Quản lý và Tùy Chỉnh Hành Vi Đối Thoại và Sư Phạm của Các Từ Ảo trong Môi Trường Đào Tạo

Luận văn thạc sĩ nghiên cứu vnu quản lý và tùy chỉnh hành vi đối thoại và sư phạm của các từ ảo trong môi trường đào tạo công, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện

• Tác giả: Lương Chí Thọ
• Người hướng dẫn: TS. Alexandre Pauchet, Maître De Conférences À L’insa De Rouen
• Trường học: Université Nationale Du Vietnam, Hanoi Institut Francophone International
• Chuyên ngành: Systèmes Intelligents Et Multimédia
• Đề tài: Quản Lý Và Tùy Chỉnh Hành Vi Đối Thoại Và Sư Phạm Của Các Tác Tử Ảo Trong Môi Trường Đào Tạo Cộng Tác Ảo
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2017
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: PROBLÉMATIQUE
• 1.1. Le contexte du travail
• 1.2. La limitation de travail dans ce stage
• 2. CHAPITRE 2: LES DÉFINITIONS ET L’ÉTAT DE L’ART
• 2.1. Définition d’une situation conversationnelle
• 2.2. État de l’art pour chercher la situation automatiquement
• 2.3. La méthode choisie et les améliorations
• 2.3.1. État de l’art pour la machine à état
• 2.3.2. Définition de notre machine à états

Tóm tắt

I. Tổng quan về Quản lý và Tùy Chỉnh Hành Vi Đối Thoại của Từ Ảo

Quản lý và tùy chỉnh hành vi đối thoại của các tác tử ảo trong môi trường đào tạo công nghệ thông tin là một lĩnh vực đang phát triển mạnh mẽ. Các tác tử ảo, hay còn gọi là đại diện ảo, có khả năng tương tác với người dùng thông qua các cuộc đối thoại tự động. Việc áp dụng công nghệ này không chỉ giúp nâng cao trải nghiệm học tập mà còn tạo ra những cơ hội mới trong việc phát triển các phương pháp giảng dạy hiện đại. Trong bối cảnh này, việc hiểu rõ về cách thức hoạt động và quản lý hành vi của các tác tử ảo là rất quan trọng.

1.1. Định nghĩa và vai trò của tác tử ảo trong đào tạo

Tác tử ảo là những hệ thống tự động có khả năng tương tác với người dùng thông qua ngôn ngữ tự nhiên. Chúng có thể đóng vai trò như người hướng dẫn, trợ lý hoặc thậm chí là bạn học trong môi trường đào tạo. Việc sử dụng tác tử ảo giúp tạo ra một không gian học tập tương tác, nơi người học có thể thực hành và nhận phản hồi ngay lập tức.

1.2. Lợi ích của việc quản lý hành vi đối thoại của tác tử ảo

Quản lý hành vi đối thoại của tác tử ảo mang lại nhiều lợi ích, bao gồm việc cải thiện khả năng tương tác giữa người dùng và hệ thống, tối ưu hóa trải nghiệm học tập và tăng cường hiệu quả giảng dạy. Bằng cách tùy chỉnh hành vi của tác tử ảo, người dùng có thể nhận được sự hỗ trợ phù hợp với nhu cầu học tập của mình.

II. Thách thức trong Quản lý Hành vi Đối thoại của Từ Ảo

Mặc dù có nhiều lợi ích, việc quản lý hành vi đối thoại của các tác tử ảo cũng gặp phải nhiều thách thức. Các vấn đề như khả năng hiểu ngữ nghĩa, phản hồi không chính xác và sự thiếu linh hoạt trong giao tiếp là những khó khăn chính mà các nhà phát triển phải đối mặt. Để giải quyết những vấn đề này, cần có những nghiên cứu và cải tiến liên tục trong công nghệ.

2.1. Khó khăn trong việc hiểu ngữ nghĩa và ngữ cảnh

Một trong những thách thức lớn nhất là khả năng hiểu ngữ nghĩa và ngữ cảnh của người dùng. Các tác tử ảo cần phải có khả năng phân tích và hiểu được ý định của người dùng để đưa ra phản hồi chính xác. Điều này đòi hỏi sự phát triển của các thuật toán phức tạp và cơ sở dữ liệu phong phú.

