Généralisation des connaissances et résolution de problèmes - article ; n°3 ; vol.94, pg 461-484

De
Publié par

L'année psychologique - Année 1994 - Volume 94 - Numéro 3 - Pages 461-484
Résumé
Dans cette revue de question, la transformation des connaissances avec la résolution de problèmes est abordée sous l'angle de la constitution progressive de catégories de problèmes de plus en plus opérationnelles. On étudie spécifiquement le rôle de différents processus de généralisation qui peuvent contribuer à la catégorisation de problèmes. Quatre paradigmes sont présentés : la généralisation inductive, la généralisation à partir de la mise en œuvre d'un raisonnement par analogie, la généralisation à partir de cas, la généralisation à partir de l'explication d'exemples.
Mots-clés : acquisition de connaissances, résolution de problèmes, généralisation, catégorisation.
Summary : Knowledge generalization and problem solving.
In this synthetic paper, the transformation of knowledge with problem solving is considered from the point of view of the progressive elaboration of more and more operational categories of problems. The role of the various processes of generalization which are involved in the categorization process is specifically analyzed. Four paradigms are described : inductive generalization, generalization and analogical reasoning, generalization and case-based reasoning, generalization and explanation-based reasoning.
Key words : Knowledge acquisition, problem solving, generalization, categorization.
24 pages
Source : Persée ; Ministère de la jeunesse, de l’éducation nationale et de la recherche, Direction de l’enseignement supérieur, Sous-direction des bibliothèques et de la documentation.
Publié le : samedi 1 janvier 1994
Lecture(s) : 27
Nombre de pages : 25
Voir plus Voir moins

Evelyne Cauzinille-Marmèche
Jacques Mathieu
Généralisation des connaissances et résolution de problèmes
In: L'année psychologique. 1994 vol. 94, n°3. pp. 461-484.
Résumé
Dans cette revue de question, la transformation des connaissances avec la résolution de problèmes est abordée sous l'angle de
la constitution progressive de catégories de problèmes de plus en plus opérationnelles. On étudie spécifiquement le rôle de
différents processus de généralisation qui peuvent contribuer à la catégorisation de problèmes. Quatre paradigmes sont
présentés : la généralisation inductive, la généralisation à partir de la mise en œuvre d'un raisonnement par analogie, la
généralisation à partir de cas, la généralisation à partir de l'explication d'exemples.
Mots-clés : acquisition de connaissances, résolution de problèmes, généralisation, catégorisation.
Abstract
Summary : Knowledge generalization and problem solving.
In this synthetic paper, the transformation of knowledge with problem solving is considered from the point of view of the
progressive elaboration of more and more operational categories of problems. The role of the various processes of generalization
which are involved in the categorization process is specifically analyzed. Four paradigms are described : inductive generalization,
generalization and analogical reasoning, generalization and case-based reasoning, generalization and explanation-based
reasoning.
Key words : Knowledge acquisition, problem solving, generalization, categorization.
Citer ce document / Cite this document :
Cauzinille-Marmèche Evelyne, Mathieu Jacques. Généralisation des connaissances et résolution de problèmes. In: L'année
psychologique. 1994 vol. 94, n°3. pp. 461-484.
doi : 10.3406/psy.1994.28777
http://www.persee.fr/web/revues/home/prescript/article/psy_0003-5033_1994_num_94_3_28777L'Année psychologique. 1994, 94, 461-484
LaPsyDEE, CNRS
Université René Descartes Paris F1
LAFORIA, CNRS
Université Jussieu, Paris VI2
GÉNÉRALISATION DES CONNAISSANCES
ET RÉSOLUTION DE PROBLÈMES
par Evelyne Cauzinille-Marmèche1
et Jacques Mathieu2
SUMMARY : Knowledge generalization and problem solving.
In this synthetic paper, the transformation of knowledge with problem
solving is considered from the point of view of the progressive elaboration
of more and more operational categories of problems. The role of the
various processes of generalization which are involved in the categorizat
ion process is specifically analyzed. Four paradigms are described : in
ductive generalization, and analogical reasoning, generali
zation and case-based reasoning, generalization and explanation-based
reasoning.
Key words : Knowledge acquisition, problem solving, generalization,
categorization.
De nombreux résultats en psychologie, dont certains très
anciens, montrent que le fait de résoudre un problème modifie
souvent la résolution de problèmes ultérieurs. Néanmoins, ce
n'est que récemment que des travaux expérimentaux permett
ent d'appréhender conjointement la résolution de problèmes
et la modification concomitante des connaissances, notamment
leur généralisation, point qui constitue l'objet essentiel de cet
article.
