Retour à l'accueil Sciences et Technologies
de l´Information et
de la Communication pour
l´Éducation et la Formation

Volume 14, 2007
Editorial



Contact : infos@sticef.org

Editorial du numéro spécial
Les dimensions émotionnelles de
l'interaction dans un EIAH



Roger NKambou*, Élisabeth Delozanne**, Claude Frasson***

*Université du Québec à Montréal, **CRIP5, Paris, ***Université de Montréal

 

Les émotions jouent un rôle prépondérant dans le contexte social aussi bien en communication orale que non-verbale. Leur perception étant multimodale, l’aptitude d’un interlocuteur à les identifier à travers une variété de comportements tels que les mouvements du visage, les gestes, le discours, constituent une base essentielle pour l’initiation de ses propres actions et réponses car le jugement et la prise de décision sont influencés par l’humeur, les sentiments, et autres mécanismes facilitant l'adaptation humaine et l'intégration sociale. Dans une activité aussi sociale et cognitive que l'apprentissage, la communication est un aspect primordial et sa qualité implique autant des aspects intellectuels que socio-émotionnels. Enseigner requiert d'observer le comportement de l’élève afin de détecter des réponses affectives qui peuvent être la manifestation de sentiments d'intérêt, d’excitation, de confusion, d’anéantissement, etc. pour réguler les apprentissages. Réciproquement de nombreux élèves sont sensibles par exemple, aux manifestations d’intérêts et d’empathie des enseignants voire à leur enthousiasme.

Des recherches récentes visent à permettre des "interactions émotionnelles" avec des ordinateurs (Picard, 1997), (Picard, 2007), (Pelachaud, 2006), (HUMAINE, 2006). Doter les machines de capacités de percevoir et d'exprimer des émotions nécessite de savoir les modéliser, les reproduire et les réguler dans une situation d'interaction. Depuis la fin des années 90, plusieurs travaux de recherche ont été entrepris sur l'impact des émotions dans les EIAH. Les résultats de ces travaux ont souvent été présentés dans des ateliers spécifiques organisés lors des conférences ITS et AIED (ITS, 2004), (ITS, 2006a), (ITS, 2006b), (AIED, 2005), (AIED, 2007).

Ce numéro spécial est l'occasion de faire le point, d'une part, sur le rôle des émotions dans l'apprentissage et dans la motivation à apprendre et, d'autre part, sur la façon de mettre en œuvre des EIAH qui prennent en compte ces facteurs dans les situations d'apprentissage.

1. Emotion, Cognition et Apprentissage

L’apprentissage est le résultat d'une démarche mentale active par l'individu. Cette activité utilise les connaissances antérieures de l'individu et lui permet de bâtir une interprétation cohérente du réel dans lequel il évolue. De ce point de vue, l'apprentissage implique à la fois l'activation des processus de construction de la connaissance chez l'apprenant et l'apport d'une information externe qui peut être utilisée productivement.

L’émotion a été longtemps considérée comme opposée à la cognition. Ainsi, plusieurs philosophes dont Platon, Descartes et Kant, considéraient ce phénomène comme une perturbation de la raison qu’il fallait absolument corriger. Pour eux, la rationalité et la raison ne devraient pas laisser place aux émotions. Dans ce courant de pensée, la plupart des théories de l’apprentissage se sont concentrées sur le développement des processus cognitifs pour l’apprentissage en délaissant la dimension émotionnelle. Même les théories d’apprentissage reconnaissant l’importance de l’émotion n’ont pas précisé le lien avec la cognition. Dans cette perspective, Bloom et ses collègues (Bloom et al., 1975), (Krathwohl et al., 1976) ont prévu deux taxonomies: une pour le domaine cognitif et l’autre pour le domaine affectif, mais sans établir un lien entre les deux ou sans montrer l’interdépendance des deux domaines. On retrouve la même dichotomie dans les travaux de McLeod (McLeod, 1994). Nous pouvons aussi citer les travaux de Gardner (Gartner, 1983) ou de Goleman (Goleman, 1995) qui ont respectivement développé la théorie de l’intelligence multiple (qui inclut les intelligences intra et interpersonnelles) et celle de l’intelligence émotionnelle. Ces deux auteurs établissent un parallélisme entre l’émotion et la cognition, deux facteurs de l’intelligence qui opèrent selon eux à des niveaux différents.

