Chapitre 2 - Résolution De Problèmes - 2.5 Flashcards
Modélisation
Traduction d’un ensemble de propositions théoriques dans un langage formel permettant le calcul ou des résultats découlant de la théorie
Avantages des modèles
1/ Imposer une description complète et rigoureuse du modèle
2/ Fournir de nouveaux moyens de résumer les données
3/ permettre l’analyse des protocoles individuels grâce à la simulation
Composante des modèles de résolution de problèmes
1/ composante rendant compte de l’interprétation du problème
2/ composante rendant compte de la capacité d’apprentissage
3/ mécanisme de décision sur l’action
Les 3 modèles de résolution de problème
Modèle probabiliste
Modèle à base de règles
Modèle des contraintes
Pour quels problèmes a été élaboré le modèle probabiliste?
Problème des jarres et autres problèmes de transformation (notamment missionnaires et cannibales et isomorphes)
Processus impliqués dans le modèle probabiliste
Évaluation des actions possibles
Mémorisation
Sélection des actions
Modèle probabiliste: évaluation des actions possibles
Repose sur le calcul de l’écart au but = différence entre état présent et état attendu au final
Chaque état est affecté d’une fréquence dépendant du nombre de fois ou l’état a été rencontré.
Modèle probabiliste: mémorisation
En MT: stockage des informations sur l’état courant et les états qui ont permis de l’atteindre, et évaluation des états
Durant le processus d’action
EN MLT: stockage des infos sur les états précédemment visités ou utilisés dans le processus d’évaluation et de sélection
Modèle probabiliste: sélection des actions
Combine l’information des 2 précédents pour sélectionner une action parmi celles qui sont possibles
3 étapes:
1/ Évaluation dans un ordre aléatoire des actions possibles
Mouvements inacceptables ou impossibles: rejetés
Mouvements aboutissant à l’état but: systématiquement retenu
Autres mouvements retenus avec probabilité alpha
2/ Processus de mémorisation
Pour trouver une action conduisant à un état pas encore rencontré. Si plusieurs: sélection aléatoire
3/ Que si étape 2 a échoué:
Calcul le choix optimal parmi les actions possibles en sélectionnant l’action qui aboutit à un écart le plus petit avec l’état final
Si choix trop nombreux: choix aléatoire (limitation du à la MT)
Expérience de Atwood et al. (1990) sur le modèle probabiliste
Méthodes:
Résolution du problème des jarres
3 groupes:
1/ contrôle: résolution standard
2/ Allègement de la MT: sujets reçoivent des infos sur les états suivants
3/ Allègement ++ de la MT: sujets reçoivent infos sur états précédents et suivants
Résultats:
Montre rôle important de la limitation des ressources cognitives
Plus on allège la MT, plus les individus réussissent et en moins d’essais
Pourquoi le modèle probabiliste n’a pas été repris depuis?
Malgré la conformité des observations et des calculs
A cause du succès de modèles à base de règles qui se sont fortement développés à la faveur de l’essor de l’intelligence artificielle.
Que postulent les modèles à base de règles?
Que les connaissances et processus de résolution de problèmes peuvent être formalisés à l’aide de règles stockées en mémoire procédurale
Quelles sont les 2 parties des modèles à base de règles?
1/ la condition:
Situation à vérifier avant de pouvoir appliquer la règle
2/ l’action:
ce qu’il faut faire si la condition est réalisée
Actions peut modifier la situation (= actions externes) ou modifier le contenu de la MT (=actions internes)
En fonction de quoi se distinguent les modèles à base de règles?
En fonction du type de règles utilisées et en fonction de la situation problèmes auxquels ils s’appliquent
Exemple de modèles à base de règles
Modèle ACT-R (Anderson, 1993)
Dépasse le seul domaine de la résolution de problème, constitue un modèle général de la cognition
Quelles sont les 3 types de mémoire qui participe au processus dans le modèle ACT-R?
1/ La mémoire déclarative: MLT
Regroupe mémoire sémantique et épisodique
2/ La mémoire procédurale
Constituée d’un ensemble de règles de production permettant la coordination des informations activées en mémoire déclarative et des informations de l’environnement
3/ La MT:
Correspond à l’information disponible à un moment donné
Fonctionnement du modèle ACT-R
1/ Mémoire procédurale contient un ensemble de règles nécessaires à la résolution
2/ chaque règle comporte une partie condition (SI) et une partie action (ALORS)
3/ Fonctionnement de manière séquentielle (lié à la MT): une seule règle s’applique à chaque fois
4/ en cas de conflits entre plusieurs règles: une valeur d’utilité permet de les départager
5/ Activation également des connaissances en mémoire déclarative
Modèle des contraintes
Par Richard, Poitrenaud et Tijus (1993)
Processus de résolution de problème = processus de gestion des contraintes
Contrainte?
Restriction sur un ensemble d’action
Fonctionnement du modèle des contraintes
1/ Les heuristiques et les composantes de la situation problème sont exprimés sous forme de contraintes
2/ L’interprétation de la situation par le sujet engendre également des contraintes mais peut également correspondre à un point de vue sur la situation courante
3/ On pose l’ensemble des actions possibles ainsi que leur contraintes: ensuite on compte le nombre de contraintes pesant sur chaque actions
Si une action est permise: elle est réalisée
Si plusieurs actions possibles: choix intervient en tenant compte de l’écart au but
Si aucune action possible: on transgresse une contrainte (= la moins importante)
Dans quel espace se fait le calcul des actions dans le modèle des contraintes?
Dans l’espace problème (et non dans l’espace recherche), c’est à dire en tenant compte de la représentation du sujet, des heuristiques qu’il met en oeuvre et du but courant dans une situation donnée
Cela explique certaines erreurs du sujet.
De plus l’espace problème est dynamique contrairement à l’espace recherche
En conclusion, que constitue le modèle?
Un puissant outil d’analyse des protocoles individuels
Un outil utile dans les situations de résolution de problèmes mais aussi en situation de travail
