorable où l’apprenant n’est plus du tout impliqué dans l’activité d’apprentissage. La plateforme proposée intègre trois modalités de variables diagnostiques permettant d’évaluer l’expérience de l’apprenant à savoir : des variables physiologiques, des variables comportementales, et des mesures de performance, en combinaison avec des variables prédictives qui représentent le contexte courant de l’interaction et les caractéristiques personnelles de l'apprenant. Une étude a été réalisée pour valider notre approche à travers un protocole expérimental permettant de provoquer délibérément les trois tendances ciblées durant l’interaction des apprenants avec différents environnements d’apprentissage. Enfin, notre troisième objectif a été de proposer de nouvelles stratégies pour influencer positivement l’état émotionnel de l’apprenant, sans interrompre la dynamique de la session d’apprentissage. Nous avons à cette fin introduit le concept de stratégies émotionnelles implicites : une nouvelle approche pour agir subtilement sur les émotions de l’apprenant, dans le but d’améliorer son expérience d’apprentissage. Ces stratégies utilisent la perception subliminale, et plus précisément une technique connue sous le nom d’amorçage affectif. Cette technique permet de solliciter inconsciemment les émotions de l’apprenant, à travers la projection d’amorces comportant certaines connotations affectives. Nous avons mis en œuvre une stratégie émotionnelle implicite utilisant une forme particulière d’amorçage affectif à savoir : le conditionnement évaluatif, qui est destiné à améliorer de façon inconsciente l’estime de soi. Une étude expérimentale a été réalisée afin d’évaluer l’impact de cette stratégie sur les réactions émotionnelles et les performances des apprenants.

Interaction d'Escherichia coli entérohémorragique (EHEC) avec Acanthamoeba castellanii et rôle du régulon Pho chez les EHEC

Les EHEC de sérotype O157:H7 sont des agents zoonotiques d’origine alimentaire ou hydrique. Ce sont des pathogènes émergeants qui causent chez l’humain des épidémies de gastro-entérite aiguë et parfois un syndrome hémolytique-urémique. Les EHEC réussissent leur transmission à l’humain à partir de leur portage commensal chez l’animal en passant par l’étape de survie dans l’environnement. L’endosymbiose microbienne est une des stratégies utilisées par les bactéries pathogènes pour survivre dans les environnements aquatiques. Les amibes sont des protozoaires vivants dans divers écosystèmes et connus pour abriter plusieurs agents pathogènes. Ainsi, les amibes contribueraient à transmettre les EHEC à l'humain. La première partie de mon projet de thèse est centrée sur l'interaction de l’amibe Acanthamoeba castellanii avec les EHEC. Les résultats montrent que la présence de cette amibe prolonge la persistance des EHEC, et ces dernières survivent à leur phagocytose par les amibes. Ces résultats démontrent le potentiel réel des amibes à héberger les EHEC et à contribuer à leur transmission. Cependant, l’absence de Shiga toxines améliore leur taux de survie intra-amibe. Par ailleurs, les Shiga toxines sont partiellement responsables de l’intoxication des amibes par les EHEC. Cette implication des Shiga toxines dans le taux de survie intracellulaire et dans la mortalité des amibes démontre l’intérêt d’utiliser les amibes comme modèle d'interaction hôte/pathogène pour étudier la pathogénicité des EHEC. Durant leur cycle de transmission, les EHEC rencontrent des carences en phosphate inorganique (Pi) dans l’environnement. En utilisant conjointement le système à deux composantes (TCS) PhoB-R et le système Pst (transport spécifique de Pi), les EHEC détectent et répondent à cette variation en Pi en activant le régulon Pho. La relation entre la virulence des EHEC, le PhoB-R-Pst et/ou le Pi environnemental demeure inconnue. La seconde partie de mon projet explore le rôle du régulon Pho (répondant à un stress nutritif de limitation en Pi) dans la virulence des EHEC. L’analyse transcriptomique montre que les EHEC répondent à la carence de Pi par une réaction complexe impliquant non seulement un remodelage du métabolisme général, qui est critique pour sa survie, mais aussi en coordonnant sa réponse de virulence. Dans ces conditions le régulateur PhoB contrôle directement l’expression des gènes du LEE et de l’opéron stx2AB. Ceci est confirmé par l’augmentation de la sécrétion de l’effecteur EspB et de la production et sécrétion de Stx2 en carence en Pi. Par ailleurs, l’activation du régulon Pho augmente la formation de biofilm et réduit la motilité chez les EHEC. Ceci corrèle avec l’induction des gènes régulant la production de curli et la répression de la voie de production d’indole et de biosynthèse du flagelle et du PGA (Polymère β-1,6-N-acétyle-D-glucosamine).

