Plusieurs instruments de mesure ont été développés pour évaluer les préférences sexuelles chez les hommes et les femmes. Les instruments de mesure directe (p. ex., la pléthysmographie, les questionnaires) sont les plus utilisés, mais ils ont des lacunes importantes, notamment la non-spécificité de la réponse chez certains groupes et la dissimulation des réponses lors de l'évaluation dans un contexte légal (p. ex., évaluation de la pédophilie). Les instruments de mesure indirecte, où les gens ne connaissent tous les détails du processus d’évaluation (p. ex., le temps de réaction), ont le potentiel de surpasser ces limitations et pourraient donc évaluer plus efficacement les préférences sexuelles. Il y a plusieurs années, Jiang et al. (2006) ont utilisé un instrument de mesure indirecte avec images invisibles et ont réussi à détecter l'orientation sexuelle de leurs participants. Cet instrument utilise un paradigme de suppression interoculaire où des images sexuelles invisibles influenceraient la performance à une tâche d’attention spatiale. Cette étude prometteuse n'a jamais été répliquée. Le but de cette thèse est de déterminer la validité de cet instrument de mesure indirecte. Le premier chapitre de cette thèse est consacré à un recensement des différents instruments de mesure existants afin de souligner leurs avantages et inconvénients. Le deuxième chapitre présente la première étude et donc le premier test indépendant de la méthode développée par Jiang et al. Les participants (16 hommes hétérosexuels) ont performé un peu mieux à la tâche d’attention visuelle lorsque l’objet était présenté au même endroit qu’une image invisible de femme nue plutôt qu’une image altérée. Le troisième chapitre présente la deuxième étude qui est une amélioration du test de validation de l'instrument, grâce à l’ajout d’une tâche déjà validée pour l'évaluation des préférences sexuelles, c'est-à-dire le temps d’observation d’images sexuelles, et une reproduction plus fidèle de la méthode de Jiang et al. Aucun effet attentionnel n’a été retrouvé chez 22 hommes et 25 femmes. Le quatrième chapitre présente la troisième étude où l’appareil stéréoscopique utilisé dans la tâche de suppression interoculaire a été modifié afin de le rendre optimal, c’est-à-dire en utilisant un casque de réalité virtuelle. Comme pour l’étude précédente, les images invisibles n'ont pas produit d’effet attentionnel, cette fois chez 32 hommes. Les résultats des trois études suggèrent que le paradigme de suppression interoculaire n’est pas une méthode convaincante pour évaluer les préférences sexuelles, puisqu’elle ne permet pas de détecter les préférences sexuelles (orientation sexuelle déclarée dans ce cas) des participants. Le dernier chapitre de cette thèse présente une discussion approfondie des résultats, ainsi que l’importance de la réplication des études scientifiques.

Il y a une forte croissance, à nos jours, de «services» intelligents proposés aux clients sur les plates-formes de commerce électronique, destinés à une assistance personnalisée. L'étude de préférences a suscité un grand intérêt dans ce contexte, grâce à leur utilisation dans la résolution de problèmes liés à la prise de décision. En effet, la recherche sur les préférences en intelligence artificielle (IA) propose différentes manières d'aborder ce problème : de l'acquisition des préférences à leur représentation formelle et, éventuellement, à leur gestion suivant plusieurs méthodes de raisonnement. Dans cette thèse, nous adressons la problématique de la mise en œuvre de préférences comparatives pour l'aide à la décision par le développement d'un système interactif «intelligent» de recommandations personnalisées. Nous suivons une tendance récente, et le concevons sur une base de considérations psychologiques, linguistiques et personnelles. Nous contribuons ainsi aux domaines suivants de préférences en IA : (1) leur acquisition, (2) leur représentation, et (3) leur mise en œuvre. Nous examinons d'abord un goulot d'étranglement dans l'acquisition de préférences et proposons une méthode d'acquisition de préférences exprimées en langage naturel (LN), qui permet leur représentation formelle en tant que préférences comparatives. Nous étudions ensuite les aspects théoriques de la représentation et du raisonnement avec les préférences comparatives pour aide à la décision. Finalement, nous décrivons notre outil de recommandations qui utilise : (1) une base de données de produits qualifiée par une analyse de critiques d'utilisateurs, (2) une approche interactive pour guider les utilisateurs à exprimer leurs préférences comparatives, et (3) un moteur de raisonnement qui manipule ces préférences afin de proposer une recommandation basée sur les préférences de l'utilisateur. / Intelligent ‘services’ are increasingly used on e-commerce platforms to provide assistance to customers. In this context, preferences have gained rapid interest for their utility