1. Laboratoire de Psychologie du Développement et de l'Education de
l'enfant, cnrs ura 1353, 46, rue Saint Jacques, 75005 Paris.
2.de Reconnaissance des formes et Intelligence artificielle,
cnrs, ura 1095, 1 Place Jussieu, 75005 Paris. 462 Evelyne Cauzinille-Marmèche et Jacques Mathieu
La construction de connaissances générales, ou généralisa-
bles, exige le passage de à l'origine très spécifiques
et fortement contextualisées, à des connaissances applicables à
des gammes de situations diverses, autrement dit la formation
de catégories de problèmes.
Envisagée sous cet angle, la généralisation des connaissan
ces par la résolution de problèmes, est posée comme un pro
blème de catégorisation, l'appropriation d'un domaine de con
naissances donné résidant dans la construction de catégories de
plus en plus opérationnelles pour le traitement de nouveaux pro
blèmes. Il est alors nécessaire de situer la généralisation dans les
différentes approches des processus de catégorisation.
Dans le paradigme des systèmes des traitements de l'info
rmation (sti), l'accent est mis sur la définition de méthodes gé
nérales de résolution (Newell et Simon, 1972) permettant le tra
itement de catégories de problèmes très larges (les problèmes
« à transformation d'états » par exemple, dont le prototype est
le problème de la Tour de Hanoï) ; le système cognitif est sup
posé utiliser des règles. Les méthodes de résolution ont pour
fonction, compte tenu de l'information reçue par le système, de
sélectionner et d'agencer ces règles de façon adéquate, afin de
permettre une résolution optimale du problème posé. Dans ce
cadre, la question de la transformation des connaissances lors
de la résolution de problèmes n'est nullement abordée. Les con
cepts du domaine n'interviennent pas. Les processus de général
isation ne peuvent que reposer sur des extensions des conditions
d'utilisation des règles. Mais ceci pose cependant une question
non triviale : comment à partir d'un ensemble d'exemples cons
truire une règle générale et étendre cette règle à de nouveaux
exemples ?
Dans le paradigme des systèmes de représentation et de
traitement de l'information (srt), la notion clé qui est intro
duite est celle de la représentation de l'environnement et du
but à atteindre, en termes de sélection et d'organisation des
indices présents dans la situation à traiter. Dans ce cadre,
l'objectif est de définir et de formaliser les cadres de représen
tation utilisés par les sujets pour le traitement de catégories de
situations assez restreintes (par exemple, les situations d'équi
libre physique, cf. Siegler, 1976). L'accent est mis sur le chan
gement des cadres de représentation utilisés par les sujets à
différents moments de leur développement, et dans une moindre
mesure à différents moments de leur acquisition d'un domaine Résolution de problèmes 463
conceptuel donné. Implicitement au moins, l'hypothèse faite est
que les changements observés dans les cadres de représentat
ion utilisés tiennent à des conceptualisations différentes des
situations à traiter, sans que pour autant soit abordée la questdes processus responsables de ces transformations. La
généralisation porte alors sur la représentation des indices
présents dans la situation.
Parallèlement, depuis les années 80, se développe le para
digme « Novice/Expert » focalisé sur l'analyse des niveaux suc
cessifs que constitue la construction d'une expertise dans un
domaine conceptuel donné (la physique par exemple, cf. Chi,
Glaser et Rees, 1982). L'accent est mis sur les changements
dans l'organisation de la base de connaissances des sujets, et
sur la création de nouveaux liens entre connaissances, en te
rmes de généralité/spécificité. Mais dans ce paradigme encore,
les transitions entre les différents niveaux de développement ou
d'expertise ne sont pas explicitées. L'accent est mis sur l'évo
lution des modes de catégorisation des situations qui devien
nent disponibles chez le sujet au fur et à mesure qu'ils acquiè
rent des compétences dans le domaine conceptuel en jeu.
D'un autre côté, et de façon relativement indépendante, nous
semble-t-il, on assiste à un changement radical de la notion de
« catégorie » dans les domaines qui ne sont pas ceux des caté
gories de problèmes, mais surtout ceux des catégories d'objets
naturels (ou manufacturés). Il est envisagé, et attesté de façon
expérimentale (cf. par exemple, Medin et Smith, 1981 ; Mur-
phy et Medin, 1985 ; Rosch et Lloyd, 1978) que les catégories
ne peuvent être simplement définies par une liste de traits
nécessaires et suffisants mais que les concepts de prototypes,
de typicalité et de niveau de base sont centraux. Ceci amène à
poser non seulement la question des relations qui unissent les
objets d'une même catégorie mais la question des différences
et ressemblances entre catégories.
