Commit a36ba24ea507614e013ef0ae9377f81e2345c647
1 parent
51a0e4e7ac
Exists in
main
version correct to chapter 6 and chapter 7 in evaluation
Showing 8 changed files with 64 additions and 76 deletions Side-by-side Diff
chapters/Conclusions.tex
View file @
a36ba24
| ... | ... | @@ -2,36 +2,28 @@ |
| 2 | 2 | |
| 3 | 3 | \section{Conclusion générale} |
| 4 | 4 | |
| 5 | -Étant donné l'importance des modules de recommandation dans les EIAH pour améliorer le système, le faire plus dynamique et aider l'apprenant dans son processus d'apprentissage et acquisition de la connaissance, il est nécessaire de trouver des stratégies et algorithmes adaptés et intégrables qui permettent d'exploiter et d'analyser toute l'information récolté pour le système sur l'évolution de l'apprenant et ses possibles lacunes ainsi comme des algorithmes capables de proposer des alternatives de parcours dynamiques et diverses pour chaque cas en visant la réussite prédéfinie par l'apprenant et le professeur. | |
| 5 | +Les environnements informatiques pour l'apprentissage humain (EIAH) doivent trouver des stratégies adaptées afin d'exploiter et d'analyser toute l'information récoltée sur l'évolution de l'apprenant et ses éventuelles lacunes. L'intégration d'un système de recommandation en temps réel proposant des alternatives de parcours dynamiques et variées aux apprenants présente donc de nombreux avantages. | |
| 6 | 6 | |
| 7 | -C'est ainsi que les outils de IA et apprentissage automatique se trouvent au centre des possibles solutions dans cette problématique, car ils permettent de travailler avec des données structurées selon un contexte déterminé, explorer et exploiter les espaces ou sont définis ces données, analyser et extraire l'information utile pour connaître les comportements, tendances et faiblesses des apprenants. De tous les outils d'IA ceux dont le fonctionnement a besoin de peu de données pour bien extraire, identifier et prédire sont les plus adaptés pour résoudre le problème, car il est très compliqué d'avoir grand quantités de données pour entrainer et évaluer une IA comme celles qui appartiennent au ensemble du deep learning. C'est l'une des raisons pour lesquelles les contributions réalisées dans ce travail ont permis d'améliorer l'environnement informatique d'apprentissage humain AI-VT, en proposant des recommandations dynamiques et plus adaptées à chaque apprenant en utilisant l'apprentissage par renforcement, la génération de solutions stochastique, le raisonnement Bayésien, les approches d'ensemble avec plusieurs algorithmes dans deux stages empilés, l'optimisation stochastique itérative, l'intégration d'approches locales et collaboratifs, le raisonnement à partir de cas avec les systèmes multi-agents et le processus de Hawkes. | |
| 7 | +Nous avons montré dans ces travaux de quelle manière les outils d'IA et d'apprentissage automatique peuvent répondre à cette problématique. Ils permettent en effet de travailler avec des données structurées selon un contexte déterminé, d'explorer et d'exploiter les espaces où ces données sont définies, d'analyser et d'extraire l'information utile pour connaître les comportements, les tendances et les faiblesses des apprenants. Parmi tous les outils d'IA, nous nous sommes plus particulièrement tournés vers ceux dont le fonctionnement nécessite peu de données car ils permettent à des apprenants inconnus de l'EIAH de se voir proposer des adaptations en temps réel dès les premiers exercices. | |
| 8 | 8 | |
| 9 | -Les jeux de données testés (réels et simulé) ont permis de tester la solidité du modèle pour chacune des étapes du développement ainsi comme l'amélioration progressive jusque l'unification de tous les modèles proposés. Aussi pour tester la qualité des recommandations générées ont été définies deux métriques qui ont permis de mesurer avec précision le degré d'adaptabilité en rapport avec la performance de chaque apprenant. | |
