dsotofor / Manuscrit

Commit 8aea8258fccb44c82cde9fe68740b7f9131a1792

Authored by dsotofor 2025-05-21 15:28:45 +0200

Exists in main

another version chapters unification

Showing 13 changed files with 398 additions and 420 deletions Side-by-side Diff

chapters/Architecture.aux
chapters/Architecture.tex
chapters/ESCBR.aux
chapters/ESCBR.tex
chapters/Publications.aux
chapters/TS.aux
chapters/TS.tex
main.aux
main.log
main.pdf
main.synctex.gz
main.tex
main.toc

...	...	@@ -18,7 +18,7 @@
18	18	\@writefile{lof}{\contentsline {figure}{\numberline {5.2}{\ignorespaces Schème de l'architecture proposée\relax }}{45}{figure.caption.19}\protected@file@percent }
19	19	\newlabel{fig:sa1}{{5.2}{45}{Schème de l'architecture proposée\relax }{figure.caption.19}{}}
20	20	\@writefile{toc}{\contentsline {subsection}{\numberline {5.3.1}Correction automatique}{46}{subsection.5.3.1}\protected@file@percent }
21		-\@writefile{toc}{\contentsline {subsection}{\numberline {5.3.2}Identification}{46}{subsection.5.3.2}\protected@file@percent }
	21	+\@writefile{toc}{\contentsline {subsection}{\numberline {5.3.2}Identification}{47}{subsection.5.3.2}\protected@file@percent }
22	22	\@writefile{toc}{\contentsline {subsection}{\numberline {5.3.3}Révision}{47}{subsection.5.3.3}\protected@file@percent }
23	23	\@writefile{toc}{\contentsline {subsection}{\numberline {5.3.4}Test}{48}{subsection.5.3.4}\protected@file@percent }
24	24	\@writefile{lof}{\contentsline {figure}{\numberline {5.3}{\ignorespaces Relation entre les couches définies de l'architecture.\relax }}{49}{figure.caption.20}\protected@file@percent }

...	...	@@ -94,35 +94,34 @@
94	94
95	95	L'une des couches importantes et la couche de correction automatique. Dans cette couche, les modules ont la capacité de recevoir et d'évaluer différents types de réponses données par les apprenants en fonction du contexte et de la question que le système a proposée. Les modules représentés ont la capacité d'évaluer une réponse donnée par l'apprenant. Des études et certains programmes ont déjà été réalisés dans l'analyse de vidéo, de texte audio (langage naturel) et de code source (Java, Python). D'autres modules permettent également d'analyser des images, des expressions mathématiques, des valeurs générées par des capteurs physiques et des variables définies pour des activités sportives spécifiques.
96	96
97		-Le module routeur (LC0) a pour fonction d'identifier le type \colorbox{yellow}{préciser ce qu'est un type de réponse ?} de réponse et de la rediriger vers le module d'analyse correspondant ; une fois la réponse générée, ce module la redirige vers le système AI-VT principal.
	97	+Le module routeur (LC0) a pour fonction d'identifier le type de réponse donnée par l'apprenant, c'est à dire reconnaître si la réponse donnée par l'apprenant est vidéo, audio, texte, image, etc et de la rediriger vers le module d'analyse correspondant ; une fois le module spécifique obtient les résultats de l'analyse de la réponse donnée, le router les redirige vers le système AI-VT principal.
98	98
99	99	Le module vidéo (LC1) permet de capturer un flux d'images à partir d'un dispositif externe (caméra vidéo ou robot NAO) et de les analyser pour déterminer si une réponse donnée est correcte, actuellement le module est utilisé pour évaluer la réponse à la question : montrer \textit{n} nombre de doigts. L'algorithme implémenté détecte les doigts qui apparaissent sur la caméra, les compte et détermine s'il s'agit de la bonne réponse à la question donnée.
100	100
101		-Le module audio (LC2) analyse une piste audio et convertit son contenu en texte. Une fois le texte généré, il peut être comparé à une réponse attendue à la question posée à l'aide de techniques NLP mises en œuvre dans le module GC5. Un score d'approximation estimé peut alors être calculé. Le module audio (LC2) analyse une piste audio et convertit son contenu en texte \colorbox{yellow}{sans le comparer à la réponse attendue ? LC2 est-il utilisé dans LC1 ?}.
	101	+Le module audio (LC2) analyse une piste audio et convertit son contenu en texte. Une fois le texte généré, il peut être comparé à une réponse attendue à la question posée à l'aide de techniques NLP. Un score d'approximation estimé peut alors être calculé. Pour la comparaison est utilisé le module de texte (LC4) qui permet d'établir le score de similarité entre le texte envoyé comme réponse de l'apprenant ou converti depuis une réponse audio et un texte de référence.
102	102
103		-Le module d'analyse du code (LC3) génère un score après l'exécution de plusieurs étapes \colorbox{yellow}{exercices ?}. En premier lieu, il détermine l'existence ou non de faiblesses dans certaines compétences prédéfinies. Il transforme ensuite la représentation du code en un vecteur numérique à comparer avec une réponse de référence : le résultat de la pondération entre les faiblesses détectées et le pourcentage de comparaison donne un score.
	103	+Le module d'analyse du code (LC3) génère un score après l'exécution de plusieurs étapes. En premier lieu, il détermine l'existence ou non de faiblesses dans certaines compétences prédéfinies. Il transforme ensuite la représentation du code en un vecteur numérique à comparer avec une réponse de référence : le résultat de la pondération entre les faiblesses détectées et le pourcentage de comparaison donne un score.
104	104
105	105	Le module d'analyse de texte (LC5) transforme le texte envoyé par l'apprenant en un vecteur numérique qui peut être comparé au vecteur numérique d'une réponse attendue. Dans ce cas, la réponse donnée ne doit pas nécessairement être exactement la même que la réponse attendue. La représentation vectorielle permet d'établir des similitudes dans l'espace, même si les termes utilisés et la longueur du texte diffèrent.
106	106
107		-Les modules LC6, LC7, LC8 et LC9 sont capables d'analyser différents types de réponses potentielles encore gérées par le système AI-VT à ce stade.
	107	+Les modules LC6, LC7, LC8 et LC9 sont capables d'analyser différents types de réponses potentielles qui peuvent éventuellement gérées par le système AI-VT.
108	108
	109	+Les modules LC1, LC2, LC3 ont été partiellement développés et n'ont pas été suffisamment testés pour les intégrer dans le système de façon fonctionnelle, les autres modules pour le moment sont théoriques.
	110	+
109	111	\subsection{Identification}
110	112
111	113	Les modules de la couche d'identification visent à extraire des informations complémentaires à la note de l'étudiant pour chacune des réponses envoyées au système. Ces informations complémentaires permettent d'obtenir principalement des informations sur les expressions et les faiblesses qui peuvent se manifester dans chaque sous-compétence et niveau de complexité. Ce module d'AI-VT est ainsi capable d'obtenir une meilleure estimation de l'état de l'apprentissage afin de mieux adapter le parcours de l'apprenant.
112	114
113	115	Les modules d'identification LD1, LD2 et LD4 tentent de détecter les comportements, les émotions et les sentiments à l'aide de dispositifs externes tels que la caméra vidéo et le microphone. Dans le cas de l'analyse vidéo, des réseaux neuronaux d'apprentissage profond sont utilisés pour capturer et analyser les images statiques obtenues à partir du flux de la caméra vidéo. Le modèle d'IA a été entraîné à détecter des émotions prédéfinies. Le module audio vise à détecter le même type d'émotions, mais à partir de l'analyse des signaux obtenus à partir d'un microphone. Il utilise également l'apprentissage profond entrainé avec des signaux qui présentent différentes émotions prédéfinies. Le module capteur est plus générique, mais il peut être subdivisé en modules spécifiques en fonction du type de capteur et du signal à analyser. Toutefois, l'idée de la détection est la même : détecter des émotions prédéfinies.
114	116
115		-Le module Analyse des données (LD3) est différent car, en plus d'être générique, il tente d'identifier les faiblesses dans des compétences spécifiques en fonction du type d'évaluation. Ce module peut contenir différents modèles entraînés pour chaque type de cas. Pour les exercices linguistiques, les faiblesses identifiables peuvent être la conjugaison des verbes, l'utilisation des temps, le vocabulaire, la correspondance des genres de mots, etc. Si l'exercice est de type programmation le module est capable d'identifier des faiblesses liées à la syntaxe, la déclaration de variables, l'appel de fonctions, la construction de structures, etc. Ce module fonctionne sur la base d'implémentation de modèles d'apprentissage profond et de modèles collaboratifs tels que le raisonnement à partir de cas \colorbox{yellow}{reférence vers un autre chapitre ? Ces outils seront-ils présentés plus }\\
116		-\colorbox{yellow}{loin dans le manuscrit ?}.
	117	+Le module Analyse des données (LD3) est différent car, en plus d'être générique, il tente d'identifier les faiblesses dans des compétences spécifiques en fonction du type d'évaluation. Ce module peut contenir différents modèles entraînés pour chaque type de cas. Pour les exercices linguistiques, les faiblesses identifiables peuvent être la conjugaison des verbes, l'utilisation des temps, le vocabulaire, la correspondance des genres de mots, etc. Si l'exercice est de type programmation le module est capable d'identifier des faiblesses liées à la syntaxe, la déclaration de variables, l'appel de fonctions, la construction de structures, etc. Ce module fonctionne sur la base d'implémentation de modèles d'apprentissage profond et de modèles collaboratifs tels que le raisonnement à partir de cas
117	118
	119	+Les modules LD1 et LD3 ont été partiellement développés et n'ont pas été suffisamment testés pour les intégrer dans le système de façon fonctionnelle, les autres modules pour le moment sont théoriques.
	120	+
118	121	\subsection{Révision}
119	122
120		-\colorbox{yellow}{De la même manière, ces outils seront-ils détaillés plus loin dans le }\\
121		-\colorbox{yellow}{manuscrit ? Auquel cas, une phrase invitant le lecteur à aller plus loin pour plus}\\
122		-\colorbox{yellow}{ de détail serait intéressant}\\
	123	+Les modules qui se trouvent dans cette section sont les principales de ce travail. Dans la couche de révision, les modules utilisent les informations générées par les modules des couches de correction automatique et d'identification ainsi que les informations complémentaires de l'apprenant stockées dans la base de données du système. Ces modules valident le fait que la recommandation générée est optimale pour l'apprenant. Toutes les informations récoltées permettent d'établir la meilleure façon de guider l'apprenant vers une meilleure compréhension en surmontant les faiblesses et les lacunes qui ont été identifiées.
123	124
124		-Dans la couche de révision, les modules utilisent les informations générées par les modules des couches de correction automatique et d'identification ainsi que les informations complémentaires de l'apprenant stockées dans la base de données du système. Ces modules valident le fait que la recommandation générée est optimale pour l'apprenant. Toutes les informations récoltées permettent d'établir la meilleure façon de guider l'apprenant vers une meilleure compréhension en surmontant les faiblesses et les lacunes qui ont été identifiées.
125		-
126	125	Les ressources recommandées par le module LR1 proviennent d'une base de données déjà établie que le module consulte et suggère à l'étudiant en fonction du résultat de la comparaison de l'état d'apprentissage, du niveau et des caractéristiques et spécifications de chacune des ressources.
127	126
128	127	Le module LR2 a deux variantes fondées sur les valeurs générées par l'apprenant lorsque la séance d'entrainement est en cours : l'une déterministe et l'autre stochastique. Le modèle déterministe utilise un tableau prédéterminé de rangs sur lequel l'apprenant est positionné pour générer la suggestion d'adaptation. Le modèle stochastique utilise des distributions de probabilités dynamiques qui changent en fonction des résultats de l'apprenant à chaque niveau de complexité de la même sous-compétence.
129	128
...	...	@@ -133,13 +132,15 @@
133	132
134	133	Le module LR4 utilise les informations produites par l'apprenant et les informations collaboratives pour tenter de prédire les performances futures de l'apprenant. En particulier avec la recommandation générée par les modules de la couche adaptative, la prédiction est utilisée pour valider l'adaptation recommandée et l'ajuster si nécessaire.
135	134
	135	+Le module LR1 est fonctionnelle dans le système AI-VT, mais encore il est nécessaire ajouter plus de ressources en fonction des questions configurées. L'algorithme proposé pour le module LR2 est décrit dans le chapitre 7, l'algorithme proposé pour les modules LR3, et LR4 apparait dans le chapitre 6
	136	+
136	137	\subsection{Test}
137	138
138	139	La couche de test fonctionne en amont et en aval de la génération des séances d'netrainement. Elle permet d'évaluer chacun des modules indépendamment et de générer des données spécifiques pour divers scénarios de test qui peuvent être pris en compte lors de la validation d'un module.
139	140
140	141	Les outils des différentes couches de l'architecture peuvent communiquer entre eux, car pour que certains de leurs modules internes fonctionnent, ils ont besoin des informations générées par les modules des autres couches. La figure \figref{figLayers} montre les interactions qui peuvent se produire lorsque le système génère une séance ou l'adapte ou encore lorsqu'un module expérimental doit être évalué. La couche de test (LT) a besoin des informations générées par les modules de toutes les autres couches pour évaluer leurs performances individuelles. La couche d'identification (LD) doit obtenir les données relatives au profil des apprenants. Ces informations sont générées par le module de profil qui se trouve dans la couche de révision (LR). Pour certains modules qui ont la capacité de modifier une solution, cette couche doit connaître les résultats obtenus par l'apprenant dans chacun des tests ou exercices proposés par le système. Ces résultats sont attribués par la couche de correction automatique (LC). De plus, il est possible d'obtenir une estimation du résultat de la révision proposée avant qu'elle ne soit envoyée à l'apprenant, pour cela il faut invoquer les modules spécifiques de prédiction qui appartiennent à la couche de révision (LR).
141	142
142		-\mfigure[!ht]{scale=0.6}{./Figures/Layers.png}{Relation entre les couches définies de l'architecture.}{figLayers}
	143	+\mfigure[!ht]{scale=0.8}{./Figures/Layers.png}{Relation entre les couches définies de l'architecture.}{figLayers}
143	144
144	145	%\begin{figure}[!ht]
145	146	%\centering