Quelques études ont cependant indiqué que les émotions pouvaient influencer l’apprentissage. Par exemple, Shelton (Shelton, 2000) indique dans ses travaux la nécessité de développer une certaine compétence émotionnelle pour mieux favoriser l’apprentissage. Postle (Postle, 1993) va dans le même sens en affirmant que l’apprentissage peut être inhibé par une incompétence émotionnelle ; il considère que la capacité d’un individu à apprendre dépend de son état émotionnel. Ces deux études montrent la pertinence des émotions dans le processus d’apprentissage en tant que substrat pouvant favoriser un meilleur développement des fonctions cognitives.

Les résultats des travaux en neurosciences ont confirmé le lien entre l’émotion et la cognition. Ainsi, les travaux de Damasio (Damasio, 1994) ont permis d’élucider les bases neuronales des émotions ainsi que le lien fort entre l’émotion et certains processus cognitifs comme l’attention, la mémorisation, la perception et la prise de décision. Ces résultats ont été corroborés par plusieurs chercheurs (Ferro, 1995), (Worthman, 1999), (Palombo, 2000), (Clore et Gasper, 2000). Dans ce cadre, plusieurs études ont mis en évidence l’intérêt d’intégrer les émotions dans les EIAH, par exemple les travaux de Martinez (Martinez, 2001) et de O’Regan (O’Regan, 2003). Dans le but de conduire à des systèmes émotionnellement intelligents (Ochs et Frasson, 2004), une architecture d’EIAH comportant des modules pour la gestion des émotions a été proposé (Faivre et al., 2003). Il s’agit non seulement de gérer le stress, le sentiment de confusion ou d’isolement qui peuvent distraire l’apprenant lors d’une session d’apprentissage mais aussi de développer des stratégies pour éviter ces situations. Certaines recherches ont opté pour la création d’EIAH qui immergent l’apprenant dans un micro-monde comportant un agent conversationnel animé (ACA) dans un rôle d’agent pédagogique pouvant non seulement prendre en compte les émotions de l’apprenant mais aussi exprimer ses propres émotions. COSMO (Lester et al., 1999), STEVE (Johnson et al., 2000), AUTOTUTOR (Graesser et al., 2005a), (D'Mello et al., 2007) ou Emilie (Nkambou et al., 2002) sont des exemples d’agents pédagogiques de type ACA (appelés agents pédagogiques personnifiés) qui expriment des émotions (expressions faciales, parole et geste) lors d’une session d’apprentissage. Le développement de ce type d’agents peut bénéficier des résultats intéressants obtenus dans les domaines connexes (IA, infographie, IHM) comme par exemple les techniques de génération des expressions faciales des ACAs (Grizard et Lisetti, 2006), (Ochs et al., 2006), (Martin et al., 2006), (Heraz et al., 2006).

Les contributions acceptées dans le cadre de ce numéro spécial couvrent quatre perspectives de la dimension émotionnelle des EIAH : 1) la reconnaissance de l’état émotionnel de l’apprenant (Chaffar et Frasson) ; 2) la synthèse des émotions ou d’un comportement affectif dans un agent pédagogique (Gaha, Dubois et Nkambou ; Farouk et al.) ; 3) l’influence des moyens d’interaction sur les émotions de l’apprenant (Duplaa) et 4) l’induction des états émotionnels favorisant le maintien de la motivation (Blanchard et Frasson).

2. Reconnaissance de l’état émotionnel de l’apprenant

Chaffar et Frasson se penchent sur la possibilité, pour un système tutoriel intelligent (STI), de prédire les réactions émotionnelles d'un apprenant afin d’optimiser son apprentissage. L’objectif est que le système tutoriel s'adapte en fonction des réactions émotionnelles de l'apprenant et, donc soit capable de déterminer l'émotion actuelle de l'apprenant.

Les tuteurs humains utilisent de multiples canaux pour capter plusieurs signaux : expressions faciales, voix, comportement. Réussir un tel traitement multimodal dans un STI pose encore problème en particulier à cause de la lourdeur des équipements qui instrumentent ces prises d’information : à cause de l'inconfort pour les utilisateurs, de la difficulté et des coûts d’utilisation de ces équipements. Chaffar et Frasson proposent de contourner le problème en laissant de côté la détection et l'interprétation des signaux, et de fonder la prédiction des émotions sur les réactions passées d'un groupe d'apprenants.