| 9 | +L'EIAH AI-VT qui a servi d'environnement d'application et d'expérimentation à ces travaux est donc aujourd'hui capable de proposer des recommandations dynamiques et personnalisées en utilisant l'apprentissage par renforcement, la génération de solutions stochastique, le raisonnement Bayésien, les approches d'ensemble avec plusieurs algorithmes via deux empilements, l'optimisation stochastique itérative, l'intégration d'approches locales et collaboratives, le raisonnement à partir de cas avec les systèmes multi-agents et le processus de Hawkes. | |
| 10 | 10 | |
| 11 | -Le modèle complet qui intègre tous les modules développes considère des aspects pertinents du processus d'apprentissage comme le renforcement des connaissances, la dynamiques de l'information, la progression variable, le temps d'apprentissage non-linéaire et la courbe de l'oubli. | |
| 11 | +Les jeux de données testés (réelles et générées) ont permis de tester la solidité du système, son amélioration progressive et l'unification de tous les algorithmes, outils et modules proposés. Des modèles de progression ont également été proposés afin de mieux mesurer le degré d'adaptabilité du système au regard de chaque apprenant. | |
| 12 | 12 | |
| 13 | -Les résultats obtenus avec chaque modèle proposé dans les étapes d'évolution en suivant les métriques définies, montrent que il y a une performance progressive compétitive par rapport aux algorithmes et modèles qui sont utilisés actuellement comme référence de l'état de l'art. L'implémentation des algorithmes selon l'architecture proposée a permis d'obtenir les avantages de chacun et ainsi améliorer globalement la performance et le précision pour le problème d'adaptation du système AI-VT en fonction des résultats partiels et dynamiques des apprenants de façon réactive. | |
| 13 | +La version finale du système AI-VT qui intègre tous les modules développés est capable de tenir compte d'aspects importants du processus d'apprentissage tels que le renforcement des connaissances, la dynamique de l'information, la variation progression, le temps d'apprentissage non-linéaire en étant capable de suivre un modèle intégrant une courbe d'oubli. | |
| 14 | 14 | |
| 15 | +Chaque module proposé s'est montré compétitif et a présenté des performances de qualités comparables à d'autres algorithmes et modules de référence dans le domaine de la régression et de la recommandation. L'architecture proposée permet de tirer partie des avantages de chacun de ces modules et ainsi d'améliorer globalement l'adaptation en cours de séance d'entraînement dans le système AI-VT en fonction des résultats partiels des apprenants. | |
| 16 | + | |
| 15 | 17 | \section{Perspectives} |
| 16 | 18 | |
| 17 | -Comme travail futur, il est proposé d'intégrer dans le modèle d'autres variables obtenues avec des algorithmes d'intelligence artificielle complémentaires tels que l'analyse vidéo, l'analyse audio et même l'analyse des données obtenues des apprenants tout au long du processus d'apprentissage. Analyser le modèle avec différentes configurations paramétriques, afin de déterminer quelles sont les configurations les plus appropriées et comment chaque variable influence le comportement global des algorithmes exécutés et le résultat final. | |
| 19 | +Différentes perspectives peuvent être envisagées. En particulier, l'intégration de résultats d'analyse vidéo et audio pourraient aider à mieux interpréter les comportements des apprenants et ainsi leur proposer des recommandations encore plus pertinentes. | |
| 18 | 20 | |
| 19 | -Comme perspectives de ce travail peuvent être envisagées : | |
| 20 | -\begin{itemize} | |
| 21 | - \item L'étude du modèle de raisonnement à partir de cas en profondeur avec l'analyse de changement des paramètres. | |