Cette question de la définition des catégories est corrélat
ivement abordée d'un point de vue sensiblement différent autour
des concepts de script et de scénario, qui sont développés, et
reçoivent des validations expérimentales autour des années 70-
80 également (cf. par exemple, Minsky, 1975 ; Nelson, 1986 ;
Schänk et Abelson, 1977). L'idée centrale est ici que la construct
ion de connaissances générales, voire de taxonomies, émerge à
partir du traitement d'expériences singulières, stéréotypées. La
question de la généralisation est ici abordée de front sans que 464 Evelyne Cauzinille-Marmèche et Jacques Mathieu
soient encore définis les différents processus de généralisation
qui sont mobilisés par le sujet pour transformer ses connaissanc
es.
A travers ces différentes orientations de recherche, il appar
aît à l'évidence que le concept de « généralisation » réfère à
un processus dynamique, continu, visant à la ré-élaboration des
expériences passées. Dans cette acception restreinte, le concept
de généralisation ne peut évidemment recouvrir les change
ments qualitatifs, ou sauts conceptuels, permettant d'interpré
ter le développement génétique, lequel ne peut être considéré
que sur un temps long d'acquisition.
La généralisation des connaissances peut en effet être abor
dée d'au moins trois points de vue.
— La schématisation des situations : il s'agit de l'abstraction
d'invariants communs à un ensemble de situations ; l'exem
ple type dans les sciences expérimentales est l'induction de
loi : la loi est construite à partir d'un ensemble d'observat
ions expérimentales.
— L'extension à de nouvelles situations de stratégies, procé
dures, relations, propriétés..., liées à une situation particulière.
Il s'agit d'étendre le domaine d'application de connaissances
spécifiques à de nouveaux problèmes, au prix de l'adaptation
éventuelle des connaissances de référence au nouveau context
e de résolution.
— L'extraction des caractères nécessaires d'une situation par
rapport à la théorie du domaine disponible. Il s'agit dans ce
cas d'épurer la situation traitée pour en faire une situation
typique, réutilisable dans d'autres contextes.
Ces trois points de vue, qui nous paraissent fondamentaux
pour l'étude de la construction de nouvelles connaissances, ont
jusqu'alors été abordés de façon relativement indépendante,
tant en psychologie cognitive qu'en intelligence artificielle.
Nous proposons dans cet article de présenter les différentes
directions de recherche qui peuvent à l'heure actuelle contri
buer à l'étude des processus de généralisation, même si, dans ces
différents courants de recherche, l'accent n'est pas toujours
mis par les auteurs sur ces processus. Il s'agit des travaux sur
l'induction, des travaux sur l'analogie inter-domaines ou intra-
domaine, des études sur le raisonnement à partir de cas, et des
travaux sur l'explication à partir d'un exemple. de problèmes 465 Résolution
1) L'induction : à partir d'exemples (et de contre-exemples), la
question est d'abstraire des régularités permettant de pré
dire correctement la catégorisation de nouveaux exemples.
2) L'analogie : le problème posé est traité en utilisant (ou en
tentant d'utiliser) une ou plusieurs situations analogues,
relevant ou non du même domaine conceptuel ; ce mode de
raisonnement peut déboucher sur différents types de génér
alisation.
3) Le à partir de cas (« case-based reasoning »,
cbr), qui peut être considéré comme une forme particulière
d'analogie intradomaine, mais qui met plus particulièr
ement l'accent sur « l'annotation » des connaissances en vue
de leur réutilisation ultérieure, et sur les processus de réor
ganisation de la mémoire sémantique.
4) L'explication à partir d'un exemple (« explanation-based
learning », ebl) : il s'agit de généraliser le cas traité (d'en
prouver la généralité) en utilisant la théorie du domaine ; le
but est de construire des connaissances applicables à une
classe de situations.
A l'heure actuelle, seules les deux premières orientations
de recherche (l'induction et l'analogie inter-domaines) ont été
assez bien explorées en psychologie cognitive expérimentale.
Les deux dernières par contre (le raisonnement à partir de cas
et l'explication à partir d'un exemple) sont surtout développées
en intelligence artificielle. On montrera leur pertinence potent
ielle pour l'étude des processus de transformation et de réor
ganisation des connaissances.
