Missions :
L'objectif du postdoctorat est de concevoir un dispositif d'interaction pour prévenir les pilotes et les médecins de possibles fixations et les aider à modifier leur comportement de manière adéquat, en utilisant les possibilités de l'environnement de réalité étendue. En collaborant avec nos experts médecins et pilotes d'une part et les chercheurs en IA d'autre part, vous devrez identifier les méthodes les plus efficaces pour présenter les informations de diagnostic aux participants et les aider à comprendre la relation entre la situation, leurs actions et les possibles erreurs de fixation. Vous utiliserez l'observation comparative structurée (Mackay and McGrenere, 2024) ainsi que d'autres méthodes pour collecter des données qualitatives et quantitatives pour maximiser l'engagement des utilisateurs vis-à-vis du système, de telle sorte que les performances de l'utilisateur et du système réunis sont supérieures à celles de chaque acteur pris séparément.
Activités :
En situation critique, les opérateurs doivent poser des diagnostics provisoires sur la base d'informations partielles et incertaines pour prendre des décisions. Ce contexte est propice aux « erreurs de fixation », c'est-à-dire le fait de ne pas mettre à jour l'évaluation d'une situation ou de persister dans un plan d'action qui n'est plus approprié. Ces erreurs sont une cause majeure d'événements indésirables et d'accidents dans les domaines de la santé et de l'aviation. Le projet IDEFIX, financé par l'ANR, a pour objectif d'étudier l'apport de l'Intelligence Artificielle et de la Réalité Virtuelle & Augmentée pour aider les opérateurs en situation critique, comme des pilotes d'avion ou des professionnels de santé, à éviter les erreurs de fixation.
Nous développons un ensemble d'algorithmes pour analyser l'activité de pilotes et de soignants dans des environnements de réalité virtuelle et de réalité augmenté, sur des situations critiques simulées et contrôlées. Ces algorithmes sont capables d'identifier de possibles comportements de fixation à partir des informations de l'environnement et des actions de l'opérateur. La problématique IHM est alors la suivante : comment informer l'opérateur des recommandations de l'IA dans un environnement déjà saturé d'information, sans perturber son activité et en tenant compte du fait que l'assistant IA, tout comme l'opérateur, peut se tromper dans son analyse de la situation ?
Le travail visera en particulier à étudier :
* comment prendre en compte l'activité de l'opérateur dans le mécanisme de recommandation ;
* comment présenter l'information à l'opérateur en tenant compte de son activité, de sa charge cognitive et de la situation ;
* comment permettre à l'opérateur d'interagir avec l'IA de manière à maximiser la qualité de la décision et minimiser les temps de fixation.
Contexte de travail :
Le Laboratoire Interdisciplinaire des Sciences du Numérique (LISN) implanté sur le ca
Voir plus sur le site emploi.cnrs.fr...
