Modeling users' search through contextual graphs.

National audienceThis paper presents a work on a comparison between a user model and user's behavior based on three premises. First, any system includes a representation of its users. Second, the external representation of users in a system is related to how the system is used by users. Third, knowing how to use the system depends on the task context. For making context explicit in order to use it, we use contextual graphs to capture the effective behaviors of users in an activity of information retrieval on a scientific website. We show how such a context-based representation may help to predict the search behavior of visitors to the website pages. We extend the capability of the system by a preliminary study based on a technique of eye tracking coupled with the contextual-graph representation. This approach allows dealing with a system that is able to incrementally acquire new knowledge from the user and learn new practices when the system is in a situation of failure.Ce papier présente un travail sur la comparaison entre un modèle utilisateur et le comportement réel de l'utilisateur reposant sur trois prémisses : 1) tout système interagissant avec un utilisateur possède un modèle de celui-ci ; 2) la représentation externe des utilisateurs dépend de l'utilisation qui est faite du système par l'utilisateur ; 3) connaître le type d'utilisation du système dépend du contexte dans lequel la tâche doit être exécutée. L'explicitation du contexte en vue de son utilisation conduit à utiliser les graphes contextuels pour capturer les comportements effectifs des utilisateurs dans une activité de recherche d'information sur un site web scientifique. Nous avons étendu les capacités d'un système d'aide dans une étude préliminaire basée sur une technique de repérage de mouvements oculaires en couplage avec la représentation en graphes contextuels. Cette approche permet de composer avec un système capable d'acquérir de manière incrémentale de nouvelles connaissances de l'utilisateur, et ainsi apprendre de nouvelles pratiques développées par les utilisateurs quand il est en échec