in solving problems related with decision making. Research on preferences in AI has shed light on various ways of tackling this problem, ranging from the acquisition of preferences to their formal representation and eventually their proper manipulation. Following a recent trend of stepping back and looking at decision-support systems from the user’s point of view, i.e. designing them on the basis of psychological, linguistic and personal considerations, we take up the task of developing an “intelligent” tool which uses comparative preference statements for personalised decision support. We tackle and contribute to different branches of research on preferences in AI: (1) their acquisition (2) their formal representation and manipulation (3) their implementation. We first address a bottleneck in preference acquisition by proposing a method of acquiring user preferences, expressed in natural language (NL), which favours their formal representation and further manipulation. We then focus on the theoretical aspects of handling comparative preference statements for decision support. We finally describe our tool for product recommendation that uses: (1) a review-based analysis to generate a product database, (2) an interactive preference elicitation unit to guide users to express their preferences, and (3) a reasoning engine that manipulates comparative preference statements to generate a preference-based ordering on outcomes as recommendations.

L'interaction entre transport et urbanisme est au cœur d'une réflexion s'appuyant sur une double approche spatiale et temporelle de l'observation. Aussi les approches théoriques ne peuvent elles que se segmenter afin de mieux se focaliser sur des relations de cause à effet potentielles facilement isolables et interprétables. Pour mon compte, les travaux entrepris depuis la thèse se sont ainsi orientés prioritairement dans deux directions complémentaires.<br />La première est celle de l'évaluation, vue comme la production d'un jugement de valeur destiné à éclairer les acteurs de la décision, au travers d'indicateurs représentatifs des effets nés de l'action publique sur le système de transport urbain. Depuis quelques années, la réflexion théorique et l'effort méthodologique se sont amplifiés dans le domaine de l'évaluation ex post des politiques publiques. A l'inverse, le domaine des transport urbains a plutôt connu une régression jusqu'au début des années 90, et n'opère que depuis peu une véritable introspection, rendue nécessaire à la fois par les contraintes financières et par une meilleure perception des fortes incidences négatives de l'automobile sur la vie urbaine. Une redéfinition des procédures d'évaluation, a priori comme a posteriori, est en cours, afin d'adapter les méthodes aux nouvelles orientations des politiques de déplacements urbains. Le recours à l'Analyse Coûts/Avantages pour l'évaluation des investissements se fait dans un contexte différent, que je présenterai dans la première partie de ce rapport, en montrant en quoi cette méthode peut constituer un outil de dialogue, dès lors qu'elle est conçue comme le moyen de simuler les transformations d'état d'un système de transport.<br />La seconde découle pour partie des nécessités de l'évaluation. Elle porte sur l'évolution des préférences des individus, sur la compréhension de leurs comportements et de leurs attentes, afin d'apprécier leurs réactions aux transformations du système de transport. Cette seconde orientation revêt un caractère principalement méthodologique, dans la mesure où l'accent est mis sur l'observation des réactions comportementales à des innovations, qu'elles soient organisationnelles ou technologiques. Les méthodes usuelles d'enquêtes (préférences révélées, préférences déclarées) sont en effet développées pour répondre à deux questions principales : mesurer la mobilité individuelle pour connaître la nature de la demande de transport (et ainsi la modéliser), et quantifier les préférences individuelles, en tant que facteurs explicatifs des choix de transport. Ces méthodes se révèlent souvent inadaptées à l'observation des mutations comportementales générées par des changements de valeurs. Mes travaux portent sur la conception des enquêtes d'Adaptation Déclarées, fondées sur le recours à des jeux de simulation destinés à faire exprimer aux individus leurs attitudes et leurs comportements, face à des transformations structurelles des systèmes de transport.<br />Le présent rapport fait la synthèse des avancées obtenues dans les recherches que j'ai entreprises sur ces deux questions, Il insiste en conclusion sur l'intérêt de les étudier de front, dans un contexte économique, social et institutionnel de plus en plus mouvant, qui laisse présager de profonds bouleversements des politiques de déplacements à l'aube du 21° siècle, et incite à une approche renouvelée de l'évaluation des stratégies de transport dans un contexte de plus en plus incertain.

