Adaptation contextuelle et personnalis

1
Adaptation contextuelle et personnalisée de
linformation de conscience de groupe au sein des
systèmes dinformation coopératifs

• Manuele Kirsch Pinheiro
• Thèse effectuée sous la direction de Hervé
  Martin (UJF) et co-encadrée par Jérôme Gensel
  (UPMF)
• Membres du Jury
• Khalid Benali (Université Nancy2)
• Bruno Defude (INT, Evry)
• Dominique Decouchant (LSR-IMAG)
• José Valdeni de Lima (UFRGS, Brésil)
• Jacques Mossière (INPG)

2
Plan de la présentation

• Introduction
• État de lart
• Travail coopératif
• Sensibilité au contexte
• Proposition
• Modèle de contexte
• Opérations sur le modèle de contexte
• Filtrage guidé par le contexte
• Mise en œuvre
• Conclusions perspectives

3
Introduction
Introduction
Collecticiel sur le Web
Serveur Web
But dun collecticiel aider le groupe à mener à
bien le travail en commun
Conscience de groupe la connaissance quun
utilisateur a à propos de son groupe, de ses
collègues et de leurs activités, et qui constitue
un contexte pour les activités individuelles
(Dourish Bellotti, 1992)
4
Introduction
travail au bureau, à la maison .
Collecticiel sur le Web
travail en déplacement
travail sur le terrain
Serveur Web
Nomadisme ? différents usages
Importance du contexte dutilisation
Nécessité de concevoir de nouveaux
collecticiels sensibles au contexte
5
Introduction

• Conception des collecticiels sur le Web sensibles
  au contexte
• Adaptation du contenu, de la présentation et des
  services au contexte dutilisation
• Mécanismes de contrôle daccès, contrôle de
  cohérence, de conscience de groupe
• Gestion du contexte acquisition et
  représentation

6
État de lArtTravail coopératif assisté par
ordinateur

• Mécanismes de conscience de groupe (awareness)
• Prise en compte de la surcharge cognitive
• Lutilisateur est confronté à un grand nombre
  dinformations à traiter (Conklin, 1987)
• Deux approches visualisation et filtrage

7
État de lartTravail coopératif assisté par
ordinateur

• Visualisation agrégation de linformation,
  interfaces moins intrusives (Bouthier, 2004),
  (Hill Gutwin 2004), (Greenberg, 1996)
• Filtrage réduction de lensemble dinformations
  (David Borges, 2001), (Kirsch-Pinheiro et al.,
  2001)
• Problème la pertinence dépend des intérêts de
  lutilisateur et change en fonction de
  lévolution du travail et de la situation

8
État de lartSensibilité au contexte

• Utilisation du contexte dutilisation pour
  ladaptation, soit des services proposés, soit
  des informations fournies
• Applications (guides touristiques (Cheverest et
  al. 2002), geonotes (Burrell et al., 2002)) et
  architectures (Rubinsztejn et al., 2004)
• Contexte localisation et dispositif
• Préférences de lutilisateur indépendantes du
  contexte

Messagerie instantanée (Muñoz et al., 2002)
Campus Aware (geonotes) (Burrell et al., 2002)
Prise en compte du rôle
Contenu adapté à la localisation
9
État de lartNotion de contexte

• Définition
• Pas de définition unique
• Définition adoptée (Dey, 2000)
• tous les éléments dinformation qui peuvent être
  utilisés pour caractériser la situation dune
  entité
• Acquisition
• Context Toolkit (Dey, 2000), Contexteur (Rey,
  2004)
• Représentation
• Absente dans la plupart des systèmes