2.2. Vấn đề về phản hồi không chính xác

Phản hồi không chính xác từ tác tử ảo có thể dẫn đến sự thất vọng của người dùng và giảm hiệu quả học tập. Việc cải thiện độ chính xác của các phản hồi là một nhiệm vụ quan trọng trong việc phát triển các hệ thống này.

III. Phương pháp Quản lý Hành vi Đối thoại của Từ Ảo

Để quản lý hành vi đối thoại của các tác tử ảo, nhiều phương pháp đã được đề xuất. Các phương pháp này bao gồm việc sử dụng trí tuệ nhân tạo, học máy và các mô hình ngôn ngữ tự nhiên. Những công nghệ này giúp cải thiện khả năng tương tác và phản hồi của tác tử ảo.

3.1. Sử dụng trí tuệ nhân tạo trong quản lý hành vi

Trí tuệ nhân tạo (AI) đóng vai trò quan trọng trong việc phát triển các tác tử ảo. AI giúp các hệ thống này học hỏi từ dữ liệu và cải thiện khả năng tương tác theo thời gian. Việc áp dụng AI vào quản lý hành vi đối thoại giúp tạo ra những trải nghiệm học tập phong phú và hiệu quả hơn.

3.2. Học máy và mô hình ngôn ngữ tự nhiên

Học máy và các mô hình ngôn ngữ tự nhiên là những công nghệ cốt lõi trong việc phát triển các tác tử ảo. Chúng cho phép các hệ thống này hiểu và xử lý ngôn ngữ tự nhiên, từ đó cải thiện khả năng giao tiếp và tương tác với người dùng.

IV. Ứng dụng thực tiễn của Quản lý Hành vi Đối thoại

Việc quản lý hành vi đối thoại của các tác tử ảo đã được áp dụng trong nhiều lĩnh vực khác nhau, từ giáo dục đến chăm sóc sức khỏe. Các ứng dụng này không chỉ giúp nâng cao trải nghiệm người dùng mà còn tạo ra những cơ hội mới trong việc phát triển các phương pháp giảng dạy và học tập.

4.1. Ứng dụng trong giáo dục

Trong giáo dục, các tác tử ảo được sử dụng để tạo ra các môi trường học tập tương tác, nơi người học có thể thực hành và nhận phản hồi ngay lập tức. Điều này giúp cải thiện hiệu quả học tập và tạo ra những trải nghiệm học tập phong phú.

4.2. Ứng dụng trong chăm sóc sức khỏe

Trong lĩnh vực chăm sóc sức khỏe, các tác tử ảo có thể hỗ trợ bệnh nhân trong việc quản lý thông tin sức khỏe và cung cấp các lời khuyên y tế. Điều này không chỉ giúp nâng cao chất lượng dịch vụ mà còn tạo ra sự thuận tiện cho người dùng.

V. Kết luận và Tương lai của Quản lý Hành vi Đối thoại

Quản lý và tùy chỉnh hành vi đối thoại của các tác tử ảo trong đào tạo công nghệ thông tin là một lĩnh vực đầy tiềm năng. Với sự phát triển không ngừng của công nghệ, tương lai của các tác tử ảo hứa hẹn sẽ mang lại nhiều cơ hội mới cho giáo dục và các lĩnh vực khác. Việc nghiên cứu và phát triển các phương pháp quản lý hành vi đối thoại sẽ tiếp tục là một nhiệm vụ quan trọng trong thời gian tới.

5.1. Xu hướng phát triển trong tương lai

Trong tương lai, các tác tử ảo sẽ ngày càng trở nên thông minh hơn và có khả năng tương tác tự nhiên hơn với người dùng. Sự phát triển của công nghệ AI và học máy sẽ mở ra nhiều cơ hội mới trong việc cải thiện hành vi đối thoại của các tác tử ảo.

5.2. Tầm quan trọng của nghiên cứu liên tục

Nghiên cứu liên tục trong lĩnh vực này là rất quan trọng để đảm bảo rằng các tác tử ảo có thể đáp ứng được nhu cầu ngày càng cao của người dùng. Việc cải tiến công nghệ và phát triển các phương pháp mới sẽ giúp nâng cao hiệu quả và chất lượng của các tác tử ảo trong tương lai.

