Proposition de Thèse en Informatique 2017-2020

Elicitation automatisée des préférences multicritères fondée sur un système multi-agents pour la gestion des apprenants sur une plateforme de e-learning.

Date limite de réception des dossiers : 15 juin 2017

Etablissements hôtes : emlyon business school & Université Paris-Dauphine
Lamsade UMR CNRS 7243 – Université Paris-Dauphine Place du maréchal de Lattre de
Tassigny 75775 Paris Cedex 16 www.lamsade.dauphine.fr
emlyon business school 23 Avenue Guy de Collongue, 69130 Écully, France www.em-lyon.com.

Le projet de thèse s’inscrit dans le cadre d’une collaboration entre emlyon business school campus Casablanca et l’Université Paris-Dauphine. Le candidat retenu sera inscrit à l’université Paris-Dauphine et rattaché au laboratoire Lamsade. La thèse sera financée par emlyon business school sur une durée de 3 années à compter de septembre 2017. Le candidat sera basé entre Paris et les différents campus d'emlyon en particulier celui de Casablanca.
Le candidat devra avoir un profil correspondant à celui recherché (ci-après) et un excellent niveau académique. Merci de fournir votre CV, lettre de motivation, lettres de recommandation, et tout autre document utile permettant d'évaluer votre candidature, sous forme électronique à:

Dr. Imène Brigui-Chtioui, Enseignant-chercheur, emlyon business school
Mail : brigui-chtioui@em-lyon.com
Dr. Meltem Ozturk, Maître de conferences, HDR, Université Paris-Dauphine
Mail : meltem.ozturk@dauphine.fr

Après sélection sur dossier, le candidat sera convoqué pour un entretien à l’Université Paris-Dauphine.

Profil souhaité/compétences du candidat :

Pour cette thèse, nous sommes à la recherche d’un candidat enthousiaste avec une solide formation en aide à la décision multicritère et en systèmes multi-agents (Master ou diplôme d'ingénieur), avec d’excellentes bases en programmation. Un bon niveau d'anglais est un plus très appréciable. Des cours « à la carte » pourraient être proposés au candidat au sein du Master de recherche de Dauphine afin de mettre à niveau ses connaissances notamment en aide à la décision si cela s’avère utile.

Contexte :

Aujourd'hui, les plateformes de e-learning ont envahi nos modes d’apprentissage que ce soit en formation initiale, continue ou à la demande. Les apprenants se trouvent ainsi face à une grande quantité de connaissances sous différents supports, différentes formes, différentes périodicités,…

La personnalisation du rapport avec les apprenants devient indispensable afin de mieux appréhender leurs préférences, leurs contraintes et leurs habitudes d’apprentissage. La manière la plus simple pour aboutir à une telle personnalisation est de leur demander d’exprimer leurs préférences, ce qui pose plusieurs problèmes :

  1. Le processus d’expression des préférences est difficile et coûteux en termes de temps ;
  2.  L’apprenant n’est pas toujours « conscient » de ses choix ni de ses préférences ;

Il s’avère ainsi particulièrement judicieux de proposer un mécanisme d’élicitation des
préférences qui permettrait de construire les préférences de manière déductive et de s’y fier pour proposer la meilleure expérience d’apprentissage possible à l’apprenant.
L’objectif de cette thèse est de proposer un système multi-agent qui permet, via une exécution en continu sur la plateforme de e-learning, d’éliciter les préférences des  pprenants et de les assister en temps réel dans leur processus d’apprentissage. Le but ainsi n’est pas uniquement de proposer les supports les plus adéquats à un apprenant mais d’être capable en plus de lui proposer les supports qui sont le plus en phase avec ses habitudes et son mode d’apprentissage préféré. Un mécanisme multicritère est de ce fait au cœur du système et permet une construction, une agrégation et une révision de ces préférences.

Programme de la thèse

Le programme scientifique de ce projet de thèse comporte 3 axes.

  • Appliquer une méthodologie qui consiste à̀ modéliser la connexion du système multiagent au système de digital Learning présent. Il s’agit ici de s’appuyer sur la théorie multi-agent afin de proposer une architecture qui couvre l’ensemble des spécificités de la plateforme existante. Il sera demandé de concevoir et d’implémenter le protocole de communication qui régira la coordination des différentes entités autonomes du système tout en assurant la cohérence globale.
  • Concevoir une méthodologie d’élicitation des préférences se basant sur l’interaction entre l’apprenant et la plateforme de digital Learning dans le but de formaliser ses préférences et d’élaborer des recommandations appropriées. Il est à préciser que nous entendons ici par élicitation des préférences un appui pour une meilleure prise de décision et non pas une démarche d’explicitation des préférences comme nous pouvons l’observer dans des travaux de recherche visant à étudier le comportement décisionnel.
  • Implémenter la solution et procéder à une approche expérimentale afin de valider la solution proposée. Cette thèse pourrait aboutir également à une application sur les MOOCs emlyon afin d’apprécier empiriquement la robustesse et l’intérêt de la solution déployée.

Bibliographie

  • Gerhard Weiss, Multiagent Systems, edited by, MIT Press, 2013, 2nd edition
  • Denis Bouyssou and Thierry Marchant & Marc Pirlot & Patrice Perny & Alexis
    Tsoukiàs & Philippe Vincke) Evaluation and Decision models: A critical perspective, Kluwer, 2000
  • Johannes Fürnkranz and Eyke Hüllermeier, Preference Learning, Springer-Verlag, 2010.
  • Special Issue on Preferences. AI Magazine Vol 29, No 4: Winter 2008