Lorsque vous essayez d'enseigner un sujet complexe, la meilleure stratégie est parfois de l'envelopper dans quelque chose de familier. Comme un burrito.
Un candidat idéal pour une telle approche? Optimisation mathématique, qui utilise des outils de mathématiques et informatiques pour prendre des décisions concernant des systèmes complexes. Il a le pouvoir d'aider une gamme de personnes, des professionnels en science des données, en ingénierie et en affaires, aux personnes à la recherche d'une meilleure voie pour travailler. Mais pour les non-initiés, sa promesse peut être une vente difficile.
« Je pense que les gens qui connaissent un peu l'optimisation pensent que c'est trivialement facile, ou c'est incroyablement difficile », explique Larry Snyder, sous-prévôt adjoint de l'Université de Lehigh pour les affaires du corps professoral et professeur au Département de génie industriel et des systèmes. « Ce qu'ils ne réalisent pas, c'est qu'il existe une théorie et des logiciels disponibles qui peuvent aider à résoudre des problèmes vraiment difficiles et vraiment compliqués. »
Entrez dans le jeu d'optimisation du burrito, qui a récemment dépassé 50 000 pièces par les utilisateurs du monde entier.
En 2022, Snyder a collaboré avec Gurobi Optimisation, une entreprise qui développe un logiciel d'optimisation mathématique, pour créer un outil d'apprentissage Web gratuit qui rendrait le concept d'optimisation plus accessible à plus de personnes.
Voici comment cela fonctionne: le jeu s'ouvre sur une carte d'une ville qui identifie les bâtiments où il y a une certaine demande de burritos. Les joueurs peuvent faire glisser et laisser tomber leurs camions de burrito dans des endroits où ils pensent qu'ils vendront les merveilles les plus enveloppées, et le mieux équilibrent leurs coûts et leurs revenus. Lorsqu'ils ont fini de placer leurs camions, leur solution à la demande de ce jour est comparée à la solution mathématiquement optimale.
« Le joueur pourrait apprendre que sa solution est de 20% pire que optimale, par exemple », explique Snyder. Dans le jeu, sous-optimal se traduit par de nombreux mangeurs déçus, des revenus très manqués ou trop de camions par bouche affamée. « Ils obtiendront ensuite des commentaires sous forme d'ampoules qui apparaissent sur la carte, qui révèlent de petits conseils comme: » Vous avez manqué une demande ici « ou » vous auriez dû localiser un camion ici « , donc vous comprenez où vous avez mal tourné. »
Le jeu progresse en difficulté à travers les jours (par opposition aux niveaux). Un jour, la carte pourrait devenir plus complexe avec plus d'emplacements à considérer. Sur un autre, il pourrait pleuvoir, ce qui limite la distance qui serait disposée à se rendre à marcher vers un camion. Ou, peut-être, une perturbation de la chaîne d'approvisionnement signifie que le fromage coûte soudainement plus cher. Au fil des jours, plus d'incertitude est ajoutée. Au début du jeu, vous savez peut-être que 12 personnes dans un bâtiment particulier sont des Burrito Bingers purs et durs. Mais plus tard, tout ce que vous savez est que entre 10 et 14 personnes pourraient en avoir un besoin.
« Tous ces scénarios modifient les décisions que vous devez prendre », explique Snyder.
L'équipe a conçu le jeu initialement avec des scientifiques des données et d'autres personnes «adjacentes à l'optimisation» à l'esprit, mais a rapidement réalisé que le format en faisait un outil efficace pour les utilisateurs de tous âges. Les professionnels l'utilisent pour apprendre les bases de l'optimisation, mais Snyder et d'autres professeurs de Lehigh ont utilisé le jeu dans des cours d'optimisation mathématique d'introduction et en tant qu'outil de sensibilisation dans les lycées locaux pour apporter l'optimisation dans leurs jeunes orbites. Le mode « Championnat » du jeu permet aux utilisateurs de rivaliser les uns contre les autres, une fonctionnalité bien adaptée aux deux salles de classe et, dit Snyder, des conférences académiques.
« Mon enfant l'a joué quand ils avaient 10 ans », dit-il. « Il est donc facile de démarrer le jeu sans rien savoir de l'optimisation. »
En fin de compte, l'équipe a décidé de créer un outil qui pourrait initier les gens à l'optimisation et à sa capacité unique à résoudre ce que Snyder appelle des problèmes « extrêmement compliqués ».
« Nous voulions que les gens aient une idée des raisons pour lesquelles ces problèmes sont difficiles à résoudre à la main et se rendent compte qu'il existe des algorithmes qui peuvent les résoudre pour vous », dit-il.
Et ça résonne. Snyder a reçu des e-mails d'utilisateurs du monde entier, en particulier de ceux qui incorporent le jeu dans leur enseignement. Parfois, ils ont des suggestions de fonctionnalités ou de demandes de données, et parfois ils veulent juste lui dire combien ils l'aiment.
« J'ai été vraiment satisfait de la traction qu'il a obtenue, surtout en classe », dit-il. « Les jeux rendent l'apprentissage plus amusant. Ils sont vraiment utiles pour aider quelqu'un à passer de ne pas comprendre quelque chose du tout à en comprendre suffisamment pour susciter son intérêt à en savoir plus. »
