Présentation de Michel Héon, Gilbert Paquette et Josianne Basque à IC 2009

1. Michel Héon
Collaboration Gilbert Paquette, Josianne Basque
Laboratoire d'informatique cognitive et environnements de formation (LICEF)
Télé-Université , Université du Québec à Montréal
Télé-Université , Université du Québec à Montréal
100 rue Sherbrooke ouest, Montréal, H2X 3P2
heon@licef.ca
paquette.gilbert@teluq.uqam.ca
basque.josianne@teluq.uqam.ca
 Les connaissances tacites sont difficiles à
éliciter;
 la formalisation est une activité complexe
nécessitant une expertise poussée;
 la représentation ontologique est limitée à
une forme déclarative alors qu’il existe des
connaissances de nature diverse (déclarative,
procédurale, stratégique);
 il manque d’outils pour l’assistance à la
conception d’ontologie.
Michel Héon IC 2009 2
1

2.  Un langage semi-formel est un langage
convivial, simple à apprendre et à utiliser;
 Sa souplesse facilite l’expression de
connaissances tacites puisque la spontanéité
n’est pas bloquée par la charge cognitive
associée à une formalisation plus poussée;
 L’élicitation dans un formalisme de degré
semi-formel peut représenter une économie
de temps et surtout un gain de qualité
dans la représentation des connaissances;
Michel Héon IC 2009 3
 Son usage permet d’élargir le bassin des
personnes aptes à représenter leurs
connaissances;
 La sémantique du langage semi-formel fait
en sorte que:
◦ des modèles de degré semi-formel peuvent être
conçus par les experts de contenu sans
l’assistance d’un ingénieur de la connaissance;
◦ La connaissance représentée est déjà dans une
forme pré-formalisée
◦ le modèle peut être formalisé avec la participation
minimale des experts les ayant conçus ou encore
d’autres experts
Michel Héon IC 2009 4
2

3. 1. Décomposer le processus de
construction d’une ontologie en deux
phases, soit:
◦ une phase d’élicitation de la connaissance
dans un formalisme semi-formel;
◦ puis, une phase de formalisation du modèle
semi-formel en ontologie.
2. Instrumenter le processus de
formalisation et de validation par un
assistant intelligent à base d’ontologie
Michel Héon IC 2009 5
 Développer une méthode de conception
d’ontologie:
◦ qui exploite les avantages d’une élicitation
exprimée dans un formalisme semi-formel;
◦ qui simplifie la formalisation par une pré-
catégorisation de la connaissance à formaliser;
◦ qui permet la formalisation de connaissances
de nature diverse;
◦ qui intègre l’utilisation d’un assistance
intelligent pour la formalisation et la validation
de l’ontologie.
Michel Héon IC 2009 6
3

4. Michel Héon IC 2009 7
Michel Héon IC 2009 8
4

5. Michel Héon IC 2009 9
5

6. 6

7. 7

8. Ontologie de transformation
en OWL
MOF Ontologie du
langage MOT
Schéma du
langage MOT
Modèle MOT
de format Importer
XMI
8

9. 9

10. Ontologie de transformation
Ontologie du Ontologie de référence
langage MOT (oRef:---)
10

11. Ontologie de transformation
Ontologie de référence Ontologie du domaine
(oRef:---)
métaclasse du
domaine
métapropriété du
domaine
11

12. 12

13.  Syntaxique
 Sémantique
Cet exemple fait l’objet d’un poster
13

14. La comparaison un à un des composants La comparaison entre l’interprétation du
du modèle semi-formel d’origine avec les modèle semi-formel d’origine et
composants du modèle semi-formel l’interprétation automatique de l’ontologie
généré à partir de l’ontologie du domaine du domaine
14

15.  La validation sémantique de l’ontologie est
réalisée à partir d’une représentation en
langage naturel de son contenu
 La méthodologie apporte une triple
contribution au web sémantique:
◦ nouvelle méthode de conception d’ontologie
basée sur une conceptualisation semi-formel;
◦ réafirmation du fonctionnement d’applications
basées sur les technologies du web-sémantique
(OWL-DL&SWRL);
◦ démonstration qu’une ontologie de domaine
peut être créée à partir d’un système expert
basé sur les ontologies;
15