Leur approche, inspirée du modèle d'Ortony, Clore et Collins (connu comme le modèle OCC), utilise l'apprentissage machine supervisé. Ils décrivent une expérimentation menée pour extraire les associations probables entre les interventions du tuteur et l'émotion générée chez l'apprenant. Les données recueillies auprès de 124 participants tiennent compte de la personnalité de l'apprenant, de son émotion initiale, et de sa motivation face à l'apprentissage proposé. Ces données, après validation de leur indépendance mutuelle, ont servi à entraîner et à tester quatre algorithmes d'apprentissage machine (ID3, J48, AdaBoostM1, et Bayes naïf). L'algorithme naïf de Bayes a démontré une certaine supériorité pour prédire l'émotion probable suite à une intervention tutorielle. Avec un taux de précision de près de 63% pour les classes d'émotion neutre et joie, les auteurs estiment que leur approche avoisine la capacité humaine à interpréter les émotions.

3. Synthèse des émotions et de comportements affectifs dans les agents pédagogiques

L’intégration des émotions dans l’apprentissage humain à l’aide des EIAH ne touche pas seulement à la possibilité de développer des systèmes capables de prendre en compte l’état affectif ou émotionnel de l’apprenant lors de l’interaction. Elle concerne aussi la possibilité d’équiper ces systèmes de mécanismes qui leur confèrent des capacités d’entretenir en eux-mêmes un état émotionnel pour réguler la prise de décision en fonctions des états cognitifs et affectifs de l’apprenant.

Les travaux présentés par Gaha et al. couvrent en partie cette question. Ils proposent d'enrichir l’architecture de l’agent cognitif CTS (Conscious Tutoring System) mis au point dans leur équipe, avec des éléments émotionnels qui s'intègrent élégamment au traitement global. En effet, l’architecture de CTS découle d'une théorie de l'esprit humain et de la conscience qui, sans exclure l'aspect affectif, n'en décrit pas les rôles et implications. Après une présentation assez détaillée des éléments architecturaux de leur agent cognitif et de son mode de fonctionnement très particulier (CTS utilise des mécanismes combinant "conscience" et processus "inconscients"), Gaha et ses collègues montrent comment sa structure peut admettre des éléments de gestion émotionnelle. Les nœuds d'émotion incorporés dans le réseau décisionnel de CTS, son Réseau des Actes, reçoivent toutes les informations qui deviennent "conscientes" dans l'agent, et réagissent à certaines. Ces nœuds modulent alors la planification et la prise de décision en insufflant dans le réseau de l'énergie émotionnelle, supplémentaire à l'énergie provenant des Désirs de l'agent et des États internes qui reflètent l'état de l'environnement. L'agent démontre sa capacité à intégrer une variété de sources d'information pour décider du prochain acte tutoriel à exécuter, incluant les croyances au sujet de l'apprenant (état de ses connaissances, sa personnalité, son état affectif) et ses propres réactions émotionnelles (liées à sa "personnalité"). Les délibérations permettent d'intégrer autant les croyances de l'agent au sujet de l'apprenant que ses préférences pédagogiques liées à son expérience tutorielle, ainsi que les "émotions" qui s'éveillent en lui, échos des résultats de l'apprenant et de ses états affectifs.

Dans une autre perspective, les travaux de Farouk et ses collègues présentent les résultats d’une étude expérimentale dont le but est de recueillir les informations pertinentes qui permettraient à un agent pédagogique personnifié (ou agent conversationnel animé) de gérer ses émotions à travers l’orientation de son regard et de ses gestes dans une situation de bilan-diagnostic avec l’apprenant. L’hypothèse qui sous-tend ces travaux est qu’un agent pédagogique personnifié pourrait favoriser la réflexion métacognitive des élèves sur leur compétence, en particulier en manifestant une empathie qui aide à la déculpabilisation face aux erreurs.

L’expérimentation a été effectuée en utilisant le système Pépite qui propose à l’élève un ensemble structuré d’exercices d’algèbre et d’un module d’analyse des réponses de l’élève qui permet de construire son profil cognitif.

