Par leur utilité, les sondages sont devenus des éléments importants de toute campagne électorale. Ils ont d’ailleurs beaucoup évolué au fil du temps et on les retrouve maintenant sous plus d’une forme. En effet, inspirés par les marchés de prédiction, les sondeurs ont développé un type de questionnement complémentaire aux sondages classiques interrogeant les individus sur leurs propres préférences. Cette autre méthode invite plutôt les participants à faire part de leurs anticipations sur le comportement agrégé de la population. Néanmoins, aucune de ces deux approches n’est parfaite. Leur pouvoir prédictif peut être affecté par plusieurs facteurs. Parmi ceux-ci, on compte l’inattention envers la corrélation, un biais cognitif susceptible d’affecter les réponses des individus sondés. À la lumière de qui précède, ce mémoire a pour premier objectif de comparer le pouvoir prédictif de ces deux types de méthode afin de distinguer la plus performante. Le second objectif est de mesurer l’effet potentiel du biais d’inattention envers la corrélation sur les réponses de participants à des sondages. Pour y arriver, des sujets ont été invités à participer à une expérience en laboratoire où ils ont occupé à la fois le rôle de sondé et de preneur de décision. Les résultats de l’expérience montrent que l’inattention envers la corrélation affecte significativement les réponses de participants à des sondages. De plus, certains facteurs personnels semblent être associés à une probabilité plus élevée d’être victime du biais.

L'objectif de ce mémoire est de déterminer s'il est préférable d'utiliser l'inflation totale directement ou l'inflation désagrégée afin de prévoir l'inflation totale américaine. Pour parvenir à cette fin, deux horizons de prévision sont exploités : le court terme et le moyen terme et un seul niveau de désagrégation est utilisé, soit 28 indices de prix. Dans le cadre des prévisions de court terme, le modèle agrégé utilisé est représenté par la nouvelle courbe de Phillips de Stock et Watson (1999) et deux modèles désagrégés sont mis à contribution. Le premier modèle désagrégé est estimé par un processus autorégressif multivarié alors que le second modèle est estimé par un processus autorégressif univarié. Pour ce qui est des prévisions de moyen terme, les modèles à comparer sont tous deux des modèles monétaires. Les résultats obtenus par les prévisions hors échantillon sont fort intéressants. L'utilisation des 28 indices de prix n'améliore en rien les prévisions de court terme puisque les erreurs de prévision sont beaucoup plus élevées que celles issues de la courbe de Phillips. À moyen terme, toutefois, le modèle désagrégé utilisant l'agrégat monétaire Ml génère de bien meilleures prévisions que les autres modèles monétaires agrégés.

Ce mémoire de maîtrise a pour but d'explorer le métier de youtubeur, tout en s'intéressant au rapport au travail de ces créateurs. Au fil des années, l'engouement envers la plateforme YouTube a été fulgurant, allant même jusqu'à la mise sur pied d'un programme partenaire, afin de permettre aux créateurs de commencer à être rémunérés pour les vidéos qu'ils mettaient en ligne. Parallèlement, les parcours professionnels sont de plus en plus atypiques et plusieurs jeunes semblent attirés par le travail autonome et même, par l'entrepreneuriat (Pennel, 2013; Noiseux, 2012; Longo et al., 2019). Comme la plateforme YouTube est accessible dans plusieurs pays, des chercheurs de partout dans le monde se sont intéressés à ce médium, surtout sous l'angle de son utilisation et de sa consommation par les individus. Toutefois, peu d'entre eux se sont penchés sur ces travailleurs, d'un point de vue orientation, perspective de carrière et rapport au travail. Pour cette recherche qualitative, une recherche documentaire sur la plateforme YouTube a été menée. Ensuite, douze youtubeurs ont été rencontrés lors d'entrevues individuelles, conduites de façon semi-dirigée. L'analyse de ces données a permis de rédiger une description du travail des youtubeurs, puis de dégager quatre profils types, soit 1) le youtubeur de carrière, 2) de youtubeur à entrepreneur, 3) le youtubeur et ses conciliations et 4) l'aspirant youtubeur. Ces quatre profils types ont pu être comparés en regard des six ethos du travail songés par Mercure et Vultur (2010). Dans la discussion, il sera possible d'affirmer qu'être youtubeur peut représenter une activité professionnalisante, un travail pouvant apporter des revenus aux créateurs. La notion d'indépendance et de dépendance envers le travail sur plateforme sera aussi explicitée. Finalement, des réflexions