...	...	@@ -20,72 +20,72 @@
20	20	\@writefile{toc}{\contentsline {subsection}{\numberline {6.2.1}Rechercher}{53}{subsection.6.2.1}\protected@file@percent }
21	21	\@writefile{lof}{\contentsline {figure}{\numberline {6.2}{\ignorespaces Flux du \textit {Stacking} RàPC\relax }}{54}{figure.caption.23}\protected@file@percent }
22	22	\newlabel{figFlowCBR}{{6.2}{54}{Flux du \textit {Stacking} RàPC\relax }{figure.caption.23}{}}
23		-\@writefile{toc}{\contentsline {subsection}{\numberline {6.2.2}Réutiliser}{54}{subsection.6.2.2}\protected@file@percent }
24	23	\@writefile{lot}{\contentsline {table}{\numberline {6.1}{\ignorespaces Variables et paramètres du modèle proposé (Type: p - paramètre, v - variable, f - fonction)\relax }}{55}{table.caption.24}\protected@file@percent }
25	24	\newlabel{tabVarPar}{{6.1}{55}{Variables et paramètres du modèle proposé (Type: p - paramètre, v - variable, f - fonction)\relax }{table.caption.24}{}}
	25	+\@writefile{toc}{\contentsline {subsection}{\numberline {6.2.2}Réutiliser}{55}{subsection.6.2.2}\protected@file@percent }
26	26	\newlabel{gen00}{{6.1}{55}{Réutiliser}{equation.6.2.1}{}}
27		-\newlabel{gen01}{{6.2}{55}{Réutiliser}{equation.6.2.2}{}}
28	27	\@writefile{lof}{\contentsline {figure}{\numberline {6.3}{\ignorespaces \textit {Stacking} pour chercher les plus proches voisins\relax }}{56}{figure.caption.25}\protected@file@percent }
29	28	\newlabel{figSta1}{{6.3}{56}{\textit {Stacking} pour chercher les plus proches voisins\relax }{figure.caption.25}{}}
30	29	\@writefile{lof}{\contentsline {figure}{\numberline {6.4}{\ignorespaces Génération et vérification automatique des solutions\relax }}{56}{figure.caption.26}\protected@file@percent }
31	30	\newlabel{figAuto}{{6.4}{56}{Génération et vérification automatique des solutions\relax }{figure.caption.26}{}}
32		-\newlabel{gen2}{{6.3}{56}{Réutiliser}{equation.6.2.3}{}}
	31	+\newlabel{gen01}{{6.2}{57}{Réutiliser}{equation.6.2.2}{}}
	32	+\newlabel{gen2}{{6.3}{57}{Réutiliser}{equation.6.2.3}{}}
33	33	\citation{doi:10.1137/23M1592420}
34		-\@writefile{lof}{\contentsline {figure}{\numberline {6.5}{\ignorespaces \textit {Stacking} pour la génération de solutions\relax }}{58}{figure.caption.27}\protected@file@percent }
35		-\newlabel{figSta2}{{6.5}{58}{\textit {Stacking} pour la génération de solutions\relax }{figure.caption.27}{}}
36		-\@writefile{toc}{\contentsline {subsection}{\numberline {6.2.3}Révision}{58}{subsection.6.2.3}\protected@file@percent }
	34	+\@writefile{lof}{\contentsline {figure}{\numberline {6.5}{\ignorespaces \textit {Stacking} pour la génération de solutions\relax }}{59}{figure.caption.27}\protected@file@percent }
	35	+\newlabel{figSta2}{{6.5}{59}{\textit {Stacking} pour la génération de solutions\relax }{figure.caption.27}{}}
	36	+\@writefile{toc}{\contentsline {subsection}{\numberline {6.2.3}Révision}{59}{subsection.6.2.3}\protected@file@percent }
37	37	\newlabel{eqOpt0}{{6.18}{59}{Révision}{equation.6.2.18}{}}
38	38	\newlabel{eqOpt}{{6.19}{59}{Révision}{equation.6.2.19}{}}
39		-\@writefile{lof}{\contentsline {figure}{\numberline {6.6}{\ignorespaces Représentation graphique en deux dimensions du problème de moyenne geométrique. (Points associés au problème ($\lambda _1,..,\lambda _7$) et point rouge solution au problème)\relax }}{59}{figure.caption.28}\protected@file@percent }
40		-\newlabel{fig:FW}{{6.6}{59}{Représentation graphique en deux dimensions du problème de moyenne geométrique. (Points associés au problème ($\lambda _1,..,\lambda _7$) et point rouge solution au problème)\relax }{figure.caption.28}{}}
41		-\@writefile{toc}{\contentsline {subsection}{\numberline {6.2.4}Mémorisation}{59}{subsection.6.2.4}\protected@file@percent }
42		-\@writefile{toc}{\contentsline {section}{\numberline {6.3}Résultats}{59}{section.6.3}\protected@file@percent }
43		-\@writefile{lot}{\contentsline {table}{\numberline {6.2}{\ignorespaces Description des bases de données évaluées. (* après codification comme \textit {String})\relax }}{60}{table.caption.29}\protected@file@percent }
44		-\newlabel{tabBases}{{6.2}{60}{Description des bases de données évaluées. (* après codification comme \textit {String})\relax }{table.caption.29}{}}
45		-\@writefile{lot}{\contentsline {table}{\numberline {6.3}{\ignorespaces Liste des algorithmes évalués\relax }}{60}{table.caption.30}\protected@file@percent }
46		-\newlabel{tabAlgs}{{6.3}{60}{Liste des algorithmes évalués\relax }{table.caption.30}{}}
47		-\@writefile{lot}{\contentsline {table}{\numberline {6.4}{\ignorespaces Résultats de la métrique RMSE (Root Mean Squared Error) pour les bases de données évaluées avec des algorithmes de régression\relax }}{60}{table.caption.31}\protected@file@percent }
48		-\newlabel{tabRes1}{{6.4}{60}{Résultats de la métrique RMSE (Root Mean Squared Error) pour les bases de données évaluées avec des algorithmes de régression\relax }{table.caption.31}{}}
	39	+\@writefile{lof}{\contentsline {figure}{\numberline {6.6}{\ignorespaces Représentation graphique en deux dimensions du problème de moyenne geométrique. (Points associés au problème ($\lambda _1,..,\lambda _7$) et point rouge solution au problème)\relax }}{60}{figure.caption.28}\protected@file@percent }
	40	+\newlabel{fig:FW}{{6.6}{60}{Représentation graphique en deux dimensions du problème de moyenne geométrique. (Points associés au problème ($\lambda _1,..,\lambda _7$) et point rouge solution au problème)\relax }{figure.caption.28}{}}
	41	+\@writefile{toc}{\contentsline {subsection}{\numberline {6.2.4}Mémorisation}{60}{subsection.6.2.4}\protected@file@percent }
	42	+\@writefile{toc}{\contentsline {section}{\numberline {6.3}Résultats}{60}{section.6.3}\protected@file@percent }
	43	+\@writefile{lot}{\contentsline {table}{\numberline {6.2}{\ignorespaces Description des bases de données évaluées. (* après codification comme \textit {String})\relax }}{61}{table.caption.29}\protected@file@percent }
	44	+\newlabel{tabBases}{{6.2}{61}{Description des bases de données évaluées. (* après codification comme \textit {String})\relax }{table.caption.29}{}}
	45	+\@writefile{lot}{\contentsline {table}{\numberline {6.3}{\ignorespaces Liste des algorithmes évalués\relax }}{61}{table.caption.30}\protected@file@percent }
	46	+\newlabel{tabAlgs}{{6.3}{61}{Liste des algorithmes évalués\relax }{table.caption.30}{}}
	47	+\@writefile{lot}{\contentsline {table}{\numberline {6.4}{\ignorespaces Résultats de la métrique RMSE (Root Mean Squared Error) pour les bases de données évaluées avec des algorithmes de régression\relax }}{61}{table.caption.31}\protected@file@percent }
	48	+\newlabel{tabRes1}{{6.4}{61}{Résultats de la métrique RMSE (Root Mean Squared Error) pour les bases de données évaluées avec des algorithmes de régression\relax }{table.caption.31}{}}
49	49	\@writefile{lot}{\contentsline {table}{\numberline {6.5}{\ignorespaces Résultat de la métrique MAE (Median Absolute Error) pour les bases de données évaluées avec des algorithmes de régression\relax }}{61}{table.caption.32}\protected@file@percent }
50	50	\newlabel{tabRes2}{{6.5}{61}{Résultat de la métrique MAE (Median Absolute Error) pour les bases de données évaluées avec des algorithmes de régression\relax }{table.caption.32}{}}
51		-\@writefile{toc}{\contentsline {section}{\numberline {6.4}Discussion}{61}{section.6.4}\protected@file@percent }
52	51	\@writefile{lof}{\contentsline {figure}{\numberline {6.7}{\ignorespaces Résultats de la métrique MAE (\textit {Median Absolute Error}) pour les dix algorithmes et quatre bases de données représentatives\relax }}{62}{figure.caption.33}\protected@file@percent }
53	52	\newlabel{figBox}{{6.7}{62}{Résultats de la métrique MAE (\textit {Median Absolute Error}) pour les dix algorithmes et quatre bases de données représentatives\relax }{figure.caption.33}{}}
54		-\@writefile{toc}{\contentsline {section}{\numberline {6.5}Conclusion}{62}{section.6.5}\protected@file@percent }
55		-\@writefile{toc}{\contentsline {section}{\numberline {6.6}Modèle Proposé}{62}{section.6.6}\protected@file@percent }
56		-\@writefile{lof}{\contentsline {figure}{\numberline {6.8}{\ignorespaces Deux cycles du système ESCBR-SMA proposé\relax }}{63}{figure.caption.34}\protected@file@percent }
57		-\newlabel{figNCBR}{{6.8}{63}{Deux cycles du système ESCBR-SMA proposé\relax }{figure.caption.34}{}}
58		-\@writefile{lot}{\contentsline {table}{\numberline {6.6}{\ignorespaces Variables et paramètres du modèle proposé (Type: p - paramètre, v - variable, f - fonction)\relax }}{64}{table.caption.36}\protected@file@percent }
59		-\newlabel{tabVarPar}{{6.6}{64}{Variables et paramètres du modèle proposé (Type: p - paramètre, v - variable, f - fonction)\relax }{table.caption.36}{}}
60		-\@writefile{toc}{\contentsline {subsection}{\numberline {6.6.1}Algorithmes}{64}{subsection.6.6.1}\protected@file@percent }
	53	+\@writefile{toc}{\contentsline {section}{\numberline {6.4}Discussion}{62}{section.6.4}\protected@file@percent }
	54	+\@writefile{toc}{\contentsline {section}{\numberline {6.5}Conclusion}{63}{section.6.5}\protected@file@percent }
	55	+\@writefile{toc}{\contentsline {section}{\numberline {6.6}Modèle Proposé}{63}{section.6.6}\protected@file@percent }
	56	+\@writefile{lof}{\contentsline {figure}{\numberline {6.8}{\ignorespaces Deux cycles du système ESCBR-SMA proposé\relax }}{64}{figure.caption.34}\protected@file@percent }
	57	+\newlabel{figNCBR}{{6.8}{64}{Deux cycles du système ESCBR-SMA proposé\relax }{figure.caption.34}{}}
61	58	\@writefile{lof}{\contentsline {figure}{\numberline {6.9}{\ignorespaces Flux du \textit {Stacking} du RàPC (* est une tâche effectuée par chaque agent)\relax }}{65}{figure.caption.35}\protected@file@percent }
62	59	\newlabel{figFlowCBR}{{6.9}{65}{Flux du \textit {Stacking} du RàPC (* est une tâche effectuée par chaque agent)\relax }{figure.caption.35}{}}
63		-\@writefile{toc}{\contentsline {subsection}{\numberline {6.6.2}Structure des agents}{66}{subsection.6.6.2}\protected@file@percent }
64		-\newlabel{eqOpt1}{{6.20}{66}{Structure des agents}{equation.6.6.20}{}}
65		-\newlabel{eqOpt2}{{6.21}{66}{Structure des agents}{equation.6.6.21}{}}
66		-\@writefile{toc}{\contentsline {subsection}{\numberline {6.6.3}Apprentissage des agents}{66}{subsection.6.6.3}\protected@file@percent }
67		-\@writefile{lof}{\contentsline {figure}{\numberline {6.10}{\ignorespaces Structure interne des agents\relax }}{67}{figure.caption.37}\protected@file@percent }
68		-\newlabel{figAgent}{{6.10}{67}{Structure interne des agents\relax }{figure.caption.37}{}}
69		-\newlabel{eqBay}{{6.22}{67}{Apprentissage des agents}{equation.6.6.22}{}}
70		-\newlabel{eqRta}{{6.23}{67}{Apprentissage des agents}{equation.6.6.23}{}}
71		-\newlabel{eqRsa}{{6.24}{67}{Apprentissage des agents}{equation.6.6.24}{}}
72		-\@writefile{toc}{\contentsline {subsection}{\numberline {6.6.4}Échanges entre les agents}{67}{subsection.6.6.4}\protected@file@percent }
73		-\@writefile{lof}{\contentsline {figure}{\numberline {6.11}{\ignorespaces Exemple d'évolution Bayésienne des vecteurs pour un agent. a) Initialisation des probabilités $P(B\|A)$ vecteurs pour Retrieve et Reuse, b) Probabilités après quelques itérations $P(A\|B)$ vecteurs pour Retrieve et Reuse\relax }}{68}{figure.caption.38}\protected@file@percent }
74		-\newlabel{fig:bayev}{{6.11}{68}{Exemple d'évolution Bayésienne des vecteurs pour un agent. a) Initialisation des probabilités $P(B\|A)$ vecteurs pour Retrieve et Reuse, b) Probabilités après quelques itérations $P(A\|B)$ vecteurs pour Retrieve et Reuse\relax }{figure.caption.38}{}}
75		-\@writefile{toc}{\contentsline {section}{\numberline {6.7}Résultats}{68}{section.6.7}\protected@file@percent }
76		-\@writefile{lot}{\contentsline {table}{\numberline {6.7}{\ignorespaces Résultat de la métrique RMSE (Root Mean Squared Error) pour les bases de données évaluées avec des algorithmes de régression\relax }}{69}{table.caption.39}\protected@file@percent }
77		-\newlabel{tabRes1}{{6.7}{69}{Résultat de la métrique RMSE (Root Mean Squared Error) pour les bases de données évaluées avec des algorithmes de régression\relax }{table.caption.39}{}}
78		-\@writefile{lot}{\contentsline {table}{\numberline {6.8}{\ignorespaces Description des bases de données évaluées. (* après codification comme \textit {String})\relax }}{69}{table.caption.40}\protected@file@percent }
79		-\newlabel{tabBases}{{6.8}{69}{Description des bases de données évaluées. (* après codification comme \textit {String})\relax }{table.caption.40}{}}
80		-\@writefile{lof}{\contentsline {figure}{\numberline {6.12}{\ignorespaces Résultats de la métrique MAE (Median Absolute Error) pour dix algorithmes\relax }}{69}{figure.caption.43}\protected@file@percent }
81		-\newlabel{figBox}{{6.12}{69}{Résultats de la métrique MAE (Median Absolute Error) pour dix algorithmes\relax }{figure.caption.43}{}}
82		-\@writefile{lot}{\contentsline {table}{\numberline {6.9}{\ignorespaces Paramètres pour tous les algorithmes comparés\relax }}{70}{table.caption.41}\protected@file@percent }
83		-\newlabel{AlgsPar}{{6.9}{70}{Paramètres pour tous les algorithmes comparés\relax }{table.caption.41}{}}
84		-\@writefile{lot}{\contentsline {table}{\numberline {6.10}{\ignorespaces Comparaison des résultats MAE (Median Absolute Error) pour les bases de données évaluées avec des algorithmes de régression\relax }}{70}{table.caption.42}\protected@file@percent }
85		-\newlabel{tabRes2}{{6.10}{70}{Comparaison des résultats MAE (Median Absolute Error) pour les bases de données évaluées avec des algorithmes de régression\relax }{table.caption.42}{}}
86		-\@writefile{toc}{\contentsline {section}{\numberline {6.8}Conclusion}{71}{section.6.8}\protected@file@percent }
	60	+\@writefile{lot}{\contentsline {table}{\numberline {6.6}{\ignorespaces Variables et paramètres du modèle proposé (Type: p - paramètre, v - variable, f - fonction)\relax }}{66}{table.caption.36}\protected@file@percent }
	61	+\newlabel{tabVarPar}{{6.6}{66}{Variables et paramètres du modèle proposé (Type: p - paramètre, v - variable, f - fonction)\relax }{table.caption.36}{}}
	62	+\@writefile{toc}{\contentsline {subsection}{\numberline {6.6.1}Algorithmes}{66}{subsection.6.6.1}\protected@file@percent }
	63	+\@writefile{toc}{\contentsline {subsection}{\numberline {6.6.2}Structure des agents}{67}{subsection.6.6.2}\protected@file@percent }
	64	+\newlabel{eqOpt1}{{6.20}{67}{Structure des agents}{equation.6.6.20}{}}
	65	+\newlabel{eqOpt2}{{6.21}{67}{Structure des agents}{equation.6.6.21}{}}
	66	+\@writefile{toc}{\contentsline {subsection}{\numberline {6.6.3}Apprentissage des agents}{67}{subsection.6.6.3}\protected@file@percent }
	67	+\@writefile{lof}{\contentsline {figure}{\numberline {6.10}{\ignorespaces Structure interne des agents\relax }}{68}{figure.caption.37}\protected@file@percent }
	68	+\newlabel{figAgent}{{6.10}{68}{Structure interne des agents\relax }{figure.caption.37}{}}
	69	+\newlabel{eqBay}{{6.22}{68}{Apprentissage des agents}{equation.6.6.22}{}}
	70	+\newlabel{eqRta}{{6.23}{68}{Apprentissage des agents}{equation.6.6.23}{}}
	71	+\newlabel{eqRsa}{{6.24}{68}{Apprentissage des agents}{equation.6.6.24}{}}
	72	+\@writefile{toc}{\contentsline {subsection}{\numberline {6.6.4}Échanges entre les agents}{68}{subsection.6.6.4}\protected@file@percent }
	73	+\@writefile{lof}{\contentsline {figure}{\numberline {6.11}{\ignorespaces Exemple d'évolution Bayésienne des vecteurs pour un agent. a) Initialisation des probabilités $P(B\|A)$ vecteurs pour Retrieve et Reuse, b) Probabilités après quelques itérations $P(A\|B)$ vecteurs pour Retrieve et Reuse\relax }}{69}{figure.caption.38}\protected@file@percent }
	74	+\newlabel{fig:bayev}{{6.11}{69}{Exemple d'évolution Bayésienne des vecteurs pour un agent. a) Initialisation des probabilités $P(B\|A)$ vecteurs pour Retrieve et Reuse, b) Probabilités après quelques itérations $P(A\|B)$ vecteurs pour Retrieve et Reuse\relax }{figure.caption.38}{}}
	75	+\@writefile{toc}{\contentsline {section}{\numberline {6.7}Résultats}{69}{section.6.7}\protected@file@percent }
	76	+\@writefile{lot}{\contentsline {table}{\numberline {6.7}{\ignorespaces Résultat de la métrique RMSE (Root Mean Squared Error) pour les bases de données évaluées avec des algorithmes de régression\relax }}{70}{table.caption.39}\protected@file@percent }
	77	+\newlabel{tabRes1}{{6.7}{70}{Résultat de la métrique RMSE (Root Mean Squared Error) pour les bases de données évaluées avec des algorithmes de régression\relax }{table.caption.39}{}}
	78	+\@writefile{lot}{\contentsline {table}{\numberline {6.8}{\ignorespaces Description des bases de données évaluées. (* après codification comme \textit {String})\relax }}{70}{table.caption.40}\protected@file@percent }
	79	+\newlabel{tabBases}{{6.8}{70}{Description des bases de données évaluées. (* après codification comme \textit {String})\relax }{table.caption.40}{}}
	80	+\@writefile{lof}{\contentsline {figure}{\numberline {6.12}{\ignorespaces Résultats de la métrique MAE (Median Absolute Error) pour dix algorithmes\relax }}{70}{figure.caption.43}\protected@file@percent }
	81	+\newlabel{figBox}{{6.12}{70}{Résultats de la métrique MAE (Median Absolute Error) pour dix algorithmes\relax }{figure.caption.43}{}}
	82	+\@writefile{lot}{\contentsline {table}{\numberline {6.9}{\ignorespaces Paramètres pour tous les algorithmes comparés\relax }}{71}{table.caption.41}\protected@file@percent }
	83	+\newlabel{AlgsPar}{{6.9}{71}{Paramètres pour tous les algorithmes comparés\relax }{table.caption.41}{}}
	84	+\@writefile{lot}{\contentsline {table}{\numberline {6.10}{\ignorespaces Comparaison des résultats MAE (Median Absolute Error) pour les bases de données évaluées avec des algorithmes de régression\relax }}{71}{table.caption.42}\protected@file@percent }
	85	+\newlabel{tabRes2}{{6.10}{71}{Comparaison des résultats MAE (Median Absolute Error) pour les bases de données évaluées avec des algorithmes de régression\relax }{table.caption.42}{}}
	86	+\@writefile{toc}{\contentsline {section}{\numberline {6.8}Conclusion}{72}{section.6.8}\protected@file@percent }
87	87	\@setckpt{./chapters/ESCBR}{
88		-\setcounter{page}{72}
	88	+\setcounter{page}{73}
89	89	\setcounter{equation}{24}
90	90	\setcounter{enumi}{0}
91	91	\setcounter{enumii}{0}