Trích đoạn nội dung tài liệu

UNIVERSITE NATIONALE DU VIETNAM, HANOI INSTITUT FRANCOPHONE INTERNATIONAL LƯƠNG CHÍ THỌ GESTION ET ADAPTATION DES COMPORTEMENTS CONVERSATIONNELS ET PÉDAGOGIQUES D’AGENTS VIRTUELS DANS UN ENVIRONNEMENTS DE RÉALITÉ VIRTUELLE COLLABORATIF DE FORMATION (EVCF) QUẢN LÝ VÀ TÙY CHỈNH HÀNH VI ĐỐI THOẠI VÀ SƯ PHẠM CỦA CÁC TÁC TỬ ẢO TRONG MÔI TRƯỜNG ĐÀO TẠO CỘNG TÁC ẢO MEMOIRE DE FIN D’ETUDES DU MASTER INFORMATIQUE HANOI – 2017 LUAN VAN CHAT LUONG download : add [e-mail] UNIVERSITE NATIONALE DU VIETNAM, HANOI INSTITUT FRANCOPHONE INTERNATIONAL LƯƠNG CHÍ THỌ GESTION ET ADAPTATION DES COMPORTEMENTS CONVERSATIONNELS ET PÉDAGOGIQUES D’AGENTS VIRTUELS DANS UN ENVIRONNEMENTS DE RÉALITÉ VIRTUELLE COLLABORATIF DE FORMATION (EVCF) QUẢN LÝ VÀ TÙY CHỈNH HÀNH VI ĐỐI THOẠI VÀ SƯ PHẠM CỦA CÁC TÁC TỬ ẢO TRONG MÔI TRƯỜNG ĐÀO TẠO CỘNG TÁC ẢO Spécialité: Systèmes intelligents et Multimédia Code: Programme pilote MEMOIRE DE FIN D’ETUDES DU MASTER INFORMATIQUE Sous la direction de: Maître de conférences à L’INSA de Rouen, Dr. Alexandre Pauchet Maître de conférences à L’INSA de Rouen, Dr. Julien Saunier Poste de recherche post-doctorale à l'INSA de Rouen, Dr. Mukesh Barange HANOI – 2017 LUAN VAN CHAT LUONG download : add [e-mail] ATTESTATION SUR L’HONNEUR J’atteste sur l’honneur que ce mémoire a été réalisé par moi-même et que les données et les résultats qui y sont présentés sont exacts et n’ont jamais été publiés ailleurs.

La source des informations citées dans ce mémoire a été bien précisée. LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết quả nêu trong Luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. Các thông tin trích dẫn trong Luận văn đã được chỉ rõ nguồn gốc.

Fait à Hanoï, le Hà nội, Ngày tháng năm 2017 Lương Chí Thọ LUAN VAN CHAT LUONG download : add [e-mail] Table des matières Table des matières. iv Liste des figures. v Liste des tableaux.1 Le contexte du travail : .2 La limitation de travail dans ce stage. 9 CHAPITRE 2 : LES DÉFINITIONS ET L’ÉTAT DE L’ART .1 Définition d’une situation conversationnelle .2 État de l’art pour chercher la situation automatiquement .3 La méthode choisie et les améliorations.1 État de l’art pour la machine à état .2 Définition de notre machine à états : .1 Trouver la situation automatiquement .1 Les données utilisées .2 Implémentation et résultat obtenu .3 Comparaison avec le programme existant .2 Construire la machine à états issus des situations .1 Présentation de l’application.

47 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.2 Recherche automatique de motifs. 58 Liste des figures Figure 1 : Le système de pédagogie générale. 4 Figure 2 : La partie à résoudre. 9 Figure 3 : Nombre de motifs fourni par SABRE et LPCA-DC de Zacharie Ales.

23 Figure 4 : Le temps d’exécution entre LPCA-DC et SABRE Zacharie Ales. 27 Figure 6 : Machine à état de Christopher Peters. 32 Figure 7 : Machine à état de David R. Traum et James F.

33 Figure 8 : Un exemple de machine à état. 35 Figure 9 : un groupe de situations dans la machine à états. 45 Figure 10 : Résultat de construction de la machine à état (partiel). 46 Figure 11 : le système de conversation.

47 Figure 12 : Le système de recherche. 49 Figure 13 : résultat d’application. 54 Liste des tableaux Tableau 1 : Le contenu dans le corpus. 6 Tableau 2 : La conversation entre médecin et patient.

12 Tableau 3 : Une situation spécifique. 15 Tableau 4 : tableau d’annotation annoté par DIT++. 24 LUAN VAN CHAT LUONG download : add [e-mail] Tableau 5 : Les tableaux d’exemple d’annotation. 25 Tableau 7 : Tableau C fusionné.

