IDM-IHM M-learning situ

1
IDM-IHMM-learning situépour des contextes
domestiques, publics et professionnels

• Bertrand DAVID
• LIESP (ex ICTT)
• Ecole Centrale de LyonBertrand.David_at_ec-lyon.fr

2
Equipe ICM du LIESP

• B. DAVID
• P. PREVOT
• R. CHALON
• S. GEORGE
• A. LELEVE
• C. MICHEL
• F. SANDOZ-GUERMOND
• F. TARPIN-BERNARD
• O. DELOTTE
• G. MASSEREY
• Ch. YIN

ICTT SHS STIC
PRISMA
LIESP 4 axes dont ICM
Interaction Collaborative Médiatisée
applications Formation Travail
3
Problématique du M-learning

• Permettre lapprentissage en mobilité
• Utiliser les nouveaux dispositifs mobiles pour un
  apprentissage classique
• Profiter du temps passé en déplacement (Train,
  Bus, Tramway) pour apprendre
• Prendre en compte lenvironnement
• Apprendre au contact du dispositif (Machine à
  laver, magnétoscope, distributeur de tickets de
  métro, )
• Context-awareness basé sur linformatique
  pervasive
• Adaptation des IHM pour guider lutilisateur

4
Positionnement du M-Learningvision simple
E-Learning Apprentissage et Enseignement à
l'aide des Technologies de l'Information et de la
Communication (TICE). EIAH Environnement
Informatique pour lApprentissage Humain
E-learning
M-learning Informatique Mobile
Informatique Mobile les acteurs utilisent des
dispositifs mobiles.
5
Positionnement du M-Learningvision plus complète
Informatique Ubiquitaire (ou Pervasive) des
objets informatiques communicants sont disséminés
dans l'environnement.
E-Learning Apprentissage et Enseignement à
l'aide des Technologies de l'Information et de la
Communication (TICE). EIAH Environnement
Informatique pour lApprentissage Humain
Informatique Mobile les acteurs utilisent des
dispositifs mobiles.
Informatique Portée les acteurs utilisent des
dispositifs portés.
6
M-learning situé apprentissage juste à temps

• La démarche de choix de la configuration de
  lordinateur porté, notamment concernant ses
  dispositifs dinteraction fait partie du projet.
• La prise en compte de la réalité augmentée avec
  différentes formes de superposition 
  informations textuelles ou graphiques séparées,
  superposition à léchelle, repérage par
  marqueurs, est également à étudier.
• La contextualisation, la traçabilité et la
  vérification dexécution dopérations prescrites
  sera basée notamment sur lutilisation
  détiquettes RFID.
• La réflexion, sur les méthodes dapprentissage
  pour ce type de cas, qui sinscrivent dans une
  approche constructiviste déclinée sous les
  appellations  just-in-time learning et
   learning by doing .
• Des cas concrets issus de différents contextes
  industriels, domestiques ou publics illustreront
  nos propos (automobile, dépannage de machines
  industrielles, apprentissage dutilisation dun
  magnétoscope, photocopieur, ).

7
M-learning avec prise en compte de lenvironnement

• Permettre lapprentissage mobile grâce à des
  Interfaces Hommes-Machines innovantes sur un
  ordinateur porté (wearable computer) appropriées
  pour le travail mobile, coopératif et
  contextualisé (MOCOCO Mobilité
  COntextualisation COpération) dans un
  environnement dit dintelligence ambiante (AmI
  Ambient Intelligence) de linformatique
  pervasive.
• Concepts clés
• Ordinateur porté
• Recevoir, envoyer, traiter des informations
  nimporte où et nimporte quand
• AmI Ambient Intelligence
• Environnement intelligent et proactif anticiper
  les actions de lutilisateur et agir dans son
  intérêt
• MOCOCO
• Les Acteurs sont MObiles
• Ils travaillent de manière COllaborative entre
  eux
• Ils accèdent à des informations COntextualisées

8
Exemple dapplication industrielle dIMERA
(Interaction Mobile dans lEnvironnement Réel
Augmenté)
9
Processus CoCSys
Phase 0
10
Modèles, formalismes, éditeurs

• SC (Scénarios Collaboratifs), formalisme
  graphique et éditeur
• ORCHESTRA formalisme dexpression du modèle
  coopératif de référence et éditeur
• IRVO Formalisme dexpression dinteractions
  avec des objets réels et virtuels et éditeur
• AMF-C Interaction collaborative, formalisme,
  éditeur, moteur

11
ORCHESTRA - formalisme de description dactivités
collaboratives
12
ORCHESTRA expression of case studyHeating
Equipment maintenance activities
13
Meta-modèle dORCHESTRA
14
IRVO Interaction with Real and Virtual Objects
Modélisations IRVO interaction dans un ERA

• Lunettes à écran intégré lecteur RFID
• Lunettes see-through lecteur RFID

Configuration 1
Configuration 2
15
Modèles IHM

• Modèles a couches
• Seeheim
• Arch
• Modèles multi-agents
• MVC
• PAC
• AMF

• AMF
• Une architecture multi facettes.
• Chaque facette pérennise un comportement jugé
  dintérêt.
• Un modèle générique et flexible.
• Réutilisation à base de patterns
• Un formalisme graphique

16
AMF- C
17
Moteur AMF et Processus de concrétisation
18
Liens entre IRVO, Arch and AMF-C

• IRVO se positionne principalement sur le niveau
  de linterface concrète

19
Correspondence agents AMF-C objets IRVO

• Ajout dune nouvelle facette  Réel  aux agents
  AMF-C

20
Exemple couplage AMF-C IRVO

• CASPER-v2

21
Architecture Collaborative cible

• Niveau de lapplication collaborative (AMF-C)
• Contrôle IHM
• Notification du Contrôle
• Niveau de linfrastructure du collecticiel
• Contrôle daccès
• Contrôle de la concurrence
• Niveau du système distribué
• Distribution des messages
• Contrôle du contenu

22
Architecture cible supportant Collaboration
Capillaire

• Une application à 3 niveaux
• Niveau de lapplication collaborative (AMF-C)
• Contrôle IHM
• Notification du Contrôle
• Niveau de linfrastructure du collecticiel
• Contrôle daccès
• Contrôle de la concurrence
• Niveau du système distribué
• Distribution des messages
• Contrôle du contenu

23
Trois approches pour la projection dORCHESTRA
vers larchitecture collaborative

1. Transport de données (en format XML) dORCHESTRA
   (description du modèle de comportement) vers SMAC
   
2. Données (en format XML) vers le moteur de SMAC
   pour interprétation
3. Des données vers la gérétation de code

24
Démarche
25
Résumé

• Approche basée sur 
• MDA Model-Driven Architecture
• MDE Model-Driven Engineering
• IDM Ingénierie Dirigée par les Modèles
• Frameworks
• Patterns
• Scénarios
• Tâches
• Métaphores
• Modélisation 
• Produit
• Processus
• Acteurs
• Connaissances
• IHM