seront abordées sur le métier de youtubeur, exercé dans le contexte singulier de la pandémie de COVID-19. / This master's thesis aims to explore the profession of youtubers, while focusing on the relationship between these creators and their work. Over the years, the popularity of the YouTube platform has been soaring, even going so far as to set up a partner program to allow creators to start earning money for the videos they put online. At the same time, career paths are increasingly atypical and many young people seem attracted to self-employment and even entrepreneurship (Pennel, 2013; Noiseux, 2012; Longo et al., 2019). As the YouTube platform is accessible in several countries, researchers from around the world have been interested in this medium, especially in terms of its use and consumption by individuals. However, few of them have studied these workers from the point of view of guidance sciences, career perspective and relationship to work. For this qualitative research, a literature search on the YouTube platform was conducted. Then, twelve youtubers were met during individual interviews, in a semi-structured manner. The analysis of these data allowed us to write a description of the youtubers' work, and then to identify four typical profiles : 1) the career youtuber, 2) from youtuber to entrepreneur, 3) the youtuber and his conciliations, and 4) the aspiring youtuber. These four typical profiles could be compared against the six work ethos thought by Mercure and Vultur (2010). In the discussion, it will be possible to affirm that being a youtuber can represent a professionalizing activity, a job that can bring income to creators. The notion of independence and dependence towards platform work will also be explored. Finally, reflections will be addressed on the profession of youtuber, exercised in the singular context of the COVID-19 pandemic.

Titre de l'écran-titre (visionné le 16 janvier 2024) / Ce projet de recherche porte sur l'utilisation de données des réseaux sociaux basés sur des évènements ainsi que des données météorologiques pour prédire la participation effective des utilisateurs à des évènements en ligne ou hors ligne, à l'ère de la technologie qui peut rassembler des participants du monde entier. Cette recherche a été principalement motivée par le fait que les organisateurs d'évènements ont souvent du mal à estimer le nombre de participants, ce qui peut entraîner des problèmes financiers, organisationnels et de réputation. Dans ce domaine, de nombreuses études ont développé des algorithmes d'apprentissage automatique pour prédire la participation des utilisateurs aux évènements, bien que des améliorations soient nécessaires. De plus, peu d'études ont examiné l'interprétabilité et l'explicabilité de ces algorithmes afin de déterminer les facteurs qui influencent le plus la participation d'un utilisateur à un évènement. Ce projet de recherche offre une solution complète à ces questions. Sa solution est une méthode consistant à collecter des données sur les évènements et les conditions météorologiques et à en extraire les caractéristiques pertinentes. Ces caractéristiques permettent ensuite d'entraîner des algorithmes d'apprentissage automatique afin de prédire si un utilisateur participera effectivement à un évènement. Il est important de noter que cette recherche cherche tente également d'expliquer comment les prédictions sont faites en déterminant les facteurs les plus importants. Des données météorologiques et des données relatives aux évènements du réseau social basé sur des évènements Meetup ont été utilisées dans le cadre de l'étude. L'expérience a révélé que l'algorithme Decision Tree était le plus performant pour prédire la participation à un évènement. En outre, la distance entre l'utilisateur et le lieu de l'évènement est le facteur le plus important pour prédire la participation des utilisateurs. Ce projet présente plusieurs avantages majeurs, notamment la possibilité de combiner des données d'événements provenant de Meetup, un réseau social basé sur les événements, avec les préférences des utilisateurs évaluées à l'aide de divers paramètres et une analyse approfondie de l'interprétabilité des classificateurs afin d'identifier les facteurs de participation aux événements. Cependant, il présente certaines limites, telles qu'un ensemble de données déséquilibré avec davantage d'utilisateurs non participants, des tests sur des événements passés plutôt que futurs, et le manque d'exploration des données des réseaux sociaux non basés sur des événements. En conclusion, cette recherche vise à améliorer la