Personnalisation et adaptation d’environnement multimédia pédagogique : le cas de ScienceEnJeu

La personnalisation et l'adaptation d'environnement multimédia pédagogique a pour but de favoriser l'intégration d'application web de formation en fonction de la personnalité de l'apprenant, de sa progression, de ses préférences et de son contexte d'application. Le contrôle de certaines de ces options doit être donné à l'enseignant afin de pouvoir suivre la progression de ses étudiants, de prescrire des activités complémentaires en ce qui est fait en classe et de gérer ses groupes. Nous avons participé au développement et à l'évaluation d'une application pour appuyer le suivi des activités et donner du soutien aux apprenants dans un environnement pédagogique disponible gratuitement en ligne pour l'apprentissage des sciences nommé ScienceEnJeu. ScienceEnJeu est un environnement où l'apprenant peut explorer différents mondes d'apprendre le contenu, comme les mathématiques, l'écologie, la physique, la génomique, etc. Notre système utilise une base de données qui se construit en fonction de conditions comme les activités des utilisateurs dans le jeu et offre la possibilité de lier les activités du jeu à des structures de concepts issues du programme du Ministère de l'éducation de loisirs et du sport (MELS). Une interface permet aux parents ou à l'enseignant de visualiser la progression dans l'environnement d'un étudiant et / ou d'un groupe, voir le modèle de l'élève de superposition sur la structure des activités et des structures de concepts. L'enseignant peut chercher une activité liée à des concepts particuliers et la définir comme une tâche pour son groupe d'étudiants selon un calendrier. Un système de soutien personnalisé fondé sur des règles y est aussi intégré. Ces règles sont des stratégies de soutien construites en fonction de différents paramètres du contexte de l'activité, des préférences de style d'apprentissage de l'élève et de l'aide précédente. De par ces règles, différents avatars animés peuvent être affichés avec des messages qui sont écrits pour soutenir la motivation des élèves selon leur personnalité d'apprenant.