10
État de lartNotion de contexte

• Formalismes de représentation
• XML, CC/PP, RDF (Lemlouma, 2004)
• Modèles à objets (Henricksen et al., 2002),
  (Bardram, 2005)
• Graphes conceptuels (Brézillon, 2002),
  (Mostéfaoui et al., 2004)
• Ontologies (Bucur et al., 2005), (Alarcón
  Fuller, 2003)
• Problèmes
• Pas didentification des éléments de contexte
• Pas de représentation de contexte partiellement
  connu
• Peu de possibilités dévolution de la notion de
  contexte
• Utilisateur considéré comme un individu isolé

11
État de lartSynthèse

• Conception de nouveaux systèmes
• Complexité accrue, peu doutils disponibles
• Travail coopératif
• Conscience de groupe
• Visualisation et filtrage
• Prise en compte des préférences indépendamment du
  contexte
• Sensibilité au contexte
• Représentation du contexte
• Prise en compte uniquement des aspects physiques
• Pas de représentation de contexte partiellement
  connu
• Modèles peu évolutifs
• Processus dadaptation non formalisé

12
Proposition

• Mécanisme dadaptation contextuelle et
  personnalisée de linformation de conscience de
  groupe au sein des collecticiels sur le Web
• Axes de travail
• Modélisation de la notion de contexte
• Opérations sur le contexte
• Filtrage guidé par le contexte
• Réalisation
• Conception de nouveaux systèmes
• Public visé les concepteurs

Élargir la notion de contexte afin de tenir
compte des aspects physiques et collaboratifs
Comparer les instances du modèle de contexte
Filtrer et organiser linformation de conscience
de groupe en fonction du contexte dutilisation
et des préférences de lutilisateur
13
Plan

• Introduction
• État de lart
• Travail coopératif
• Sensibilité au contexte
• Proposition
• Modèle de contexte
• Concepts
• Modèle à Objets
• Opérationnalisation
• Opérations sur le modèle de contexte
• Filtrage guidé par le contexte
• Mise en œuvre
• Conclusions perspectives

14
Modèle de contexte

• Une représentation par objets de la notion de
  contexte
• Formalisme de type classe/association (UML)
• Finalité conception de collecticiels sur le Web
• Représentation du contexte courant et des
  contextes potentiels
• Identification des concepts de base
• 5 points de vue espace, outil, temps,
  communauté, et processus
• Identification des classes déléments de contexte
  et de leurs relations

15
Modèle de contexte Concepts
Contexte Physique
Contexte Collaboratif
16
Modèle de contexteModèle à objets
Associations
Classes
17
Modèle de contexteExemple

• Alain
• collecte des données sur le terrain
• participe à un groupe détude sur les avalanches
• accède au système à partir de son téléphone
  cellulaire

18
Modèle de contexteOpérationnalisation

• Traduction du modèle (conceptuel) vers une
  implémentation propre à un système
• Connexion à la couche dacquisition
• Spécialisation des classes/associations
• Approche utilisée
• Représentation de Connaissances par Objets
  Système AROM
• Construction dune base de connaissances
• Particularité représentation explicite des
  associations

19
Plan

• Introduction
• État de lart
• Travail coopératif
• Sensibilité au contexte
• Proposition
• Modèle de contexte
• Opérations sur le modèle de contexte
• Relation dÉgalité
• Relation dInclusion
• Relation de Similarité
• Filtrage guidé par le contexte
• Mise en œuvre
• Conclusions perspectives

20
Opérations

• Objectif proposer des opérateurs génériques
  pour la comparaison dinstances
• Trois types dopération de base
• Relation dégalité ? Equals
• Relation dinclusion ? Contains
• Relation de similarité ? SimO, SimT et Sim

21
OpérationsRelation dégalité - Equals

• But vérifier si les contenus de deux instances
  sont les mêmes
• Comparer les contenus des variables connues
• Utilisation dune classe/association de référence
• Deux versions
• Générique toutes les variables connues sont
  dimportance égale
• Pondérée un poids wi est attribué à chaque
  variable (?wi1)