16.  Bien que ce ne soit pas ici démontré, on
notera que la méthodologie est conçue
afin qu'elle soit généralisée dans son
application à d'autres langages semi-
formel et formel
 Sur le plan cognitif:
◦ si nous admettons qu'en élicitation, l'utilisation
d'un langage semi-formel favorise l'expression
de connaissances tacites;
◦ alors, nous pouvons conclure que cette
méthode est un outil qui permet de formaliser
des connaissances de nature tacite en des
connaissances de nature explicite et formelle.
Allemang, D., and Hendler, J. Semantic Web for the Working Ontologist: Effective Modeling in RDFS and OWL Morgan Kaufmann, Burlington MA, 2008.
Basque, J., Desjardins, C., Pudelko, B., and Léonard, M. quot;Gérer les connaissances stratégiques dans des entreprises manufacturières de la Montérégie: expérimentation de la
co-modélisation des connaissances dans 3 PME.,quot; Rapport de recherche. Montréal: CEFRIO., Montréal/Canada, 2008a, p. 118.
Basque, J., Paquette, G., Pudelko, B., and Léonard, M. quot;Collaborative Knowledge Modeling with a Graphical Knowledge Representation Tool: A Strategy to Support the Transfer
of Expertise in Organizations,quot; in: Knowledge Cartography. Mapping Techniques and Software Tools, A. Okada, S.B. Shum and T. Sherborne (eds.), Springer-Verlag,
London, 2008b.
Basque, J., and Pudelko, B. quot;Intersubjective Meaning-Making in Dyads Using Object-Typed Concept Mapping,quot; in: In Handbook of Research on Collaborative Learning Using
Concept Mapping, P.L. Torres and R.C.V. Marriott (eds.), IGI Global, sous presse.
Berners-Lee, T. 1998. «Notation-3». En ligne. <http://www.w3.org/DesignIssues/Notation3.html>.
Calero, C., Ruiz, F., and Piattini, M. Ontologies for Software Engineering and Software Technology Springer, Berlin Heidelberg, 2006.
Chun-Hung, L., Shih-Hung, W., LiongYu, T., and Wen-Lian, H. quot;The design of an intelligent tutoring system based on the ontology of procedural knowledge,quot; Advanced Learning
Technologies, 2004. Proceedings. IEEE International Conference on, 2004, pp. 525-529.
Clayberg, E., and Ribel, D. Eclipse Building Commercial-Quality Plug-ins Addison Wesley, Boston, 2006, p. 810.
Corcho, O., Fernández-López, M., and Gómez-Pérez, A. quot;Ontological Engineering: Principles, Methods, Tools and Languages,quot; in: Ontologies for Software Engineering and
Software Technology, 2006, pp. 1-48.
Davies, J., Fensel, D., and Harmelen, F.V. Towards The Semantic Web : Ontology-Driven Knowledge Management John Wiley & Sons, 2003, p. 288.
Fuggetta, A. quot;A Classification of CASE Technology,quot; Computer (26:12), December 1993 (1993), pp 25-38.
Fürst, F. quot;L'ingénierie ontologique,quot; Institut de Recherche Informatique de Nantes, Nante, 2002, p. 38.
Gašević, D., Djurić, D., and Devedžić, V. quot;Modeling Spaces,quot; in: Model Driven Architecture and Ontology Development, 2006c, pp. 127-141.
Golbreich, C. quot;Combining Rule and Ontology Reasoners for the Semantic Web,quot; in: Rules and Rule Markup Languages for the Semantic Web, 2004, pp. 6-22.
Gómez-Pérez, A., Fernández-López, M., and Corcho, O. Ontological Engineering : with examples from the areas of Knowledge Management, e-Commerce and the Semantic
Web, (First edition ed.) Springer, New York, 2003, p. 403 pages.
Gronback, R.C. Eclipse Modeling Project: A Domain-Specific Language (DSL) Toolkit Addison-Wesley Professional, Boston, 2008.
Gruber, T.R. quot;A translation approach to portable ontology specification,quot; Knowledge Acquisition (5:2), 1993 (1993), pp 199-220
Hart, A. Knowledge acquisition for expert systems McGraw-Hill, New York, 1986.
Horrocks, I., Boley, H., Tabet, S., Grosof, B., and Dean, M. 2004. «SWRL: A Semantic Web Rule Language Combining OWL and RuleML». W3C. En ligne. <
http://www.w3.org/Submission/SWRL/>. Consulté le 29 mai.
Jackson, P. Introduction to Expert System, (Third edition ed.) Addison-Wesley, 1999, p. 542.
Kadima, H. MDA: Conception orientée objet guidée par les modèles DUNOD, Paris, 2005, p. 232.
O’Connor, M., Knublauch, H., Tu, S., and Musen, M. quot;Writing Rules for the Semantic Web Using SWRL and Jess,quot; in: 8th International Protege Conference, Protege with Rules
Workshop, Stanford Medical Informatics, Stanford University School of Medicine,, Stanford, CA 94305, 2005.
OMG MOF. 2006. «OMG's MetaObject Facility». Object Management Group,,. En ligne. <http://www.omg.org/mof>. Consulté le 30/09/2008.
OMG ODM. 2007. «Ontology Definition Metamodel: OMG Adopted Specification». Object Management Group,,. En ligne. <http://www.omg.org/spec/ODM/1.0/Beta2/PDF/>.
Consulté le 26/05/2008.
Paquette, G. Modélisation des connaissances et des compétences : un langage graphique pour concevoir et apprendre Presses de l'UQ, Sainte-Foy, 2002, p. 357.
Paris, S., Lipson, M.Y., and Wixson, K.K. quot;Becoming a Strategic Reader,quot; Contemporary Educational Psychology (8) (1983), pp 293-316.
Pastor, O., and Molina, J.C. Model-Driven Architecture in Practice: A Software Production Environment Based on Conceptual Modeling Springer-Verlag, Berlin Heidelberg, 2007,
p. 302.
Patel-Schneider, P.F., Hayes, P., and Horrocks, I. 2004 «OWL Web Ontology Language Semantics and Abstract Syntax ». W3C. En ligne. <
http://www.w3.org/TR/owl-semantics/>. Consulté le 29 mai.
Staab, S., Studer, R., Schnurr, H.-P., and Sure, Y. quot;Knowledge Processes and Ontologies,quot; IEEE Intelligent Systems (16:1) (2001), pp 26-34.
Studer, R., Benjamins, V.R., and Fensel, D. quot;Knowledge Engineering: Principles and Methods.,quot; Data and Knowledge Engineering (25:1-2) (1998), pp 161-197.
Uschold, M., and Gruninger, M. quot;Ontologies: Principles, Methods and Applications,quot; Knowledge Engineering Review (11:2), June 1996 (1996), p 69.
Wenger, E. Artificial intelligence and Tutoring Systems, Communication and cognitive Approches to the Communication of knowledge Morgan Kaufmann, Los Altos, 1987, p.
486.
16