L’idée était d’observer les réactions des enseignants au moment du bilan-diagnostic avec l’élève. Ces réactions concernent plus particulièrement les fonctions du regard utilisées par le professeur et la répartition de son regard entre l’élève et le document résumant les résultats du diagnostic. L’étude considère aussi les facteurs pouvant influencer ces réactions, notamment les différentes phases du diagnostic et le profil de l’élève. Cette expérimentation a nécessité la participation de 4 élèves et de 2 enseignants (soit 8 séquences d’interaction enregistrées). Elle a donné lieu à un corpus vidéo d’interactions multimodales annotées par la suite pour permettre d’étudier le lien entre les expressions multimodales, les émotions des acteurs, les objectifs pédagogiques et le profil de l’élève (produit par Pépite). Les résultats préliminaires ont permis de conclure que la direction du regard de l'enseignant dépend essentiellement des actes pédagogiques (clairement identifiés en contexte de bilan-diagnostic) et du niveau de l’élève. Ces résultats préliminaires constituent des prémisses d’un cadre pour la synthèse du comportement affectif d’un agent pédagogique.

4. L’influence des outils et moyens d’interactions sur les émotions de l’apprenant

Les émotions relèvent à la fois du corps et de la cognition, et on peut douter qu'il soit réellement possible de les considérer séparables de l'un et de l'autre. Sami Ali (Sami Ali, 2003) qualifie l’affect, propre aux émotions, comme un outil mnésique, une manière de pondérer les informations cognitives avec le corps, tout comme dans la théorie des marqueurs somatiques de Damasio (Damasio, 1994). Les émotions, comme tout objet psychique, seraient un objet à la fois social et individuel permettant de pondérer la mémoire humaine, et donc ayant un lien direct avec l’apprentissage. Le langage tient-il un rôle dans la génération des émotions, comme l'a proposé Vygotski? Peut-il servir à traduire même les émotions dites primaires? Tirer une conclusion sur ce dernier point peut s'avérer fructueux pour l'utilisation d'outils de communication appliqués à la formation à distance.

Dans le contexte de la formation en ligne, dominée par les interactions à distance, le corps des acteurs en relation n’est plus dans une perception directe : il est représenté à l’écran, à travers des symboles et quelques autres rares signes qu'offre l'interface de communication. Duplàa explore ainsi l'éventualité d'émotions primaires dans des relations en ligne où seules les possibilités d'expression offertes par l'outil de communication laissent deux acteurs entrer en relation. Les émotions de ce type pourraient aussi avoir une origine sociale concrétisée dans les signes langagiers, tout comme les émotions secondaires (ou nobles, selon le découpage de Descartes), liées à la cognition. Duplàa avance l’hypothèse que les outils de communication en ligne supporteraient variablement les émotions, puisqu’ils se différencieraient selon les interactions sociales et langagières qu’ils permettent, mais aussi selon la place de la représentation symbolique qu’ils laisseraient pour communiquer les indications corporelles.

Deux expérimentations de communication à distance tentant l'utilisation de quatre types d'interactions (clavardage (chat), forum, messagerie instantanée et courriel) confirment que les outils technologiques peuvent susciter chez leurs utilisateurs des aspects émotionnels : pudeur ou proximité, dynamisme ou congestion. Les outils offrant des interactions publiques (clavardage et forum) ont été peu utilisés au cours des expérimentations, selon toute vraisemblance à cause de la prudence qu'ils exigent de la plupart des participants. De plus, il semble que l'instantanéité, comparativement aux messages asynchrones (courriels, forums), permette de fournir à l’interlocuteur plus d’informations liées à la dimension émotive de la communication. Les données de la communication extra-langagière convoient ces informations, et cette forme de communication semble plus contrôlable via la messagerie instantanée. Paradoxalement, les limites d'interaction des outils de communication protègent l'anonymat et favorisent ainsi l'interaction sociale émotionnelle.

En supportant une dimension émotionnelle dans la communication scientifique, l’objectif de tels outils est de permettre à l'enseignement des sciences de mieux fonctionner (une communication plus dynamique obtient une meilleure attention) et d'atteindre un niveau d'apprentissage supérieur par une meilleure mémorisation.