22
OpérationsRelation dinclusion - Contains

• But comparer deux objets et leurs relations
• Exploiter autant les objets (classes) que les
  tuples (associations)
• Chaque objet o décrit un graphe G(o)(O(o), T(o))
• Sommets ? objets (O(o) ), arêtes ? tuples (T(o) )
• Relation dinclusion ? recherche dun sous-graphe

23
G (contexte_Alain) contains G
(CA_Profil_Treo)
24
OpérationsRelation de similarité Sim, SimO et
SimT

• Objectif évaluer la similarité entre deux
  instances isolées ou en relation avec dautres
• Trois mesures distinctes
• SimO similarité entre deux objets isolés
• SimT similarité entre deux tuples
• Sim similarité entre des graphes dobjets
• Approche
• inspirée de (Valtchev Euzenat, 97), (Bisson,95)
• modèle classe/association

25
OpérationsRelation de similarité - Sim

• Sim (o, o) évaluer dans quelle proportion le
  graphe décrit par un objet o est composé par des
  éléments du graphe de o
• Utilisation de lopérateur equals

26
Plan

• Introduction
• État de lart
• Travail coopératif
• Sensibilité au contexte
• Proposition
• Modèle de contexte
• Opérations sur le modèle de contexte
• Filtrage guidé par le contexte
• Modèles sous-jacents
• Processus de Filtrage
• Mise en œuvre
• Conclusions perspectives

27
Filtrage guidé par le contexteVue densemble

• Processus dadaptation de contenu guidé par le
  contexte dutilisation et par les préférences de
  lutilisateur pour ce contexte
• Modèles modèle daccès progressif (Villanova,
  2002), modèle de contenu, modèle de profil
• Processus de filtrage en deux étapes
• Sélection des préférences
• Utilisation des préférences pour adapter le
  contenu

28
Filtrage guidé par le contexteModèle de contenu

• Modèle de contenu
• Description du contenu à adapter ? conscience de
  groupe
• Événements
• un ensemble dinformations relatives à une action
  réalisée dans le cadre du travail collaboratif
  sur un sujet donné

29
Filtrage guidé par le contexteModèle daccès
progressif

• Un utilisateur na pas besoin daccéder à toute
  linformation disponible
• Organisation de linformation en plusieurs
  niveaux de pertinence
• Stratification

30
Filtrage guidé par le contexteModèle de profil

• Modèle de profil
• Représentation des préférences et des contraintes
  que le système doit satisfaire pour un contexte
  donné
•  Règles  de filtrage
• Définition des événements pertinents
• Organisation des événements
• Association à des contextes potentiels (modèle de
  contexte)
• contexte dapplication du profil

31
Filtrage guidé par le contexteModèle de profil
Contexte dapplication
Stratifications
Événements abonnés
32
Filtrage guidé par le contexteModèle de profil
Élément de condition
Condition de production
33
Filtrage guidé par le contexteProcessus de
filtrage première étape

• But sélectionner les profils valides
• Comparaison entre les contextes dapplication et
  le contexte courant de lutilisateur
• Relation dinclusion Cu contexte courant, CiP
  contexte dapplication du profil P
• Si G(Cu) contains G( CiP ) , alors P est valide

34
Filtrage guidé par le contexteProcessus de
filtrage première étape
Profil non valide
Profil valide

• Alain dispose de plusieurs profils

35
Filtrage guidé par le contexteProcessus de
filtrage seconde étape

• Application des règles définies par les profils
• Abonnements, stratifications et conditions
  contextuelles
• Application des profils
• Ordonnancement de tous les profils par priorité
  (Sim)
• Pour chaque profil
• Sélection des événements abonnés
• Application des conditions contextuelles
• Application des stratifications
• Livraison des événements organisés en plusieurs
  niveaux de pertinence

36
Plan

• Introduction
• État de lart
• Travail coopératif
• Sensibilité au contexte
• Proposition
• Modèle de contexte
• Opérations sur le modèle de contexte
• Filtrage guidé par le contexte
• Mise en œuvre
• Conclusions perspectives

