Stage M2 : Génération automatique de clés de détermination pédagogiques et low-tech

Génération automatique de clés de détermination pédagogiques et low-tech

Les clés de détermination sont des outils utilisés par les botanistes pour identifier précisément l’espèce d’une plante, grâce à des observations morphologiques successives (vous pouvez télécharger quelques exemples de clés sur cette page). Ces clés ressemblant fortement à des arbres de décision, nous proposons d’étudier leur structure afin de mettre en évidence les particularités qui les rendent efficientes. Le but est ensuite de créer un générateur automatique de clés destinées aux botanistes amateurs et chevronnés, et imprimables sur papier afin de toucher tous les publics. 

Pour améliorer l’état de l’art [3], la littérature sur l’inférence d’arbre de décision [1, 2] doit être adaptée pour :

• travailler avec des descriptions botaniques structurées, plutôt qu’une liste d’exemples,
• gérer les erreurs [4],
• trouver le bon compromis entre facilité d’observation et pouvoir discriminant à chaque nœud, tout en facilitant les retours en arrière.

Par rapport aux approches par reconnaissance d’image, il s’agit ici d’une approche low-tech de création de supports pédagogiques ludiques et scientifiques pour la diffusion de connaissances botaniques (identification et morphologie végétale). Pour juger l’impact potentiel du projet, on peut noter que l’utilisation de clés de détermination est au programme de 6ème et de seconde.

Le stage s’intègre dans l’approche Back to the Trees [5] et est co-encadrée par Agnès Schermann, maîtresse de conférence l’Université de Rennes au département Sciences de la Vie et Environnement. Le recensement et l’organisation des traits morphologiques des végétaux est réalisé dans le cadre du projet Botascopia de l’Université Paris-Saclay. Le stage pourra donner lieu à un doctorat en fonction des avancées et des motivations de l’étudiant·e recruté·e.

Contacts : simon.castellan@inria.fr, jeremy.omer@insa-rennes.fr

Références
[1] Quinlan, J. R. Induction of decision trees. Mach Learn 1, 81–106 (1986).
[2] Clark, J. Y. & Warwick, K. Artificial Keys for Botanical Identification using a Multilayer Perceptron Neural Network (MLP). in Artificial Intelligence for Biology and Agriculture (eds. Panigrahi, S. & Ting, K. C.) 95–115 (Springer Netherlands, Dordrecht, 1998). doi:10.1007/978-94-011-5048-4_5.
[3] Vignes-Lebbe, R., Bouquin, S., Kerner, A. & Bourdon, E. Desktop or remote knowledge base management systems for taxonomic data and identification keys: Xper2 and Xper3. TDWGProc 1, e19911 (2017).
[4] Wäldchen, J., Wittich, H. C., Rzanny, M., Fritz, A. & Mäder, P. Towards more effective identification keys: A study of people identifying plant species characters. People and Nature 4, 1603–1615 (2022).
[5] Castellan, S., Käfer, J. & Tannier, E. Back to the trees: Identifying plants with Human Intelligence. in Ninth Computing within Limits 2023 (LIMITS, Virtual, 2023). doi:10.21428/bf6fb269.265c52ce.