La croissance exponentielle des données personnelles, et leur mise à disposition sur la toile, a motivé l’émergence d’algorithmes d’apprentissage de préférences à des fins de recommandation, ou d’aide à la décision. Les réseaux de préférences conditionnelles (CP-nets) fournissent une structure compacte et intuitive pour la représentation de telles préférences. Cependant, leur nature combinatoire rend leur apprentissage difficile : comment apprendre efficacement un CP-net au sein d’un milieu bruité, tout en supportant le passage à l’échelle ?Notre réponse prend la forme de deux algorithmes d’apprentissage dont l’efficacité est soutenue par de multiples expériences effectuées sur des données réelles et synthétiques.Le premier algorithme se base sur des requêtes posées à des utilisateurs, tout en prenant en compte leurs divergences d’opinions. Le deuxième algorithme, composé d’une version hors ligne et en ligne, effectue une analyse statistique des préférences reçues et potentiellement bruitées. La borne de McDiarmid est en outre utilisée afin de garantir un apprentissage en ligne efficace. / The rapid growth of personal web data has motivated the emergence of learning algorithms well suited to capture users’ preferences. Among preference representation formalisms, conditional preference networks (CP-nets) have proven to be effective due to their compact and explainable structure. However, their learning is difficult due to their combinatorial nature.In this thesis, we tackle the problem of learning CP-nets from corrupted large datasets. Three new algorithms are introduced and studied on both synthetic and real datasets.The first algorithm is based on query learning and considers the contradictions between multiple users’ preferences by searching in a principled way the variables that affect the preferences. The second algorithm relies on information-theoretic measures defined over the induced preference rules, which allow us to deal with corrupted data. An online version of this algorithm is also provided, by exploiting the McDiarmid's bound to define an asymptotically optimal decision criterion for selecting the best conditioned variable and hence allowing to deal with possibly infinite data streams.

Cette étude utilise une méthode de préférences déclarées afin de donner une valeur économique à l’amélioration de différents attributs des milieux aquatiques du Grand Montréal. L’évaluation porte sur sept attributs liés aux écosystèmes aquatiques des sites étudiés. Il s’agit de la biodiversité, de la qualité de l’eau, du stockage du carbone, des activités récréatives, de la qualité du paysage, de la superficie restaurée et de la sensibilisation et mobilisation des populations locales. L’analyse permet de calculer la valeur monétaire qu’un ménage serait disposé à verser sous forme de don pour chaque unité d’attributs. Ces valeurs marginales sont comprises entre 0.009 $ et plus de 24 $ par ménage et par unité supplémentaire d’attribut. Ainsi, nous arrivons, sous certaines hypothèses, à déterminer les valeurs monétaires que l’ensemble des ménages québécois accordent à l’amélioration de chacun de ces biens et services écosystémiques de la Trame Bleue du Grand Montréal. Le contexte de l’étude nous permet également de contribuer à la recherche sur le biais hypothétique. Nous mettons en œuvre dans le cadre de l’enquête différents traitements qui nous permettent dans un premier temps de mettre en évidence l’existence d’un biais hypothétique positif, et dans un second temps de tester la capacité de la notion de conséquence, appliquée à un contexte hypothétique, à réduire le biais hypothétique. L’enquête de terrain nous permet de corroborer certains résultats de la littérature scientifique obtenus en laboratoire. Le biais hypothétique semble résulter d’un manque de conséquence financière et politique des études d’évaluation, mais aussi des caractéristiques individuelles des répondants. Ces caractéristiques individuelles ont un impact certain sur la manière dont les individus appréhendent les deux dimensions de la notion de conséquence. Ce dernier constat soulève la question de l’opérationnalité de la notion de conséquence pour réduire le biais hypothétique lors d’études d’évaluations économiques de biens environnementaux.

