BIBL

Méthode de travail et objectifs

Affectations sujets

Here is a shared table that present the different subject of study: https://lite.framacalc.org/9qt3-siia-bibl_sujets_etude_biblio_2021

Indications générales

Voici quelques indications pour la rédaction de l'étude bibliographique et sa restitution orale : instructions biblio (révision nov. 2020).

Documents à étudier

Comme toute technique d'ingénierie, ou toute démarche scientifique, la réalisation d'une étude bibliographique, appelée aussi revue de littérature (littérature review), doit être réalisée de manière méthodique et apporter des éléments pour en apprécier la justesse et la pertinence. Même si les motivations pour réaliser un tel exercice peuvent être diverses, dans ses grandes lignes, la méthodologie reste la même.

Voici quelques documents à lire avant et pendant la réalisation de votre étude.

• Guidelines for performing Systematic Literature Reviews in Software Engineering, Barbara Kitchenham, Stuart Charters, Tech. Report, Keele University and Durham University, 2007.
• Supervised Machine Learning: A Review of Classification Techniques, S.K. Kotsiantis, Informatica 31, 2007.
• Systematic literature review of machine learning based software development effort estimation models, Wen et al., Information and Software Technology, 54, 2012.
• Safety and Usability of Speech Interfaces for In-Vehicle Tasks while Driving: A Brief Literature Review, Adriana Barón and Paul Green, Tec/. Report, The University of Michigan Transportation Research Institute, 2006.

Sujets d'étude 2021-2022

Programmation de systèmes domotiques par les utilisateurs finaux

• Enseignant : Eric Maisel (maisel@enib.fr), Lab-STICC, ENIB
• Sujet en lien avec un stage : non.

Le développement de la programmation événementielle, basée sur des règles trigger-action, contribue au développement des systèmes domotiques en permettant la mise en relation entre capteurs (de température, de luminosité, de présence, ...) et effecteurs (ampoules, radiateurs, stores, ...). L'utilisation de ces systèmes ayant pour objectif d'améliorer la sécurité et le confort dans les bâtiments mais également de permettre d'en réduire l'emprunte écologique. La personnalisation de ces systèmes est nécessaire de façon à les adapter aux différents contextes tant architecturaux que technologiques, environnementaux et culturels. A court et moyen terme cette adaptation passe encore par une programmation de ces systèmes domotiques par les utilisateurs finaux (tout un chacun chez soi, le personnel soignant voire les patients dans les hôpitaux, les salariés dans les bureaux, ...). Cette tâche de programmation est plus complexe qu'il n'y parait et suppose le développement d'assistants logiciels de façon à la rendre accessible.

L'objet de cette étude bibliographique est d'une part de présenter en quoi consiste cette programmation trigger-action à partir d'articles académiques et d'autre part d'esquisser un panorama des différentes approches envisageables afin d'en faciliter l'utilisation par les utilisateurs finaux.

B. Ur, E. McManus, M. Pak Yong Ho, M. L. Littman, "Practical trigger-action programming in the smart home", Proc. of the SIGCHI Conference on Human Factors in Computing Systems, pp 802-812, CHI'14, Avril 2014, Toronto, Canada.

B. Ur, M. Pak Yong Ho, S. Brawner, J. Lee, S. Menniken, N. Picard, D. Schulze, M. L. Littman, "Trigger-Action Programming in the Wild : An Analysis of 200.000 IFTTT Recipes" in Proc. of the 2016 CHI Conference on Human Factors in Computing Systems, pp-3227-3231, CHI'16, Mai 2016, San Jose, USA.

J. Huang, M. Cakmak, "Supporting mental model accuracy in trigger-action programming" in Proc. of the 2015 ACM International Conference on Pervasive and Ubiquitous Computing, pp 215-225, UbiComp'15, Septembre 2015,Osaka, Japon.

F. Paterno, S. Alawadi, "Towards Intelligent Personalization of IoT Platforms" in Proc. of 2019 ACM Conference on Intelligent User Interfaces, IUI'19, Mars 2019, Los Angeles, USA.

A. Mattioli, F. Paterno, "A Visual Environment for End-User Creation of IoT Customization Rule with Recommendation Support" in Proc. of the International Conference on Advanced Visual Interfaces, pp 1-5, AVI'20, Septembre 2020, Salerno, Italie.

F. Corno, L. De Russis, A. Monge Roffarello, "TAPrec : Supporting the Composition of Trigger-Action Rules Through Dynamic Recommendations" in Proc. of the 25th Conference on Intelligent User Interfaces, pp 579-588, IUI'20, Mars 2020, Cagliari, Itale.

F. Corno, L. De Russis, A. Monge Roffarello, "A Semantic Web Approach to Simplifying Trigger-Action Programming in the IoT", in Computer, vol 50, Issue 11, pp 18-24, 2017.

A.-M. Vainio, M. Valtonen, J. Vanhala, "Proactive Fuzzy Control and Adaptation Methods for Smart Homes" in IEEE Intelligent Systems, vol 23 issue 2, pp 42-49, 2008.

A.-M. Vainio, M. Valtonen, J. Vanhala, "Learning and adaptive fuzzy control system for smart home", in Developing Ambient Intelligence, pp 28-47, Springer.

Systèmes de recommandation sérendipitifs

• Enseignant•e•(s) : Eric Maisel (maisel@enib.fr), Lab-STICC, ENIB
• sujet en lien avec un stage : non.

Les systèmes de recommandation sont utilisés pour proposer à un utilisateur particulier confronté à un problème donné un ensemble de solutions pertinentes. Ils sont d'autant plus nécessaires que la quantité d'informations accessibles ne cesse d'augmenter et de dépasser la quantité d'information qu'un être humain peut traiter.

