Estimation de l’état fonctionnel de l’opérateur

L’estimation de l’état fonctionnel de l’opérateur (c’est-à-dire le patron multidimensionnel de conditions physiologiques et comportementales qui régule les performances) a un grand potentiel pour l’augmentation de la sécurité et de la fiabilité de systèmes critiques. L’apprentissage automatique, qui a connu des avancées importantes au cours des dernières années, est une avenue à explorer pour effectuer cette estimation. Une problématique dans l’utilisation de ces techniques est la formalisation de l’OFS en une mesure objective permettant de fournir un signal d’entraînement à l’apprentissage automatique. Ce mémoire présente une mesure, la performance dynamique décontextualisée, permettant d’utiliser ces techniques pour estimer l’état fonctionnel de plusieurs participants, pour plusieurs tâches expérimentales différentes. Cet ouvrage explore également les performances obtenues par plusieurs techniques d’apprentissage automatique dans divers contextes. Entre autres, la généralisation des modèles entraînés à de nouveaux participants ou de nouvelles tâches expérimentales et l’utilisation du contexte expérimental sont étudiées.The assessment of an operator’s functional state (i.e., the multidimensional pattern of human psycho-physiological conditions that mediates performance) has great potential for increasing safety and reliability of critical systems. Machine learning, which has had success in recent years, is a technique which should be investigated for this task. An open question in the use of machine learning algorithms for the assessment of the operator’s functional state is the formalization of the operator’s state in an objective measure that can provide a training signal for the algorithms. This Master’s thesis introduces the decontextualized dynamic performance, a measure which enables the use of machine learning for many experimental tasks and many participants simultaneously.This work also explores the performances obtained by machine learning techniques in some contexts. The generalization of the trained models to new participants, or new tasks as well as the utilization of the training context is investigated