Thèse numérisée par la Division de la gestion de documents et des archives de l'Université de Montréal.

L’intérêt sans cesse croissant des données RDF disponibles sur le Web a conduit à l’émergence de multiple et importants efforts de recherche pour enrichir le formalisme traditionnel des données RDF à des fins d’exploitation et d’analyse. Le travail de cette thèse s’inscrit dans la continuation de ces efforts en abordant la problématique de la gestion des données RDF en présence d’imperfections (manque de confiance/validité, incertitude, etc.). Les contributions de la thèse sont comme suit: (1) Nous avons proposé d’appliquer l’opérateur skyline sur les données RDF pondérées par des mesures de confiance (Trust-RDF) dans le but d’extraire les ressources les plus confiantes selon des critères définis par l’utilisateur. (2) Nous avons discuté via des méthodes statistiques l’impact des mesures de confiance sur le Trust-skyline.(3) Nous avons intégré à la structure des données RDF un quatrième élément, exprimant une mesure de possibilité. Pour gérer cette mesure de possibilité, un cadre langagier appropriée est étudié, à savoir Pi-SPARQL, qui étend le langage SPARQL aux requêtes permettant de traiter des distributions de possibilités. (4) Nous avons étudié une variante d’opérateur skyline pour extraire les ressources RDF possibilistes qui ne sont éventuellement dominées par aucune autre ressource dans le sens de l’optimalité de Pareto. / The ever-increasing interest of RDF data on the Web has led to several and important research efforts to enrich traditional RDF data formalism for the exploitation and analysis purpose. The work of this thesis is a part of the continuation of those efforts by addressing the issue of RDF data management in presence of imperfection (untruthfulness, uncertainty, etc.). The main contributions of this dissertation are as follows. (1) We tackled the trusted RDF data model. Hence, we proposed to extend the skyline queries over trust RDF data, which consists in extracting the most interesting trusted resources according to user-defined criteria. (2) We studied via statistical methods the impact of the trust measure on the Trust-skyline set.(3) We integrated in the structure of RDF data (i.e., subject-property-object triple) a fourth element expressing a possibility measure to reflect the user opinion about the truth of a statement.To deal with possibility requirements, appropriate framework related to language is introduced, namely Pi-SPARQL, that extends SPARQL to be possibility-aware query language.Finally, we studied a new skyline operator variant to extract possibilistic RDF resources that are possibly dominated by no other resources in the sense of Pareto optimality

L'analyse et l'exploitation des préférences interviennent dans de nombreux domaines, comme l'économie, les sciences sociales ou encore la psychologie. Depuis quelques années, c'est l'e-commerce qui s'intéresse au sujet dans un contexte de personnalisation toujours plus poussée. Notre étude s'est portée sur la représentation et l'apprentissage de préférences sur des objets décrits par un ensemble d'attributs. Ces espaces combinatoires sont immenses, ce qui rend impossible en pratique la représentation in extenso d'un ordre de préférences sur leurs objets. C'est pour cette raison que furent construits des langages permettant de représenter de manière compacte des préférences sur ces espaces combinatoires. Notre objectif a été d'étudier plusieurs langages de représentation de préférences et l'apprentissage de préférences. Nous avons développé deux axes de recherche. Le premier axe est l'algorithme DRC, un algorithme d'inférence dans les réseaux bayésiens. Alors que les autres méthodes d'inférence utilisent le réseau bayésien comme unique source d'information, DRC exploite le fait qu'un réseau bayésien est souvent appris à partir d'un ensemble d'objets qui ont été choisis ou observés. Ces exemples sont une source d'information supplémentaire qui peut être utilisée lors de l'inférence. L'algorithme DRC, de ce fait, n'utilise que la structure du réseau bayésien, qui capture des indépendances conditionnelles entre attributs et estime les probabilités conditionnelles directement à partir du jeu de données. DRC est particulièrement adapté à une utilisation dans un contexte