...	...	@@ -25,7 +25,7 @@
25	25
26	26	\begin{figure}[!ht]
27	27	\centering
28		-\includegraphics[scale=0.5]{./Figures/NCBR0.png}
	28	+\includegraphics[width=\textwidth]{./Figures/NCBR0.png}
29	29	\caption{Les deux cycles proposés pour le RàPC}
30	30	\label{figNCBR}
31	31	\end{figure}
...	...	@@ -73,7 +73,7 @@
73	73
74	74	\begin{figure}
75	75	\centering
76		-\includegraphics[scale=0.4]{./Figures/Stacking1.png}
	76	+\includegraphics[width=\textwidth]{./Figures/Stacking1.png}
77	77	\caption{\textit{Stacking} pour chercher les plus proches voisins}
78	78	\label{figSta1}
79	79	\end{figure}
...	...	@@ -86,7 +86,7 @@
86	86
87	87	\begin{figure}[!ht]
88	88	\centering
89		-\includegraphics[scale=0.4]{./Figures/AutomaticS.png}
	89	+\includegraphics[width=\textwidth]{./Figures/AutomaticS.png}
90	90	\caption{Génération et vérification automatique des solutions}
91	91	\label{figAuto}
92	92	\end{figure}
...	...	@@ -200,7 +200,7 @@
200	200
201	201	\begin{figure}
202	202	\centering
203		-\includegraphics[scale=0.4]{./Figures/Stacking2.png}
	203	+\includegraphics[width=\textwidth]{./Figures/Stacking2.png}
204	204	\caption{\textit{Stacking} pour la génération de solutions}
205	205	\label{figSta2}
206	206	\end{figure}
...	...	@@ -225,7 +225,7 @@
225	225
226	226	\begin{figure}[!ht]
227	227	\centering
228		- \includegraphics[width=0.5\linewidth]{Figures/FW.png}
	228	+ \includegraphics[width=\textwidth]{Figures/FW.png}
229	229	\caption{Représentation graphique en deux dimensions du problème de moyenne geométrique. (Points associés au problème ($\lambda_1,..,\lambda_7$) et point rouge solution au problème)}
230	230	\label{fig:FW}
231	231	\end{figure}
...	...	@@ -330,7 +330,7 @@
330	330	La dispersion globale, la médiane et les valeurs aberrantes pour quatre bases de données représentatives sont présentées dans la figure \ref{figBox}, où l'on peut voir que l'algorithme proposé génère plus de valeurs aberrantes que les autres algorithmes, mais la variance est faible et la convergence est proche de la valeur réelle, meilleure que la plupart des algorithmes comparés.
331	331
332	332	\begin{figure}
333		-\includegraphics[scale=0.2]{./Figures/boxplot.png}
	333	+\includegraphics[width=\textwidth]{./Figures/boxplot.png}
334	334	\caption{Résultats de la métrique MAE (\textit{Median Absolute Error}) pour les dix algorithmes et quatre bases de données représentatives}
335	335	\label{figBox}
336	336	\end{figure}
...	...	@@ -359,7 +359,7 @@
359	359
360	360	\begin{figure}[!ht]
361	361	\centering
362		-\includegraphics[scale=0.65]{Figures/NCBR.png}
	362	+\includegraphics[width=\textwidth]{Figures/NCBR.png}
363	363	\caption{Deux cycles du système ESCBR-SMA proposé}
364	364	\label{figNCBR}
365	365	\end{figure}

