J'ai le plaisir de vous inviter à ma soutenance de thèse intitulée
«Modélisation de systèmes émotionnels à partir de signaux physiologiques
et application dans la conception de jeux vidéo » ainsi qu'au pot qui
suivra.
La soutenance se déroulera le mardi 31 mai 2011 à 9h00
en salle 211, couloir 55-65, 2ème étage (accès par la tour 55).
4 place Jussieu, Paris 5ème.
Voici un plan d'accès :
http://www.upmc.fr/fr/universite/campus_et_sites/a_paris_et_en_idf/jussieu.html
=======
Jury
=======
Bernadette BOUCHON-MEUNIER (Directrice de recherches au CNRS,
UPMC/LIP6)[Directrice]
Maria RIFQI (Maître de Conférences-HDR, Université
Panthéon-Assas/LIP6)[Encadrante]
Anne LAURENT (Maître de Conférences-HDR, Université Montpellier 2)
[Rapporteur]
Olivier STRAUSS (Maître de Conférences-HDR, Université Montpellier 2)
[Rapporteur]
Charles TIJUS (Professeur, Université Paris 8) [Examinateur]
Thierry ARTIÈRES (Professeur, UPMC/LIP6) [Examinateur]
======
Résumé
======
Les émotions jouant un rôle essentiel dans les rapports humains, il est
important de développer des méthodologies pour évaluer les états
émotionnels ressentis par un utilisateur lorsqu'il interagit avec des
ordinateurs. Dans le domaine de la conception des jeux vidéo en
particulier, ce besoin est primordial. En effet, les jeux vidéo
constituent maintenant une partie de la culture de notre société, non
seulement comme forme de divertissement mais aussi comme un des plus
puissants canaux éducatifs.
Pourtant, quantifier ce genre d'interactions homme-machine est une
aventure parsemée d'ambigüités. Dans ce contexte, parmi un vaste éventail
de moyens possibles pour accéder aux réactions émotionnelles de
l'utilisateur, les mesures physiologiques ont un avantage clé parce
qu'elles permettent un accès à des processus inconscients. Mais, faire
correspondre des motifs physiologiques à des émotions reste encore une
tâche extrêmement difficile. Dans cette thèse, nous développons un modèle
adéquat pour répondre à ces questions fondamentales. Pour cela, nous avons
mené des expériences dans lesquelles les mesures physiologiques de joueurs
jouant sur un jeu d'action ont été enregistrées pour découvrir des
signatures physiologiques typiques de diverses expériences de jeu.
Ensuite, nous avons utilisé un modèle d'apprentissage automatique le plus
adapté à cette tâche particulière. Tandis que certains modèles actuels ont
pu montrer leur efficacité dans la classification (discrimination d'états
cognitifs), ils ne semblent pas suffisamment robustes pour répondre au
problème de la caractérisation psychophysiologique, c'est-à-dire de
l'induction de connaissances facilement compréhensibles. Dans cette thèse,
nous avons considéré deux méthodologies: l'apprentissage automatique par
des arbres de décision flous, et la construction automatique de prototypes
flous grâce aux calculs de typicalité, pour la mise en évidence des
relations psychophysiologiques caractéristiques. Deux études
expérimentales ont été menées; l'une pour étudier profondément les
propriétés de caractérisation de diverses mesures physiologiques en
relation avec les états émotionnels; l'autre, pour tester le modèle
construit en évaluant les états émotionnels en relation avec diverses
séquences de jeu. Grâce à ce modèle, nous avons développé un contrôleur
flou psychophysiologique capable de mesurer correctement et de manière
continue des états émotionnels du joueur.
======
Title
======
"Modeling aff ective systems through physiology and their application in
design of video games"
======
Abstract
======
As emotions play a significant role in normal human relations, there is
need to develop methodologies for assessing user's emotional experiences
while interacting with computers. More especially, it has a particular
interest in the field of gameplay technology. Indeed, video games are now
part of our society culture, not only as a form of entertainment but also
as one of the most powerful educative channels of our times.
However, to quantify such human computer interactions is venture that is
clouded with ambiguity. In this context, among a vast range of possible
ways to access a user's emotional responses, physiological measures have a
key advantage as they grant an access to non conscious and non reportable
processes. But, to map physiological patterns to user psychological states
still remains an extremely intricate task. In this study, we addressed the
possibility of developing an adequate model to tackle these fundamental
issues. Hence, we conducted experiments in which physiological measures on
players involved in an action game were recorded with an aim of
discovering typical physiological signatures associated with various
gaming experiences.
Subsequently, we employ a machine learning model that is best suited for
this peculiar task. While some of the current models may have proved to be
efficient in classification (discriminating cognitive states), they do not
seem robust enough to tackle the problem of psychophysiological
characterization i.e the induced knowledge is often difficult to exploit.
In this work, we consider two frameworks: machine learning by fuzzy
decision trees, and drawing from typicality-based prototypes framework, we
formulate a model that employs typicality degrees to discover pertinent
psychophysiological characteristics.
We frame this in two main experimental studies, one, to extensively study
characterization properties of various physiological features in relation
to cognitive states, and another, to test the constructed framework by
assessing player's psychological states in relation to various game
events. Thanks to our framework, we developed a fuzzy psychophysiological
controller that was able to correctly measure continuously the player's
affective states.
Merci beaucoup,
Joseph Onderi ORERO
UPMC - LIP6
4 place Jussieu
75252 Paris Cedex 05
France
office #504-26-00 (tower 26, 5th floor)
Phone (33) 1 44 27 88 87
Fax (33) 1 44 27 70 00
