Contribution conception de l’AS I − MGK

Fondée dans les années 1980 par Régis Gras, professeur émérite à l’université de Nantes, équipe DUKE du Laboratoire d’informatique de Nantes Atlantique, elle continue à se développer sous l’impulsion de cet éminent chercheur et celle de chercheurs de son équipe, Jean-Claude Régnier entre autres, professeur à l’UMR 5191 ICAR, Université Lumière Lyon-II.Visant l’extraction des règles d’association implicatives, la méthodologie consiste à attribuer une valeur numérique, une mesure entre 0 et 1, à des règles R du type ; « si la variable a est obser- vée, alors généralement la variable b l’est aussi » ou dans les cas plus généraux : « si la variable a prend une certaine valeur alors la variable b prend généralement une valeur supérieure ; recherche en didactique de discipline, en psychplogie, sociologie, diagnostic médical etc » (Gras, 2015).des règles, l’utilisateur peut accéder à des relations de type causal et prédictif pondérées par ces indices. « L’ASI n’est pas une méthode mais un cadre théorique, large, dans lequel se traitent des problèmes modernes de l’extraction des connaissances à partir des données. C’est une théorie gé- nérale dans le domaine de la causalité parce qu’elle répond à des faiblesses d’autres théories, elle apporte un outillage formel et des méthodes pratiques de résolution de problèmes.

Ses applications sont multiples… » (Gras, 2014).Grâce à ces outils informatiques, de nombreuses applications dans différents domaines (pé- dagogie, psychologie, sociologie, bioinformatique, agro-business, histoire de l’art, etc.) ont montré la pertinence du modèle probabiliste choisi et, par conséquent, la richesse des informations obte- nues par le traitement des variables. Ils ont notamment permis de mettre en évidence des pépites de connaissances que d’autres méthodes n’ont pas extraites et d’exprimer des relations causales affectées par une intensité.Efficacité : Utilisation optimale des ressources en temps et en espace pour des systèmes en temps réel : Dans ce cas la ressource en temps est prédominante. Il faut se préoccuper d’avantage de l’efficacité, se polarisant de ce fait sur la micro-efficacité au détriment de la macro-efficacité ; dans Ross et al. (1980) : « Une bonne perspicacité reflétant une compréhension plus unifiée d’un problème a beaucoup plus d’impact sur l’efficacité que n’importe quel tripotage de bits dans une structure déficiente ».Lorsque l’on conçoit un logiciel complexe, il est impératif de le décomposer en parties de plus en plus petites, chacune d’elles pouvant être ensuite affinée indépendamment.

Dans la décom- position algorithmique, on réalise une analyse structurée descendante où chaque module du sys- tème est une étape majeure de quelque processus général. C’est pour cette raison que nous avons choisi la stratégie de développement orientée objet. La programmation orientée objets est une méthode mise en œuvre dans laquelle les programmes sont organisés comme des ensembles d’ob- jets coopérants. Chacun représente une instance d’une certaine classe, toutes les classes étant des membres d’une hiérarchie de classes unifiées par des relations d’héritage. On désigne donc par langage orienté objets un langage répondant aux conditions suivantes. Un langage orienté objets est tel que :à la fois au sein d’un même niveau.Un objet du monde réel devient un objet informatique ; abstraction et dissimulation d’informa- tions sont la base de tout développement orienté objet. Les spécifications et leur passage en objets est un cycle en quasi-perpétuelle évolution. Il faut donc un schéma cyclique où l’on peut modifier seulement sur une partie sans toucher au reste. On opérera donc comme suit :développées par le groupe de recherche ASI-ist du centre de recherche Education et Didactique des Mathématiques et de l’Informatique (EDMI), CIRD-ENEST Antsiranana. Elle est écrite en langage de programmation Java, et peut fonctionner indépendamment, sans installation. On peut facilement importer des données au format texte ou à partir de fichier MS Excel au format CSV.

Elle prend en charge plusieurs fenêtres pour afficher les résultats.d’individus, les détails du traitement (temps, capacité de stockage allouée, utilisation des para- mètres, statistiques des résultats). La fenêtre d’affichage des données en mode texte affiche les données en mode séquence de données. La fenêtre de visualisation de données en mode tableau ; ce mode d’affiche de données permet des interactions dynamiques, triage ordonné selon les mo-L’outil « CSV to TRANS » parcouru depuis le menu Fichier de la barre de menu sera utilisé pour demander la matrice booléenne traitée. L’algorithme utilisé sera fourni dans la liste d’option. Des paramètres tels que le seuil support minimal (minsup), seuil de risque d’erreur (α) et taille maxi- mal de l’itemset doivent être entrés via les zones de saisies comme le montre la figure 2.4.