37
Mise en œuvre Canevas BW-M

• Implémentation du processus de filtrage et du
  modèle de contexte
• Architecture 3 composants

38
Mise en œuvre Canevas BW-M

• Démarche par service Web
• Utilisation du service Web BWMFacade qui
  encapsule BW-M
• Facilité dutilisation, accès restreint à
  certaines façades

base de connaissances AROM
39
Mise en œuvre Canevas BW-M
acquisition
noyau collecticiel
Client
Alain
Carole
Serveur Collecticiel
40
Plan

• Introduction
• État de lart
• Travail coopératif
• Sensibilité au contexte
• Proposition
• Modèle de contexte
• Opérations sur le modèle de contexte
• Filtrage guidé par le contexte
• Mise en œuvre
• Conclusions perspectives

41
Conclusions et perspectives

• Bilan
• Modèle de contexte
• Représentation des éléments et des relations
• Prise en compte des aspects collaboratifs
• Support dun contexte partiellement connu
• Opérations
• Définition dopérateurs de comparaison des
  instances du modèle
• Approche applicable à dautres modèles
• Processus de filtrage
• Définition explicite du processus de filtrage
• Adaptation de linformation de conscience de
  groupe au contexte et aux préférences

42
Conclusions et perspectives

• Perspectives
• Évaluation de lapproche
• BW-M Évaluer laction des concepteurs
• Applications
• Domaine des risques naturels
• WiKi
• Analyser les réactions des utilisateurs
• Étude dans le cadre dune architecture distribuée
  (P2P)
• Distribution du modèle de contexte
• Impact sur le processus de filtrage
• Conséquences pour la mise en œuvre

43
Merci pour votre attention !Questions ?
44
Références

• Alarcón, R., Fuller, D.,  Intelligent awareness
  in support of collaborative virtual work
  groups . In  Haake, J.M., Pino, J.A. (Eds.),
  LNCS 2440 - 8th International Workshop on
  Groupware Design, Implementation and Use - CRIWG
  2002, Springer-Verlag, 2002, pp. 168-188.
• Bisson, G.,  Why and how to define a similarity
  measure for object based representation
  systems , In Mars, N. (Ed.), Towards very
  large knowledge bases, 2nd International
  Conference on Building and Sharing Very
  Large-Scale Knowledge Bases (KBKS), Enschede,
  Pays Bas, avril 1995, IOS press, pp. 236-246.
• Bouthier, C.,  Mise en contexte de la conscience
  de groupe  adaptation et visualisation , Thèse
  de Doctorat, Institut National Polytechnique de
  Lorraine, Nancy, France, 2004.
• Brézillon, P.,  Modeling and using context
  past, present and futur , Rapport de Recherche
  LIP6 2002/010, 2002.
• Cheverest, K., Mitchell, K., Davies, N.,  The
  role of adaptive hypermedia in a context-aware
  tourist guide , Communication of ACM, vol. 45,
  n 5, mai 2002, ACM Press, pp. 47-51.
• Conklin, J., Hypertext An introduction and
  survey, IEEE Computer, vol. 20, n 9, 1987,
  pp. 17-41
• David, J.M.N., Borges, M.R.S.,  Improving the
  selectivity of awareness information in groupware
  applications , The Sixth International
  Conference on Computer Supported Cooperative Work
  in Design (CSCWD2001), 2001, IEEE Computer
  Society, pp. 41-46.
• Dey, A.K.,  Providing Architectural Support for
  Building Context-Aware Applications , PhD
  Thesis, Georgia Institute of Technology, 2000.

