Lauréat 1
Titre du projet : « Covid Long » : perspectives en sciences sociales sur une catégorie incertaine
Acronyme du projet : Covid Long SHS
Porteurs du projet :
• Gabriel GIRARD (SESSTIM)
• Brigitte JUANALS (CNE)
Description du projet :
L’irruption de la pandémie de Covid-19, au début de l’année 2020 a confronté nos sociétés à des défis sociaux et politiques inédits à une échelle mondiale. Pour autant, le point de vue des personnes affectées par la Covid-19 est resté relativement périphérique dans les débats publics autour de la maladie. Or, dès le mois de mars 2020, des personnes (adultes, mais aussi enfants et adolescents) atteintes par la Covid-19 dans différents pays constatent la persistance de différents symptômes après ces quelques semaines. Dans un contexte d’incertitude médicale, ils et elles alertent sur leurs cas, partagent leurs expériences ou l’apparition de nouveaux symptômes par le biais des réseaux sociaux. Cette mobilisation, d’abord informelle et expérientielle, dessine les contours d’une nouvelle facette de la crise sanitaire : l’expérience du « Covid Long ». La catégorie « Covid Long » elle-même demeure sujette à débat et à contestation, en particulier dans le monde médical. Dans ce cadre, le présent projet s’appuie sur deux objectifs : 1) contribuer à saisir les différentes dimensions de ce phénomène multiforme et fluctuant en collectant et en analysant des trajectoires de patients. 2) Analyser la constitution du Covid Long comme un espace de communication et de mobilisation de patients, incluant aussi professionnels de santé, journalistes, chercheurs et décideurs.
Mots clés : Covid long ; sciences sociales ; association de patients ; réseaux sociaux ; médiatisation.
Lauréat 2
Titre du projet : L’intelligence artificielle pour adapter la prévention pour les usagers de drogues
Acronyme : AI4DU (Artificial Intelligence for drug users)
Porteurs du projet :
• Maria Raquel UREÑA PEREZ (SESSTIM)
• Pierre CHAPARD (association PsychoActif)
• Lionel DANY (LPS)
Description du projet :
PWUD est une dénomination large pour décrire toute personne qui utilise régulièrement une drogue. Les PWUD présentent des profils divers, avec des habitudes de consommation différentes et des conséquences liées à la consommation de drogues, allant d'un simple consommateur de drogues récréatives à un toxicomane en risque d'exclusion sociale. Ces dernières années, l'apparition de nouveaux produits psychoactifs, qui imitent les effets des produits plus anciens (par exemple, l'ecstasy, la cocaïne, le cannabis) mais avec des effets beaucoup plus puissants, et beaucoup moins bien compris par les PWUD, a entraîné de nouveaux modes de consommation de drogues et plusieurs complications infectieuses, psychiatriques et somatiques.
Aujourd'hui, les progrès de l'intelligence artificielle, et plus concrètement de l'analyse des réseaux sociaux, du traitement du langage naturel et des systèmes de recommandation, offrent de nouvelles possibilités de comprehension des problèmes de consommation de substances grâce à l'analyse massive des communications naturelles et confidentielles sur les médias sociaux. Dans ce sens, divers travaux ont été réalisés : compréhension des tendances temporelles de la consommation problématique de substances, évolution du marché, normes sociales et aspects culturels de la consommation de drogues, perceptions du public et facteurs psychologiques pertinents. Dans le cas des communautés d'utilisateurs en ligne, les systèmes de recommandation, qui sont des méthodes basées sur l'intelligence artificielle permettant de personnaliser le contenu Web que chaque utilisateur reçoit en fonction de son profil et de ses interactions avec d'autres utilisateurs, gagnent de plus en plus en prévalence, mais n'ont jamais été appliqués au contexte de la consommation problématique de drogues afin d'améliorer la réduction des risques et la prévention. Dans cette contribution, nous visons à appliquer des techniques d'intelligence artificielle aux données de communication des médias sociaux stockées sur le site francophone Psychoactif.org afin de mieux comprendre les caractéristiques de ces utilisateurs, d'identifier les sous-communautés de PWUD qui composent cette communauté web et de fournir des recommandations personnalisées obtenues par la combinaison de systèmes de recommandation basés sur l'IA et de conseils d'experts. Les résultats de cette recherche seront testés et mis en pratique dans la communauté Psychoactif.org.
Mots clés : Intelligence artificielle ; usagers de drogues ; systèmes de recommandation ; personnalisation ; clustering.
Lauréat 3
Titre du projet : Autoapprentissage Adaptatif et Personnalisé à l’Analyse Statistique en Utilisant R
Acronyme du projet : PersonAlyseR
Porteurs du projet :
• Roch GIORGI (SESSTIM)
• Marina BURAKOVA (LPS)
• Jean-Charles DUFOUR (SESSTIM)
Description du projet :
L’enseignement de la démarche de l’analyse statistique est proposé dans différentes formations en sciences de la santé publique, que ce soit dans le cadre d’enseignements à distance ou en présentiel, pouvant regrouper des apprenants inscrits en formation initiale ou en formation continue, ayant différents niveaux de connaissances et de compétences est un défi pédagogique qui ne peut être relevé sans la mise en place d’une méthode et d’outils adaptés à ce public hétérogène. Un prototype a été développé dans le domaine de la santé et de la santé publique. Le modèle de connaissances et de compétences déjà proposé va être testé et adapté à un enseignement de psychologie et nous allons poursuivre et améliorer le développement de la plateforme web d’auto-apprentissage adaptatif et personnalisé afin d’obtenir un prototype qui soit de nature à permettre de passer à une autre étape de développement de ce programme.
Mots clés : Analyse statistique ; plateforme d’autoapprentissage ; enseignement adaptative ; enseignement personnalisé ; logiciel R.
|
|
