Soutenance de thèse de Quentin Couland, le 27 Mai 2020 à 14h

J'ai le plaisir de vous inviter à ma soutenance de thèse de doctorat en informatique intitulée : « Contribution à l'apprentissage humain de gestes à l'aide de techniques de clustering pour l’analyse de mouvements capturés. ». Cette thèse a été réalisée au laboratoire LIUM de l'université du Mans.

La soutenance aura lieu le mercredi 27 Mai à 14h, en visio-conférence sur le logiciel Microsoft Teams (aucune création de compte requise pour y assister). Il sera possible d'y accéder grâce au lien suivant :

Rejoindre la réunion : soutenance de thèse de Quentin Couland le 27 mai à 14h (Microsoft Teams)

Merci aux participants de bien vouloir couper leur micro et caméra avant le début de la soutenance.

Je vous invite à préparer vous même ce que vous jugerez nécessaire au pot à distance que nous prendrons par la suite.

Le jury est composé de :

• Franck HETROY-WHEELER, Professeur des Universités, Université de Strasbourg, Rapporteur

• Vanda LUENGO, Professeur des Universités, Sorbonne Université, Rapporteur

• Jules FRANÇOISE, Chargé de Recherche CNRS, Université Paris-Sud - Université Paris-Saclay, Examinateur

• Richard KULPA, Maître de Conférences HDR, Université de Rennes 2, Examinateur

• Sébastien GEORGE, Professeur des Unversités, Le Mans Université, Directeur de thèse

• Ludovic HAMON, Maître de Conférences, Le Mans Université, Co-encadrant de thèse

Résumé :

Cette thèse s'inscrit à la croisée des domaines des Environnements Informatiques pour l'Apprentissage Humain (EIAH) et de l'apprentissage du mouvement. Les EIAH utilisant le geste sont nombreux, et présents dans des domaines variés. Les EIAHs de la littérature sont le plus souvent conçus de façon ad-hoc ou se concentrent sur une tâche particulière dans un domaine d’apprentissage donné. Leur réutilisation dans d'autres situations d’apprentissage est souvent impossible ou nécessiterait un travail de réingénierie conséquent. Le développement d'EIAH support à l’enseignement de gestes, extensibles au-delà de la tâche pour laquelle elles ont été conçues et ayant un coût minimal en termes de réingénierie, représente un défi qui pose plusieurs verrous techniques et questions scientifiques. Afin de répondre à ces questions, le système Motion Learning Analytics (MLA) a été développé. Ce système permet la captation, le filtrage, le traitement et l'analyse automatique et semi-supervisée du mouvement d'un apprenant. Ce système a été testé, sur des gestes de lancers, au travers de trois expérimentations, permettant d’évaluer quatre facettes du système proposé et fondé sur des propriétés cinématiques et géométriques du mouvement: (i) la possibilité d'obtenir une séparation des gestes en différents groupes correspondant à plusieurs stratégies de lancers, (ii) la possibilité d'obtenir une séparation en fonction de la réussite ou non de ces gestes, (iii) l’intégration des besoins d’observation de l’enseignant, en tant que critères de séparation des gestes et d’évaluation de la progression de l’apprenant et enfin, (iv) une analyse de la capacité du système à fournir une aide à la décision pertinente pour un expert, dans l'objectif d'améliorer le geste de l'apprenant.

Quentin Couland

ATER / PhD Student

LIUM - Laboratoire d'Informatique de l'Université du Maine