45
Références

• Dourish, P., Bellotti, V.,  Awareness and
  Coordination in Shared Workspaces , Proceedings
  of ACM Conference on Computer-Supported
  Cooperative Work (CSCW92). ACM Press,
  pp. 107-114.
• Greenberg, S.,  Peepholes Low cost awareness of
  one's community , ACM SIGCHI'96 Conference on
  Human Factors in Computing System (CHI'96),
  Companion Proceedings, 1996, pp. 205-215.
• Henricksen, K., Indulska, J., Rakotonirainy, A.,
   Modeling context information in pervasive
  computing systems , In  Mattern, F.,
  Naghshineh, M., (Eds.), LNCS 2414 - First
  International Conference in Pervasive Computing
  (Pervasive2002), Zürich, Switzerland, août 2002,
  Springer-Verlag, pp. 167-180.
• Hibino S., Mockus, A.,  handiMessenger
  awareness-enhanced universal communication for
  mobile users , LNCS 2411 - 4th International
  Symposium on Mobile Human-Computer Interaction
  (Mobile HCI 2002), 2002, Springer-Verlag,
  pp. 170-183.
• Hill, J., Gutwin, G.,  The MAUI toolkit
  groupware widgets for group awareness , Computer
  Supported Cooperative Work (CSCW), vol. 13, n
  5-6, 2004, Springer-Verlag, pp. 539571.
• Kirsch-Pinheiro, M., Lima, J.V., Borges, M.R.S.,
   A Framework for Awareness Support in Groupware
  Systems , Computer in Industry, vol. 52, n 1,
  sept. 2003, Elsevier, 2003, pp. 47-57.
• Lemlouma T.,  Architecture de négociation et
  d'adaptation de Services Multimédia dans des
  Environnements Hétérogènes , Thèse de Doctorat,
  Institut National Polytechnique de Grenoble,
  Grenoble, France, avril 2004.

46
Références

• Mostéfaoui, K., Pasquier-Rocha, J., Brézillon,
  P.,  Context-aware computing a guide for the
  pervasive computing community , Proceedings of
  the IEEE/ACS International Conference on
  Pervasive Services (IPCS04), IEEE Computer
  Society, 2004, pp. 39-48.
• Muñoz M., A., Rodríguez M., Favela J.,
  Martinez-Garcia A.I., Gonzalez V.M.,
   Context-aware mobile communication in
  hospitals , Computer, vol. 36, n 9, 2003, IEEE
  Computer Society, pp. 38-46.
• Rey, G., Coutaz, J.,  Le contexteur  capture et
  distribution dynamique dinformation
  contextuelle , Mobilité Ubiquité04
  (UbiMob04), Nice, France, 2004. pp. 131-138.
• Rubinsztejn, H.K., Endler, M., Sacramento, V.,
  Gonçalvez, K., Nascimento, F.,  Support for
  context-aware collaboration  In  Karmouch, A.,
  Korba, L., Madeira E. (Eds.), LNCS 3284 - 1st
  International Workshop on Mobility Aware
  Technologies and Applications - MATA 2004,
  Florianópolis, Brésil, Springer-Verlag, 2004,
  pp.37-47.
• Tang, J.C., Yankelovich, N., Begole, J.B.,
  Vankleike, M.,  ConNexus to Awarenex extending
  awareness to mobile users , CHI Letters, CHI
  2001, vol. 3, n 1, ACM Press, p. 221-229.
• Valtchev, P., Euzenat, J.,  Dissimilarity
  measure for collections of objects and values ,
  In  Liu, X., Cohen, P., Berthold, M. (Eds.),
  LNCS 1280 - 2nd International Symposium on
  Intelligent Data Analysis (IDA97),
  Springer-Verlag, 1997, pp. 259-272.
• Villanova-Oliver, M.,  Adaptabilité dans les
  systèmes dInformation sur le Web  Modélisation
  et mise en œuvre de laccès progressif , Thèse
  de Doctorat, Institut National Polytechnique de
  Grenoble, Grenoble, France, décembre 2002.

