Aller au menu Aller au contenu Aller à la recherche
  • Français
  • English

Séminaires

Date et heure

Intervenant(s)

Photo

Lieu ou lien

mardi 22 juin 2021 à 14h

Maëlle Beuret

visio

Tour d horizon des simulations informatiques pour l aide à la gestion de crise

Maëlle Beuret, actuellement en 1ère année de thèse dans l'équipe Modélisation Géométrique du LIB, présentera un état de l'art sous forme de positionnement par rapport au projet d'extension du modèle d'animation  comportementale pour l'aide à la gestion de crise pour le CESU (Centre d'Enseignements des Soins d'Urgence).


vendredi 18 juin 2021 à 15h15

Alexis Guyot

visio

Détection d antagonisme et de polarisation sur les réseaux sociaux par l étude des frontières des communautés

Alexis Guyot, étudiant en M2 BDIA, a travaillé pendant son projet tuteuré orienté recherche et travaille toujours dans le cadre de son stage sur les communautés d'utilisateurs sur les réseaux sociaux, et plus particulièrement sur Twitter.
Résumé : La théorie des graphes et la science des réseaux ont donné naissance à de nombreux outils pour étudier le comportement des utilisateurs dans les réseaux sociaux. Parmi eux, les algorithmes de détection de communautés permettent de rassembler dans des groupes les utilisateurs qui interagissent plus entre eux qu'avec les autres. Dans le cadre de mes recherches, j'ai décidé de m'intéresser à la façon dont les communautés d'utilisateurs interagissent entre elles sur Twitter, afin de détecter de possibles traces de polarisation. La polarisation est le nom du phénomène qui intervient lorsqu'un groupe d'individus se scinde en deux pôles avec des avis conflictuels par rapport à un sujet donné, et pour la détecter j'ai mis au point puis implémenté une méthode complètement automatique, générique et non-supervisée qui mesure la dynamique des interactions des utilisateurs dits frontières au sein des différentes communautés pour détecter les relations potentiellement antagonistes. Le but de la présentation sera alors de parler un peu plus en détails du concept de polarisation avec un bref état de l'art, d'ensuite intuitivement expliquer ma méthode et les indicateurs qu'elle calcule à l'aide d'un exemple simple, et enfin de discuter de quelques résultats et des interprétations associées obtenus en pratique sur des jeux de données collectés dans le cadre du projet Cocktail.

kc_data:
a:8:{i:0;s:0:"";s:4:"mode";s:2:"kc";s:3:"css";s:0:"";s:9:"max_width";s:0:"";s:7:"classes";s:0:"";s:9:"thumbnail";s:0:"";s:9:"collapsed";s:0:"";s:9:"optimized";s:0:"";}
kc_raw_content:
[kc_row use_container="yes" _id="365077"][kc_column width="19.69%" _id="597626"][kc_column_text _id="747770" css_custom="{`kc-css`:{`any`:{`typography`:{`color|,p`:`#1e73be`,`font-size|,p`:`24px`}}}}"]

Date et heure

[/kc_column_text][/kc_column][kc_column width="25.56%" _id="446048"][kc_column_text _id="845397" css_custom="{`kc-css`:{`any`:{`typography`:{`color|,p`:`#1e73be`,`font-size|,p`:`24px`}}}}"]

Intervenant(s)

[/kc_column_text][/kc_column][kc_column width="14.99%" _id="769988"][kc_column_text _id="199112" css_custom="{`kc-css`:{`any`:{`typography`:{`color|,p`:`#1e73be`,`font-size|,p`:`24px`}}}}"]

Photo

[/kc_column_text][/kc_column][kc_column width="39.71%" _id="504286"][kc_column_text _id="610385" css_custom="{`kc-css`:{`any`:{`typography`:{`color|,p`:`#1e73be`,`font-size|,p`:`24px`}}}}"]

Lieu ou lien

[/kc_column_text][/kc_column][/kc_row][kc_row use_container="yes" _id="315747"][kc_column width="25%" _id="738111"][kc_column_text _id="205160" css_custom="{`kc-css`:{`any`:{`typography`:{`color|,p`:`#000000`,`font-size|,p`:`20px`}}}}"]

mardi 22 juin 2021 à 14h

[/kc_column_text][/kc_column][kc_column width="25%" _id="969941"][kc_column_text _id="235787" css_custom="{`kc-css`:{`any`:{`typography`:{`color|,p`:`#000000`,`font-size|,p`:`20px`}}}}"]

