Cette thèse s'inscrit dans la continuité du LabCom «Script&Labs » qui porte sur l'apport de l'IA pour l'apprentissage numérique. Nous traitons la problématique de l'analyse d'opérations arithmétiques posées manuscrites réalisées sur tablette stylet. Les contributions apportées dans cette thèse portent sur la reconnaissance à la volée d'opérations manuscrites en deux dimensions et sur la mise en correspondance de la réalisation de l'élève avec une consigne donnée afin d'identifier les erreurs de l'élève pour apporter un ensemble de feedbacks personnalisés. Le système se base sur des graphes de visibilité floue pour modéliser les opérations et qualifier les relations entre symboles. Grâce aux caractéristiques floues extraites des opérations, on apparie les symboles avec la représentation d'une solution produite à partir de la consigne. En proposant un appariement itératif sur une segmentation d'opérations en graphes de nombres, nous avons abouti à un résultat d'analyse qualitatif avec des temps de traitement garantissant des retours immédiats. Les expérimentations ont été conduites sur une base de données significative de saisie manuscrite d'enfants comportant différentes opérations de tailles variables (additions, soustractions, multiplications). Les résultats obtenus montrent l'impact de nos contributions sur la capacité du système à aboutir en moins de 5 secondes à une analyse correcte des propositions manuscrites des élèves.
BRUN Armelle - Professeure, Université de Lorraine
MOUCHERE Harold - Professeur, Université de Nantes
GWENOLE Lecorvé - Chercheur, Orange
ANQUETIL Eric - Professeur, INSA Rennes
MACE Sébastien - Responsable R&D, Learn&Go