En sciences de gestion :
Papiers scientifiques :
Une application mobile pour être plus écolo ? Oui, mais… : mise en évidence de la distance psychologique sur l’intention d’utilisation d’une application de mesure du CO2. (Voir l’article)
La dimension sociale ou personnelle d’une application mobile comme antécédent de l’effet du feedback informationnel sur le sentiment d’auto-efficacité. (Voir l’article)
Les recherches traitant de l’influence du feedback sur une application mobile de self-tracking sur les comportements se sont principalement focalisées sur des applications à dimension personnelle, mesurant ainsi des paramètres de santé, de sport ou d’alimentation. Pourtant, dans un contexte de changement climatique, la dimension environnementale peut aussi être sujette à une mesure de données personnelles. Par ailleurs, des recherches suggèrent d’appréhender ce phénomène par le sentiment d’auto-efficacité car ce concept constitue un antécédent du comportement. En effet, le feedback informationnel sur une application de selftracking est un antécédent du sentiment d’auto-efficacité mais la dimension « sociale ou personnelle » influence-t-elle ce sentiment ? Cette recherche, à visée exploratoire, réalisée à
partir d’entretiens semi-directifs, permet de souligner l’importance de cette dimension dans la croyance des individus en leur capacité à réduire leur empreinte carbone grâce au feedback sur une application.
Soulat, U. (2022). La dimension sociale ou personnelle d’une application mobile comme antécédent de l’effet du feedback informationnel sur le sentiment d’auto-efficacité. In 21èmes Journées Normandes de Recherche sur la Consommation.
Thèse associée :
En informatique :
Papiers scientifiques :
Une nouvelle méthode de classement de l’information selon sa complexité (ICR) (Voir l’article)
Prédire comment un individu percevra la complexité visuelle d’un élément d’information est un domaine encore peu exploré, bien qu’il puisse être utile dans de nombreux contextes tels que la conception d’interfaces homme-machine. Nous proposons ici une nouvelle méthode, appelée Information Complexity Ranking (ICR), qui permet de classer les objets du plus simple au plus complexe. Elle prend en compte à la fois leur complexité intrinsèque (au sens algorithmique) avec la complexité de Kolmogorov et leur similarité avec d’autres objets en utilisant les travaux de Cilibrasi et Vitanyi sur la distance de compression normalisée (NCD). Nous avons d’abord validé les propriétés de notre méthode de classement sur une expérience de référence composée de 7200 images générées aléatoirement et divisées en 3 types d’éléments picturaux (texte, chiffres et points colorés). Dans un deuxième temps, nous avons testé notre calcul de complexité sur un ensemble de données de référence composé de 1400 images réparties en 7 catégories. Nous avons comparé nos résultats aux valeurs de référence de cinq algorithmes de complexité de pointe. Les résultats montrent que notre méthode a atteint la meilleure performance pour certaines catégories et a surpassé la majorité des algorithmes de pointe pour d’autres catégories. Pour les images comportant de nombreux éléments sémantiques, notre méthode n’est pas aussi efficace que certains des algorithmes de pointe.
Chambon, T.; Guillaume, J.-L.; Lallement, J. Information Complexity Ranking: A New Method of Ranking Images by Algorithmic Complexity. Entropy 2023, 25, 439. https://doi.org/10.3390/e2503043
Thèse associée :
En neurosciences :
Papiers scientifiques :
Décryptage des contributions des mémoires épisodique et de travail dans des tâches de décision de plus en plus complexes (Voir l’article)
L’augmentation de la représentation de l’état actuel du monde extérieur avec des états internes correspondant à des mémoires de travail et épisodiques a été proposée comme une solution bioinspirée pour appliquer des modèles d’apprentissage par renforcement à des tâches non-markoviennes. Cependant, si l’on transpose ces résultats aux neurosciences comportementales et expérimentales, la manière dont chacune de ces mémoires peut contribuer à l’apprentissage des représentations augmentées et le moment où elles doivent agir en association pour des tâches plus complexes ne sont pas tout à fait clairs. En choisissant une implémentation élémentaire de ces mémoires et des tâches expérimentales de prise de décision chez les rongeurs, nous explorons ces situations charnières et concrétisons les mécanismes et critères sous-jacents. Nous précisons également les cas où des mécanismes supplémentaires doivent être envisagés.
