|
Résumé
L'utilisation d'un environnement interactif s'accompagne de la répétition de nombreuses actions. Cette thèse propose des techniques, basées sur l'apprentissage des habitudes de l'utilisateur, permettant la conception d'Interfaces Adaptatives capables de détecter les tâches répétitives que l'utilisateur accomplit, d'inférer à la manière des Interfaces Démonstrationnelles - plus que des macro-commandes - des programmes permettant leur automatisation et, comme les Interfaces Prédictives, d'anticiper ses actions pour lui proposer au moment opportun de rejouer les programmes. Outre des temps d'apprentissage et de prédiction courts, l'algorithme utilisé pour apprendre les habitudes doit posséder des probabilités d'erreur et d'excès faibles. Nous montrons que si les algorithmes d'apprentissage sont les plus adaptés pour apprendre les habitudes, les algorithmes existants ne satisfont qu'imparfaitement cette contrainte de notre application. La solution que nous proposons repose sur l'utilisation combinée d'un algorithme classique et d'un algorithme que nous avons élaboré spécifiquement pour le problème en combinant diverses techniques classiques en Apprentissage. L'efficacité de cet algorithme, en particulier vis à vis de C4.5, RISE et NBC, est mise en évidence tant sur des données réelles que sur des problèmes tests. Le travail présenté a abouti à la réalisation d'une interface adaptative pour l'environnement de programmation VisualWorks, première interface adaptative capable de détecter différentes itérations d'une boucle dans les actions de l'utilisateur et de lui proposer de terminer automatiquement la boucle, même si ces itérations ne sont pas consécutives. Mots clés
|