Apprentissage de comportements à partir de données temporelles hétérogènes
Résumé
Recently, the learning of a behavior from temporal data has been the subject of several research works. The approaches and techniques of temporal data mining are tools that make it possible to model a behavior. From a patient room in a hospital, we propose to save a trace of the student actions and the state of each object in this room at any time. This trace will make it possible to model the behavior of a student in the form of induction rules set. The analysis and comparison of rules sets generated will make it possible to compare and group the behaviors of several learners and to deduce a typical behavior among those most similar.
Récemment, l'analyse et l'apprentissage du comportement d'un ou plusieurs agents (humains ou artificiels) a fait l'objet de plusieurs travaux de recherche (Darty et al., 2014) (Sun et al., 2021). La modélisation d'un comportement nécessite de concevoir et mettre en place de nouvelles approches et méthodes de fouille des données. Cette modélisation dépendra des observations d'un comportement, et donc d'une trace de données en tenant compte de l'aspect temporel (Dix et al., 1993). Dans le cadre d'un projet pour étudier le comportement des apprentis soignants, les observations seront acquises d'un simulateur de réalité virtuelle modélisant la chambre d'un patient à l'hôpital. Des données hétérogènes-numériques et catégorielles-correspondent aux actions d'un apprenant en fonction de l'état des objets de la chambre. L'analyse par des techniques d'apprentissage des traces d'un apprenant et la modélisation de son comportement sont deux défis majeurs dans le cadre de ce projet.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|