47
Approche

• Besoins concernant la conscience de groupe dans
  les collecticiels sur le Web
• Élargir la notion de contexte afin de tenir
  compte des aspects physiques et collaboratifs
• Représenter le contexte capable de formaliser
  cette notion élargie
• Filtrer linformation de conscience de groupe en
  fonction contexte dutilisation et des
  préférences de lutilisateur
• Organiser les informations par pertinence

• être évolutif
• permettre la représentation dune information au
  caractère dynamique
• permettre lexpression dinformations ambiguës
  et incomplètes
• permettre lexpression de critères de précision

48
État de lartTravail coopératif assisté par
ordinateur
Visualisation et filtrage (Hibino Mockus, 2002)
(Tang et al., 2001)
Visualisation (Hill Gutwin, 2004)
Filtrage LibreSource
49
État de lartNotion de contexte

• Modèles de représentation
• Absent dans la plupart des systèmes
• Approches de représentation
• XML, CC/PP, RDF (Lemlouma, 2004)
• Modèles à objets (Henricksen et al., 2002),
  (Bardram, 2005)
• Graphes conceptuels (Brézillon, 2002),
  (Mostéfaoui, 2004)
• Ontologies (Bucur, 2005), (Alarcón, 2003)
• Problèmes identification des éléments de
  contexte, acquisition dinformations incomplètes,
  évolution de la notion de contexte, utilisateur
  en tant quindividu isolé

50
Base de connaissances XAROM
51
OpérationsRelation dégalité - Equals

• But vérifier si le contenu deux instances est
  le même
• Comparer le contenu des variables connues
• Utilisation dune classe/association de référence
• Deux versions générale et par poids
• Un poids wi est attribué à chaque variable
  (?wi1)
• Associations pas de poids attribués aux rôles
• Identité du tuple
• Utilisation dune limite L (L ?0,1) ? seuil
  dégalité

52
OpérationsRelation dégalité - Equals
wnom0,35 L 0,80 wdescription0,15 wprécision0
,05 wprofil_ccpp0,35 wmémoire_disponible0,05
wniveau_d'énergie0,05
( 0,35 x 0 0,35 x 0 0,05 x 1 0,05 x 1 )
0,8 0,8 x (1 0,8) ) 0,1 0,64 Equals
faux
( 0,35 x 1 0,35 x 1 0,05 x 0 0,05 x 0 )
0,8 0,8 x (1 0,8) ) 0,7 0,64 Equals
vrai
53
OpérationsRelation dinclusion - Contains

• Plusieurs versions
• Définition générale G(o) contains G(o) si et
  seulement si
• Pour chaque objet o ? O(o), il existe un objet
  o ? O(o) tel que o equals o
• Pour chaque tuple t ? T(o), il existe un tuple
  t ? T(o) tel que t equals t
• Contains sous une fonction de condition
• Ignore list (IL) instances qui doivent être
  ignorées
• Fonction de condition (fc (o) ) condition pour
  quune instance o soit prise en considération

54
fc (o) 1 si o.précision L L 0,8
G (contexte_Alain) contains G
(description_profil3) faux
55
Sim (contexte_Alain, description_profil3)
0,371 XO 5 XT 8 O
(contexte_Alain) 18 T (contexte_Alain)
17
Sim (description_profil3, contexte_Alain) 1
XO 5 XT 8 O (description_profil)
5 T (description_profil) 8
56
Filtrage guidé par le contexteModèle daccès
progressif

• Un utilisateur na pas besoin daccéder à toute
  linformation disponible
• Concepts de base

Entité Masquable (EM) ensemble dau moins 2
éléments
Organisation dune Stratification EM en une
séquence de REM
REM1 identifiant, intervalle
identifiant chaîne de caractères intervalle
intervalle de temps
REM2 REM1 ? description
REM3 REM2 ? détails, médias
description chaîne de caractères
Représentations dEntité Masquable (REM)
sous-ensembles ordonnés déléments de lEM
détails chaîne de caractères médias Objet
57
Filtrage guidé par le contexteModèle daccès
progressif