1	1	\relax
2	2	\providecommand\hyper@newdestlabel[2]{}
3		-\@writefile{toc}{\contentsline {chapter}{\numberline {8}Publications}{101}{chapter.8}\protected@file@percent }
	3	+\@writefile{toc}{\contentsline {chapter}{\numberline {8}Publications}{103}{chapter.8}\protected@file@percent }
4	4	\@writefile{lof}{\addvspace {10\p@ }}
5	5	\@writefile{lot}{\addvspace {10\p@ }}
6		-\@writefile{toc}{\contentsline {section}{\numberline {8.1}Publications par rapport au sujet de thèse}{101}{section.8.1}\protected@file@percent }
7		-\@writefile{toc}{\contentsline {section}{\numberline {8.2}Autres publications}{102}{section.8.2}\protected@file@percent }
	6	+\@writefile{toc}{\contentsline {section}{\numberline {8.1}Publications par rapport au sujet de thèse}{103}{section.8.1}\protected@file@percent }
	7	+\@writefile{toc}{\contentsline {section}{\numberline {8.2}Autres publications}{104}{section.8.2}\protected@file@percent }
8	8	\@setckpt{./chapters/Publications}{
9		-\setcounter{page}{103}
	9	+\setcounter{page}{105}
10	10	\setcounter{equation}{0}
11	11	\setcounter{enumi}{0}
12	12	\setcounter{enumii}{0}