où les lois de probabilité évoluent mais où les indépendances conditionnelles ne changent pas. Le second axe de recherche est l'apprentissage de k-LP-trees à partir d'exemples d'objets vendus. Nous avons défini formellement ce problème et introduit un score et une distance adaptés. Nous avons obtenu des résultats théoriques intéressants, notamment un algorithme d'apprentissage de k-LP-trees qui converge avec assez d'exemples vers le modèle cible, un algorithme d'apprentissage de LP-tree linéaire optimal au sens où il minimise notre score, ainsi qu'un résultat sur le nombre d'exemples suffisants pour apprendre un " bon " LP-tree linéaire : il suffit d'avoir un nombre d'exemples qui dépend logarithmiquement du nombre d'attributs du problème. Enfin, une contribution expérimentale évalue différents langages dont nous apprenons des modèles à partir d'historiques de voitures vendues. Les modèles appris sont utilisés pour la recommandation de valeur en configuration interactive de voitures Renault. La configuration interactive est un processus de construction de produit où l'utilisateur choisit successivement une valeur pour chaque attribut. Nous évaluons la précision de la recommandation, c'est-à-dire la proportion des recommandations qui auraient été acceptées, et le temps de recommandation ; de plus, nous examinons les différents paramètres qui peuvent influer sur la qualité de la recommandation. Nos résultats sont concluants : les méthodes que nous avons évaluées, qu'elles proviennent de la littérature ou de nos contributions théoriques, sont bien assez rapides pour être utilisées en ligne et ont une précision très élevée, proche du maximum théorique. / The analysis and the exploitation of preferences occur in multiple domains, such as economics, humanities and psychology. E-commerce got interested in the subject a few years ago with the surge of product personalisation. Our study deals with the representation and the learning of preferences on objects described by a set of attributes. These combinatorial spaces are huge, which makes the representation of an ordering in extenso intractable. That's why preference representation languages have been built: they can represent preferences compactly on these huge spaces. In this dissertation, we study preference representation languages and preference learning.Our work focuses on two approaches. Our first approach led us to propose the DRC algorithm for inference in Bayesian networks. While other inference algorithms use the sole Bayesian network as a source of information, DRC makes use of the fact that Bayesian networks are often learnt from a set of examples either chosen or observed. Such examples are a valuable source of information that can be used during the inference. Based on this observation, DRC uses not only the Bayesian network structure that captures the conditional independences between attributes, but also the set of examples, by estimating the probabilities directly from it. DRC is particularly adapted to problems with a dynamic probability distribution but static conditional independences. Our second approach focuses on the learning of k-LP-trees from sold items examples. We formally define the problem and introduce a score and a distance adapted to it. Our theoretical results include a learning algorithm of k-LP-trees with a convergence property, a linear LP-tree algorithm minimising the score we defined and a sample complexity result: a number of examples logarithmic in the number of attributes is enough to learn a "good" linear LP-tree. We finally present an experimental contribution that evaluates different languages whose models are learnt from a car sales history. The models learnt are used to recommend values in interactive configuration of Renault cars. The interactive configuration is a process in which the user chooses a value, one attribute at a time. The recommendation precision (the proportion of recommendations that would have been accepted by the user) and the recommendation time are measured. Besides, the parameters that influence the recommendation quality are investigated. Our results are promising: these methods, described either in the literature or in our contributions, are fast enough for an on-line use and their success rate is high, even close to the theoretical maximum.