Maëlle Beuret

[/kc_column_text][/kc_column][kc_column width="25%" _id="828338"][kc_single_image image_size="thumbnail" _id="336000" image_source="media_library" image="2004"][/kc_column][kc_column width="25%" _id="440025"][kc_column_text _id="151512" css_custom="{`kc-css`:{`any`:{`typography`:{`color|,p`:`#000000`,`font-size|,p`:`20px`}}}}"]

visio

[/kc_column_text][/kc_column][/kc_row][kc_row use_container="yes" _id="496982"][kc_column width="12/12" video_mute="no" _id="616429"][kc_accordion _id="508719" close_all="yes"][kc_accordion_tab title="Tour d horizon des simulations informatiques pour l aide à la gestion de crise" _id="573608"][kc_column_text _id="565343"]

Maëlle Beuret, actuellement en 1ère année de thèse dans l'équipe Modélisation Géométrique du LIB, présentera un état de l'art sous forme de positionnement par rapport au projet d'extension du modèle d'animation  comportementale pour l'aide à la gestion de crise pour le CESU (Centre d'Enseignements des Soins d'Urgence).

[/kc_column_text][/kc_accordion_tab][/kc_accordion][/kc_column][/kc_row][kc_row use_container="yes" _id="315159"][kc_column width="12/12" video_mute="no" _id="251858"][kc_column_text _id="452363"]


[/kc_column_text][/kc_column][/kc_row][kc_row use_container="yes" _id="773481"][kc_column width="19.61%" _id="113035"][kc_column_text _id="500735" css_custom="{`kc-css`:{`any`:{`typography`:{`color|,p`:`#000000`,`font-size|,p`:`20px`}}}}"]

vendredi 18 juin 2021 à 15h15

[/kc_column_text][/kc_column][kc_column width="25.18%" _id="73429"][kc_column_text _id="74950" css_custom="{`kc-css`:{`any`:{`typography`:{`color|,p`:`#000000`,`font-size|,p`:`20px`}}}}"]

Alexis Guyot

[/kc_column_text][/kc_column][kc_column width="15.98%" _id="477211"][kc_single_image image_size="full" _id="269587" image_source="media_library" image="1980" css_custom="{`kc-css`:{`any`:{`image-style`:{`text-align|`:`center`,`width|img`:`100px`,`height|img`:`100px`,`vertical-align|img`:`middle`}}}}"][/kc_column][kc_column width="39.18%" _id="142445"][kc_column_text _id="889390" css_custom="{`kc-css`:{`any`:{`typography`:{`color|,p`:`#000000`,`font-size|,p`:`20px`}}}}"]

visio

[/kc_column_text][/kc_column][/kc_row][kc_row use_container="yes" _id="951068"][kc_column width="12/12" video_mute="no" _id="47166"][kc_accordion _id="763140" close_all="yes"][kc_accordion_tab title="Détection d antagonisme et de polarisation sur les réseaux sociaux par l étude des frontières des communautés" _id="409420"][kc_column_text _id="932944"]

Alexis Guyot, étudiant en M2 BDIA, a travaillé pendant son projet tuteuré orienté recherche et travaille toujours dans le cadre de son stage sur les communautés d'utilisateurs sur les réseaux sociaux, et plus particulièrement sur Twitter.
Résumé : La théorie des graphes et la science des réseaux ont donné naissance à de nombreux outils pour étudier le comportement des utilisateurs dans les réseaux sociaux. Parmi eux, les algorithmes de détection de communautés permettent de rassembler dans des groupes les utilisateurs qui interagissent plus entre eux qu'avec les autres. Dans le cadre de mes recherches, j'ai décidé de m'intéresser à la façon dont les communautés d'utilisateurs interagissent entre elles sur Twitter, afin de détecter de possibles traces de polarisation. La polarisation est le nom du phénomène qui intervient lorsqu'un groupe d'individus se scinde en deux pôles avec des avis conflictuels par rapport à un sujet donné, et pour la détecter j'ai mis au point puis implémenté une méthode complètement automatique, générique et non-supervisée qui mesure la dynamique des interactions des utilisateurs dits frontières au sein des différentes communautés pour détecter les relations potentiellement antagonistes. Le but de la présentation sera alors de parler un peu plus en détails du concept de polarisation avec un bref état de l'art, d'ensuite intuitivement expliquer ma méthode et les indicateurs qu'elle calcule à l'aide d'un exemple simple, et enfin de discuter de quelques résultats et des interprétations associées obtenus en pratique sur des jeux de données collectés dans le cadre du projet Cocktail.

[/kc_column_text][/kc_accordion_tab][/kc_accordion][/kc_column][/kc_row]

Log In

Create an account