background preloader

Modèles cognitifs de la recherche d'information

Modèles cognitifs de la recherche d'information
Un article de Wikipédia, l'encyclopédie libre. Les modèles cognitifs de la recherche d'information sont des modèles comportementaux qui abordent la recherche d'information (RI) du point de vue des processus cognitifs à l'oeuvre durant l'activité. Les modèles sont centrés soit sur l'utilisateur[1], soit sur l'interaction entre l'utilisateur et le système [2] (approche plus holistique). Selon l'approche centrée utilisateur, la RI est avant tout vue comme une activité cognitive complexe. Les modèles existants font état de plusieurs étapes itératives dans le processus. Si, dans les premiers temps, les chercheurs ne voyaient dans la RI qu’une question d’adéquation entre une demande et une offre, les modèles ont depuis beaucoup évolué. La recherche d’information est une activité qui peut être abordée selon plusieurs finalités. L’activité de RI comme activité exploratoire[modifier | modifier le code] L’activité de RI comme résolution de problème[modifier | modifier le code] Related:  Théories d'apprentissageWikipedia

Ivan Pavlov Un article de Wikipédia, l'encyclopédie libre. Pour les articles homonymes, voir Pavlov. Portrait d'Ivan Pavlov Ivan Petrovitch Pavlov (en russe : Иван Петрович Павлов), né le à Riazan, dans l'Empire russe, et mort le à Léningrad, en URSS, est un médecin et un physiologiste russe, lauréat du prix Nobel de physiologie ou médecine de 1904[1] et de la médaille Copley en 1915. Vie et œuvre[modifier | modifier le code] Carrière résumée[modifier | modifier le code] La maison natale d'Ivan Pavlov à Riazan Né dans une famille russe où l'on est pope de père en fils, il est d'abord, dès 11 ans, élève au séminaire de Riazan. Pavlov est un expérimentateur habile et méthodique jusque dans ses heures de travail et ses habitudes. Travaux[modifier | modifier le code] En 1904, il est lauréat du prix Nobel de physiologie ou médecine « en reconnaissance de son travail sur la physiologie de la digestion, ce qui a permis de transformer et d'élargir le savoir sur les aspects essentiels du sujet[1] ».

Indexation automatique de documents L’indexation automatique de documents est un domaine de l'informatique et des sciences de l'information et des bibliothèques qui utilise des méthodes logicielles pour organiser un ensemble de documents et faciliter ultérieurement la recherche de contenu dans cette collection. La multiplicité des types de documents (textuels, audiovisuels, Web) donne lieu à des approches très différentes, notamment en termes de représentation des données. Elles reposent néanmoins sur un socle de théories communes, telles que l'extraction de caractéristiques, le partionnement de données (ou clustering), la quantification, et plus généralement la recherche d'information. Un index est, en toute généralité, une liste de descripteurs à chacun desquels est associée une liste des documents et/ou parties de documents auxquels ce descripteur renvoie. Ce renvoi peut être pondéré. Lors de la recherche d'information d'un usager, le système rapprochera la demande de l'index pour établir une liste de réponses.

Système de recherche d'information Un article de Wikipédia, l'encyclopédie libre. Un système de recherche d'information (SRI) est un ensemble logiciel assurant l'ensemble des fonctions nécessaires à la recherche d'information. Éléments d'un SRI[modifier | modifier le code] Le moteur de recherche est au cœur d'un tel système mais il n'en est qu'un composant. On peut notamment trouver : des fonctions d'acquisition de documents ou de notices,des modules d'éditions,des fonctions d'importation et d'exportation d'information,des modules de gestion de vocabulaires, plan de classement ou thésaurus. Le principe d'un système de recherche est donc de pouvoir construire une base normalisée de documents qui permettent ensuite de retrouver rapidement l'un d'entre eux en faisant une recherche par le contenu. Exemples de SRI[modifier | modifier le code] De nombreux SRI sont plutôt spécialisés dans la documentation. Notes et références[modifier | modifier le code] ↑ Quelques références viennent de : Alexandre Serres.

Burrhus Frederic Skinner Un article de Wikipédia, l'encyclopédie libre. Pour les articles homonymes, voir Skinner. Dans les années 1950 Burrhus Frederic Skinner est un psychologue et un penseur américain. Biographie[modifier | modifier le code] Skinner est né en 1904 en Pennsylvanie aux États-Unis. Travaux et apports de Skinner[modifier | modifier le code] Présentation[modifier | modifier le code] Sa contribution théorique majeure en psychologie est le concept de conditionnement opérant, qu'il distingue du conditionnement classique pavlovien ou conditionnement répondant. Il est l'inventeur d'un dispositif de conditionnement opérant communément appelé boîte de Skinner. En 1957, Skinner a étendu l'application des mêmes principes de conditionnement opérant à la communication, dans son ouvrage intitulé Verbal Behavior. Critiques[modifier | modifier le code] Skinner a voulu étendre cette théorie du comportement à l'espèce humaine (les stimuli ne sont que plus complexes, et forment alors une « situation »). ↑ Steven J.