28 Tableau 8 : Tableau petit C. 29 Tableau 9 : Tableau C d’améliorer. 30 Tableau 10 : dialogue parents – enfant. 37 Tableau 11 : dialogues médecin – patient.

37 Tableau 12 : Résultat de SABRE. 39 Tableau 13 : Résultat d’amélioration SABRE. 40 Tableau 14 : comparaison Viesa et Notre application avec Dialogues parents enfants. 41 Tableau 15 : Le test pour des cas différents de nombre d'alignements minimum souhaité de Viesa.

42 Tableau 16 : Test donné Dialogues médecin 1. 42 Tableau 17 : Test donné Dialogues médecin 2. 42 Tableau 18 : La structure de la conversation dans les Dialogues médecin patient. 43 Tableau 19 : Motifs de façon manuelle.

48 Tableau 20 : Tableau CF. 51 Tableau 21 : Exemple des motifs trouvé. 53 LUAN VAN CHAT LUONG download : add [e-mail] Remerciements Je tiens à remercier toutes les personnes qui ont contribué au succès de mon stage et qui m'ont aidé lors de la rédaction de ce rapport. Tout d'abord, j'adresse mes remerciements à mes encadrants, M.

Julien Saunier et M. Mukesh Barange de l’Institut National des sciences appliquées de Rouen qui m'ont beaucoup aidé dans ma recherche de stage et m’ont suivi, conseillé, tout au long de ce stage. Enfin, je tiens à remercier toutes les personnes du bâtiment Bougainville de l’INSA de Rouen pour leur accueil, le temps passé ensemble et le partage de leur expertise au quotidien en France. LUAN VAN CHAT LUONG download : add [e-mail] Résumé Depuis quelques années, la technologie de la réalité virtuelle est un centre d'intérêt pour les scientifiques et les chercheurs, l’utilisation d’humains virtuels est un atout supplémentaire des environnements virtuels de formation.

Les Environnements Virtuels de Formation Collaboratifs (EVFC) permettent à des utilisateurs d’apprendre à réaliser une procédure collaborative. Dans ces environnements, les utilisateurs sont amenés à interagir et à travailler avec d’autres utilisateurs mais aussi avec des agents autonomes (Agent Conversationnel Animé), chacun remplissant un rôle spécifique dans la procédure. Dans cette discipline, la gestion et l’adaptation des comportements conversationnels et pédagogiques d’agents virtuels dans un EVFC est un sujet dans lequel il reste beaucoup de progrès à faire. Dans le cadre de notre travail, nous nous sommes intéressés à résoudre le problème de mettre en place un module décisionnel pour l'agent à partir de contenus sémantiques et pragmatiques par la modalité verbale en considérant le cas où un utilisateur travaille avec un tuteur, l’utilisateur communique avec le tuteur par la parole qui sera transformée en phrases de textes (corpus).

La solution principale est d'étudier les situations de dialogues, c'est à dire, nous allons chercher automatiquement les situations d’actes de dialogue dans le corpus avec le but que le Tuteur puisse reconnaitre la situation de communication dans laquelle il se trouve. Pour ce faire, nous avons nous même donné une définition de la situation de dialogue, et à partir de cette définition, nous avons cherché automatiquement les situations de dialogues par l'application et l'amélioration de l'algorithme SABRE. Une fois les situations de dialogue trouvées, une machine à état est implémentée pour modéliser la situation de communication. Pour bien montrer la modélisation entre utilisateur et Tuteur, nous avons construit une application qui nous permet de communiquer avec un Tuteur et où le Tuteur identifie la situation de dialogue et prédit la réponse.

Mots-clés : EVFC, Conversationnels et pédagogiques d’agents virtuels, SABRE, Situation de dialogue, Réalité virtuelle, Machine à état. LUAN VAN CHAT LUONG download : add [e-mail] 1 INTRODUCTION Ce stage de recherche de 6 mois pour la fin d’étude de master 2 a été réalisé dans le laboratoire LITIS de L’INSA de Rouen, au sein de l'équipe MIND (Multi-Agent, Interaction, Décision). L’équipe MIND, rattachée à l’axe « Interaction et Systèmes Complexes » du LITIS, mène des recherches dans le domaine des Systèmes Multi-Agents et des Agents Autonomes (AAMAS) sur des problématiques de décision et d’interaction au sein de systèmes associant utilisateurs humains et agents logiciels. Les travaux de l’équipe portent sur la conception de systèmes de décision automatiques ou semi-automatiques, sur les modes d’interaction entre agents logiciels et humains ainsi que sur les interactions médiées entre utilisateurs humains ‘**’.