5. Le maintien de la motivation

La motivation est un facteur très important en situation d’apprentissage. La dimension conative du profil de l’apprenant réfère à ses capacités motivationnelles, directement liées à ses états affectifs et cognitifs (Reuchlin, 1990). Mettre en place des mécanismes soutenant l’état motivationnel permet de favoriser des processus d’apprentissage mis en œuvre à l’aide d’un EIAH.

La contribution de Blanchard et Frasson décrit un système EIAH multi-agents, appelé MOCAS, dont le but est d’encourager les besoins psychologiques fondamentaux des apprenants, notamment les sentiments d’autonomie, de compétence et de relationnel. Ces besoins sont suggérés par la théorie de l’autodétermination pour améliorer la qualité de la motivation en contexte d’activité. La version actuelle de MOCAS permet de satisfaire au besoin d’autonomie grâce à trois principes inspirés des jeux vidéo consistant à 1) encourager la liberté des apprenants et la prise de décision ; 2) fournir de l’encadrement pédagogique seulement quand cela est jugé nécessaire ; 3) donner la possibilité à plusieurs apprenants de partager une même expérience d’apprentissage.

L’environnement virtuel de MOCAS est peuplé d’avatars. Ceux-ci représentent tous les apprenants connectés. Les apprenants peuvent se déplacer sans contrainte et interagir comme bon leur semble avec de nombreux autres avatars contrôlés par des agents pédagogiques personnifiés. Ces derniers ont pour devoir d’une part d’encadrer l’apprenant pour le garder concentré sur l’activité et, d’autre part, d’enseigner dans un rôle particulier qui leur est assigné. Les résultats d’une expérimentation menée auprès des élèves du primaire à montré la capacité de MOCAS à maintenir les élèves dans un état positif de motivation.

6. Conclusion et perspectives

Les sciences cognitives reconnaissent trois catégories de facteurs caractérisant un individu : cognitifs, conatifs et affectifs. Les facteurs cognitifs concernent les connaissances et habiletés nécessaires pour la prise de décisions et la résolution de problèmes. Les facteurs conatifs concernent, en partie, les buts et la motivation à les atteindre. Les facteurs affectifs concernent le style ou la personnalité, et leur impact sur les émotions. Le potentiel d’un individu est fonction de ces trois facteurs qui, en réalité, sont étroitement combinés. Les recherches en EIAH se sont longtemps concentrées sur les facteurs cognitifs en délaissant les deux autres facteurs. Les contributions présentées dans ce numéro spécial participent à combler ce déficit en étudiant les dimensions conatives et affectives.

Les recherches sur l’impact des émotions sur la cognition sont encore jeunes. La dimension émotionnelle des EIAH est une problématique encore très récente mais qui nous semble incontournable. A notre avis, les limites des EIAH d’aujourd’hui ne résident pas tant dans leur difficulté à encoder et exploiter des théories pédagogiques complexes ou à gérer efficacement les ressources disponibles pour garantir l’apprentissage. Leurs limites résident dans leur capacité à communiquer efficacement avec l’apprenant. En fait, les théories pédagogiques encodées dans les EIAH ont été pensées pour être mises en œuvre par les humains : elles font appel à de multiples compétences implicitement supposées comme disponibles. Entre autres, on y tient comme acquise la capacité des tuteurs à interpréter correctement les divers indicateurs émotionnels. Faudrait-il repenser ces théories pour les machines ? Est-ce que cela nécessitera une remise en cause des théories pédagogiques actuelles pour mieux reconnaître et expliciter la part des émotions et donc définir de nouvelles balises, prévoir de nouveaux paramètres ?

Quels sont les aspects prioritaires en matière de prise en compte des émotions dans les EIAH ? La synthèse des émotions à travers les agents pédagogiques personnifiés est-elle la voie à suivre ? Quelles études empiriques menées et quelles théories peuvent fonder cette synthèse des émotions ? Quel est l’impact réel de cette approche sur l’apprentissage ? Lorsque l’agent pédagogique est personnifié, comment garantir son acceptation par l’apprenant ? Quelles options lui offrir et comment gérer cette flexibilité ? Comment l’agent ajuste-t-il ses expressions émotionnelles pour s’adapter à l’apprenant ? Graesser et ses collègues (Graesser et al., 2005b) énoncent plusieurs avantages liés à l’utilisation des agents pédagogiques personnifiés en s’appuyant sur plusieurs études qui le confirment (Moreno et al., 2001), (Atkinson, 2002), (Person et al., 2001). Cependant, les avis restent très partagés car, comme l’affirme Whittaker (Whittaker, 2003), les conditions propices à l’utilisation d’agents pédagogiques personnifiés restent à clarifier. Ceci pourrait se faire par des études empiriques pour établir d’une part la valeur pédagogique (c’est-à-dire la valeur ajoutée qui peut découler de la synthèse des émotions à travers les agents pédagogiques personnifiés) en terme de bénéfices pour l’apprenant et, d’autre part, les principes gouvernant la construction et l’intégration de ces agents dans un contexte donné.

L’induction des émotions chez l’apprenant est-elle une voie intéressante ? La question peut se poser d’autant plus que nous sommes bien loin de résultats fiables, et ce pour deux raisons. La première est liée à l’absence d’une approche efficace permettant d’établir avec une certaine précision l’état émotionnel de l’apprenant. La piste à privilégier, selon les recherches de Picard (Picard, 2003), est celle d’une approche multimodale. C’est aussi ce qu’affirment les travaux de Lisetti (Lisetti, 2006). La question est maintenant de savoir comment une telle multimodalité peut être gérée sans engendrer des biais liés aux équipements nécessaires, pour la plupart intrusifs ? L’évolution technologique permettra sans doute de contourner ce biais difficilement acceptable dans un contexte d’apprentissage. La seconde raison expliquant l'incertitude des résultats concerne la démarche même de l’induction de l’émotion. En effet le lien entre les émotions et les moyens utilisés pour les engendrer chez l’apprenant restent encore largement à explorer. Une piste consisterait à établir les conditions de nature affective qui favorisent l’apprentissage, et développer des stratégies solides pour créer ces conditions. Ceci peut mener à l’adaptation des théories connues. Par exemple, la théorie de Gagné (Gagné, 1985) précise les conditions d’apprentissage dans le domaine cognitif et pourrait être étendue par l’ajout des aspects émotionnels.

En somme, il y a encore du chemin à faire. Un long chemin reste à parcourir pour créer une machine réussissant le test de Turing étendu, capable de manifester une véritable intelligence émotionnelle, ou de la machine émotionnelle que décrit Minsky (Minsky, 2006), raisonnant par les émotions. Un premier objectif sur cette voie, est de réussir à doter les EIAHs d’une capacité affective qui les permet de communiquer sur plusieurs registres pour un meilleur soutien aux apprenants (Quinn, 2006). Les pistes actuelles de recherche fournissent déjà des résultats encourageants.

Ce numéro spécial permet de voir quelques-unes de ces pistes. Les auteurs y présentent certaines problématiques liées à la dimension affective des EIAHs ainsi que les perspectives de recherche qui en découlent. Nous espérons qu’il saura sensibiliser la communauté EIAH à l’importance de ces problématiques et à la nécessité de créer une synergie francophone autour de ce sujet.

Références

AIED (2005) Workshop on Motivation and Affect in Educational Softwarehttp://hcs.science.uva.nl/AIED2005/W4proc.pdf (consulté le 18/07/06)

AIED (2007) 2007 Modeling and Scaffolding Affective Experiences to Impact Learning

ATKINSON, R. K. (2002). Optimizing learning from examples using animated pedagogical agents. Journal of Educational Psychology, 94, 416–427.

BLOOM, B. et al. (1975). Taxomomie des objectifs pédagogiques : Vol. 1 : Domaine cognitif. Presses de l’Université du Québec.

CLORE, G. et GASPER, K. (2000)., Feeling is believing: Some affective influences on belief. In Frijda, N., Manstead, A. & Bem, S. (Eds.) Emotions and Beliefs: How Feelings Influence Thoughts, Cambridge University Press, Cambridge, p. 1-9.

DAMASIO A.R. (1994). Descartes’ error: emotion, reason, and the human brain. New York: G. P. Putnam.

D'MELLO, S., PICARD, R.W. et GRAESSER, A. (2007). Towards An Affect-Sensitive AutoTutor, IEEE Intelligent Systems, Special issue on Intelligent Educational Systems, Vol 22, No 4, July 2007, p. 53-61.

FAIVRE, J., NKAMBOU, R. et FRASSON, C. (2003). Toward Empathetic Agents in Tutoring Systems”. AAAI/FLAIRS-2003 (Proceedings of the Florida Artificial Intelligence Research Society), p. 161-165, AAAI Press.

FERRO, T. (1995)., The influence of affective processing in education and training, New Directions for Adult and Continuing Education, Vol. 59, p 25-33.

GAGNÉ, R. M., (1985) The Conditions of Learning and Theory of Instruction. New York: CBS College Publishing.

GARTNER, H. (1983). , Frames of Mind: The Theory of Multiple Intelligences, Basic Books, New York, 1983.

GOLEMAN, D. (1995), Emotional Intelligence, Bantam Books, New York, 1995.

GRAESSER, A.C., CHIPMAN, P., HAYNES, B.C., & OLNEY, A. (2005a). AutoTutor: An intelligent tutoring system with mixed-initiative dialogue. IEEE Transactions in Education, 48, p. 612-618.

GRAESSER, A., PERSON, N., LU, Z., JEON, M.G. et McDANIEL. B. (2005b), Learning While Holding A Conversation With A Computer. Technology-Based Education: Bringing Researchers and Practitioners Together, p. 143–167, Information Age Publishing.

GRIZARD, A. et LISETTI, C.L. (2006), Generation of Facial Emotional Expressions Based on Psychological Theory. Proceedings of the Workshop on Emotion and Computing at KI 2006, 29th Annual Conference on Artificial Intelligence, June, p.14-19, Bremen, Germany

HERAZ, A., FRASSON , C., (2006) Hidden Emotions in Iconic Faces. Workshop on Robots and Agents. International Conference on Intelligent Tutoring System (ITS), Jhongli , Taiwan.

HUMAINE (2006)., Réseau d'excellence. http://emotion-research.net/aboutHUMAINE/ (consulté le 18/07/06)

ITS (2004). Workshop on Emotional and Social Intelligence in Learning Environments. International Conference on Intelligent Tutoring System (ITS), Maceio , Brasil.

ITS (2006a). Workshop Motivational and affective issues in ITShttp://www.informatics.sussex.ac.uk/users/gr20/its06/

ITS (2006b) International Conference on Intelligent Tutoring System (ITS ), Jhongli , Taiwan , June 2006.

JOHNSON, W.L., RICKEL, J.W. et LESTER, J.C. (2000). Animated Pedagogical Agents: Face-to-Face Interaction in Interactive Learning Environments. International Journal of Artificial Intelligence in Education 11:47-78.

KRATHWOHL, D.R., BLOOM, B.S. et MASIA, B.B. (1976). Taxonomie des objectifs pédagogiques, tome II. Domaine affectif. Montréal, Presses de l’Université du Québec.

LESTER, J.C., TOWNS, S.G. et FITZGERALD, P.J. (1999). Achieving Affective Impact: Visual Emotive Communication in Lifelike Pedagogical Agents. The International Journal of Artificial Intelligence in Education, 10(3-4), p.278-291.

LISETTI, C. L. (2006). Le paradigme MAUI pour des agents multimodaux d’interface homme-machine socialement intelligents. Revue d’Intelligence Artificielle, – Numero Special sur les InteractionsEmotionnelles, Vol. 20, No. 4-5, p. 583-606.

MARTIN, J.C., NIEWIADOMSKI, R., DEVILLERS, L., BUISINE, S. et PELACHAUD, C. (2006). Multimodal complex emotions: Gesture expressivity and blended facial expressions, International Journal of Humanoid Robotics, Special Edition "Achieving Human-Like Qualities in Interactive Virtual and Physical Humanoids" p. 269-291

MARTINEZ, M. (2001)., Key design considerations for personalized learning on the Web, Educational Technology and Society, Vol. 4, No.1, p 26–40, 2001.

McLEOD, D. (1994)., Research on affect and Mathematics learning in the JRME: 1970 to the present, Journal for Research in Mathematics Education, Vol. 25, No. 6, p 637–647.

MINSKY, M. (2006). The Emotion Machine: Commonsense Thinking, Artificial Intelligence, and the Future of the Human Mind, Simon & Schuster, New York.

MORENO, R., MAYER, R. E., SPIRES, H. A., et LESTER, J. C. (2001). The case for social agency in computer-based teaching: Do students learn more deeply when they interact with animated pedagogical agents? Cognition and Instruction, 19, p.177-213.

NKAMBOU, R., LAPORTE, Y., YATCHOU, R. et GOUARDERES, G. (2002). Embodied Emotional Agent and Intelligent Training System. Dans: Abraham, A., Jain, L., & Kacprzyk, J. (Eds), “Recent Advances in Intelligent Paradigms and Applications”. Chapter 11, p. 233-253. Springer-Verlag.

O’REGAN, K. (2003). Emotion and E-Learning, Journal of Asynchronous Learning Network (JALN), Vol. 7, No. 3, p. 78-92.

OCHS M., FRASSON C. Emotionally Intelligent Tutoring Systems . AAAI/FLAIRS-2004 The 17 th International FLAIRS Conference, AAAI Press, May 17-19, 2004, Miami Beach , FL , USA .

OCHS, M., NIEWIADOMSKI, R., PELACHAUD, C. et SADEK, D. (2006). Expressions Intelligentes des Emotions, Revue en Intelligence Artificielle RIA, Special Edition “Interaction Emotionnelle”, vol. 20, N. 4-5.

PALOMBO W., WEISS, R. (2000), Emotion and learning, Training and Development, Vol. 54, No. 11, pp 44-48, 2000.

PELACHAUD C. (dir ; 2006ed)., Interactions émotionnelles, Revue d'Intelligence Artificielle n°4-5/2006, Hermès, Lavoisier.

PERSON, N. K., GRAESSER, A. C., BAUTISTA, L., MATHEWS, E. C., & Tutoring Research Group (2001). Evaluating student learning gains in two versions of AutoTutor. AI-ED in the wired and wireless future , p. 286–293. Amsterdam: IOS Press.

PICARD, R. (1997). Affective Computing, MIT Press. http://affect.media.mit.edu (consulté le 18/07/06)

PICARD, R.W. (2003), "Affective Computing: Challenges," International Journal of Human-Computer Studies, Volume 59, Issues 1-2, July 2003, pp. 55-64.

PICARD, R.W. (2007), Toward Machines with Emotional Intelligence, Chapter in The science of emotional intelligence: Knowns and unknowns, Matthews, G., Zeidner, M., & Roberts, R. D. (Eds.) Oxford, UK: Oxford University Press. A paraître.

Postle, G. (1993)., Putting the heart back into learning. In: Boud, D., Cohen, R. & Walker, D. (Eds.), Using Experience for Learning, SRHE & Open University Press, Buckingham, p. 33-45.

QUINN, N. C. (2006). Making it matter to the learner: e-Motional e-Learning. Learning Solutions, Avril 2006, p. 1-6.

REUCHLIN, M. (1990). La Psychologie Différentielle. Puf, Paris.

SAMI ALI M. (2003). Corps et âmes, pratique de la théorie relationnelle, Paris, France, Dunod.

SHELTON, C. (2000), Portraits in emotional awareness. Educational Leadership, p 330 –332.

WHITTAKER, S. (2003). Mediated communication. In A.C. Graesser, M.A. Gernsbacher, and S.A. Goldman (Eds.), Handbook of Discourse Processes. Hillsdale, NJ: Erlbaum.
Workshop on Social and Emotional Intelligence in Learning Environments. http://www.itsconference.org/2004/w7/

WORTHMAN, C. (1999)., Emotions: You can feel the difference. In: Hinton, A. Biocultural Approaches to the Emotions, Cambridge University Press, Cambridge, p.41-74.

 

Référence de l'article :
Roger NKambou, Élisabeth Delozanne, Claude Frasson, Editorial du numéro spécial Les dimensions émotionnelles de l'interaction dans un EIAH, Revue STICEF, Volume 14, 2007, ISSN : 1764-7223, mis en ligne le 29/02/2008, http://sticef.org
[Retour en haut de cette page] Haut de la page
Mise à jour du 26/04/08