raisonnement àpartirdel'expérience* tracée/assistance · raisonnement...
TRANSCRIPT
Raisonnement à Partir de l'Expérience Tracée / Assistance Marie Lefevre Master IADE – Ingénierie des connaissances d'expérience tracée Janvier 2014
Ce que vous avez appris jusqu’ici…
• Traces • Traces modélisées • Requêtes / TransformaGons • kTBS / TBMS • VisualisaGon de traces
• DéfiniGon ?
• Autre chose ?
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
2
Qu’est-‐ce que le raisonnement à partir de traces ?
• Tout le problème de la recherche sur ceRe quesGon est justement de définir le raisonnement à parGr de traces…
• Beaucoup de travaux, pas de définiGon unanime…
Raisonnement à par.r de traces (RàPET / RàPT) = Trace Based Reasoning (TBR)
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
3
Du raisonnement à partir de cas… Ja
nvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
4
… en passant par le raisonnement à partir de l’expérience tracée…
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
5
… au raisonnement à partir de traces Ja
nvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
6
RàPT – étape d’élaboration • ObjecGf : produire une signature d’épisodes
• Un épisode = une M-‐trace représentant une expérience ou une tâche donnée
• Une signature d’épisodes = une spécificaGon des contraintes qu’un épisode doit saGsfaire
• MulGples façons d’exprimer des signatures d’épisodes : • Règles, ensemble de contraintes, M-‐traces et contraintes s’appliquant sur ces M-‐traces, automates, machines à états finis, etc.
Ø Nombreuses méthodes pour définir ces signatures
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
7
RàPT – étape d’élaboration • Exemple 1 :
• Si l’on cherche à retrouver une situaGon passée similaire à la situaGon courante
• Alors la signature d’épisode = un fragment de la trace courante filtrée pour ne contenir que les éléments perGnents
• Exemple 2 : • Si l’on souhaite retrouver tous les épisodes qui correspondent à une acGon donnée
• Alors la signature d’épisode = un sous-‐ensemble du modèle de trace associé à un ensemble de contraintes = une transformaGon
• …
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
8
RàPT – étape de remémoration • ObjecGf : trouver un ensemble d’épisodes qui correspondent à la signature exprimée
• Des contraintes peuvent s’appliquer sur • le nombre d’épisodes à remémorer, • l’algorithme de recherche à uGliser, • la cerGtude avec laquelle la soluGon proposée correspond à la signature d’épisode,
• etc.
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
9
RàPT – étape de réutilisation • ObjecGf : uGliser l’épisode retrouvé pour résoudre le problème en cours de résoluGon
• Durant ceRe étape, l’uGlisateur et/ou le mécanisme de raisonnement peuvent appliquer des requêtes et des transformaGons sur les traces pour en exploiter le contenu.
• En foncGon de la tâche, il existe de nombreuses façons de réuGliser un épisode • Le système affiche l’épisode à l’uGlisateur • Le système rejoue l’épisode à l’idenGque, ou avec des adaptaGons contextuelles
• L’uGlisateur applique des requêtes pour produire de nouvelles connaissances (informaGons staGsGques, etc.)
• …
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
10
RàPT – Connaissances & Utilisateur
• Durant le processus de raisonnement, le RàPT exploite • Des traces et des transformaGons stockées dans le SGBT • Des connaissances supplémentaires
• Mesures de similarités • Stratégies d’adaptaGon • Connaissances de transformaGons • Etc.
Ø Trois étapes de raisonnement gravitent autour de l’uGlisateur
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
11
Historique lyonnais • 2006 : Alain Mille From Case-‐Based Reasoning to Trace-‐Based Reasoning Annual Reviews in Control 30(2):223-‐232, ELSEVIER, ISSN 1367-‐5788
• 2009 : Bruno Mascret, Amélie Cordier, Alain Mille Extending Case-‐Based Reasoning with Traces Grand Challenges for reasoning from experiences, Workshop at IJCAI'09
• 2013 : Silex team Trace-‐Based Reasoning — Modeling interacGon traces for reasoning on experiences 26th InternaRonal FLAIRS Conference
• 2013 : Silex team Connaissances et raisonnement sur les traces d’interacGons Conférence Ingénierie des Connaissances 2013
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
12
Intérêts communs avec la communauté CBR
• Grand Challenges for Reasoning From Experience • IJCAI 2009 Workshop • hRp://www.comp.rgu.ac.uk/docs/ijcai09/gcworkshop/ • Regards croisés des différentes disciplines de IA
• ApprenGssage automaGque, SBC, TAL…
• Agile Case-‐Based Reasoning • Susan Craw, ICCBR 2009 • Approche plus dynamique du CBR • InteracGons conGnues avec les uGlisateurs
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
13
Intérêts communs avec la communauté CBR
• Provenance-‐Aware Case-‐Based Reasoning • ICCBR 2010 Workshop • hRp://www.cs.indiana.edu/cgi-‐pub/jmorwick/pa-‐cbr2010/ • Intérêt de la provenance et des méta-‐connaissances sur les cas en RàPC
• TRUE: Traces for Reusing Users' Experience • ICCBR 2012 Workshop • hRp://sce.carleton.ca/~mfloyd/ICCBR12-‐TRUE/ • UGlisaGon des traces dans le CBR
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
14
Mais à quoi sert le TBR ?