L'expérience acquise lors des repas (ou exposition) peut influencer les préférences et les comportements alimentaires. Par ailleurs, les campagnes actuelles d'informations nutritionnelles tentent d'influencer les comportements alimentaires en démontrant les dangers de manger trop et en donnant des instructions pour un comportement alimentaire sain. Toutefois, cette dernière approche met bien souvent de côté le plaisir de manger. Le projet ?EduSens' s'est intéressé à une approche hédoniste et sensorielle de l'éducation au goût qui marie à la fois de l'exposition à des aliments et de l'information sur ces aliments. L'objectif de ce travail fut dans un premier temps de développer des outils de mesure permettant d'évaluer les préférences et les comportements alimentaires d'enfants, puis d'utiliser ces outils afin d'étudier les effets d'une éducation sensorielle en contexte scolaire. L'éducation sensorielle utilisée est issue de la pédagogie des « Classes du goût » de Jacques Puisais. Elle a eu lieu avec des enfants en classe de CM1 (8 à 11 ans) avec leur enseignant habituel à Dijon, France. L'étude a été menée avec un panel constitué d'un groupe expérimental d'une centaine d'enfants et d'un groupe contrôle de la même taille. Les enfants du groupe expérimental ont participé à 12 séances d'une heure trente d'éducation au goût en classe pendant l'année scolaire de cours moyen 1 (CM1). L'ensemble du panel d'enfants a participé à trois sessions de mesures constituées chacune de trois séances de mesures au laboratoire avant la période d'éducation sensorielle (T0), juste après cette période (T1) et l'année scolaire suivante, soit neuf à dix mois après cette période (T2). Ceci dans le but de tester la durabilité des effets. Les résultats montrent une augmentation de l'appréciation des variantes d'aliments plus aromatiques et intenses dans les deux groupes dans un premier temps (T1), puis une continuité de cette augmentation dans le temps (T2) uniquement avec le groupe éduqué. Ainsi, la répétition des mesures (ou exposition) aurait un effet plus fort que l'éducation dans un premier temps (T1), alors que l'effet de l'éducation n'apparaitrait que plus tard (T2) sous la forme d'une consolidation de l'effet de l'exposition. L'éducation augmente la néophilie alimentaire des enfants, mais ceci de manière temporaire. L'éducation améliore la description du ressenti lors d'une dégustation en faveur de critères plus objectifs que subjectifs et cet effet perdure. Enfin l'éducation influence la stratégie de catégorisation d'odeurs inconnues vers une stratégie basée sur des critères moins hédoniques. Une nouvelle méthode de mesure de choix alimentaire a été mise en place pour cette étude mais ne montrait pas d'effet de l'éducation sensorielle sur le comportement de choix. Pour conclure, une éducation sensorielle telle qu'elle a été pratiquée montre quelques effets sur les préférences et les comportements alimentaires sans qu'ils soient durables, et influence principalement la description du ressenti lors d'une dégustation.

L'argumentation est considérée comme un modèle de raisonnement basé sur la construction et l'évaluation d'arguments. Ces derniers sont sensés soutenir/expliquer/attaquer des assertions qui peuvent être des décisions, des avis, etc... Cette thèse contient trois parties. La première concerne la notion d'équivalence de systèmes d'argumentation. Nous avons proposé différents critères d'équivalence, étudié leurs liens et montré sous quelles conditions deux systèmes sont équivalents selon les critères proposés. La notion d'équivalence est ensuite utilisée pour calculer les noyaux d'un système d'argumentation. Un noyau est un sous-système fini d'un système d'argumentation et équivalent à celui-ci. La deuxième partie de la thèse concerne l'utilisation des préférences dans l'argumentation. Nous avons étudié les rôles que les préférences peuvent jouer dans un système d'argumentation. Deux rôles particuliers ont été identifiés. Nous avons montré que les travaux existant ont abordé seulement le premier rôle et les approches proposées peuvent retourner des résultats contre-intuitifs lorsque la relation d'attaque entre arguments n'est pas symétrique. Nous avons développé une approche qui pallie ces limites. La troisième partie applique notre modèle d'argumentation à la décision et à la négociation. Nous avons proposé une instanciation de notre modèle pour la décision argumentée. Puis, nous avons étudié la dynamique de cette instanciation. Plus précisément, nous avons montré comment le statut des options change à la lumière d'un nouvel argument. Nous avons également employé notre modèle afin de montrer les avantages de l'argumentation dans des dialogues de négociation.