Acronyme : FormatIon au mANagemeNt des risques en réAlité Virtuelle

Cadre de financement : Conseil régional de Picardie

Durée : 3 ans (démarrage décembre 2006)

Partenaires : Heudiasyc UMR 6599, INERIS

Equipe UTC : Domitile Lourdeaux, Dominique Lenne, Indira Thouvenin, Jean-Paul-Barthès, Kahina Amokrane (doctorante)

Objectif : interpréter l’apprentissage et les comportements de l’apprenant (opérateur réel) et scénariser les opérateurs virtuels en fonction des comportements de cet apprenant. L’originalité de ce projet est de proposer une interprétation du comportement de l’apprenant pour lui fournir une explication sur les conséquences de ses décisions.

Figure : Suivi de l'apprenant (Kahina AMOKRANE)
Motivations :

• Augmenter la crédibilité et la qualité des simulations pour proposer des simulations complexes et pertinentes du point de vue des apprentissage
• Permettre à l'apprenant de vivre des situations hautement interactives (apprentissage situé par l’erreur), pertinentes du point de vue des apprentissages et

cohérentes du point de vue des contenus

• Permettre à l'apprenant de comprendre de comprendre tous les liens de causes à effets entre actions et survenue d’événements critiques dans des systèmes très complexes où il n’est pas toujours facile de comprendre ces liens de manière évidente.
• Apprendre à réagir vite et bien en situation dégradée, de stress, rare

Complexité :

• Actions opérateurs réels difficilement planifiables
• Manque d’outils pour l’analyse sémantique des traces dans des environnements complexes (EIAH vs EVAH)
• Manque d’outils pour cohérence scénaristique et pédagogique (scénarisation pédagogique, scénarisation des interactions, storytelling)

Approche :

• Concevoir des EV et des scénarios basés sur la didactique professionnelle (analyses terrain et prenant en compte les aspects facteurs humains)
• Introduire des mécanismes de contrôle des interactions et de la complexité en fonction des objectifs de formation, des profils apprenant et de leur activité
• Proposer un suivi de l’apprenant et des traces pour favoriser les activités réflexives de l’apprenant ou l’analyse des formateurs (traces et critères de performance)
• Proposer des modèles de connaissances et des langages pour les experts et interpréter automatiquement les modèles

Description de la solution proposée :

• Modélisation de l'activité finalisée en situation normale : HAWAI-DL
  
• Modélisation de l'activité en situation dégradée : Conditions/activités Limites Tolérées par l’Usage [De la Garza, 2003
  
• Modèle de risques (réseaux bayésiens)
  
• Modèle d'erreur – Méthode CREAM [Hollnagel, 1993]
  
• Reconnaissance de plans