SOUTENANCE DE THÈSE  

VENDREDI  25 octobre 2019

9h30

PK-2265 

TITRE : Si, alors et plus encore : Identification des compétences visées et évaluation automatique du raisonnement déductif chez les adultes

Présenté par

Janie BRISSON, étudiante au doctorat en informatique cognitive

Résumé 

Plusieurs études démontrent la difficulté que les humains éprouvent à raisonner logiquement à partir d’une prémisse conditionnelle (si antécédent (P), alors conséquent (Q)) et les performances observées varient en fonction du contenu de la prémisse.  Markovits & Barouillet (2002) expliquent ces effets du contenu par la prégnance des contre-exemples récupérables à partir de la mémoire à long terme.  Selon ce cadre théorique, le défi principal du raisonnement conditionnel est de reconnaître la certitude des inférences valides ainsi que l’incertitude des inférences invalides par la génération de contre-exemples.  Combiné à ces travaux, un examen formel des opérateurs logiques permet de faire des prédictions sur la manière dont les humains raisonneront à partir d’autres connecteurs.  Selon l’analyse de Robert et Brisson (2016), générer des contre-exemples aux inférences invalides équivaut, d’un point de vue formel, à générer des instances du dual de l’opérateur de la prémisse majeure.  Cette analyse suggère que l’implication, la disjonction inclusive et l’incompatibilité, étant les trois opérateurs classiques qui ont un dual distinct, représentent le défi principal en matière de raisonnement logique.  Dans cette thèse, nous présenterons un outil de diagnostic cognitif du raisonnement conditionnel à partir de ces deux approches.  Cet outil jouera le rôle d’un modèle de l’apprenant au sein d’un Système Tutoriel Intelligent (STI) pour l’apprentissage de la logique.  Les Réseaux Bayésiens (RB) offrent un formalisme tout à fait adéquat pour cette tâche de modélisation : ils permettent d’inférer la probabilité de maîtrise d’un ensemble de compétences étant donné un patron de réponse spécifique (Conati, 2010; Conati & al., 2002). Nous présenterons la conception et la validation d’un RB en tant qu’outil d’évaluation automatique du raisonnement conditionnel.  Ce modèle étant conçu de manière à ce qu’il soit extensible, nous projetterons les branches du RB pouvant prendre en compte le raisonnement à partir de disjonction inclusive et d’une incompatibilité.  Nous présenterons aussi une étude expérimentale sur les effets du contenu au sein du raisonnement à partir d’une incompatibilité.  La littérature en psychologie du raisonnement ne s’étant pas encore penchée sur cette question, notre étude sert d’appui empirique essentiel à notre outil d’évaluation.  Finalement, nous aborderons un phénomène récemment observé par la psychologie du raisonnement, soit la capacité de développer une compréhension intuitive de certains principes logiques.  Nous présenterons une étude qui se penche sur la portée et les limites d’un tel phénomène dans le raisonnement conditionnel.  Une prise en compte de ce phénomène par notre outil d’évaluation automatique sera discutée.  

Jury d’évaluation : 

Dr. Keith Stenning, cognitive scientist and Honoray Professor, School of Informatics, University of Edinburgh, Scotland, (membre externe)

Jean Robillard, professeur, TELUQ, département des sciences humaines (membre externe)

Roger Villemaire, UQAM, département d’informatique (membre interne et président du jury)

Serge Robert, UQAM, professeur au département de philosophie (directeur de recherche)

Roger Nkambou, UQAM, professeur au département d’informatique (codirecteur de recherche)

Henry Markovits, professeur au département de psychologie de l’Université de Montréal (codirecteur de recherche)