...	...	@@ -103,49 +103,49 @@
103	103	\newlabel{eqVarP}{{7.35}{91}{Progression des connaissances}{equation.7.7.35}{}}
104	104	\newlabel{eqTEK}{{7.36}{91}{Progression des connaissances}{equation.7.7.36}{}}
105	105	\@writefile{toc}{\contentsline {subsection}{\numberline {7.7.3}Comparaison entre TS et BKT}{91}{subsection.7.7.3}\protected@file@percent }
106		-\@writefile{lof}{\contentsline {figure}{\numberline {7.8}{\ignorespaces Progression des connaissances avec l'échantillonnage de Thompson selon la divergence de Jensen-Shannon\relax }}{92}{figure.caption.61}\protected@file@percent }
107		-\newlabel{fig:evolution}{{7.8}{92}{Progression des connaissances avec l'échantillonnage de Thompson selon la divergence de Jensen-Shannon\relax }{figure.caption.61}{}}
108	106	\@writefile{toc}{\contentsline {subsection}{\numberline {7.7.4}Système de recommandation avec ESCBR-SMA}{92}{subsection.7.7.4}\protected@file@percent }
109		-\@writefile{lof}{\contentsline {figure}{\numberline {7.9}{\ignorespaces Comparaison de l'évolution des notes entre les algorithmes BKT et TS\relax }}{93}{figure.caption.62}\protected@file@percent }
110		-\newlabel{fig:EvGrades}{{7.9}{93}{Comparaison de l'évolution des notes entre les algorithmes BKT et TS\relax }{figure.caption.62}{}}
111		-\@writefile{toc}{\contentsline {subsection}{\numberline {7.7.5}Progression des connaissances TS vs TS et ESCBR-SMA}{93}{subsection.7.7.5}\protected@file@percent }
112		-\newlabel{eqjs4}{{7.37}{93}{Progression des connaissances TS vs TS et ESCBR-SMA}{equation.7.7.37}{}}
113		-\newlabel{eqjs5}{{7.38}{93}{Progression des connaissances TS vs TS et ESCBR-SMA}{equation.7.7.38}{}}
114		-\@writefile{lof}{\contentsline {figure}{\numberline {7.10}{\ignorespaces Comparaison de l'évolution des niveaux entre les algorithmes BKT et TS\relax }}{94}{figure.caption.63}\protected@file@percent }
115		-\newlabel{fig:EvCL}{{7.10}{94}{Comparaison de l'évolution des niveaux entre les algorithmes BKT et TS\relax }{figure.caption.63}{}}
116		-\@writefile{lof}{\contentsline {figure}{\numberline {7.11}{\ignorespaces Normalisation de la différence de progression entre l'échantillonnage de Thompson et l'échantillonnage de Thompson avec ESCBR pour 1000 apprenants\relax }}{94}{figure.caption.64}\protected@file@percent }
117		-\newlabel{fig_cmp2}{{7.11}{94}{Normalisation de la différence de progression entre l'échantillonnage de Thompson et l'échantillonnage de Thompson avec ESCBR pour 1000 apprenants\relax }{figure.caption.64}{}}
	107	+\@writefile{toc}{\contentsline {subsection}{\numberline {7.7.5}Progression des connaissances TS vs TS et ESCBR-SMA}{92}{subsection.7.7.5}\protected@file@percent }
	108	+\newlabel{eqjs4}{{7.37}{92}{Progression des connaissances TS vs TS et ESCBR-SMA}{equation.7.7.37}{}}
	109	+\newlabel{eqjs5}{{7.38}{92}{Progression des connaissances TS vs TS et ESCBR-SMA}{equation.7.7.38}{}}
118	110	\citation{10.1145/3578337.3605122}
119		-\@writefile{toc}{\contentsline {section}{\numberline {7.8}Conclusion}{95}{section.7.8}\protected@file@percent }
120		-\@writefile{toc}{\contentsline {section}{\numberline {7.9}Modèle Proposé}{95}{section.7.9}\protected@file@percent }
121		-\@writefile{lof}{\contentsline {figure}{\numberline {7.12}{\ignorespaces Architecture Proposed Algorithm\relax }}{96}{figure.caption.65}\protected@file@percent }
122		-\newlabel{fig:Amodel}{{7.12}{96}{Architecture Proposed Algorithm\relax }{figure.caption.65}{}}
123		-\@writefile{lot}{\contentsline {table}{\numberline {7.11}{\ignorespaces Parameters (p), variables (v) and functions (f) of proposed algorithm and metrics\relax }}{96}{table.caption.66}\protected@file@percent }
124		-\newlabel{tabvp}{{7.11}{96}{Parameters (p), variables (v) and functions (f) of proposed algorithm and metrics\relax }{table.caption.66}{}}
125		-\newlabel{IntEq1}{{7.39}{96}{Modèle Proposé}{equation.7.9.39}{}}
	111	+\@writefile{toc}{\contentsline {section}{\numberline {7.8}Conclusion}{93}{section.7.8}\protected@file@percent }
	112	+\@writefile{toc}{\contentsline {section}{\numberline {7.9}Modèle Proposé}{93}{section.7.9}\protected@file@percent }
	113	+\@writefile{lot}{\contentsline {table}{\numberline {7.11}{\ignorespaces Parameters (p), variables (v) and functions (f) of proposed algorithm and metrics\relax }}{94}{table.caption.66}\protected@file@percent }
	114	+\newlabel{tabvp}{{7.11}{94}{Parameters (p), variables (v) and functions (f) of proposed algorithm and metrics\relax }{table.caption.66}{}}
	115	+\newlabel{IntEq1}{{7.39}{94}{Modèle Proposé}{equation.7.9.39}{}}
	116	+\newlabel{IntEq2}{{7.40}{94}{Modèle Proposé}{equation.7.9.40}{}}
	117	+\newlabel{eqMixModels}{{7.41}{94}{Modèle Proposé}{equation.7.9.41}{}}
126	118	\citation{Kuzilek2017}
127		-\newlabel{IntEq2}{{7.40}{97}{Modèle Proposé}{equation.7.9.40}{}}
128		-\newlabel{eqMixModels}{{7.41}{97}{Modèle Proposé}{equation.7.9.41}{}}
129		-\newlabel{hp1}{{7.42}{97}{Modèle Proposé}{equation.7.9.42}{}}
130		-\newlabel{hp21}{{7.43}{97}{Modèle Proposé}{equation.7.9.43}{}}
131		-\newlabel{hp22}{{7.44}{97}{Modèle Proposé}{equation.7.9.44}{}}
132		-\newlabel{hp31}{{7.45}{97}{Modèle Proposé}{equation.7.9.45}{}}
133		-\newlabel{hpfa}{{7.46}{97}{Modèle Proposé}{equation.7.9.46}{}}
134		-\newlabel{hpfb}{{7.47}{97}{Modèle Proposé}{equation.7.9.47}{}}
135		-\newlabel{eqBetaH}{{7.48}{97}{Modèle Proposé}{equation.7.9.48}{}}
136		-\@writefile{toc}{\contentsline {section}{\numberline {7.10}Résultats et Discussion}{98}{section.7.10}\protected@file@percent }
137		-\@writefile{toc}{\contentsline {subsection}{\numberline {7.10.1}Système de recommandation avec une base de données d'étudiants réels (TS avec Hawkes)}{98}{subsection.7.10.1}\protected@file@percent }
138		-\@writefile{lof}{\contentsline {figure}{\numberline {7.13}{\ignorespaces Number of recommendations by complexity level (left static learning process, right dynamic learning process with Hawkes process)\relax }}{98}{figure.caption.67}\protected@file@percent }
139		-\newlabel{fig:stabilityBP}{{7.13}{98}{Number of recommendations by complexity level (left static learning process, right dynamic learning process with Hawkes process)\relax }{figure.caption.67}{}}
140		-\@writefile{toc}{\contentsline {subsection}{\numberline {7.10.2}Base de données simulée (ESCBR, TS avec Hawkes)}{98}{subsection.7.10.2}\protected@file@percent }
141		-\newlabel{metric1}{{7.49}{99}{Base de données simulée (ESCBR, TS avec Hawkes)}{equation.7.10.49}{}}
142		-\@writefile{lot}{\contentsline {table}{\numberline {7.12}{\ignorespaces Metric comparison ESCBR-TS and ESCBR-TS-Hawkes\relax }}{99}{table.caption.68}\protected@file@percent }
143		-\newlabel{tab:my_label}{{7.12}{99}{Metric comparison ESCBR-TS and ESCBR-TS-Hawkes\relax }{table.caption.68}{}}
144		-\@writefile{toc}{\contentsline {section}{\numberline {7.11}Conclusion}{99}{section.7.11}\protected@file@percent }
145		-\@writefile{lof}{\contentsline {figure}{\numberline {7.14}{\ignorespaces Variance evolution for Beta distribution of probability and all complexity levels (Top: static learning process. Bottom: dynamic learning process with Hawkes process)\relax }}{100}{figure.caption.69}\protected@file@percent }
146		-\newlabel{fig:vars}{{7.14}{100}{Variance evolution for Beta distribution of probability and all complexity levels (Top: static learning process. Bottom: dynamic learning process with Hawkes process)\relax }{figure.caption.69}{}}
	119	+\newlabel{hp1}{{7.42}{95}{Modèle Proposé}{equation.7.9.42}{}}
	120	+\newlabel{hp21}{{7.43}{95}{Modèle Proposé}{equation.7.9.43}{}}
	121	+\newlabel{hp22}{{7.44}{95}{Modèle Proposé}{equation.7.9.44}{}}
	122	+\newlabel{hp31}{{7.45}{95}{Modèle Proposé}{equation.7.9.45}{}}
	123	+\newlabel{hpfa}{{7.46}{95}{Modèle Proposé}{equation.7.9.46}{}}
	124	+\newlabel{hpfb}{{7.47}{95}{Modèle Proposé}{equation.7.9.47}{}}
	125	+\newlabel{eqBetaH}{{7.48}{95}{Modèle Proposé}{equation.7.9.48}{}}
	126	+\@writefile{toc}{\contentsline {section}{\numberline {7.10}Résultats et Discussion}{95}{section.7.10}\protected@file@percent }
	127	+\@writefile{toc}{\contentsline {subsection}{\numberline {7.10.1}Système de recommandation avec une base de données d'étudiants réels (TS avec Hawkes)}{95}{subsection.7.10.1}\protected@file@percent }
	128	+\@writefile{toc}{\contentsline {subsection}{\numberline {7.10.2}Base de données simulée (ESCBR, TS avec Hawkes)}{96}{subsection.7.10.2}\protected@file@percent }
	129	+\newlabel{metric1}{{7.49}{96}{Base de données simulée (ESCBR, TS avec Hawkes)}{equation.7.10.49}{}}
	130	+\@writefile{lot}{\contentsline {table}{\numberline {7.12}{\ignorespaces Metric comparison ESCBR-TS and ESCBR-TS-Hawkes\relax }}{96}{table.caption.68}\protected@file@percent }
	131	+\newlabel{tab:my_label}{{7.12}{96}{Metric comparison ESCBR-TS and ESCBR-TS-Hawkes\relax }{table.caption.68}{}}
	132	+\@writefile{toc}{\contentsline {section}{\numberline {7.11}Conclusion}{97}{section.7.11}\protected@file@percent }
	133	+\@writefile{lof}{\contentsline {figure}{\numberline {7.8}{\ignorespaces Progression des connaissances avec l'échantillonnage de Thompson selon la divergence de Jensen-Shannon\relax }}{98}{figure.caption.61}\protected@file@percent }
	134	+\newlabel{fig:evolution}{{7.8}{98}{Progression des connaissances avec l'échantillonnage de Thompson selon la divergence de Jensen-Shannon\relax }{figure.caption.61}{}}
	135	+\@writefile{lof}{\contentsline {figure}{\numberline {7.9}{\ignorespaces Comparaison de l'évolution des notes entre les algorithmes BKT et TS\relax }}{99}{figure.caption.62}\protected@file@percent }
	136	+\newlabel{fig:EvGrades}{{7.9}{99}{Comparaison de l'évolution des notes entre les algorithmes BKT et TS\relax }{figure.caption.62}{}}
	137	+\@writefile{lof}{\contentsline {figure}{\numberline {7.10}{\ignorespaces Comparaison de l'évolution des niveaux entre les algorithmes BKT et TS\relax }}{100}{figure.caption.63}\protected@file@percent }
	138	+\newlabel{fig:EvCL}{{7.10}{100}{Comparaison de l'évolution des niveaux entre les algorithmes BKT et TS\relax }{figure.caption.63}{}}
	139	+\@writefile{lof}{\contentsline {figure}{\numberline {7.11}{\ignorespaces Normalisation de la différence de progression entre l'échantillonnage de Thompson et l'échantillonnage de Thompson avec ESCBR pour 1000 apprenants\relax }}{100}{figure.caption.64}\protected@file@percent }
	140	+\newlabel{fig_cmp2}{{7.11}{100}{Normalisation de la différence de progression entre l'échantillonnage de Thompson et l'échantillonnage de Thompson avec ESCBR pour 1000 apprenants\relax }{figure.caption.64}{}}
	141	+\@writefile{lof}{\contentsline {figure}{\numberline {7.12}{\ignorespaces Architecture Proposed Algorithm\relax }}{101}{figure.caption.65}\protected@file@percent }
	142	+\newlabel{fig:Amodel}{{7.12}{101}{Architecture Proposed Algorithm\relax }{figure.caption.65}{}}
	143	+\@writefile{lof}{\contentsline {figure}{\numberline {7.13}{\ignorespaces Number of recommendations by complexity level (left static learning process, right dynamic learning process with Hawkes process)\relax }}{101}{figure.caption.67}\protected@file@percent }
	144	+\newlabel{fig:stabilityBP}{{7.13}{101}{Number of recommendations by complexity level (left static learning process, right dynamic learning process with Hawkes process)\relax }{figure.caption.67}{}}
	145	+\@writefile{lof}{\contentsline {figure}{\numberline {7.14}{\ignorespaces Variance evolution for Beta distribution of probability and all complexity levels (Top: static learning process. Bottom: dynamic learning process with Hawkes process)\relax }}{102}{figure.caption.69}\protected@file@percent }
	146	+\newlabel{fig:vars}{{7.14}{102}{Variance evolution for Beta distribution of probability and all complexity levels (Top: static learning process. Bottom: dynamic learning process with Hawkes process)\relax }{figure.caption.69}{}}
147	147	\@setckpt{./chapters/TS}{
148		-\setcounter{page}{101}
	148	+\setcounter{page}{103}
149	149	\setcounter{equation}{49}
150	150	\setcounter{enumi}{0}
151	151	\setcounter{enumii}{0}

...	...	@@ -669,7 +669,7 @@
669	669
670	670	\begin{figure}
671	671	\centering
672		- \includegraphics[scale=0.5]{Figures/kEvol_TS.jpg}
	672	+ \includegraphics[width=\textwidth]{Figures/kEvol_TS.jpg}
673	673	\caption{Progression des connaissances avec l'échantillonnage de Thompson selon la divergence de Jensen-Shannon}
674	674	\label{fig:evolution}
675	675	\end{figure}
...	...	@@ -682,7 +682,7 @@
682	682
683	683	\begin{figure}
684	684	\centering
685		- \includegraphics[scale=0.5]{Figures/GradesEv.jpg}
	685	+ \includegraphics[width=\textwidth]{Figures/GradesEv.jpg}
686	686	\caption{Comparaison de l'évolution des notes entre les algorithmes BKT et TS}
687	687	\label{fig:EvGrades}
688	688	\end{figure}
...	...	@@ -691,7 +691,7 @@
691	691
692	692	\begin{figure}
693	693	\centering
694		- \includegraphics[scale=0.5]{Figures/LevelsEv.jpg}
	694	+ \includegraphics[width=\textwidth]{Figures/LevelsEv.jpg}
695	695	\caption{Comparaison de l'évolution des niveaux entre les algorithmes BKT et TS}
696	696	\label{fig:EvCL}
697	697	\end{figure}
...	...	@@ -728,7 +728,7 @@
728	728
729	729	\begin{figure}[!h]
730	730	\centering
731		- \includegraphics[scale=0.23]{Figures/TS-ESCBR.png}
	731	+ \includegraphics[width=\textwidth]{Figures/TS-ESCBR.png}
732	732	\caption{Normalisation de la différence de progression entre l'échantillonnage de Thompson et l'échantillonnage de Thompson avec ESCBR pour 1000 apprenants}
733	733	\label{fig_cmp2}
734	734	\end{figure}
...	...	@@ -857,8 +857,8 @@
857	857
858	858	\begin{figure}[!ht]
859	859	\centering
860		- \includegraphics[width=0.5\textwidth]{./Figures/stabilityBoxplot1.png}\hfill
861		- \includegraphics[width=0.5\textwidth]{Figures/stabilityBoxplot2.png}
	860	+ \includegraphics[width=0.6\textwidth]{./Figures/stabilityBoxplot1.png}\hfill
	861	+ \includegraphics[width=0.6\textwidth]{Figures/stabilityBoxplot2.png}
862	862	\caption{Number of recommendations by complexity level (left static learning process, right dynamic learning process with Hawkes process)}
863	863	\label{fig:stabilityBP}
864	864	\end{figure}

...	...	@@ -123,5 +123,5 @@
123	123	\bibcite{ZHAO2023118535}{Zhao et~al., 2023}
124	124	\bibcite{Zhou2021}{Zhou and Wang, 2021}
125	125	\bibcite{jmse10040464}{Zuluaga et~al., 2022}
126		-\gdef \@abspage@last{118}
	126	+\gdef \@abspage@last{120}