Il s'agira dans ce travail de se focaliser sur un problème particulier : celui des bulles informationnelles. L'apparition de ces bulles est directement lié à la nature des algorithmes de recommandation : ceux-ci calculent leurs propositions en tenant compte des choix précédents de l'utilisateur ou de ceux des autres utilisateurs dans la mesure où ceux-ci sont similaires à l'utilisateur considéré. Dans les deux cas les recommandations faites à cet utilisateur restent limitées et n'évoluent que peu.

La sérendipité - une des cibles de cette étude bibliographique - est la propriété que satisfont les systèmes de recherche d'information quand ils sont capables de proposer des solutions qui sont à la fois pertinentes pour l'utilisateur et auxquelles cet utilisateur ne s'attendait pas. Cette propriété est une des solutions aux bulles informationnelles.

Cette étude bibliographique a pour objectif d'une part de rappeler ce que sont les systèmes de recommandation, en particulier les systèmes de recommandation basés sur les connaissances et d'autre part de présenter les différentes approches permettant de mettre en oeuvre des systèmes de recommandation sérendipitifs. Il faudra également s'intéresser à la manière dont ces systèmes peuvent être évalués.

A. Ameen, "Knowledge based Recommendation System in Semantic Web - A Survey" in International Journal of Computer Applications, Vol. 182, No 43, Mars 2019 .

Y. Du, S. Ranwez, N. Sutton-Charani, V. Ranwez, "Apport des ontologies aux systèmes de recommandation : état de l'art et perspective", In Proc. of 30es Journées Francophones d'Ingéniérie des Connaissances, IC 2019, AFIA, Juillet 2019, Toulouse, France, pp 64-77 .

Y. Wang, N. Stash, L. Aroyo, L. Hollink, G. Scheiber, "Using Semantic Relations for Content-based Recommender Systems in Cultural heritage", in Proc. of Worshop on Ontology Patterns 2009 in ISWC workshop, 2009.

D. Kotlov, S Wang, J. Veijalaien, "A survey of serendipity in recommender system", Knowledge-based Systems, vol 111, pp 180-192, November 2016 .

D Kotlov, J. Veijalain, S. Wang, "Challenges of Serendipity in Recommender Systems", in Proc. of the 12th International Conference on Web Information Systems and Technologies, WEBIST 2016, Vol 2 pp 251-256 .

N.I.Y. Saat, S.A.M. Noah, M. Mohd, "Towards Serendipity for Content-Based Recommender Systems", International Journal on Advanced Science Engineering Information Technology, Vol. 8, No 4-2, pp 1762-1769, 2018 .

L. Iaquinta, M.de Gemmis, P. Lops, G. Semeraro, M. Filannino, P. Molino, "Introducing Serendipity in a Content-based Recommender System", in Proc. of the IEEE Eighth International Conference on Hybrid Intelligent Systems, Barcelone, Espagne.

E. E. Toms, "Serendipitous Information Retrieval", in Proc. of DELOS, Workshop : Information Seeking, Searching and Quering in Digital Libraries, pp 17-20, 2000 .

L. McGinty, B. Smyth (2003) On the Role of Diversity in Conversational Recommender Systems. In: Ashley K.D., Bridge D.G. (eds) Case-Based Reasoning Research and Development. ICCBR 2003. Lecture Notes in Computer Science, vol 2689. Springer, Berlin, Heidelberg. https://doi.org/10.1007/3-540-45006-8_23

T. Dorjmaa, T. Shin, "Evaluating the Quality of Recommendation System by Using Serendipity Measure", in Journal of Intelligent Systems, Vol 25, No 4, pp 89-103, Décembre 2019.

M. Kaminskas, D. Bridge, "Measuring Surprise in Recommender Systems", in Proc. of Workshop on Recommender Systems Evaluation : Dimensions and Design (REDD 2014), held in conjunction with RecSys 2014, Octobre 2014, Silicon Valley, USA.

A. S. Nugroho, I. Ardiyanto, T. B. Adji, "User Curiosity Factor in Determining Serendipity of Recommender System", in proc of the International Journal of Innovative Technology and Exploring Engineering IJITEE, Vol 5, No 3, Septembre 2021.

A. Menk, L. Sebastia, R. Ferreira, "Curumin, A serendipitous Recommender System based on Human Curiosity" in Procedia Computer Science 112 (2017), pp 484-493.

X Niu, F. Abbas, M. L. Maher, K. Grace, "Surprise Me If You Can : Serendipity in Health Information", Proc of the 2018 CHI Conference on Human Factors in Computing SystemsCHI 2018, CHI 2018, pp 1-12, Avril 2018, Montréal, Canada.

Étude des techniques de prédiction en Machine Learning pour lutter contre l’échec et le décrochage scolaire

• Enseignante : Fahima DJELIL
• Sujet en lien avec un stage : non.

Interactions avec essaim de drones

• Enseignant•e•(s) : Jérémy Rivière
• Lien avec le stage Robotique en essaims et Systèmes Multi-Agents.

Il s'agira dans la bibliographie de faire une veille technologique des différents dispositifs de tracking existants, puis de comparer et d'évaluer ceux qui sont utilisés en particulier dans des travaux de recherche sur les essaims de robots (Mona et autres).

Principes et mise en oeuvre des architectures de Machine Learning de type « Transformers »

• Enseignant : Pierre De Loor, Lab-STICC, COMMEDIA, ENIB.

Fichier:BIBL-2021 DeLoor transformer.pdf

subject description