• Laccès progressif repose sur les opérations
• Dévoiler / Masquer
• Avancer / Retourner

Dévoiler / Masquer
Avancer / Retourner
Stratification S1
identifiant chaîne de caractères intervalle
intervalle de temps
identifiant chaîne de caractères intervalle
intervalle de temps
description chaîne de caractères
description chaîne de caractères
détails chaîne de caractères médias Objet
détails chaîne de caractères médias Objet
58
Filtrage guidé par le contexteProcessus de
filtrage seconde étape

• Application des règles définies par les profils
• Abonnements, stratifications et conditions
  contextuelles
• Application des profils
• Ordonnancement de tous les profils par priorité
  (Sim)
• Pour chaque profil
• Sélection des événements abonnés
• Application des stratifications
• Application des conditions contextuelles
• Livraison des événements et des stratifications

59
Filtrage guidé par le contexteProcessus de
filtrage seconde étape

• Ordonnancement
• Priorité donnée par la mesure Sim
• Max ( Sim (Cu, CiP ) )i 1
• Priorité aux profils plus spécifiques
• Contexte dapplication plus proche du contexte
  courant

Sim (contexte_Alain, description_profil2) 0,16
Sim (contexte_Alain, description_profil3)
0,371
60
Filtrage guidé par le contexteProcessus de
filtrage seconde étape
Événements disponibles

• Sélection des événements
• Sélection des objets dont les classes sont
  abonnées
• Application des stratifications
• Stratifications extensionnelles
• Organisation des événements

S1int
Stratifications
S2int
S3ext
S4ext
e1
e2
REM1
REM2
REM1
REM2
Liste dévénements
e3
e4
e6
e5
e9
e7
e8
e11
e10
e13
e12
e14
e15
e16
Application stratification extensionnelle
e18
e17
Sélection par labonnement
61
Filtrage guidé par le contexteProcessus de
filtrage seconde étape

• Application des conditions contextuelles
• Condition de production si lévénement est
  produit dans un contexte donné
• G(Ce ) contains G( CPiP )
• Éléments condition si lévénement concerne
  certains éléments de contexte
• SimO (EiP, Eje ) profil.seuil

S1int
Stratifications
S2int
S3ext
S4ext
REM1
REM2
REM1
REM2
e1
e4
e9
e12
e5
e2
e10
e13
e3
e11
e14
62
Filtrage guidé par le contexteProcessus de
filtrage résultat

• Liste dévénements organisés en plusieurs niveaux
• Liste de stratifications pour la navigation

Stratifications
S2int
S1int
S7int
S3ext
S4ext
S6ext
Liste dévénements
REM1
REM2
REM1
REM2
REM1
REM2
e1
e4
e9
e12
e15
e18
e5
e2
e10
e13
e16
e3
e11
e14
e17
1er profil Profil prioritaire
2ème profil
63
Mise en œuvre Canevas BW-M

• Implémentation du processus de filtrage et du
  modèle de contexte
• Architecture 3 composants
• Gestion de conscience de groupe ? processus
  filtrage
• Gestion de contexte ? manipulation du modèle de
  contexte
• Gestion de connaissances ? base de connaissances
  AROM
• Démarche dapplication
• Démarche traditionnelle
• Service Web

64
Mise en œuvre Canevas BW-M

• Approche par événement cycle de vie

65
Mise en œuvre Canevas BW-M

• Démarche traditionnelle
• Utilisation directe des paquetages Java
• Flexibilité accrue, accès à toutes les façades du
  canevas

base de connaissances AROM
66
RéalisationCanevas BW-M

• Points dentrée
• Les événements définition de linformation de
  conscience de groupe
• Le contexte définition des éléments de contexte
  et du processus dacquisition
• Linterface connexion avec linterface
  utilisateur, application du MAP