1		-This is pdfTeX, Version 3.141592653-2.6-1.40.25 (TeX Live 2023) (preloaded format=pdflatex 2023.5.31) 20 MAY 2025 15:49
	1	+This is pdfTeX, Version 3.141592653-2.6-1.40.25 (TeX Live 2023) (preloaded format=pdflatex 2023.5.31) 21 MAY 2025 15:28
2	2	entering extended mode
3	3	restricted \write18 enabled.
4	4	%&-line parsing enabled.
5	5
...	...	@@ -987,10 +987,10 @@
987	987	LaTeX Warning: Label `figNCBR' multiply defined.
988	988
989	989
990		-LaTeX Warning: Label `tabVarPar' multiply defined.
	990	+LaTeX Warning: Label `figFlowCBR' multiply defined.
991	991
992	992
993		-LaTeX Warning: Label `figFlowCBR' multiply defined.
	993	+LaTeX Warning: Label `tabVarPar' multiply defined.
994	994
995	995
996	996	LaTeX Warning: Label `tabRes1' multiply defined.
...	...	@@ -1012,9 +1012,6 @@
1012	1012	LaTeX Warning: Label `tabAlgs' multiply defined.
1013	1013
1014	1014
1015		-LaTeX Warning: Label `fig:Amodel' multiply defined.
1016		-
1017		-
1018	1015	LaTeX Warning: Label `tabvp' multiply defined.
1019	1016
1020	1017
...	...	@@ -1026,6 +1023,9 @@
1026	1023
1027	1024	LaTeX Warning: Label `eqMixModels' multiply defined.
1028	1025
	1026	+
	1027	+LaTeX Warning: Label `fig:Amodel' multiply defined.
	1028	+
1029	1029	) (./chapters/Publications.aux))
1030	1030	\openout1 = `main.aux'.
1031	1031
1032	1032
...	...	@@ -1231,12 +1231,12 @@
1231	1231
1232	1232	] [6]
1233	1233	Overfull \hbox (1.29184pt too wide) detected at line 86
1234		- [][]\T1/phv/m/n/10.95 101[]
	1234	+ [][]\T1/phv/m/n/10.95 103[]
1235	1235	[]
1236	1236
1237	1237
1238	1238	Overfull \hbox (1.29184pt too wide) detected at line 87
1239		- [][]\T1/phv/m/n/10.95 102[]
	1239	+ [][]\T1/phv/m/n/10.95 104[]
1240	1240	[]
1241	1241
1242	1242	)
1243	1243
1244	1244
1245	1245
...	...	@@ -1591,57 +1591,20 @@
1591	1591	Underfull \vbox (badness 10000) has occurred while \output is active []
1592	1592
1593	1593	[45 <./Figures/Architecture AI-VT2.png>]
1594		-Underfull \hbox (badness 10000) in paragraph at lines 97--98
1595		-[]\T1/phv/m/n/10.95 Le mo-dule rou-teur (LC0) a pour fonc-tion d'iden-ti-fier l
1596		-e type
1597		- []
	1594	+Underfull \vbox (badness 10000) has occurred while \output is active []
1598	1595
1599		-
1600		-Underfull \hbox (badness 2478) in paragraph at lines 101--102
1601		-[]\T1/phv/m/n/10.95 Le mo-dule au-dio (LC2) ana-lyse une piste au-dio et conver
1602		--tit son contenu en
1603		- []
1604		-
1605		-
1606		-Underfull \hbox (badness 3333) in paragraph at lines 101--102
1607		-\T1/phv/m/n/10.95 texte. Une fois le texte gé-néré, il peut être com-paré à une
1608		- ré-ponse at-ten-
1609		- []
1610		-
1611		-
1612		-Underfull \hbox (badness 1178) in paragraph at lines 101--102
1613		-\T1/phv/m/n/10.95 due à la ques-tion po-sée à l'aide de tech-niques NLP mises e
1614		-n ÷uvre dans le
1615		- []
1616		-
1617		-
1618		-Underfull \hbox (badness 1596) in paragraph at lines 101--102
1619		-\T1/phv/m/n/10.95 mo-dule GC5. Un score d'ap-proxi-ma-tion es-timé peut alors ê
1620		-tre cal-culé. Le mo-
1621		- []
1622		-
1623		-
1624		-Underfull \hbox (badness 2970) in paragraph at lines 101--102
1625		-\T1/phv/m/n/10.95 dule au-dio (LC2) ana-lyse une piste au-dio et conver-tit son
1626		- contenu en texte
1627		- []
1628		-
1629		-[46]
1630		-Underfull \hbox (badness 10000) in paragraph at lines 120--123
1631		-
1632		- []
1633		-
	1596	+ [46]
1634	1597	[47]
1635	1598	<./Figures/Layers.png, id=969, 392.46625pt x 216.81pt>
1636	1599	File: ./Figures/Layers.png Graphic file (type png)
1637	1600	<use ./Figures/Layers.png>
1638		-Package pdftex.def Info: ./Figures/Layers.png used on input line 142.
1639		-(pdftex.def) Requested size: 235.48155pt x 130.08699pt.
	1601	+Package pdftex.def Info: ./Figures/Layers.png used on input line 143.
	1602	+(pdftex.def) Requested size: 313.9734pt x 173.44823pt.
1640	1603	[48]
1641	1604	<./Figures/flow.png, id=977, 721.69624pt x 593.21625pt>
1642	1605	File: ./Figures/flow.png Graphic file (type png)
1643	1606	<use ./Figures/flow.png>
1644		-Package pdftex.def Info: ./Figures/flow.png used on input line 153.
	1607	+Package pdftex.def Info: ./Figures/flow.png used on input line 154.
1645	1608	(pdftex.def) Requested size: 427.43153pt x 351.33421pt.
1646	1609	) [49 <./Figures/Layers.png>] [50 <./Figures/flow.png>]
1647	1610	\openout2 = `./chapters/ESCBR.aux'.
1648	1611
1649	1612
1650	1613
1651	1614
1652	1615
1653	1616
...	...	@@ -1672,45 +1635,53 @@
1672	1635	File: ./Figures/NCBR0.png Graphic file (type png)
1673	1636	<use ./Figures/NCBR0.png>
1674	1637	Package pdftex.def Info: ./Figures/NCBR0.png used on input line 28.
1675		-(pdftex.def) Requested size: 311.6636pt x 229.85818pt.
	1638	+(pdftex.def) Requested size: 427.43153pt x 315.24129pt.
1676	1639	<./Figures/FlowCBR0.png, id=1019, 370.38374pt x 661.47125pt>
1677	1640	File: ./Figures/FlowCBR0.png Graphic file (type png)
1678	1641	<use ./Figures/FlowCBR0.png>
1679	1642	Package pdftex.def Info: ./Figures/FlowCBR0.png used on input line 37.
1680	1643	(pdftex.def) Requested size: 222.23195pt x 396.8858pt.
1681		-<./Figures/Stacking1.png, id=1021, 743.77875pt x 414.54875pt>
	1644	+ [53 <./Figures/NCBR0.png>]
	1645	+<./Figures/Stacking1.png, id=1033, 743.77875pt x 414.54875pt>
1682	1646	File: ./Figures/Stacking1.png Graphic file (type png)
1683	1647	<use ./Figures/Stacking1.png>
1684	1648	Package pdftex.def Info: ./Figures/Stacking1.png used on input line 76.
1685		-(pdftex.def) Requested size: 297.50623pt x 165.81656pt.
1686		- [53 <./Figures/NCBR0.png>] [54 <./Figures/FlowCBR0.png>]
1687		-<./Figures/AutomaticS.png, id=1044, 688.5725pt x 548.0475pt>
	1649	+(pdftex.def) Requested size: 427.43153pt x 238.23717pt.
	1650	+
	1651	+Underfull \vbox (badness 10000) has occurred while \output is active []
	1652	+
	1653	+ [54 <./Figures/FlowCBR0.png>]
	1654	+<./Figures/AutomaticS.png, id=1042, 688.5725pt x 548.0475pt>
1688	1655	File: ./Figures/AutomaticS.png Graphic file (type png)
1689	1656	<use ./Figures/AutomaticS.png>
1690	1657	Package pdftex.def Info: ./Figures/AutomaticS.png used on input line 89.
1691		-(pdftex.def) Requested size: 275.4241pt x 219.2151pt.
1692		- [55] [56 <./Figures/Stacking1.png> <./Figures/AutomaticS.png>] [57]
1693		-<./Figures/Stacking2.png, id=1076, 743.77875pt x 414.54875pt>
	1658	+(pdftex.def) Requested size: 427.43153pt x 340.20406pt.
	1659	+
	1660	+Underfull \vbox (badness 3029) has occurred while \output is active []
	1661	+
	1662	+ [55]
	1663	+
	1664	+LaTeX Warning: Text page 56 contains only floats.
	1665	+
	1666	+[56 <./Figures/Stacking1.png> <./Figures/AutomaticS.png>] [57]
	1667	+<./Figures/Stacking2.png, id=1071, 743.77875pt x 414.54875pt>
1694	1668	File: ./Figures/Stacking2.png Graphic file (type png)
1695	1669	<use ./Figures/Stacking2.png>
1696	1670	Package pdftex.def Info: ./Figures/Stacking2.png used on input line 203.
1697		-(pdftex.def) Requested size: 297.50623pt x 165.81656pt.
1698		- [58 <./Figures/Stacking2.png>]
1699		-<Figures/FW.png, id=1093, 456.70625pt x 342.27875pt>
	1671	+(pdftex.def) Requested size: 427.43153pt x 238.23717pt.
	1672	+ [58]
	1673	+<Figures/FW.png, id=1089, 456.70625pt x 342.27875pt>
1700	1674	File: Figures/FW.png Graphic file (type png)
1701	1675	<use Figures/FW.png>
1702	1676	Package pdftex.def Info: Figures/FW.png used on input line 228.
1703		-(pdftex.def) Requested size: 213.71576pt x 160.16595pt.
1704		- [59 <./Figures/FW.png>]
1705		-<./Figures/boxplot.png, id=1106, 1994.45125pt x 959.585pt>
	1677	+(pdftex.def) Requested size: 427.43153pt x 320.34758pt.
	1678	+ [59 <./Figures/Stacking2.png>] [60 <./Figures/FW.png>] [61]
	1679	+<./Figures/boxplot.png, id=1122, 1994.45125pt x 959.585pt>
1706	1680	File: ./Figures/boxplot.png Graphic file (type png)
1707	1681	<use ./Figures/boxplot.png>
1708	1682	Package pdftex.def Info: ./Figures/boxplot.png used on input line 333.
1709		-(pdftex.def) Requested size: 398.88318pt x 191.91359pt.
1710		- [60]
1711		-Underfull \vbox (badness 1348) has occurred while \output is active []
1712		-
1713		- [61]
	1683	+(pdftex.def) Requested size: 427.43153pt x 205.64786pt.
	1684	+ [62 <./Figures/boxplot.png (PNG copy)>]
1714	1685	Underfull \hbox (badness 10000) in paragraph at lines 352--353
1715	1686
1716	1687	[]
1717	1688
1718	1689
1719	1690
1720	1691
...	...	@@ -1720,30 +1691,40 @@
1720	1691
1721	1692	[]
1722	1693
1723		-<Figures/NCBR.png, id=1125, 623.32875pt x 445.665pt>
	1694	+<Figures/NCBR.png, id=1130, 623.32875pt x 445.665pt>
1724	1695	File: Figures/NCBR.png Graphic file (type png)
1725	1696	<use Figures/NCBR.png>
1726	1697	Package pdftex.def Info: Figures/NCBR.png used on input line 362.
1727		-(pdftex.def) Requested size: 405.15889pt x 289.67882pt.
1728		-[62 <./Figures/boxplot.png (PNG copy)>] [63 <./Figures/NCBR.png>]
1729		-<Figures/FlowCBR.png, id=1138, 450.68375pt x 822.07124pt>
	1698	+(pdftex.def) Requested size: 427.43153pt x 305.6051pt.
	1699	+[63]
	1700	+Underfull \vbox (badness 3623) has occurred while \output is active []
	1701	+
	1702	+ [64 <./Figures/NCBR.png>]
	1703	+<Figures/FlowCBR.png, id=1142, 450.68375pt x 822.07124pt>
1730	1704	File: Figures/FlowCBR.png Graphic file (type png)
1731	1705	<use Figures/FlowCBR.png>
1732	1706	Package pdftex.def Info: Figures/FlowCBR.png used on input line 376.
1733	1707	(pdftex.def) Requested size: 270.41232pt x 493.24655pt.
1734		- [64] [65 <./Figures/FlowCBR.png>]
1735		-<Figures/agent.png, id=1152, 352.31625pt x 402.50375pt>
	1708	+
	1709	+Underfull \vbox (badness 10000) has occurred while \output is active []
	1710	+
	1711	+ [65 <./Figures/FlowCBR.png>]
	1712	+Underfull \vbox (badness 10000) has occurred while \output is active []
	1713	+
	1714	+ [66]
	1715	+<Figures/agent.png, id=1156, 352.31625pt x 402.50375pt>
1736	1716	File: Figures/agent.png Graphic file (type png)
1737	1717	<use Figures/agent.png>
1738	1718	Package pdftex.def Info: Figures/agent.png used on input line 442.
1739	1719	(pdftex.def) Requested size: 246.61969pt x 281.7507pt.
