Le KSMD du Faclab

Introduction

Résumé

Dans le cadre du cours ADID I, nous avons eu la demande d'une commanditaire de concevoir un prototype phygital pour la continuité présence-distance des activités au FacLab de Genève. Des projets cours sont en études afin de développer un FacLab soeur au Brésil.

Tout d'abord il nous semble pertinent de contextualiser le FacLab. Le FacLab est un espace ouvert au public, donnant gratuitement accès à de nombreuses machines (scies, découpeuses, imprimantes 3D, machines à coudre, ...) permettant la réalisation d'objets. Le FacLab se situe au coeur de la fabrication d'objet tangibles mais également de production intangibles.

Nous nous semble également important de rappeler comment fonctionne cette communauté de pratique/pairs. Au FacLab un usagers/ères peut devenir un Facilitateurs/trices et vice versa. Egalement ces derniers peuvent devenir un contributeur.trice et vice versa. Voici une carte conceptuelle présentant les différents acteurs du FacLab :

Récapitulatif des différents acteurs du FacLab

Nous nous sommes questionner sur la possibilité de développer une intelligence artificiel spécifique du FacLab avec pour ambition de :

• Améliorer l'environnement informatique pour l'apprentissage humain (EIAH) déjà existant du FacLab. L'intelligence artificielle sera une plue-value pour le FacLab qui bénéficiera une intelligence collective et interactive. Par exemple, durant des réunions l'intelligence artificielle analysera des traces ouvertes et fermées afin d'acquérir d'une part du nouveau savoir sur des thèmes spécifiques, mais également la possibilité à l'humain de valider ou invalider certaines traces.
• Développer le partage et la collaboration au FacLab. L'intelligence artificielle sera dans la capacité de partager ses connaissances, elle sera source de proposition lors de projets collaboratifs et interviendra visuellement, auditivement et intellectuellement via un holofan. Par exemple, en utilisant le chat intelligent l'utilisateur pourra s'informer de ces forces et faiblesse en réunions, demander des informations complémentaires qu'il n'aurait pas eu l'idée d'utiliser sans l'intelligence artificielle, voir des résumés ou intégral de réunion, discuter avec l'intelligence artificiel de sujet diverses et variées en liens avec le domaine. Par ce chat, l'intelligence artificielle sera capable de s'adapter à l'utilisateurs et user de stratégies diverses afin d'améliorer les capacités d'apprentissage de l'utilisateur.
• Créer le lien entre les différents membre du FacLab de Genève et FacLab soeur. L'intelligence artificielle aura la possibilité d'interagir avec diverses outils (holofan, capteurs, caméra, micro, téléphone, etc.) afin de développer le lien entre les membres. Par exemple, le capteur d'occupation à pour objectif de calculer les arrivants et sortants, après analyse l'intelligence artificielle pourra actualiser sur le site Web du FacLab le taux d'occupation. Les arrivants pourront s'identifier sur le site afin d'être interpeler par d'autres qui ne sont pas sur les lieux. Cela se fera au travers de caméra flotter disposé dans le FacLab. L'intelligence artificielle indiquera : le taux d'occupation, les personnes pouvant être interpeler, le deflootage des personnes ayant accepter d'être interpeler par des pairs.

Revues de littérature

Développer la collaboration

Nos propos sont développés suite à notre lecture des "Usages réflexifs des traces dans les environnements informatiques pour l’apprentissage humain" publié par George, S & al. (2013). Nous avons trouvé cet article pertinent car il met en lien trois systèmes (miroirs, métacognitifs, coaching) support à l'apprentissage collaboratif. Ces trois systèmes font partis intégrantes de l'intelligence artificielle que nous souhaitons développer dans notre projet.

Grâce aux systèmes miroirs

Un système miroirs "affichent des indicateurs bruts à des apprenants". Le processus d'analyse se fait du côté des humains.

Grâce aux systèmes métacognitifs

Un système métacognitif "représentent l'état des actions et interactions via un ensemble d'indicateurs assortis d'aide à l'interprétation".

Grâce aux systèmes de coaching

Un système de coaching "offrent des conseils fondés sur une analyse automatique des indicateurs" collectés par les systèmes métacognitifs. Le processus d'analyse se fait du côté du système informatique (diagnostic et proposition).

Continuum entre ces trois systèmes

On peut comprendre que les systèmes métacognitifs se situent au milieux des systèmes miroirs et de coaching, ils permettent le partage humain-machine du processus d'analyse et d'interprétation des données traces.

Prototype

Vue générale de l'espace

Vue générale du Faclab

Références

• George, S., Michel, C., & Ollagnier-Beldame, M. (2013). Usages réflexifs des traces dans les environnements informatiques pour l’apprentissage humain. Intellectica. Revue de l’Association pour la Recherche Cognitive, 59(1), 205‑241. https://doi.org/10.3406/intel.2013.1091