Avant de présenter ces quatre orientations de recherche,
disons d'emblée que l'un des problèmes récurrents est celui du
contrôle de la nature des processus de généralisation mis en
œuvre et de leur portée. Il est nécessaire de penser que le con
trôle n'est pas indépendant de la base de connaissances des
sujets : c'est la théorie du domaine disponible qui permet d'orien
ter les processus de résolution vers la construction de connais
sances « utiles », autrement dit de faire des choix parmi toutes
les généralisations possibles. Sinon, il y aurait trop de connais
sances inutiles et inefficaces qui seraient construites : il faut
supposer un biais de construction vers les connaissances uti
les. Il reste à définir sur quelles bases repose ce biais. Si l'on
admet l'importance, sur la construction des connaissances, du
contexte d'acquisition en liaison avec les buts poursuivis, alors 466 Evelyne Cauzinille-Marmèche et Jacques Mathieu
il faut s'intéresser aux rôles multiples de la théorie du domaine
dont dispose le sujet à un moment donné. La théorie du do
maine détermine le langage de description utilisé pour coder
les situations-problèmes et leurs solutions, et conditionne ainsi
la nature des généralisations inductives qui pourront être faites ;
elle détermine les différents niveaux d'abstraction qui peuvent
être produits, compte tenu des hiérarchies conceptuelles disponi
bles ; elle conditionne le degré de validité des déductions faites,
puisque la théorie du domaine peut être incomplète, partiell
ement fausse, contradictoire... (c'est le cas général chez le novice) ;
elle permet de restreindre les généralisations qui sont engen
drées et donc les nouvelles connaissances produites.
Ces quatre orientations de recherche, pertinentes, de notre
point de vue, pour l'étude des processus de généralisation, ne
peuvent évidemment être considérées comme indépendantes :
d'une part, il existe des continuités entre ces différentes orien
tations (2 et 3, 3 et 4 par exemple), d'autre part il y a des recou
vrements dans les processus en jeu, enfin les différents modes de
raisonnement peuvent s'appuyer l'un sur l'autre (par exemple,
la recherche d'une explication faisant appel à la théorie du
domaine peut être consécutive à la résolution d'un problème
par analogie...).
L'INDUCTION À PARTIR D'EXEMPLES ET DE CONTRE-
EXEMPLES
La généralisation inductive est la forme de généralisation
qui a été la plus étudiée en psychologie cognitive. Bruner, Good-
now et Austin (1956) sont sans conteste les précurseurs de ce
courant en introduisant le paradigme « d'identification de con
cepts » dont l'objectif est d'analyser les stratégies mises en
œuvre par les sujets pour abstraire des régularités (ou inva
riants) de leur environnement, à partir de l'analyse d'exemples
et de contre-exemples (cf. par exemple Levine, 1966 ; Bower et
Trabasso, 1968 ; Richard, Lepine et Rouanet, 1969 ; Richard, Cau-
zinille et Mathieu, 1973). Nous donnons ci-dessous un exemple
du type de paradigme utilisé.
L'expérimentateur montre successivement au sujet une
suite d'objets, en indiquant pour chacun d'eux, s'il appartient
ou non, à la catégorie à découvrir. La suite proposée est telle qu'il
est logiquement possible, au bout d'un certain nombre d'observa- '
Résolution de problèmes 467
tions, d'identifier avec certitude la règle de catégorisation choi
sie par l'expérimentateur.
Considérons par exemple l'univers des objets construits à
partir de trois dimensions binaires (huit possibles) : la
forme (triangle « T », ou cercle « C »), la taille (grand « G », ou
petit « P »), et la couleur (noir « N », ou blanc « B »).
Et l'ensemble des trois observations suivantes :
Information Hypothèses
« logiquement possibles »
. + GTN
Objet 1
Objet 2
Obiet3 y^ +UDjet3 £=a. t T: est Triangle ra solution
Fig. 1. — Paradigme classique d'identification de concepts :
un exemple.
Classical paradigm of concepts identification : an example.
Étant donné les objets présentés, et les informations associées
(tous les objets présentés appartiennent à la catégorie définie par
l'expérimentateur), la solution, c'est-à-dire le critère de partition
choisi, ne peut être que « triangle » et cette solution peut log
iquement être trouvée au troisième essai, compte tenu de l'uni
vers fini et fermé des hypothèses possibles.
Il faut souligner trois caractéristiques essentielles de ce pa
radigme d'étude : le langage de description est pré-défini, homog
ène, et figé. Le langage de des objets de l'enviro
nnement est pré-défini au sens où les descripteurs pertinents
sont donnés au sujet (sous forme d'attributs/valeurs). Le lan
gage est homogène : les situations sont toujours décrites dans
les mêmes termes (il n'y a pas de notion de contexte, ni de point
de vue). Le langage est figé : il n'évolue pas au fur et à mesure
des situations traitées. Dans ce cadre, l'activité d'induction est 468 Evelyne Cauzinille-Marmèche et Jacques Mathieu
limitée à une activité de test d'hypothèses consistant, au fur et
à mesure des exemples et contre-exemples rencontrés, à rejeter
les hypothèses infirmées, et à conserver les hypothèses confir
mées, jusqu'à abstraire les propriétés nécessaires et suffisan
tes à la définition du concept : celles qui permettent de distin
guer les exemples positifs du concept des contre-exemples (cf.
par exemple Levine, 1966 ; et, pour une revue de questions, Cau
zinille-Marmèche, Dubois et Mathieu, 1990).