1740		-<Figures/BayesianEvolution.png, id=1155, 626.34pt x 402.50375pt>
	1720	+<Figures/BayesianEvolution.png, id=1159, 626.34pt x 402.50375pt>
1741	1721	File: Figures/BayesianEvolution.png Graphic file (type png)
1742	1722	<use Figures/BayesianEvolution.png>
1743	1723	Package pdftex.def Info: Figures/BayesianEvolution.png used on input line 455.
1744	1724
1745	1725	(pdftex.def) Requested size: 313.16922pt x 201.25137pt.
1746		- [66] [67 <./Figures/agent.png>]
	1726	+
	1727	+[67] [68 <./Figures/agent.png>]
1747	1728	Underfull \hbox (badness 10000) in paragraph at lines 528--528
1748	1729	[]\|\T1/phv/m/n/8 Input.
1749	1730	[]
1750	1731
1751	1732
1752	1733
1753	1734
1754	1735
1755	1736
1756	1737
1757	1738
...	...	@@ -1753,29 +1734,29 @@
1753	1734	[]\|\T1/phv/m/n/8 Output
1754	1735	[]
1755	1736
1756		-<Figures/boxplot2.png, id=1180, 1615.03375pt x 835.12pt>
	1737	+<Figures/boxplot2.png, id=1184, 1615.03375pt x 835.12pt>
1757	1738	File: Figures/boxplot2.png Graphic file (type png)
1758	1739	<use Figures/boxplot2.png>
1759	1740	Package pdftex.def Info: Figures/boxplot2.png used on input line 626.
1760	1741	(pdftex.def) Requested size: 419.89888pt x 217.12607pt.
1761		-[68 <./Figures/BayesianEvolution.png>] [69 <./Figures/boxplot2.png>]
	1742	+[69 <./Figures/BayesianEvolution.png>] [70 <./Figures/boxplot2.png>]
1762	1743	Underfull \vbox (badness 10000) has occurred while \output is active []
1763	1744
1764		- [70])
1765		-[71]
	1745	+ [71])
	1746	+[72]
1766	1747	\openout2 = `./chapters/TS.aux'.
1767	1748
1768		- (./chapters/TS.tex [72
	1749	+ (./chapters/TS.tex
	1750	+Chapitre 7.
1769	1751
	1752	+Underfull \vbox (badness 2512) has occurred while \output is active []
1770	1753
	1754	+ [73
1771	1755
1772	1756
1773		-]
1774		-Chapitre 7.
1775	1757
1776		-Underfull \vbox (badness 2512) has occurred while \output is active []
1777	1758
1778		- [73]
	1759	+]
1779	1760	Underfull \hbox (badness 10000) in paragraph at lines 27--28
1780	1761
1781	1762	[]
1782	1763
1783	1764
1784	1765
1785	1766
1786	1767
...	...	@@ -1872,32 +1853,30 @@
1872	1853	File: Figures/kEvol_TS.jpg Graphic file (type jpg)
1873	1854	<use Figures/kEvol_TS.jpg>
1874	1855	Package pdftex.def Info: Figures/kEvol_TS.jpg used on input line 672.
1875		-(pdftex.def) Requested size: 371.38658pt x 278.53995pt.
	1856	+(pdftex.def) Requested size: 427.43153pt x 320.58275pt.
1876	1857	<Figures/GradesEv.jpg, id=1447, 742.775pt x 557.08125pt>
1877	1858	File: Figures/GradesEv.jpg Graphic file (type jpg)
1878	1859	<use Figures/GradesEv.jpg>
1879	1860	Package pdftex.def Info: Figures/GradesEv.jpg used on input line 685.
1880		-(pdftex.def) Requested size: 371.38658pt x 278.53995pt.
	1861	+(pdftex.def) Requested size: 427.43153pt x 320.58275pt.
1881	1862
1882	1863	[91]
1883	1864	<Figures/LevelsEv.jpg, id=1460, 742.775pt x 557.08125pt>
1884	1865	File: Figures/LevelsEv.jpg Graphic file (type jpg)
1885	1866	<use Figures/LevelsEv.jpg>
1886	1867	Package pdftex.def Info: Figures/LevelsEv.jpg used on input line 694.
1887		-(pdftex.def) Requested size: 371.38658pt x 278.53995pt.
1888		-
1889		-Underfull \vbox (badness 10000) has occurred while \output is active []
1890		-
1891		- [92 <./Figures/kEvol_TS.jpg>] [93 <./Figures/GradesEv.jpg>]
1892		-<Figures/TS-ESCBR.png, id=1476, 1697.34125pt x 819.06pt>
	1868	+(pdftex.def) Requested size: 427.43153pt x 320.58275pt.
	1869	+ [92]
	1870	+<Figures/TS-ESCBR.png, id=1472, 1697.34125pt x 819.06pt>
1893	1871	File: Figures/TS-ESCBR.png Graphic file (type png)
1894	1872	<use Figures/TS-ESCBR.png>
1895	1873	Package pdftex.def Info: Figures/TS-ESCBR.png used on input line 731.
1896		-(pdftex.def) Requested size: 390.38028pt x 188.37984pt.
	1874	+(pdftex.def) Requested size: 427.43153pt x 206.25174pt.
1897	1875
1898		-Underfull \vbox (badness 10000) has occurred while \output is active []
1899	1876
1900		- [94 <./Figures/LevelsEv.jpg> <./Figures/TS-ESCBR.png (PNG copy)>]
	1877	+LaTeX Warning: `!h' float specifier changed to `!ht'.
	1878	+
	1879	+
1901	1880	Underfull \hbox (badness 10000) in paragraph at lines 741--742
1902	1881
1903	1882	[]
1904	1883
1905	1884
1906	1885
1907	1886
1908	1887
...	...	@@ -1907,40 +1886,38 @@
1907	1886
1908	1887	[]
1909	1888
	1889	+[93]
1910	1890	File: Figures/Model.png Graphic file (type png)
1911	1891	<use Figures/Model.png>
1912	1892	Package pdftex.def Info: Figures/Model.png used on input line 752.
1913	1893	(pdftex.def) Requested size: 213.71576pt x 175.76495pt.
1914		-[95]
1915		-Underfull \vbox (badness 1173) has occurred while \output is active []
1916		-
1917		- [96]
1918		-[97]
1919		-<./Figures/stabilityBoxplot1.png, id=1520, 742.775pt x 520.94624pt>
	1894	+ [94] [95]
	1895	+<./Figures/stabilityBoxplot1.png, id=1513, 742.775pt x 520.94624pt>
1920	1896	File: ./Figures/stabilityBoxplot1.png Graphic file (type png)
1921	1897	<use ./Figures/stabilityBoxplot1.png>
1922	1898	Package pdftex.def Info: ./Figures/stabilityBoxplot1.png used on input line 86
1923	1899	0.
1924		-(pdftex.def) Requested size: 213.71576pt x 149.88614pt.
1925		-<Figures/stabilityBoxplot2.png, id=1521, 742.775pt x 520.94624pt>
	1900	+(pdftex.def) Requested size: 256.46152pt x 179.86972pt.
	1901	+<Figures/stabilityBoxplot2.png, id=1514, 742.775pt x 520.94624pt>
1926	1902	File: Figures/stabilityBoxplot2.png Graphic file (type png)
1927	1903	<use Figures/stabilityBoxplot2.png>
1928	1904	Package pdftex.def Info: Figures/stabilityBoxplot2.png used on input line 861.
1929	1905
1930		-(pdftex.def) Requested size: 213.71576pt x 149.88614pt.
1931		- [98 <./Figures/stabilityBoxplot1.png (PNG copy)> <./Figures/stabilityBoxplot2.
1932		-png (PNG copy)>]
1933		-<Figures/Var.png, id=1532, 1408.26125pt x 749.80125pt>
	1906	+(pdftex.def) Requested size: 256.46152pt x 179.86972pt.
	1907	+<Figures/Var.png, id=1518, 1408.26125pt x 749.80125pt>
1934	1908	File: Figures/Var.png Graphic file (type png)
1935	1909	<use Figures/Var.png>
1936	1910	Package pdftex.def Info: Figures/Var.png used on input line 897.
1937	1911	(pdftex.def) Requested size: 427.43153pt x 227.57355pt.
1938		-<Figures/VarH.png, id=1533, 1408.26125pt x 749.80125pt>
	1912	+<Figures/VarH.png, id=1519, 1408.26125pt x 749.80125pt>
1939	1913	File: Figures/VarH.png Graphic file (type png)
1940	1914	<use Figures/VarH.png>
1941	1915	Package pdftex.def Info: Figures/VarH.png used on input line 903.
1942	1916	(pdftex.def) Requested size: 427.43153pt x 227.57355pt.
1943		-) [99] [100 <./Figures/Var.png> <./Figures/VarH.png>]
	1917	+ [96]) [97] [98 <./Figures/kEvol_TS.jpg>] [99 <./Figures/GradesEv.jpg>] [100 <.
	1918	+/Figures/LevelsEv.jpg> <./Figures/TS-ESCBR.png (PNG copy)>]
	1919	+[101 <./Figures/stabilityBoxplot1.png (PNG copy)> <./Figures/stabilityBoxplot2.
	1920	+png (PNG copy)>] [102 <./Figures/Var.png> <./Figures/VarH.png>]
1944	1921	\openout2 = `./chapters/Publications.aux'.
1945	1922
1946	1923
...	...	@@ -1981,7 +1958,7 @@
1981	1958
1982	1959	[]
1983	1960
1984		-[101
	1961	+[103
1985	1962
1986	1963
1987	1964
...	...	@@ -2006,7 +1983,7 @@
2006	1983
2007	1984	[]
2008	1985
2009		-[102] (./main.bbl [103
	1986	+[104] (./main.bbl [105
2010	1987
2011	1988
2012	1989
...	...	@@ -2016,7 +1993,7 @@
2016	1993	i-fi-cial
2017	1994	[]
2018	1995
2019		-[104] [105]
	1996	+[106] [107]
2020	1997	Underfull \hbox (badness 1939) in paragraph at lines 281--285
2021	1998	[]\T1/phv/m/n/10.95 Muangprathub, J., Boon-jing, V., and Cham-nong-thai, K.
2022	1999	[]
2023	2000
2024	2001
2025	2002
...	...	@@ -2027,22 +2004,22 @@
2027	2004	16).
2028	2005	[]
2029	2006
2030		-[106] [107]) [108]
	2007	+[108] [109]) [110]
2031	2008	LaTeX Font Info: Trying to load font information for T1+pcr on input line 39
2032	2009	1.
2033	2010
2034	2011	(/usr/local/texlive/2023/texmf-dist/tex/latex/psnfss/t1pcr.fd
2035	2012	File: t1pcr.fd 2001/06/04 font definitions for T1/pcr.
2036		-) [109
	2013	+) [111
2037	2014
2038	2015	]
2039		-<spimufcphdthesis-backpage.pdf, id=1591, 597.432pt x 844.83629pt>
	2016	+<spimufcphdthesis-backpage.pdf, id=1599, 597.432pt x 844.83629pt>
2040	2017	File: spimufcphdthesis-backpage.pdf Graphic file (type pdf)
2041	2018	<use spimufcphdthesis-backpage.pdf>
2042	2019	Package pdftex.def Info: spimufcphdthesis-backpage.pdf used on input line 391.
2043	2020
2044	2021	(pdftex.def) Requested size: 600.04684pt x 900.02122pt.
2045		- [110
	2022	+ [112
2046	2023
2047	2024	<./spimufcphdthesis-backpage.pdf>] (./main.aux (./chapters/contexte2.aux)
2048	2025	(./chapters/EIAH.aux) (./chapters/CBR.aux) (./chapters/Architecture.aux)
...	...	@@ -2057,8 +2034,8 @@
2057	2034	(rerunfilecheck) Checksum: 94A2838B403BEE8504196BDB1EF81770;20781.
2058	2035	)
2059	2036	Here is how much of TeX's memory you used:
2060		- 21458 strings out of 476038
2061		- 367223 string characters out of 5790170
	2037	+ 21460 strings out of 476038
	2038	+ 367239 string characters out of 5790170
2062	2039	1903785 words of memory out of 5000000
2063	2040	40895 multiletter control sequences out of 15000+600000
2064	2041	619032 words of font info for 151 fonts, out of 8000000 for 9000
2065	2042
...	...	@@ -2091,10 +2068,10 @@
2091	2068	lvetic/uhvr8a.pfb></usr/local/texlive/2023/texmf-dist/fonts/type1/urw/helvetic/
2092	2069	uhvro8a.pfb></usr/local/texlive/2023/texmf-dist/fonts/type1/urw/times/utmr8a.pf
2093	2070	b></usr/local/texlive/2023/texmf-dist/fonts/type1/urw/times/utmri8a.pfb>
2094		-Output written on main.pdf (118 pages, 7704529 bytes).
	2071	+Output written on main.pdf (120 pages, 7704504 bytes).
2095	2072	PDF statistics:
2096		- 1760 PDF objects out of 2073 (max. 8388607)
2097		- 1512 compressed objects within 16 object streams
2098		- 455 named destinations out of 1000 (max. 500000)
	2073	+ 1769 PDF objects out of 2073 (max. 8388607)
	2074	+ 1519 compressed objects within 16 object streams
	2075	+ 457 named destinations out of 1000 (max. 500000)
2099	2076	914 words of extra memory for PDF output out of 10000 (max. 10000000)

