Adaptation contextuelle et personnalisée de l’information de conscience de groupe au sein des systèmes d’information coopératifsManuele 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 l’art
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
IntroductionIntroduction
Serveur Web
Collecticiel sur le Web
But d’un collecticiel : aider le groupe à mener à bien le travail en commun
Conscience de groupe : « la connaissance qu’un 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
Serveur Web
Collecticiel sur le Web
Nomadisme différents usages
Importance du contexte d’utilisation
Nécessité de concevoir de nouveaux collecticielssensibles au contexte
travail sur le terrain…
travail au bureau, à la maison ….
travail en déplacement …
5
Introduction
Conception des collecticiels sur le Web
sensibles au contexte Adaptation du contenu, de la présentation et des
services au contexte d’utilisation
Mécanismes de contrôle d’accès, contrôle de
cohérence, de conscience de groupe
Gestion du contexte : acquisition et
représentation
6
État de l’ArtTravail coopératif assisté par ordinateur Mécanismes de conscience de groupe
(awareness) Prise en compte de la surcharge cognitive
L’utilisateur est confronté à un grand nombre d’informations à traiter (Conklin, 1987)
Deux approches : visualisation et filtrage
7
État de l’artTravail coopératif assisté par ordinateur Visualisation : agrégation de l’information,
interfaces moins intrusives (Bouthier, 2004), (Hill & Gutwin 2004), (Greenberg, 1996)
Filtrage : réduction de l’ensemble d’informations (David & Borges, 2001), (Kirsch-Pinheiro et
al., 2001) Problème : la pertinence dépend des intérêts de
l’utilisateur et change en fonction de l’évolution du travail et de la situation
8
État de l’artSensibilité au contexte Utilisation du contexte d’utilisation pour l’adaptation,
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 l’utilisateur indépendantes du contexte
Campus Aware (geonotes) (Burrell et al., 2002)
Messagerie instantanée (Muñoz et al., 2002)
Prise en compte du rôle
Contenu adapté à la localisation
9
État de l’artNotion de contexte Définition
Pas de définition unique Définition adoptée (Dey, 2000)
tous les éléments d’information qui peuvent être utilisés pour caractériser la situation d’une entité
Acquisition Context Toolkit (Dey, 2000), Contexteur (Rey, 2004)
Représentation Absente dans la plupart des systèmes
10
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 d’identification des éléments de contexte Pas de représentation de contexte partiellement connu Peu de possibilités d’évolution de la notion de contexte Utilisateur considéré comme un individu isolé
État de l’artNotion de contexte
11
État de l’artSynthèse Conception de nouveaux systèmes
Complexité accrue, peu d’outils 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 d’adaptation non formalisé
12
Proposition
Mécanisme d’adaptation contextuelle et personnalisée de l’information 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
collaboratifsFiltrer et organiser l’information de conscience de groupe en fonction du contexte d’utilisation et des
préférences de l’utilisateur
Comparer les instances du modèle de contexte
13
Plan
Introduction État de l’art
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 d’éléments de contexte et de leurs relations
15
Modèle de contexte Concepts
Points de Vue ClassesC
on
text
e
Ph
ysi
qu
e
Con
texte
C
olla
bora
tif
Espace Localisation
Outil Dispositif
Application
Temps Calendrier
Communauté Groupe
Rôle
Membre
Processus Processus
Activité
Objet Partagé
16
Modèle de contexteModèle à objets ClassesAssociations
17
Modèle de contexteExemple Alain
collecte des données sur le terrain participe à un groupe d’étude 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 d’acquisition Spécialisation des classes/associations
Approche utilisée : Représentation de Connaissances par Objets :
Système AROM Construction d’une base de connaissances Particularité : représentation explicite des
associations
19
Plan
Introduction État de l’art
Travail coopératif Sensibilité au contexte
Proposition Modèle de contexte Opérations sur le modèle de contexte