• Quelles sont les connaissances accessibles dans une trace ?
ET
• Quels sont les raisonnements possibles sur les traces ?
ET • Dans quels buts ?
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
15
Quelles sont les connaissances accessibles dans une trace ?
• Modèle des traces • Modèle d’observaNon de l’acGvité
• Les Obsels • Le temps est modélisé et gardé pour chaque obsel • Les valeurs prises par les obsels consGtuent le domaine de validité de l’acGvité telle qu’observée
• Chaque obsel est soit le résultat d’une collecte, soit le résultat d’une producGon suite à la saGsfacGon d’une requête formelle
• Les requêtes • Représentent la sémanNque d’un obsel de la trace cible / celle de la trace source (O1 est « vrai » parce que la requête R est saGsfaite)
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
16
Quels sont les raisonnements possibles sur les traces ? (1/2)
• Raisonnement du CBR • Raisonnement analogique • DéfiniGon de signature de séquences • Mesure de similarités entre séquences de même signature
• AdaptaGon • Révision
• Raisonnement inducGf • ApprenGssage de séquences signifiantes • ApprenGssage interacGf humain-‐machine • CréaGon de signatures candidates • GénéraGon de réseaux bayesiens • ...
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
17
Différents types de raisonnement : DéducNon ⇒ Gre des conséquences ⇒ nous établissons que « quelque chose » se comporte définiGvement d'une certaine manière
InducNon ⇒ cherche des lois générales à parGr de l'observaGon de faits parGculiers, sur une base probabiliste.
⇒ que « quelque chose » se comporte effecGvement d'une certaine manière
AbducNon ⇒ lorsque l'on observe un fait dont on connaît une cause possible, on conclut à Gtre d'hypothèse que le fait est probablement dû à ceRe cause
⇒ que « quelque chose » se comporte probablement d'une certaine manière
Quels sont les raisonnements possibles sur les traces ? (2/2)
• Raisonnement abducGf ou de type markovien • Sachant ce qu’il s’est passé sur une trace, que peut-‐on dire de ce qu’il va se passer
• ConstrucGon de connaissances logiques • En relaGon avec les propriétés d’ontologies référencées par les obsels.
• Les traces deviennent des compléments de contexte pour tout concept d’une ontologie, en facilitant la déclinaison, la révision etc.
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
18
Quelles applications au TBR ?
• RésoluGon de problème
• Découverte de connaissance • Data stream mining • Traces d’acGvités • Calcul d’indicateurs
• Réingénierie d’un système
• ConfiguraGon • AdaptaGon • PersonnalisaGon
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
19
Quelles applications au TBR ?
• Assistance durant l’uGlisaGon • ApprenGssage humain individuel • AppropriaGon d’environnements, acGvité individuelle • ConstrucGon coopéraGve de connaissances • Système de conseil / recommandaGon individuelle • NégociaGon de sens entre 2/n individus • …
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
20
Quelques exemples de TBR : SAP-‐BO Explorer
• Zarka 2010
• Assistance à parGr de TBR • Collecte de traces • Replay • Impact de la propagaGon des changements
• hRp://liris.cnrs.fr/raafat.zarka/ReplayTraceDemo/
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
21
Quelques exemples de TBR : SAP-‐BO Explorer Ja
nvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
22
Quelques exemples de TBR : SAP-‐BO Explorer Ja
nvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
23
Quelques exemples de TBR : Wanaclip
• Zarka 2011
• Assistance à parGr de TBR • Collecte de traces • RecommandaGons
• hRp://www.wanaclip.eu/
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
24
Quelques exemples de TBR : Wanaclip Ja
nvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
25
Quelques exemples de TBR : IIBM
• Barnachon, Cordier, Guillou, Lefevre, 2009
• Capture de mouvements • InteracGons intelligentes • Assistance à l’uGlisateur à parGr de traces
• hRp://liris.cnrs.fr/iibm
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
26
Quelques exemples de TBR : IIBM Ja
nvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
27
Kinect OpenNI / NITE
Quelques exemples de TBR : IIBM
• RéuGlisaGon de l’expérience • Partage de l’expérience entre uGlisateurs • Rendre plus intuiGve la manipulaGon d’applicaGons • Augmenter l’expérience de jeu • ...