Dagar, Snigdha, Frederic Alexandre, and Nicolas Rougier. « Deciphering the contributions of episodic and working memories in increasingly complex decision tasks. » 2021 International Joint Conference on Neural Networks (IJCNN). IEEE, 2021.
Passage des règles concrètes aux règles abstraites : Acquisition, représentation et sélection de ces règles abstraites (Voir article)
Un stimulus multidimensionnel peut susciter une série de réponses en fonction de la dimension ou de la combinaison de dimensions prise en compte. Cette sélection peut être implicite, c’est-à-dire rapide et automatique, ou explicite, c’est-à-dire plus lente mais contextualisée. Les deux formes sont importantes mais ne découlent pas des mêmes processus. La sélection implicite résulte généralement d’un apprentissage lent et progressif qui conduit à une réponse simple (concrète / de premier ordre), tandis que la sélection explicite découle d’un processus délibératif qui permet d’obtenir une réponse plus complexe et structurée (abstraite / de second ordre). On pense que le cortex préfrontal (PFC) fournit la capacité de contextualiser les règles concrètes qui conduit à l’acquisition de règles abstraites, même si les mécanismes exacts sont encore largement inconnus. La question que nous abordons dans cet article concerne précisément l’acquisition, la représentation et la sélection de ces règles abstraites. En utilisant deux modèles de la littérature (PBWM et HER), nous expliquons qu’ils fournissent tous deux une réponse partielle mais différenciée, de sorte que leur unification offre une image complète.
Dagar, Snigdha, Frédéric Alexandre, and Nicolas Rougier. « From concrete to abstract rules: A computational sketch. » Brain Informatics: 15th International Conference, BI 2022, Padua, Italy, July 15–17, 2022, Proceedings. Cham: Springer International Publishing, 2022.
Thèse associée :
Modélisation du contrôle cognitif pour le comportement guidé par les règles
Résumé : Le contrôle cognitif est la capacité générale d’un organisme à inhiber le comportement dominant en faveur d’une réponse pertinente selon des objectifs internes et en lien avec des facteurs environnementaux et/ou motivationnels. Diverses études expérimentales ainsi que des modèles computationnels ont tenté de mettre en évidence les mécanismes et les structures neuronales sous-jacents qui autorisent un comportement à la fois flexible et adaptatif. Néanmoins, une théorie unifiée qui tiendrait compte de l’ensemble de ces mécanismes reste insaisissable, notamment en ce qui concerne le degré d’adaptabilité qui varie entre les humains et les animaux non humains. Dans ce travail, nous souhaitons caractériser cette gradation du contrôle cognitif afin de poser un cadre conceptuel nous permettant de concevoir des modèles informatiques biologiquement plausibles à même de mettre en évidence les étapes clés du contrôle cognitif.
Dans une première approche, et sur la base d’études chez la souris, nous utilisons un modèle acteur-critique standard afin de montrer comment le comportement naturel d’exploration de la souris doit être inhibé afin de permettre au modèle d’apprendre une règle simple dans un labyrinthe radial. Au travers d’une série de tâche de complexité croissante, nous montrons alors la nécessité de posséder des systèmes de mémoire de travail et épisodique, en adéquation avec la littérature sur la prise de décision chez les rongeurs. Cela est notamment réalisé en étendant le modèle précédent avec une modélisation fonctionnelle de ces deux systèmes de mémoire, nous permettant ainsi de caractériser les contributions respectives de ces deux systèmes, en accord avec les études chez les rongeurs.
Dans un troisième temps, nous mettons en évidence la nécessité de former des représentations explicites du contexte à partir de règles acquises implicitement, et ceci, afin de pouvoir acquérir un comportement spécifique vis à vis d’un contexte particulier. Enfin, pour comprendre comment le cortex préfrontal soutient cet apprentissage contextuel et autorise une pleine capacité du contrôle cognitif chez l’Homme, nous proposons un modèle hiérarchique global qui explique notamment le rôle de l’attention sélective dans l’apprentissage de règles abstraites. Notre hypothèse étant que cette capacité d’attention permet la sélection des règles concrètes les plus appropriées ainsi que la manipulation des représentations sous-jacentes. Tout cela étant réalisé en assurant le monitoring des ces représentations ainsi que les erreurs de prédiction.
Mots-clés : Contrôle cognitif, Neurosciences computationnelles, apprentissage par renforcement, Cortex Préfrontal