RCAviz: Visualization and Exploration of Conceptual Structures

Savoir explorer les connaissances est un atout pour le développement de méthodes agronomiques innovantes et respectueuses de l’environnement. RCAviz est une plateforme de visualisation en ligne créée spécialement pour l’exploration de connaissances organisées dans des classifications interconnectées. Les explications des auteurs de la plateforme.

Avec l’essor du numérique, la recherche agronomique a produit de nombreux jeux de données sur l’agriculture et l’environnement qu’il s’agit de mobiliser pour développer des outils d’aide à la décision à destination des populations du Nord et du Sud. Parmi ces jeux de données, on peut citer celui sur les cours d’eau de deux bassins versants français du projet Fresqueau ou celui sur l’usage des plantes à effet pesticide et antibiotique du projet Knomana pour la santé animale, végétale, humaine et publique.

RCAviz est une plateforme de visualisation de classifications conceptuelles, créée pour explorer les bases de connaissances agro-environnementales. Les classifications conceptuelles, générées par exemple avec  FCA4J, sont des structures hiérarchiques dont les classes sont des groupes d’entités (par exemple des plantes utilisées pour produire des biopesticides, des insectes ou des organismes protégés) partageant des caractéristiques (par exemples taxonomiques, d’usage, de toxicité ou de localisation). Leur navigation par un expert permet de découvrir, de confirmer des connaissances ou encore de formuler des hypothèses. Dans le cadre de Knomana, par exemple, une classe de plantes peut regrouper Tagetes patula, Mentha spicata, Thymus vulgaris et Satureja hortensis pour leurs caractéristiques d’être toutes aromatic, repellent, et edible. Une sous-classe peut restreindre la classe aux trois plantes Mentha spicata, Thymus vulgaris, Satureja hortensis qui ont, en sus, la caractéristique cooking usage. Naviguer au sein de ces classes permet à l’expert de connaître des plantes aromatiques et insectifuges. Pour Knomana, nous allons plus loin et connectons plusieurs de ces classifications entre elles, par exemple la classification des plantes avec celle des insectes. Une classe d’insectes peut ainsi regrouper whitefly, flea beetle, weevil, Colorado beetle et aphid, insectes communs dans les jardins. La connexion entre deux classes de classifications différentes induit un questionnement sur les connaissances induites. Cette connexion peut par exemple indiquer que la plante Tagetes patula éloigne les insectes whitefly, flea beetle, weevil et Colorado beetle, qui sont des connaissances avérées, mais pose la question sur l’effet répulsif de Tagetes patula vis-à-vis d’aphid du fait de son appartenance à la classe des insectes communs au jardin. Ce faisant, il peut être intéressant de conduire une expérimentation pour établir si Tagetes patula éloigne effectivement aphid.

Les classifications sont en pratique de grande taille et la variété d’opérateurs de regroupement offre la possibilité d’effectuer de multiples analyses et de formuler différentes sortes d’hypothèses. La plateforme de visualisation RCAviz a été spécialement développée pour guider un utilisateur dans leur exploration. Elle permet de visualiser des extraits connectés des différentes classifications et de se déplacer entre les classes, soit au sein d’une même classification (par exemple depuis la classe des plantes aromatiques vers la sous-classe des plantes aromatiques utilisées en cuisine), soit entre classifications connectées par une relation (par exemple depuis la classe des plantes aromatiques vers la classe des insectes communs dans les jardins qu’elles éloignent). Les déplacements se font par sélection/dé-sélection d’entités, de caractéristiques, de classes, de liens. Un historique permet de suivre le fil de l’exploration et de revenir aisément en arrière. De plus, une navigation peut être sauvegardée pour être rechargée ultérieurement dans l’application, permettant de revenir à un état de navigation précédent.

La conception de la première version de RCAviz a été réalisée lors d’une collaboration entre les co-porteurs du projet Knomana (P. Silvie et P. Martin) et des membres du  LIRMM,  incluant des spécialistes des classifications conceptuelles et de la visualisation (A. Gutierrez, M. Huchard, E. Muller, P. Poncelet, A. Sallaberry). Le développement a été effectué par E. Muller, étudiant puis diplômé du Master informatique, spécialité DECOL (DOnnées COnnaissances et Langage naturel), avec le soutien de #Digitag.

En savoir plus