Modèle d'agent cognitif pour l'acquisition des connaissances

Participants: Nous avons raffiné le modèle d'agent cognitif proposé l'an dernier pour modéliser les agents humains et artificiels impliqués dans le développement d'un système expert. Ce modèle d'agent [1] permet de décrire des aspects individuels (ressources, modèle d'expertise à la KADS ) et des aspects sociaux (e.g. points d'interaction, modes de coopération, méthodes de résolution de conflits, structure organisationnelle d'un agent composite...). L'acquisition des connaissances consiste alors à identifier les agents adéquats impliqués dans la résolution de problèmes, à créer dans l'outil d'acquisition les agents artificiels correspondants et à déterminer leurs caractéristiques.

Nous avons défini des modèles d'interaction régissant la dynamique dans un groupe d'experts, à savoir la coopération et la communication. Nous modélisons le groupe d'experts par une société d'agents en interaction en instanciant ces différents modèles. Un agent pourra représenter un ou plusieurs experts voire une sous-partie d'un expert. La définition des agents est basée sur une identification des rôles que jouent les experts dans l'organisation : ces rôles sont décrits grâce à un modèle de tâche.

Nous avons appliqué ce modèle d'agent à un groupe d'experts en accidentologie. Nous avons montré comment exploiter l'analyse des études de cas collectives pour spécifier un système expert coopératif, basé sur une architecture multi-agents, et permettant la coopération entre le système et les utilisateurs experts en simulant une partie du travail des autres experts [8] .

Le modèle d'agent raffiné et le modèle de tâche ont été implantés en Le_Lisp V15.


[English Abstract]
[Table des Matières]  [Index des mots-clés]  [Index des personnes]