| 22 | - \item Analyser le comportement de l'algorithme avec des métriques de distance différentes de la distance Euclidiene. | |
| 23 | - \item Analyser la modification de la fonction de optimisation associé au choix de la meilleure solution dans les solutions générées par le second stacking processus. | |
| 24 | - \item Déterminer le point de rupture pour différents scénarios. | |
| 25 | - \item Implémenter la prédiction des notes avec une autre approche pour enrichir l'analyse des données. | |
| 26 | -\end{itemize} | |
| 21 | +Il pourrait également être intéressant de proposer différentes configurations pour le système de recommandation. | |
| 22 | +Le point de départ pourrait consister à étudier la possibilité d'améliorer encore la fonction déterminant quelles sont les meilleures solutions proposées au second niveau d'empilement de l'outil d'ensemble (ESCBR-SMA). Peut-être serait-il intéressant de pouvoir paramétrer cette fonction, qu'AI-VT en propose plusieurs et quelles soient dépendantes du profil de l'apprenant et des matières enseignées. | |
| 27 | 23 | |
| 28 | -Pour l'échantillonnage de Thompson les perspectives ouvertes par ce travail sont : | |
| 29 | -\begin{itemize} | |
| 30 | - \item Changer la famille des distributions de probabilité et étudier la performance obtenue. | |
| 31 | - \item Calculer de façon dynamique les taux corrélées d'actualisation des distributions de probabilité pour chaque niveau de complexité. | |
| 32 | -\end{itemize} | |
| 24 | +Les scénarios d'apprentissage testés dans ces travaux ont mis en lumière le fait qu'il existait des points de rupture. Il serait intéressant de les analyser afin de mieux les prédire. Ces travaux ont notamment proposé d'utiliser un échantillonnage de Thompson pour que les modifications des niveaux de complexité des exercices proposés par le système soient progressifs. Cet outil est fondé sur une distribution de probabilité. Il pourrait donc être envisagé de tester d'autres familles de distributions de probabilité et de calculer de manière dynamique les taux corrélés d'actualisation des distributions de probabilité pour chaque niveau de complexité. | |
| 33 | 25 | |
| 34 | -Aussi, évaluer le système avec une base de données avec des erreurs pour mesurer la résilience du modèle et comment il peut s'autocorriger face à d'éventuels dysfonctionnements. | |
| 26 | +Une autre piste de travail est l'autocorrection. Cet aspect n'est pas encore proposé dans AI-VT. Il pourrait l'être en considérant des modèles de résilience et en intégrant des gabarits ou même des cartographies d'erreurs ou de réponses incorrectes à la base de données de l'EIAH. | |
| 35 | 27 | |
| 36 | -De façon générale il est possible de définir des intervalles pour chaque paramètre et exécuter un analyse de sensibilité pour évaluer les résultats avec l'objectif d'estimer la stabilité du système et les limites numériques. Ainsi comme ajouter des concepts ou théories pédagogiques pour améliorer encore plus la présentation des contenus et exercices face aux apprenants. | |
| 28 | +Pour finir, il pourrait être intéressant de permettre au système de mesurer la sensisbilité des apprenants aux contenus et aux exercices proposés, ceux-ci ne l'étant pas tous de la même manière. |
chapters/Publications.aux
View file @
a36ba24
| ... | ... | @@ -3,7 +3,7 @@ |
| 3 | 3 | \@writefile{toc}{\contentsline {chapter}{\numberline {9}Publications}{105}{chapter.9}\protected@file@percent } |
| 4 | 4 | \@writefile{lof}{\addvspace {10\p@ }} |
| 5 | 5 | \@writefile{lot}{\addvspace {10\p@ }} |
| 6 | -\@writefile{toc}{\contentsline {section}{\numberline {9.1}Publications par rapport au sujet de thèse}{105}{section.9.1}\protected@file@percent } | |
| 6 | +\@writefile{toc}{\contentsline {section}{\numberline {9.1}Publications liées au sujet de thèse}{105}{section.9.1}\protected@file@percent } | |
| 7 | 7 | \@writefile{toc}{\contentsline {section}{\numberline {9.2}Autres publications}{106}{section.9.2}\protected@file@percent } |
| 8 | 8 | \@setckpt{./chapters/Publications}{ |
| 9 | 9 | \setcounter{page}{107} |
chapters/Publications.tex
View file @
a36ba24
| 1 | 1 | \chapter{Publications} |
| 2 | 2 | |
| 3 | -Pendant le travail de cette thèse, plusieurs articles ont été produits en explicitant les contributions réalisées, en parallèle d'autres publications ont été produites dans le cadre de la recherche en informatique.\ | |
| 3 | +Pendant le travail de cette thèse, plusieurs articles ont été produits en explicitant les contributions réalisées. D'autres publications ont été produites en marge du sujet de cette thèse dans le cadre de la recherche en informatique.\ | |
| 4 | 4 | |
| 5 | -\section{Publications par rapport au sujet de thèse} | |
| 5 | +\section{Publications liées au sujet de thèse} | |
| 6 | 6 | |
| 7 | 7 | Daniel Soto Forero, Julien Henriet and Marie-Laure Betbeder. Ensemble Stacking Case-Based Reasoning and a Stochastic Recommender Algorithm with the Hawkes Process Applied to ITS AI-VT. (ITS - International Conference on Intelligent Tutoring Systems) 2025.\\ |
| 8 | 8 |
main.log
View file @
a36ba24
| 1 | -This is pdfTeX, Version 3.141592653-2.6-1.40.25 (TeX Live 2023) (preloaded format=pdflatex 2023.5.31) 6 JUL 2025 17:23 | |
| 1 | +This is pdfTeX, Version 3.141592653-2.6-1.40.25 (TeX Live 2023) (preloaded format=pdflatex 2023.5.31) 7 JUL 2025 16:35 | |
| 2 | 2 | entering extended mode |
| 3 | 3 | restricted \write18 enabled. |
| 4 | 4 | %&-line parsing enabled. |
| 5 | 5 | |
| 6 | 6 | |
| 7 | 7 | |
| ... | ... | @@ -2045,16 +2045,12 @@ |
| 2045 | 2045 | |
| 2046 | 2046 | (./chapters/Conclusions.tex |
| 2047 | 2047 | Chapitre 8. |
| 2048 | +[103 | |
| 2048 | 2049 | |
| 2049 | -Underfull \vbox (badness 10000) has occurred while \output is active [] | |
| 2050 | 2050 | |
| 2051 | - [103 | |
| 2052 | 2051 | |
| 2053 | 2052 | |
| 2054 | - | |
| 2055 | - | |
| 2056 | -]) | |
| 2057 | -[104] | |
| 2053 | +]) [104] | |
| 2058 | 2054 | \openout2 = `./chapters/Publications.aux'. |
| 2059 | 2055 | |
| 2060 | 2056 | (./chapters/Publications.tex |
| 2061 | 2057 | |
| ... | ... | @@ -2168,12 +2164,12 @@ |
| 2168 | 2164 | LaTeX Warning: There were multiply-defined labels. |
| 2169 | 2165 | |
| 2170 | 2166 | Package rerunfilecheck Info: File `main.out' has not changed. |
| 2171 | -(rerunfilecheck) Checksum: B5B3F87FED7DFA53C93926C55405B7A0;24203. | |
| 2167 | +(rerunfilecheck) Checksum: F2CE5C22C874A2A0DEE2CE1A7DDE0C81;24173. | |
| 2172 | 2168 | ) |
| 2173 | 2169 | Here is how much of TeX's memory you used: |
| 2174 | 2170 | 21549 strings out of 476038 |
| 2175 | 2171 | 369928 string characters out of 5790170 |
| 2176 | - 1903785 words of memory out of 5000000 | |
| 2172 | + 1902785 words of memory out of 5000000 | |
| 2177 | 2173 | 40971 multiletter control sequences out of 15000+600000 |
| 2178 | 2174 | 619032 words of font info for 151 fonts, out of 8000000 for 9000 |
| 2179 | 2175 | 1141 hyphenation exceptions out of 8191 |
| ... | ... | @@ -2205,7 +2201,7 @@ |
| 2205 | 2201 | lvetic/uhvr8a.pfb></usr/local/texlive/2023/texmf-dist/fonts/type1/urw/helvetic/ |
| 2206 | 2202 | uhvro8a.pfb></usr/local/texlive/2023/texmf-dist/fonts/type1/urw/times/utmr8a.pf |
| 2207 | 2203 | b></usr/local/texlive/2023/texmf-dist/fonts/type1/urw/times/utmri8a.pfb> |
| 2208 | -Output written on main.pdf (122 pages, 7925747 bytes). | |
| 2204 | +Output written on main.pdf (122 pages, 7925349 bytes). | |
| 2209 | 2205 | PDF statistics: |
| 2210 | 2206 | 1831 PDF objects out of 2073 (max. 8388607) |
| 2211 | 2207 | 1562 compressed objects within 16 object streams |
main.out
View file @
a36ba24
| ... | ... | @@ -91,6 +91,6 @@ |