Deep learning of representations and its application to computer vision

L’objectif de cette thèse par articles est de présenter modestement quelques étapes du parcours qui mènera (on espère) à une solution générale du problème de l’intelligence artificielle. Cette thèse contient quatre articles qui présentent chacun une différente nouvelle méthode d’inférence perceptive en utilisant l’apprentissage machine et, plus particulièrement, les réseaux neuronaux profonds. Chacun de ces documents met en évidence l’utilité de sa méthode proposée dans le cadre d’une tâche de vision par ordinateur. Ces méthodes sont applicables dans un contexte plus général, et dans certains cas elles on tété appliquées ailleurs, mais ceci ne sera pas abordé dans le contexte de cette de thèse. Dans le premier article, nous présentons deux nouveaux algorithmes d’inférence variationelle pour le modèle génératif d’images appelé codage parcimonieux “spike- and-slab” (CPSS). Ces méthodes d’inférence plus rapides nous permettent d’utiliser des modèles CPSS de tailles beaucoup plus grandes qu’auparavant. Nous démontrons qu’elles sont meilleures pour extraire des détecteur de caractéristiques quand très peu d’exemples étiquetés sont disponibles pour l’entraînement. Partant d’un modèle CPSS, nous construisons ensuite une architecture profonde, la machine de Boltzmann profonde partiellement dirigée (MBP-PD). Ce modèle a été conçu de manière à simplifier d’entraînement des machines de Boltzmann profondes qui nécessitent normalement une phase de pré-entraînement glouton pour chaque couche. Ce problème est réglé dans une certaine mesure, mais le coût d’inférence dans le nouveau modèle est relativement trop élevé pour permettre de l’utiliser de manière pratique. Dans le deuxième article, nous revenons au problème d’entraînement joint de machines de Boltzmann profondes. Cette fois, au lieu de changer de famille de modèles, nous introduisons un nouveau critère d’entraînement qui donne naissance aux machines de Boltzmann profondes à multiples prédictions (MBP-MP). Les MBP-MP sont entraînables en une seule étape et ont un meilleur taux de succès en classification que les MBP classiques. Elles s’entraînent aussi avec des méthodes variationelles standard au lieu de nécessiter un classificateur discriminant pour obtenir un bon taux de succès en classification. Par contre, un des inconvénients de tels modèles est leur incapacité de générer deséchantillons, mais ceci n’est pas trop grave puisque la performance de classification des machines de Boltzmann profondes n’est plus une priorité étant donné les dernières avancées en apprentissage supervisé. Malgré cela, les MBP-MP demeurent intéressantes parce qu’elles sont capable d’accomplir certaines tâches que des modèles purement supervisés ne peuvent pas faire, telles que celle de classifier des données incomplètes ou encore celle de combler intelligemment l’information manquante dans ces données incomplètes. Le travail présenté dans cette thèse s’est déroulé au milieu d’une période de transformations importantes du domaine de l’apprentissage à réseaux neuronaux profonds qui a été déclenchée par la découverte de l’algorithme de “dropout” par Geoffrey Hinton. Dropout rend possible un entraînement purement supervisé d’architectures de propagation unidirectionnel sans être exposé au danger de sur- entraînement. Le troisième article présenté dans cette thèse introduit une nouvelle fonction d’activation spécialement con ̧cue pour aller avec l’algorithme de Dropout. Cette fonction d’activation, appelée maxout, permet l’utilisation de aggrégation multi-canal dans un contexte d’apprentissage purement supervisé. Nous démontrons comment plusieurs tâches de reconnaissance d’objets sont mieux accomplies par l’utilisation de maxout. Pour terminer, sont présentons un vrai cas d’utilisation dans l’industrie pour la transcription d’adresses de maisons à plusieurs chiffres. En combinant maxout avec une nouvelle sorte de couche de sortie pour des réseaux neuronaux de convolution, nous démontrons qu’il est possible d’atteindre un taux de succès comparable à celui des humains sur un ensemble de données coriace constitué de photos prises par les voitures de Google. Ce système a été déployé avec succès chez Google pour lire environ cent million d’adresses de maisons.

Étude protéomique des partenaires d`interaction de XPA en présence et en absence de dommage à l`ADN

La réparation par excision de nucléotides (NER) permet l'élimination des lésions provoquant une distorsion de la double hélice de l’ADN. Ces lésions sont induites par plusieurs agents environnementaux comme les rayons UV, ainsi que par certaines drogues chimio- thérapeutiques tel que le cisplatine. Des défauts dans la NER conduisent à de rares maladies autosomiques héréditaires : La xérodermie pigmentaire (XP), le syndrome de Cockayne (CS), le syndrome de sensibilité aux UVSS et la trichothiodystrophie (TTD). Ces maladies sont associées soit à une prédisposition élevée au cancer de la peau et / ou à de graves anomalies du développement neurologique. Le groupe de patients XP-A représente le deuxième groupe (XP) le plus fréquent, et possède la forme la plus sévère combinant cancer de la peau avec un haut risque de dégénérescence neurologique. À date, aucune explication n`a été proposée pour les symptômes neurologiques observés chez ces patients. Nous avions suggéré ainsi que la protéine XPA possède d`autres fonctions dans d`autres processus cellulaires, ceci en interagissant avec des partenaires protéiques différents de ceux déjà connus. Afin de confirmer cette hypothèse nous avions réalisé une étude protéomique à grande échelle en combinant la spectrométrie de masse à une immunoprécipitation en Tandem d`affinité (TAP), afin d`identifier de nouvelles protéines interagissant directement avec XPA. Nous avions montré que XPA peut interagir avec MRE11, la protéine clé de la réparation par recombinaison homologue. Des études additionnelles sont requises pour confirmer cette interaction et comprendre sa fonction