Recherche d'information La recherche d'information (RI[1]) est le domaine qui étudie la manière de retrouver des informations dans un corpus. Celui-ci est composé de documents d'une ou plusieurs bases de données, qui sont décrits par un contenu ou les métadonnées associées. Les bases de données peuvent être relationnelles ou non structurées, telles celles mises en réseau par des liens hypertexte comme dans le World Wide Web, l'internet et les intranets. La recherche d'information sur le web à l'aide d'un moteur de recherche est une technique de l'information et de la communication, désormais massivement adoptée par les usagers. Introduction[modifier | modifier le code] Recherche d'information sans ordinateur. Avec l'apparition des premiers ordinateurs est née l'idée d'utiliser des machines pour automatiser la recherche d'information dans les bibliothèques. Des problématiques connexes se sont aussi greffées autour de la RI. Précision de vocabulaire[modifier | modifier le code] Mesures[modifier | modifier le code]

Moteur de recherche Un article de Wikipédia, l'encyclopédie libre. Un moteur de recherche est une application web permettant de retrouver des ressources (pages web, articles de forums Usenet, images, vidéo, fichiers, etc.) associées à des mots quelconques. Certains sites web offrent un moteur de recherche comme principale fonctionnalité ; on appelle alors moteur de recherche le site lui-même (Google Video par exemple est un moteur de recherche vidéo). C'est par abus de langage qu'on appelle également moteurs de recherche des sites web proposant des annuaires de sites web : dans ce cas, ce sont des instruments de recherche élaborés par des personnes qui répertorient et classifient des sites web jugés dignes d'intérêt, et non des robots d'indexation — on peut citer par exemple DMOZ et Yahoo! Historique[modifier | modifier le code] Des moteurs historiques ont été Yahoo, Altavista (premier moteur 64 bits), et Backrub, ancêtre de Google. Fonctionnement[modifier | modifier le code] Outils[modifier | modifier le code]

LE COGNITIVISME La perspective cognitiviste, dont l'appellation renvoie au terme cognition (connaissance dans le sens de processus et de produit) privilégie l'étude du fonctionnement de l'intelligence, de l'origine de nos connaissances ainsi que des stratégies employées pour assimiler, retenir et réinvestir les connaissances. Elle s'intéresse essentiellement à la perception, le traitement en mémoire, le langage et ce, en regard du fonctionnement du cerveau. Voir Legendre (1993), Gauthier et Tardif (2000) Théorie s'inspirant du modèle de fonctionnement de l'ordinateur pour expliquer comment la mémoire recueille, traite et emmagasine les nouvelles informations et repère, par la suite, ces informations. Principe généraux : Structure cognitive en place : notion de connaissances antérieures. Voir Goupil et Lusignan (1993), figure 3.3 p.61 Gagné a élaboré un modèle fondé sur les différents principes du renforcement et sur des éléments de base de la théorie de l'information. Tardif (1992) 1. 2. 3. 4.

Apprentissage profond L'apprentissage profond[1] (plus précisément « apprentissage approfondi », et en anglais deep learning, deep structured learning, hierarchical learning) est un ensemble de méthodes d'apprentissage automatique tentant de modéliser avec un haut niveau d’abstraction des données grâce à des architectures articulées de différentes transformations non linéaires[réf. souhaitée]. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage. Dans les années 2000, ces progrès ont suscité des investissements privés, universitaires et publics importants, notamment de la part des GAFAM (Google, Apple, Facebook, Amazon, Microsoft)[2]. Description et contexte[modifier | modifier le code] L’intensité des pixels dont elle est constituée ;Ses différentes arêtes ;Ses différentes régions, aux formes particulières.

Bruit et silence Un article de Wikipédia, l'encyclopédie libre. Bruit[modifier | modifier le code] Dans les sciences de l'information et des bibliothèques, on parle de bruit lorsque des réponses non-pertinentes sont proposées par le système d’interrogation de la base de données. Ces réponses sont mêlées à des réponses pertinentes mais ces dernières risquent de ne pas être vues par l’utilisateur. Cela peut arriver notamment avec les catalogues de bibliothèque. Soit un ensemble N de documents, A est un sous-ensemble de N et comporte les réponses pertinentes pour la recherche d’un usager, B est le sous-ensemble de N constitué des réponses obtenues. Silence[modifier | modifier le code] Dans les sciences de l'information et des bibliothèques, on parle de silence lorsque des réponses pertinentes ne sont pas proposées par le système d’interrogation de la base de données, alors qu'elles existent. Bruit et silence[modifier | modifier le code] Sur une même requête, on peut rencontrer du bruit et du silence.

Le cognitivisme Le courant cognitiviste est issu des travaux sur la logique et les mathématiques, et surtout du développement de l'informatique. Notons au début du siècle, la machine universelle de Turing, capable virtuellement de raisonner comme un cerveau humain. Wiener en 1948 ("cybernetics") émet l'idée d'une représentation mécanique du cerveau. Le cognitivisme repose sur deux métaphores : - le cerveau est similaire à un ordinateur et fonctionne en traitant de l'information à l'aide de systèmes ouverts qui peuvent communiquer avec l'environnement, en manipulant des symboles - le cerveau est semblable à un réseau neuronique où les concepts sont reliés entre eux par des relations. Ainsi, la pensée est un système de représentations de l'état du monde, représentations qui sont des significations sur lesquelles la pensée s'exerce. Et l'humain recueille, modifie, encode, interprète, emmagasine l'information provenant de l'environnement et en tient compte pour prendre des décisions et orienter sa conduite.

Apprentissage automatique Par l'entraînement, ici supervisé, sur un grand nombre de mesures, il devient facile à un programme d'apprentissage automatique de reconnaître des formes, même complexes, et d'y classifier ensuite de nouveaux points (exemple d'usage du programme mldemos). L'apprentissage automatique (en anglais machine learning, littéralement « l'apprentissage machine ») ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches statistiques pour donner aux ordinateurs la capacité d' « apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, cela concerne la conception, l'analyse, le développement et l'implémentation de telles méthodes. L'apprentissage automatique comporte généralement deux phases. Historique[modifier | modifier le code] Depuis l'antiquité, le sujet des machines pensantes préoccupe les esprits. Exemples : Apprentissage supervisé

Related: