Co-Apprentissage Humain-Machine : Cas d’Étude en Acquisition de Compétences Motrices - Architectures et Modèles de l'Adaptation et de la Cognition Accéder directement au contenu
Pré-Publication, Document De Travail Année : 2023

Human-Machine Co-Learning: Case Study of Motor Skill Acquisition

Co-Apprentissage Humain-Machine : Cas d’Étude en Acquisition de Compétences Motrices

Résumé

Previous research on motor learning has examined the effects of various training schedules on learning performance. If more practice improves learning, the practice must be tailored to the learner’s skill level. One approach is to design interactive learning support systems that adapt to the learner. However, when it comes to the design of such systems, there seems to be a lack of theoretical results regarding the mechanisms of adaptation. Here, we investigate the effects of real-time personalization of practice through a Multi-Armed Bandit (MAB) algorithm. We conducted a controlled laboratory study with a simple motor task involving pointing movements where the wrist drives a cursor in a channel. We show that the MAB algorithm outperforms standard algorithms by effectively reducing movement variability and that this adaptation homogenises learners’ skills. These results have theoretical implications that allow us to inform the design of interactive learning support systems.
Des recherches antérieures sur l’apprentissage moteur ont étudié les effets de divers programmes d’entraînement sur les performances d’apprentissage. Si le fait de s’entraîner davantage améliore l’apprentissage, l’entraînement doit être adapté au niveau de compétence de l’apprenant. Une approche est de concevoir des systèmes interactifs d’aide à l’apprentissage qui s’adaptent à l’apprenant. Seulement, la conception de tels systèmes semble manquer de résultats théoriques sur les mécanismes d’adaptation. Ici, nous étudions les effets d’une personnalisation en temps-réel de la pratique par le biais d’un algorithme MAB (Multi-Armed Bandit). Nous avons conduit une étude contrôlée en laboratoire avec une tâche motrice simple impliquant des mouvements de pointage où le poignet pilote un curseur dans un canal. Nous montrons que l’algorithme MAB surpasse les algorithmes standards en réduisant efficacement la variabilité du mouvement et que cette adaptation rend homogène les compétences des apprenants. Ces résultats ont des implications théoriques qui nous permettent d’éclairer la conception de systèmes interactifs d’aide à l’apprentissage.
Fichier principal
Vignette du fichier
vSungeelee_authorVersion_ihm23.pdf (5.41 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04014981 , version 1 (05-03-2023)

Identifiants

  • HAL Id : hal-04014981 , version 1

Citer

Vaynee Sungeelee, Antoine Loriette, Olivier Sigaud, Baptiste Caramiaux. Co-Apprentissage Humain-Machine : Cas d’Étude en Acquisition de Compétences Motrices. 2023. ⟨hal-04014981⟩
106 Consultations
44 Téléchargements

Partager

Gmail Facebook X LinkedIn More