Aujourd’hui, l’utilisation d’humains virtuels est un atout supplémentaire des environnements virtuels de formation. Ces humains virtuels sont des entités virtuelles capables, comme les humains réels, de prendre un rôle dans la réalisation d’un scénario de la vie quotidienne. De plus, les Environnements Virtuels de Formation Collaboratifs (EVFC) permettent à des utilisateurs d’apprendre à réaliser une procédure collaborative. Dans ces environnements, les utilisateurs sont amenés à interagir et à travailler avec d’autres utilisateurs mais aussi avec des agents autonomes (Agent Conversationnel Animé), chacun remplissant un rôle spécifique dans la procédure.

L’agent peut jouer le rôle d'un membre de l’équipe, aussi bien que le rôle de tuteur pendant les activités collectives. Dans cette discipline, la gestion et l’adaptation des comportements conversationnels et pédagogiques d’agents virtuels dans un EVFC est un sujet dans lequel il reste beaucoup de progrès à faire. ** : Suivi la présentation dans le site web de LITIS LUAN VAN CHAT LUONG download : add [e-mail] 2 Le mémoire est structuré en quatre grandes parties : CHAPITRE 1 - PROBLÉMATIQUE. Ce chapitre présente brièvement l’environnement du stage, le contexte du sujet et la limitation de travail dans ce stage.

En plus, il présente aussi un schéma qui décrit le système de décision et pédagogie générale d'un agent. CHAPITRE 2 - LES DÉFINITIONS ET L’ÉTAT DE L’ART. Dans ce chapitre, nous présentons la recherche sur deux parties : Dans la première partie, nous faisons la recherche sur les travaux existants du problème de la situation dans le domaine de linguistique et dans le domaine de l'informatique pour montrer une définition de la situation de dialogue adaptée à notre problème. Ensuite nous étudions différentes techniques qui peuvent être utilisées dans ce domaine de recherche.

À partir de cette étude, nous pourrons choisir une technique avec l'amélioration pour qu'elle puisse s'adapter avec le projet. Enfin, c'est la présente de façon générale de la méthode choisie et l'amélioration de la méthode. La deuxième partie, ce sont des recherches sur la modélisation de la communication homme-machine. Cette partie présente aussi l'étude sur les travaux existants, et issus de cette étude, nous proposons une méthode qui peut résoudre notre problème.

Ce chapitre présente les outils et l’environnement de développement des techniques, algorithmes et améliorations présentées dans le chapitre 2. Nous présentons aussi les résultats obtenus, l’analyse de ces résultats et une comparaison entre notre programme et l'application existante. Ce chapitre présent une application qui utilise la machine à états pour la modélisation de conversations homme – machine. LUAN VAN CHAT LUONG download : add [e-mail] 3 CHAPITRE 1 : PROBLÉMATIQUE Le stage s’appuie sur les projets EAST (Environnements d’apprentissage scientifiques et techniques) et NARECA (Narrative Embodied Conversationnal Agent).

L’enjeu principal est de développer les comportements décisionnels et pédagogiques d'un agent. Le stage porte principalement sur la modalité verbale. En particulier, l’objectif sera de mettre en place un module décisionnel pour l'agent : à quel moment fournir un support pédagogique à partir d’une structure procédurale de la tâche, et à partir de quels contenus sémantiques et pragmatiques.1 Le contexte du travail : Dans le cadre de ce stage, on compte un utilisateur qui travaille avec un tuteur. L’utilisateur communique avec le tuteur par la parole qui sera transformée en phrases de textes.

Une fois qu’on a des textes ou bien des actions dans l’environnement de virtuelle comme les entrées, les résultats qu’on souhaite sont la réponse de tuteur ou les aides par des actions. Notre travail a suivi les étapes schématisées dans la figure 1 : LUAN VAN CHAT LUONG download : add [e-mail] 4 Figure 1 : Le système de pédagogie générale En global, le processus de modélisation du système par la génération d'action pédagogique se divise en deux grosse parties. La première partie est de traiter un ensemble de textes (corpus, détaillé dans la suite), la deuxième partie gère les actions pédagogiques (On travaille dans un EVFC donc cet environnement nous permet de bien expliquer les actions par le Tuteur.