Relation d’Égalité Relation d’Inclusion Relation de Similarité
Filtrage guidé par le contexte Mise en œuvre Conclusions & perspectives
20
Opérations
Objectif : proposer des opérateurs génériques pour la comparaison d’instances
Trois types d’opération de base : Relation d’égalité Equals Relation d’inclusion Contains Relation de similarité SimO, SimT et Sim
21
OpérationsRelation d’égalité - Equals But : vérifier si les contenus de deux
instances sont les mêmes Comparer les contenus des variables connues Utilisation d’une classe/association de référence
Deux versions : Générique : toutes les variables connues sont
d’importance égale Pondérée : un poids wi est attribué à chaque
variable (wi=1)
22
OpérationsRelation d’inclusion - 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 d’inclusion recherche d’un 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 d’autres Trois mesures distinctes :
SimO : similarité entre deux objets isolés SimT : similarité entre deux tuples Sim : similarité entre des graphes d’objets
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 l’opérateur equals
26
Plan
Introduction État de l’art
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 d’ensemble Processus d’adaptation de contenu guidé par
le contexte d’utilisation et par les préférences de l’utilisateur pour ce contexte
Modèles : modèle d’accès 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 d’informations relatives à une action
réalisée dans le cadre du travail collaboratif sur un sujet donné
29
Filtrage guidé par le contexteModèle d’accès progressif
Un utilisateur n’a pas besoin d’accéder à toute l’information disponible
Organisation de l’information 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 d’application du profil
31
Filtrage guidé par le contexteModèle de profil
Contexte d’application
Événements abonnés
Stratifications
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 d’application et le contexte courant de l’utilisateur
Relation d’inclusion : Cu contexte courant, CiP
contexte d’application du profil P
Si G(Cu) contains G( CiP ) , alors P est valide
34
Filtrage guidé par le contexteProcessus de filtrage – première étape Alain dispose de plusieurs profils…
Profil valideProfil non valide
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 l’art
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
base de connaissances AROM
Démarche par service Web Utilisation du service Web BWMFacade qui encapsule BW-M
Facilité d’utilisation, accès restreint à certaines façades
39
Mise en œuvre Canevas BW-M
acquisition
fonction. collecticiel
Client
acquisition
fonction. collecticiel
Client
acquisition
noyau collecticiel
ServeurCollecticiel
demande informations
nouvel événement
get
even
ts (
Ala
in)
Alain
Carole
add
Eve
nt
(E,
Ce,
Ec)
( S
tr,
Es
)
( ok
)
( Str, Es )
( ok )
40
Plan
Introduction État de l’art
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 d’un contexte partiellement connu
Opérations Définition d’opérateurs de comparaison des instances du
modèle Approche applicable à d’autres modèles
Processus de filtrage Définition explicite du processus de filtrage Adaptation de l’information de conscience de groupe au
contexte et aux préférences
42
Conclusions et perspectives Perspectives
Évaluation de l’approche BW-M : Évaluer l’action des concepteurs Applications
Domaine des risques naturels WiKi
Analyser les réactions des utilisateurs Étude dans le cadre d’une architecture distribuée (P2P)
Distribution du modèle de contexte Impact sur le processus de filtrage Conséquences pour la mise en œuvre
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 (CSCWD’2001), 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 (CSCW’92). 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 (Pervasive’2002), 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. 539–571.
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 (IPCS’04), 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 d’information contextuelle », Mobilité & Ubiquité’04 (UbiMob’04), 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 (IDA’97), Springer-Verlag, 1997, pp. 259-272.