S'agissant des mécanismes de généralisation inductive qui
peuvent être mis en œuvre lors de la résolution de problèmes,
les contraintes initiales sont radicalement différentes. Le lan
gage de description n 'est pas prédéfini, il n 'est pas homogène,
il n'est pas figé.
En effet, s'intéresser aux processus inductifs que le sujet
met en œuvre à propos de la résolution de problèmes c'est d'abord
tenter d'identifier son langage de description. Ce langage cons
titue une part importante du « diagnostic cognitif » qui peut
être établi : il dépend du niveau d'expertise du sujet et condi
tionne les généralisations inductives qui pourront être engen
drées quels que soient les processus d'abstraction (toujours
réducteurs) mis en œuvre : par suppression (ou appauvrissement)
de certains descripteurs des situations, ou par « variabilisation »
(cf. Anderson, 1983) : des constantes sont remplacées par des
variables, la généralisation inductive utilise alors les hiérar
chies conceptuelles disponibles.
Nous donnons ci-dessous deux exemples de processus d'abs
traction :
— par suppression de certains descripteurs
si x et y et z — » faire A
si x et y et w — » faire A
d'où, si x et y — » faire A
— par variabilisation
si carré et triangle — » faire A
si rectangle et trapèze — » faire A
d'où, si 2 polygones — » faire A.
Par ailleurs, le langage de description n'est pas homogène :
selon les situations, les descripteurs considérés pour caractéri
ser les objets qui les constituent, et leurs relations, peuvent
être différents. C'est ici la notion de contexte qui est prépondér
ante. L'analyse des situations est faite en fonction des buts Résolution de problèmes 469
poursuivis, et ce sont les interrelations des différents éléments
constitutifs des situations qui orientent le codage des situations.
Le troisième aspect à considérer est que le langage de des
cription n'est pas figé. Le propre de l'acquisition d'expertise
est en effet l'évolution du langage au fur et à mesure des situa
tions traitées. Analyser les généralisations inductives produites
successivement par le sujet consiste donc aussi à analyser les
changements du langage de description.
Moyennant quoi, il reste que les processus de généralisat
ion opèrent toujours compte tenu du langage de description
disponible.
On peut désormais s'interroger sur la forme même des pro
cessus de généralisation. En psychologie cognitive, il est clas
sique de considérer que l'induction est un processus ascendant
séquentiel visant au traitement des exemples et contre-exemp
les rencontrés successivement. On considère généralement
que le processus « démarre » avec les plus fortes généralisat
ions possibles, celles qui conservent le possible de détails
des exemples et contre-exemples initiaux (cf. Lévine, 1966), les
généralisations étant ensuite affaiblies (on laisse tomber des
contraintes) pour permettre de partitionner de façon optimale
les exemples et les contre-exemples. Cette démarche de génér
alisation inductive n'est cependant pas la seule qui puisse
être invoquée. En Intelligence Artificielle, il existe un autre
courant de recherche (cf. Dietterich et Michalski, 1983 ; Flann
et Dietterich, 1986 ; Kodratoff, 1983 et Kodratoff et Ganascia ;
1986, Mitchell, 1982) qui envisage la généralisation inductive
comme un processus descendant, au sens où le processus
démarre avec la plus faible généralisation possible, celle qui
globalement sépare le mieux les exemples des contre-exemples.
Mais on se situe alors dans le cadre suivant : le système, ou l'ex
pert, dispose a priori d'un stock d'exemples et de contre-exemp
les. Pensons par exemple à un expert radiologue qui disposerait
d'une part de radios pour lesquelles un diagnostic de cancer
aurait été émis, et d'autre part d'un autre stock de radios pour
lesquelles un diagnostic de tumeur bénigne aurait été prononc
é. Le processus de généralisation pourrait alors consister à
formuler initialement une règle générale (trop générale) puis à
affiner cette règle pour permettre une partition la plus stricte
possible, celle qui globalement sépare le mieux les exemples
des contre-exemples. C'est sur cette base qu'ont été conçus de
nombreux systèmes informatiques, mais, à notre connaissance,

Soyez le premier à déposer un commentaire !

17/1000 caractères maximum.