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
28
Quelques exemples de TBR : IIBM -‐ iiAnnotate Ja
nvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
29
Quelques exemples de TBR : IIBM -‐ iiAnnotate
• AdaptaGon de l’IHM et du contenu à l’uGlisateur • UGlisateur peut créer :
• Des super-‐tags • Des gestes
• Associés à un tag, un super-‐tag, une acGon
• OpGmisaGon de l’IHM pour un uGlisateur • Si l’uGlisateur uGlise plusieurs fois une même série de tags ⇒ ProposiGon de créaGon d’un super-‐tag ⇒ On pourrait faire pareil pour une série de gestes
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
30
Quelques exemples de TBR : IIBM -‐ iiAnnotate
• Assistance à parGr de l’expérience d’autres uGlisateurs • UGlisaGon d’une expérience précise
• Reconnait une série de tags contenu dans un super-‐tag d’un autre uGlisateur
⇒ ProposiGon du même super-‐tag
• CompléGon de séquence à parGr de l’expérience • Reconnait un sous-‐ensemble de tags uGlisés par un autre uGlisateur
⇒ Propose la fin de l’ensemble de tags
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
31
Quelques exemples de TBR : IIBM -‐ iiAnnotate
• UGlisaGon de l’expérience de manière plus générale • IdenGfier les acGons ou types d’acGons qui se répètent dans les traces, sans bootstrap
• AnGciper les acGons futures lors de l’uGlisaGon du logiciel • Proposer une assistance à l’uGlisateur en temps réel
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
32
Quelques exemples de TBR : IIBM – PowerPoint ++
• Assistance à la négociaGon • entre l’uGlisateur et l’interface • sur les associaGons geste-‐acGon.
• DétecGon de paRern dans les traces • Geste sans conséquence • AcGon – annulaGon
• Assistance • montrer une associaGon geste-‐acGon • changer une associaGon geste-‐acGon
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
33
Quelques exemples de TBR : KolZlow • Man-‐machine collaboraGon in conGnuous KnOwLedge-‐construcGon FLOWs
• Projet ANR – 2010 • Wimmics (INRIA – Sophia) • GDD (LINA – Nantes) • Orpailleur (LORIA – Nancy) • Silex (LIRIS – Lyon)
• ObjecGf • ConstrucGon d’un espace social sémanNque pour faciliter la collaboraGon
• Entre agents intelligents, entre humains, entre humains et agents • Afin de transformer les données en connaissances
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
34
Quelques exemples de TBR : KolZlow • MoGvaGon historique : Taaable…
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
35
Quelques exemples de TBR : KolZlow • … et wikiTaaable
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
36
Quelques exemples de TBR : KolZlow • … et wikiTaaable
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
37
• SemanGc Media Wiki
• Ontologies • Ingrédients • Types de plats • Connaissances d’adaptaGon • …
• ReceRes de cuisine
Quelques exemples de TBR : KolZlow • Silex
• ConstrucGon d’un assistant à l’uGlisaGon de l’espace social sémanGque
• Dimension individuelle • Dimension collaboraGve / collecGve
• QuesGons de recherche : • Où trouver les connaissances permeRant de fournir une assistance perGnente ?
• Comment détecter le moment opportun pour déclencher l’assistance ?
• Comment faire évoluer les mécanismes d’assistance ?
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
38
Quelques exemples de TBR : KolZlow • L’idée originale : DSMW
• UGlisé un réseau de wikis sémanGques distribués • DSMW : Distributed SemanGc MediaWiki
• Équipe GDD -‐ Nantes • hRp://momo54.github.com/DSMW/
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
39
Quelques exemples de TBR : KolZlow • UGlisaGon individuelle
• CréaGon de page, etc. • UGlisaGon collecGve
• Partage de pages avec d’autres uGlisateurs • RécupéraGon de pages nouvelles • Fusion des plusieurs pages existantes
⇒ Complexité ⇒ Prise en main de l’ouGl ⇒ NégociaGon du contenu
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
40
Hala Wikitaaable
WikiTaaable Stable
WikiTaaable Proposal
WikiTaaable Test
Amélie Wikitaaable
Quelques exemples de TBR : KolZlow • 2 types d’assistance
• À la tâche • Pour les nouveaux uGlisateurs de DSMW • Fournie sur demande de l’uGlisateur • Assistance
• Guide l’uGlisateur pour finir sa tâche • Finit la tâche de l’uGlisateur à sa place
• À la résoluGon de conflits • Quand un uGlisateur intègre dans son wiki les données d’un autre wiki
• Quand plusieurs uGlisateurs veulent meRre en commun les données de leurs wikis sur un wiki public
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
41
Pierre-‐Antoine CHAMPIN, Amélie CORDIER, Élise LAVOUÉ, Marie LEFEVRE, Hala SKAF-‐MOLLI. User Assistance for CollaboraGve Knowledge ConstrucGon. Workshop SemanGc Web CollaboraGve Spaces, WWW2012, Lyon, France, 17 avril 2012.
