L'intelligence artificielle pour aider à observer les comportements

Une étude révèle que l'intelligence artificielle pourrait améliorer les décisions pédagogiques et cliniques prises par l'enseignant de votre enfant, votre professionnel de la santé mentale ou même votre médecin.

Une étude révèle que l'intelligence artificielle pourrait améliorer les décisions pédagogiques et cliniques prises par l'enseignant de votre enfant, votre professionnel de la santé mentale ou même votre médecin.

Crédit : Getty

En 5 secondes

Selon une nouvelle étude, des algorithmes d’apprentissage automatique soutiennent mieux la prise de décisions éducatives et cliniques.

L'intelligence artificielle pourrait-elle améliorer les décisions pédagogiques et cliniques prises par l'enseignant de votre enfant, votre professionnel de la santé mentale ou même votre médecin? Oui, selon l’étude d'un psychoéducateur et analyste du comportement de l'Université de Montréal publiée dans la revue Perspectives on Behavior Science.

Lorsqu'ils travaillent avec des personnes autistes, des individus qui souffrent d’un trouble déficitaire de l’attention avec ou sans hyperactivité, de difficultés d’apprentissage ou de problèmes de santé mentale, les praticiens s'appuient souvent sur leur jugement professionnel pour déterminer si le comportement de leurs patients s'améliore à la suite d'une intervention. Mais cela ne suffit pas, selon l'étude.

«Malheureusement, les experts sont souvent en désaccord lorsqu'ils tirent des conclusions à partir de données comportementales, ce qui peut mener à l'interruption prématurée d'une intervention efficace ou à la poursuite d'un traitement inefficace», déclare l'auteur principal Marc Lanovaz, chercheur à l'Institut universitaire en santé mentale de Montréal.

Pour trouver une meilleure façon de procéder, M. Lanovaz et ses collègues de Polytechnique Montréal, affiliée à l'UdeM, et du Manhattanville College à Purchase, aux États-Unis, ont indépendamment étiqueté plus de 1000 graphiques pour élaborer de nouveaux modèles de décision à l'aide de l'apprentissage automatique.

Des résultats comparés

Les résultats auxquels ils sont parvenus ont ensuite été comparés avec ceux produits par l'outil d'aide visuelle le plus utilisé par les chercheurs aujourd'hui.

«Bien que nous ayons toujours supposé que nos modèles seraient performants, nous ne nous attendions pas à ce qu'ils soient aussi exacts», mentionne M. Lanovaz, professeur associé qui dirige le Laboratoire de recherche comportementale appliquée à l'École de psychoéducation de l'Université de Montréal.

«Non seulement les conclusions obtenues à partir de nos modèles correspondaient à l'interprétation des experts plus fréquemment que celles engendrées par l’outil le plus populaire, mais nos modèles produisaient également des conclusions plus exactes sur des nouvelles données», indique-t-il.

Selon les auteurs, ces modèles pourraient éventuellement aider les praticiens à prendre de meilleures décisions quant à l'efficacité de leurs interventions.

«Si l’on améliore la prise de décision, les praticiens devraient désigner plus rapidement et plus précisément les interventions comportementales efficaces et inefficaces, dit M. Lanovaz. En fin de compte, nous espérons que ce changement se traduira par des interventions mieux adaptées aux personnes ayant des troubles du développement, des problèmes de santé mentale ou des difficultés d’apprentissage.»

À propos de cette étude

L’article «Machine learning to analyze single-case data: a proof of concept», par Marc Lanovaz et ses collaborateurs, a été publié le 21 janvier 2020 dans Perspectives on Behavior Science.

Relations avec les médias