Villanova-Oliver, M., « Adaptabilité dans les systèmes d’Information sur le Web : Modélisation et mise en œuvre de l’accès 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 l’information de conscience de groupe en
fonction contexte d’utilisation et des préférences de l’utilisateur
Organiser les informations par pertinence
être être évolutifévolutif permettre la représentation d’une permettre la représentation d’une informationinformation au au
caractère caractère dynamiquedynamique permettre l’expression d’permettre l’expression d’informationsinformations ambiguësambiguës
et et incomplètesincomplètes permettre l’expression de permettre l’expression de critèrescritères de de précisionprécision
48
État de l’artTravail coopératif assisté par ordinateur
Visualisation (Hill & Gutwin, 2004)
Filtrage LibreSource
Visualisation et filtrage(Hibino & Mockus, 2002) (Tang et al., 2001)
49
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 d’informations incomplètes, évolution de la notion de contexte, utilisateur en tant qu’individu isolé
État de l’artNotion de contexte
50
Base de connaissances XAROM
51
OpérationsRelation d’égalité - Equals But : vérifier si le contenu deux instances est
le même Comparer le contenu des variables connues Utilisation d’une classe/association de référence
Deux versions : générale et par poids Un poids wi est attribué à chaque variable (wi=1) Associations : pas de poids attribués aux rôles
Identité du tuple Utilisation d’une limite L (L [0,1]) seuil
d’égalité
52
OpérationsRelation d’égalité - Equals
wnom=0,35 L = 0,80wdescription=0,15wprécision=0,05wprofil_ccpp=0,35wmémoire_disponible=0,05 wniveau_d'énergie=0,05
( 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
EqualsEquals vraivrai
( 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
EqualsEquals fauxfaux
53
OpérationsRelation d’inclusion - 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 qu’une 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 d’accès progressif Un utilisateur n’a pas besoin d’accéder à
toute l’information disponible Concepts de base …
REM1 = { identifiant, intervalle }
REM2 = REM1 { description }
REM3 = REM2 { détails, médias }
Organisation d’une Stratification = EM en une séquence
de REM
Entité Masquable (EM) = ensemble d’au moins 2 éléments
Représentations d’Entité Masquable (REM) =
sous-ensembles ordonnés d’éléments de l’EM
<<Entité Masqueable>>Contenu::Evénement
identifiant: chaîne de caractèresintervalle: intervalle de temps
description: chaîne de caractères
détails: chaîne de caractèresmédias: Objet [*]
identifiant: chaîne de caractèresintervalle: intervalle de temps
description: chaîne de caractères
détails: chaîne de caractèresmédias: Objet [*]
57
<<Entité Masqueable>>Contenu::Evénement
Filtrage guidé par le contexteModèle d’accès progressif L’accès progressif repose sur les opérations
Dévoiler / Masquer Avancer / Retourner
REM1
REM2
REM3
Stratification S1
Dévoiler
Dévoiler Masquer
Masquer
Dévoiler / MasquerAvancer / Retourner
Avancer
Retourner Avancer
Retourner
identifiant: chaîne de caractèresintervalle: intervalle de temps
description: chaîne de caractères
détails: chaîne de caractèresmédias: Objet [*]
<<Entité Masqueable>>Contenu::Evénement
identifiant: chaîne de caractèresintervalle: intervalle de temps
description: chaîne de caractères
détails: chaîne de caractèresmédias: 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 d’application plus proche du contexte courantSim (contexte_Alain,
description_profil2) = 0,16
Sim (contexte_Alain, description_profil3) = 0,371
60
Filtrage guidé par le contexteProcessus de filtrage – seconde étape Sélection des événements
Sélection des objets dont les classes sont abonnées
Application des stratifications Stratifications extensionnelles Organisation des événements
e1
e3e4
e5
e2
e6
e9e7
e8e11 e10
e13e12 e14
e15
e18
e17
e16
Événements disponibles
Sélection par l’abonnement
S1int
S3ext
Stratifications : S2int
S4ext
REM1 REM2 REM1 REM2
Application stratification extensionnelle
Liste d’événements :
61
Filtrage guidé par le contexteProcessus de filtrage – seconde étape Application des conditions contextuelles
Condition de production : si l’événement est produit dans un contexte donné
G(Ce ) contains G( CPiP ) Éléments condition : si l’événement concerne
certains éléments de contexte
SimO (EiP, Eje ) ≥ profil.seuil
e1
e3
e4
e5e2
e9
e11
e10 e13
e12
e14
S1int
S3ext
Stratifications : S2int
S4ext
REM1 REM2 REM1 REM2
62
Filtrage guidé par le contexteProcessus de filtrage – résultat
Liste d’événements organisés en plusieurs niveaux
Liste de stratifications pour la navigation
e1
e3
e4
e5e2
e9
e11
e10 e13
e12
e14
S1int
S3ext
Stratifications : S2int
S4ext
REM1 REM2 REM1 REM2Liste d’événements :
S7int
S6ext
REM1 REM2
e15 e18
e17
e16
1er profilProfil 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 d’application : 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 d’entrée
Les événements : définition de l’information de conscience de groupe
Le contexte : définition des éléments de contexte et du processus d’acquisition
L’interface : connexion avec l’interface utilisateur, application du MAP