No preview for this file type

...	...	@@ -318,7 +318,7 @@
318	318
319	319	Le système \textit{Artificial Intelligence - Virtual Trainer} (AI-VT) est un EIAH générique dévéloppé au département d'informatique des systèmes complexes (DISC) de l'institut de recherche FEMTO-ST. Cet outil informatique propose un ensemble d'exercices aux apprenants dans le cadre de séances d'entrainement. AI-VT intègre le fait qu'une séance d'entraînement se situe dans un cycle de plusieurs séances. Les réponses apportées par l'apprenant à chaque exercice sont évaluées numériquement sur une échelle prédéfinie, ce qui permet d'estimer les progrès de l'apprenant et de déduire les sous-domaines dans lesquels il peut avoir des difficultés. Une séance est générée par un système multi-agents associé à un système de raisonnement à partir de cas (RàPC) \cite{doi:10.1177/1754337116651013}. Un apprenant choisit le domaine dans lequel il souhaite s'entraîner et AI-VT lui propose un test préliminaire. Les résultats obtenus permettent de placer l'apprenant dans le niveau de maîtrise adéquate. Le système génère ensuite une séance adaptée veillant à l'équilibre entre l'entraînement, l'apprentissage et la découverte de nouvelles connaissances. L'actualisation du niveau de l'apprenant est effectuée à la fin de chaque séance. De cette façon l'apprenant peut avancer dans l'acquisition des connaissances ou s'entraîner sur des connaissances déjà apprises.
320	320
321		-Un certain nombre d'EIAH utilisent des algorithmes d'intelligence artificielle (IA) pour détecter les faiblesses et aussi pour s'adapter à chaque apprenant. Les algorithmes et modèles de certains de ces systèmes seront analysés dans les chapitres \colorbox{yellow}{3 et 4}. Ces chapitres présenteront leurs propriétés, leurs avantages et leurs limites.
	321	+Un certain nombre d'EIAH utilisent des algorithmes d'intelligence artificielle (IA) pour détecter les faiblesses et aussi pour s'adapter à chaque apprenant. Les algorithmes et modèles de certains de ces systèmes seront analysés dans les chapitres 2 et 3. Ces chapitres présenteront leurs propriétés, leurs avantages et leurs limites.
322	322
323	323	Le système AI-VT initial était capable d'ajuster les paramètres de personnalisation d'une séance à l'autre, mais il ne pouvait pas modifier une séance en cours même si certains exercices de celle-ci était trop simples ou trop complexes. Chaque séance était figée et devait être déroulée jusqu'à son terme avant de pouvoir identifier des acquis et des lacunes. Les travaux de cette thèse ont eu pour objectif de pallier ce manque.
324	324

...	...	@@ -42,7 +42,7 @@
42	42	\contentsline {section}{\numberline {5.2}Description du système AI-VT}{42}{section.5.2}%
43	43	\contentsline {section}{\numberline {5.3}Modèle d'architecture proposé}{44}{section.5.3}%
44	44	\contentsline {subsection}{\numberline {5.3.1}Correction automatique}{46}{subsection.5.3.1}%
45		-\contentsline {subsection}{\numberline {5.3.2}Identification}{46}{subsection.5.3.2}%
	45	+\contentsline {subsection}{\numberline {5.3.2}Identification}{47}{subsection.5.3.2}%
46	46	\contentsline {subsection}{\numberline {5.3.3}Révision}{47}{subsection.5.3.3}%
47	47	\contentsline {subsection}{\numberline {5.3.4}Test}{48}{subsection.5.3.4}%
48	48	\contentsline {section}{\numberline {5.4}Conclusion}{49}{section.5.4}%
...	...	@@ -50,19 +50,19 @@
50	50	\contentsline {section}{\numberline {6.1}Introduction}{51}{section.6.1}%
51	51	\contentsline {section}{\numberline {6.2}Modèle Proposé}{52}{section.6.2}%
52	52	\contentsline {subsection}{\numberline {6.2.1}Rechercher}{53}{subsection.6.2.1}%
53		-\contentsline {subsection}{\numberline {6.2.2}Réutiliser}{54}{subsection.6.2.2}%
54		-\contentsline {subsection}{\numberline {6.2.3}Révision}{58}{subsection.6.2.3}%
55		-\contentsline {subsection}{\numberline {6.2.4}Mémorisation}{59}{subsection.6.2.4}%
56		-\contentsline {section}{\numberline {6.3}Résultats}{59}{section.6.3}%
57		-\contentsline {section}{\numberline {6.4}Discussion}{61}{section.6.4}%
58		-\contentsline {section}{\numberline {6.5}Conclusion}{62}{section.6.5}%
59		-\contentsline {section}{\numberline {6.6}Modèle Proposé}{62}{section.6.6}%
60		-\contentsline {subsection}{\numberline {6.6.1}Algorithmes}{64}{subsection.6.6.1}%
61		-\contentsline {subsection}{\numberline {6.6.2}Structure des agents}{66}{subsection.6.6.2}%
62		-\contentsline {subsection}{\numberline {6.6.3}Apprentissage des agents}{66}{subsection.6.6.3}%
63		-\contentsline {subsection}{\numberline {6.6.4}Échanges entre les agents}{67}{subsection.6.6.4}%
64		-\contentsline {section}{\numberline {6.7}Résultats}{68}{section.6.7}%
65		-\contentsline {section}{\numberline {6.8}Conclusion}{71}{section.6.8}%
	53	+\contentsline {subsection}{\numberline {6.2.2}Réutiliser}{55}{subsection.6.2.2}%
	54	+\contentsline {subsection}{\numberline {6.2.3}Révision}{59}{subsection.6.2.3}%
	55	+\contentsline {subsection}{\numberline {6.2.4}Mémorisation}{60}{subsection.6.2.4}%
	56	+\contentsline {section}{\numberline {6.3}Résultats}{60}{section.6.3}%
	57	+\contentsline {section}{\numberline {6.4}Discussion}{62}{section.6.4}%
	58	+\contentsline {section}{\numberline {6.5}Conclusion}{63}{section.6.5}%
	59	+\contentsline {section}{\numberline {6.6}Modèle Proposé}{63}{section.6.6}%
	60	+\contentsline {subsection}{\numberline {6.6.1}Algorithmes}{66}{subsection.6.6.1}%
	61	+\contentsline {subsection}{\numberline {6.6.2}Structure des agents}{67}{subsection.6.6.2}%
	62	+\contentsline {subsection}{\numberline {6.6.3}Apprentissage des agents}{67}{subsection.6.6.3}%
	63	+\contentsline {subsection}{\numberline {6.6.4}Échanges entre les agents}{68}{subsection.6.6.4}%
	64	+\contentsline {section}{\numberline {6.7}Résultats}{69}{section.6.7}%
	65	+\contentsline {section}{\numberline {6.8}Conclusion}{72}{section.6.8}%
66	66	\contentsline {chapter}{\numberline {7}Système de Recommandation dans AI-VT}{73}{chapter.7}%
67	67	\contentsline {section}{\numberline {7.1}Introduction}{73}{section.7.1}%
68	68	\contentsline {section}{\numberline {7.2}Modèle Proposé}{74}{section.7.2}%
...	...	@@ -75,14 +75,14 @@
75	75	\contentsline {subsection}{\numberline {7.7.2}Progression des connaissances}{90}{subsection.7.7.2}%
76	76	\contentsline {subsection}{\numberline {7.7.3}Comparaison entre TS et BKT}{91}{subsection.7.7.3}%
77	77	\contentsline {subsection}{\numberline {7.7.4}Système de recommandation avec ESCBR-SMA}{92}{subsection.7.7.4}%
78		-\contentsline {subsection}{\numberline {7.7.5}Progression des connaissances TS vs TS et ESCBR-SMA}{93}{subsection.7.7.5}%
79		-\contentsline {section}{\numberline {7.8}Conclusion}{95}{section.7.8}%
80		-\contentsline {section}{\numberline {7.9}Modèle Proposé}{95}{section.7.9}%
81		-\contentsline {section}{\numberline {7.10}Résultats et Discussion}{98}{section.7.10}%
82		-\contentsline {subsection}{\numberline {7.10.1}Système de recommandation avec une base de données d'étudiants réels (TS avec Hawkes)}{98}{subsection.7.10.1}%
83		-\contentsline {subsection}{\numberline {7.10.2}Base de données simulée (ESCBR, TS avec Hawkes)}{98}{subsection.7.10.2}%
84		-\contentsline {section}{\numberline {7.11}Conclusion}{99}{section.7.11}%
85		-\contentsline {chapter}{\numberline {8}Publications}{101}{chapter.8}%
86		-\contentsline {section}{\numberline {8.1}Publications par rapport au sujet de thèse}{101}{section.8.1}%
87		-\contentsline {section}{\numberline {8.2}Autres publications}{102}{section.8.2}%
	78	+\contentsline {subsection}{\numberline {7.7.5}Progression des connaissances TS vs TS et ESCBR-SMA}{92}{subsection.7.7.5}%
	79	+\contentsline {section}{\numberline {7.8}Conclusion}{93}{section.7.8}%
	80	+\contentsline {section}{\numberline {7.9}Modèle Proposé}{93}{section.7.9}%
	81	+\contentsline {section}{\numberline {7.10}Résultats et Discussion}{95}{section.7.10}%
	82	+\contentsline {subsection}{\numberline {7.10.1}Système de recommandation avec une base de données d'étudiants réels (TS avec Hawkes)}{95}{subsection.7.10.1}%
	83	+\contentsline {subsection}{\numberline {7.10.2}Base de données simulée (ESCBR, TS avec Hawkes)}{96}{subsection.7.10.2}%
	84	+\contentsline {section}{\numberline {7.11}Conclusion}{97}{section.7.11}%
	85	+\contentsline {chapter}{\numberline {8}Publications}{103}{chapter.8}%
	86	+\contentsline {section}{\numberline {8.1}Publications par rapport au sujet de thèse}{103}{section.8.1}%
	87	+\contentsline {section}{\numberline {8.2}Autres publications}{104}{section.8.2}%