La mesure de la similarité entre les points de vue de l'usager et de son agent artificiel à l'aide de la logique terminologique
Notice bibliographique
Résumé
Les systèmes multi-agents actuels ne prennent pas en considération les problèmes de cohabitation entre un usager et son homologue agent virtuel agissant en son nom ?on behalf-, tels que l'intégration de l'utilisateur dans la même boucle de réalisation d'une tâche commune - usager dans la boucle - et les conflits terminologiques liés à l'utilisation de termes différents pour décrire leurs opinions (points de vue) à propos d'une situation de résolution d'un problème. La cohabitation usager-agent nécessite donc une compréhension mutuelle, ce qui signifie que les deux entités devront être aptes à comparer leurs points de vue respectifs avant la prise d'initiatives. Par conséquent, la question qui se pose est la suivante: dans quelle mesure les deux points de vue (utilisateur et agent) peuvent ou non se rapprocher? \n \nCe travail de recherche vise à contribuer au processus général d'intégration d'un usager dans la boucle de réalisation d'une tâche conjointe. Il propose une approche de comparaison des points de vue dans un contexte de planification par initiatives mixtes. L'approche théorique proposée s'appuie sur la logique terminologique pour décrire les ontologies des points de vue de l'utilisateur et de l'agent. La méthode de comparaison des points de vue proposée dans ce mémoire permettra d'extraire une mesure de leur similarité, servant à prendre une décision sécuritaire. \n \nCe mémoire se veut une première phase d'un projet de recherche beaucoup plus large, visant le développement d'une approche générique d'intégration des points de vue. Il doit donc être considéré comme un pas en avant vers la réalisation de ce projet d'envergure ainsi qu'une contribution au domaine de la coopération entre un usager et son agent artificiel. \n
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».