| 91 | 91 | \BOOKMARK [1][]{section.8.1}{\376\377\0008\000.\0001\000\040\000C\000o\000n\000c\000l\000u\000s\000i\000o\000n\000\040\000g\000\351\000n\000\351\000r\000a\000l\000e}{chapter.8}% 91 |
| 92 | 92 | \BOOKMARK [1][]{section.8.2}{\376\377\0008\000.\0002\000\040\000P\000e\000r\000s\000p\000e\000c\000t\000i\000v\000e\000s}{chapter.8}% 92 |
| 93 | 93 | \BOOKMARK [0][]{chapter.9}{\376\377\0009\000\040\000P\000u\000b\000l\000i\000c\000a\000t\000i\000o\000n\000s}{part.3}% 93 |
| 94 | -\BOOKMARK [1][]{section.9.1}{\376\377\0009\000.\0001\000\040\000P\000u\000b\000l\000i\000c\000a\000t\000i\000o\000n\000s\000\040\000p\000a\000r\000\040\000r\000a\000p\000p\000o\000r\000t\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9440\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400a\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400u\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9440\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400s\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400u\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400j\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400e\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400t\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9440\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400d\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400e\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9440\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400t\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400h\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 940050\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400s\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400e}{chapter.9}% 94 | |
| 94 | +\BOOKMARK [1][]{section.9.1}{\376\377\0009\000.\0001\000\040\000P\000u\000b\000l\000i\000c\000a\000t\000i\000o\000n\000s\000\040\000l\000i\000\351\000e\000s\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9440\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400a\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400u\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9440\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400s\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400u\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400j\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400e\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400t\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9440\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400d\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400e\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9440\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400t\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400h\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 940050\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400s\000\040\000a\000u\000\040\000s\000u\000j\000e\000t\000\040\000d\000e\000\040\000t\000h\000\350\000s\000e}{chapter.9}% 9400e}{chapter.9}% 94 | |
| 95 | 95 | \BOOKMARK [1][]{section.9.2}{\376\377\0009\000.\0002\000\040\000A\000u\000t\000r\000e\000s\000\040\000p\000u\000b\000l\000i\000c\000a\000t\000i\000o\000n\000s}{chapter.9}% 95 |
main.pdf
View file @
a36ba24
main.synctex.gz
View file @
a36ba24
main.toc
View file @
a36ba24
| ... | ... | @@ -92,6 +92,6 @@ |
| 92 | 92 | \contentsline {section}{\numberline {8.1}Conclusion générale}{103}{section.8.1}% |
| 93 | 93 | \contentsline {section}{\numberline {8.2}Perspectives}{104}{section.8.2}% |
| 94 | 94 | \contentsline {chapter}{\numberline {9}Publications}{105}{chapter.9}% |
| 95 | -\contentsline {section}{\numberline {9.1}Publications par rapport au sujet de thèse}{105}{section.9.1}% | |
| 95 | +\contentsline {section}{\numberline {9.1}Publications liées au sujet de thèse}{105}{section.9.1}% | |
| 96 | 96 | \contentsline {section}{\numberline {9.2}Autres publications}{106}{section.9.2}% |