Quelques exemples de TBR : KolZlow • UGlisaGon des traces pour
• Présenter les étapes à suivre • Présenter des manières de faire équivalentes • AutomaGser la fin d’une tâche • IdenGfier de nouveaux modes de foncGonnement de la communauté
• … • Comment ?
• En recherchant des épisodes dans les traces ⇒ À parGr d’une signature fournie par l’expert ⇒ À parGr d’une signature idenGfiée en observant l’uGlisateur, pour obtenir la suite
⇒ À parGr d’une signature définie directement ou indirectement par l’uGlisateur
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
42
Quelques exemples de TBR : KolZlow • Assistance à la tâche / l’ouNl
• Liste de quesGons : Comment créer une page, partager une page…
• Pour chaque quesGon, on propose : • une réponse explicaGve textuelle avec éventuellement des schémas (surtout
pour le partage) • une vidéo des acGons à faire • des exemples de traces • de faire la tâche pour l’uGlisateur
• Pour trouver les traces servant d'exemples :
• Définir les signatures des différentes tâches • Lister les acGons sur le wiki • Lister les obsels correspondants aux acGons dans les traces
• Définir la requête permeRant de récupérer tous les obsels dans le kTBS • Rechercher dans ses propres traces ou dans celles des autres (importaGon de
traces)
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
43
Quelques exemples de TBR : KolZlow
• Assistance à la résoluNon de conflits
• Scénario : • Emmanuel récupère la receRe de tarte au melon d’Amélie pour l’intégrer dans son instance de Wikitaaable
• Problème : • Il y a des conflits…
• Autre receRe avec le même nom
• Place différente du melon dans l’ontologie des ingrédients
• …
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
44
Hala Wikitaaable
WikiTaaable Stable
WikiTaaable Proposal
WikiTaaable Test
Amélie Wikitaaable
Quelques exemples de TBR : KolZlow
• Assistance à la résoluNon de conflits : fusion de 2 ontologies….
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
45
On fusionne «bêtement » les deux taxonomies
On ne garde que la gauche
On supprime les conflits : Melon ni sous Fruit, ni sous Vegetable mais sous PlantFood
On ne garde que la droite
Qui décide de la possibilité que l’on garde ?
Quelques exemples de TBR : KolZlow
• Assistance à la résoluNon de conflits
• UGlisaGon de tests : • Une requête sémanGque • Sur une ontologie • L’ensemble des réponses
• Acceptées par la communauté • Rejetées par la communauté • Non-‐évaluées
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
46
Quelques exemples de TBR : KolZlow
• Assistance à la négociaNon de conflits
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
47
RDFStore
RDFStore
RDFStore
Requêtes
Résultats
EdiGon
ExtracGon
EditorialisaGon
Fusion AcquisiGon de tests
ExplicaGons
ExécuGon des tests
Assistance
Assistance
Orpailleur et Silex
Quelques exemples de TBR : KolZlow
• Assistance à la résoluNon de conflits : interface de négociaGon avec l’uGlisateur
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
48
ClassificaGon des possibilités en foncGon : -‐ PoliGques de validité des tests
-‐ Prédéfinies -‐ Choisies par l’uGlisateur
-‐ Traces / expérience personnelle -‐ Traces / expérience des autres
Au Zinal, comment déZinir le TBR ?
• Par l’absurde : qu’est-‐ce qui ne relève pas du TBR ? • En idenGfiant les acteurs : qui raisonne ? • En idenGfiant les tâches : pourquoi raisonne-‐t-‐on ? • Par analogie avec d’autres modes de raisonnement : qu’est-‐ce
qui relève du raisonnement dans le CBR ? • …
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
49
TD : Assistance à partir de RàPET Marie Lefevre Master IADE – Ingénierie des connaissances d'expérience tracée Janvier 2014
À vous d’essayer… • Prenez une applicaGon, ficGve ou existante • Décrivez-‐la en une 10aine de lignes • Expliquez comment vous souhaiteriez meRre en place du
RàPET dans ceRe applicaGon • Qu’est-‐ce que cela nécessite ?
• Où sont les traces ? • Comment sont-‐elles collectées ? Traitées ? • Où est le raisonnement ? • Comment exploite-‐t-‐il les traces ?
⇒ À rendre avant le 13/01/2014 minuit par mail ([email protected])
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
51
Catégorisons…
• Essayons maintenant de catégoriser vos proposiGons !
Janvier 2
014
Marie Lefevre -‐ Master IAD
E -‐ Ingén
ierie
des
conn
aissances d
'expérience tracée
52