compréhension des mécanismes qui affectent l'engagement des utilisateurs dans les évènements, offrant de nouvelles perspectives aux organisateurs d'évènements et aux chercheurs dans ce domaine en évolution rapide. Elle fournit des outils pour anticiper et gérer la participation, améliorant ainsi la qualité et la préparation des évènements, qu'ils soient en ligne ou hors ligne. / This research project focuses on the use of event-based social network data and weather data to predict users’ actual participation in online and offline events, in the age of technology that can bring together participants from all over the world. This research was primarily motivated by the fact that event organizers often find it difficult to estimate the number of participants, which can lead to financial, organizational and reputational problems. In this field, many studies have developed machine learning algorithms to predict user participation in events, although improvements are needed. Moreover, few studies have examined the interpretability and explicability of these algorithms to determine which factors most influence a user’s participation in an event. This research project offers a comprehensive solution to these questions. Its solution is a method of collecting data on events and weather conditions and extracting relevant features. These features are then used to train machine learning algorithms to predict whether a user will actually attend an event. Importantly, this research also attempts to explain how predictions are made by identifying the most important factors. Weather and event data from the Meetup event-based social network were used in the study. The experiment revealed that the Decision Tree algorithm performed best in predicting event attendance. Furthermore, the distance between the user and the event location was the most important factor in predicting user participation. This project has several major advantages, including the ability to combine event data from Meetup, an event-based social network, with user preferences assessed using various parameters, and an in-depth analysis of classifier interpretability to identify event participation factors. However, it has certain limitations, such as an unbalanced dataset with more nonparticipating users, tests on past rather than future events, and lack of exploration of nonevent-based social network data. In conclusion, this research aims to improve understanding of the mechanisms affecting user engagement in events, offering new perspectives to event organizers and researchers in this rapidly evolving field. It provides tools for anticipating and managing participation, thus improving the quality and preparation of events, whether online or offline.

Ce mémoire de maîtrise a pour but d'explorer le métier de youtubeur, tout en s'intéressant au rapport au travail de ces créateurs. Au fil des années, l'engouement envers la plateforme YouTube a été fulgurant, allant même jusqu'à la mise sur pied d'un programme partenaire, afin de permettre aux créateurs de commencer à être rémunérés pour les vidéos qu'ils mettaient en ligne. Parallèlement, les parcours professionnels sont de plus en plus atypiques et plusieurs jeunes semblent attirés par le travail autonome et même, par l'entrepreneuriat (Pennel, 2013; Noiseux, 2012; Longo et al., 2019). Comme la plateforme YouTube est accessible dans plusieurs pays, des chercheurs de partout dans le monde se sont intéressés à ce médium, surtout sous l'angle de son utilisation et de sa consommation par les individus. Toutefois, peu d'entre eux se sont penchés sur ces travailleurs, d'un point de vue orientation, perspective de carrière et rapport au travail. Pour cette recherche qualitative, une recherche documentaire sur la plateforme YouTube a été menée. Ensuite, douze youtubeurs ont été rencontrés lors d'entrevues individuelles, conduites de façon semi-dirigée. L'analyse de ces données a permis de rédiger une description du travail des youtubeurs, puis de dégager quatre profils types, soit 1) le youtubeur de carrière, 2) de youtubeur à entrepreneur, 3) le youtubeur et ses conciliations et 4) l'aspirant youtubeur. Ces quatre profils types ont pu être comparés en regard des six ethos du travail songés par Mercure et Vultur (2010). Dans la discussion, il sera possible d'affirmer qu'être youtubeur peut représenter une activité professionnalisante, un travail pouvant apporter des revenus aux créateurs. La notion d'indépendance et de dépendance envers le travail sur plateforme sera aussi explicitée. Finalement, des réflexions seront abordées sur le métier de youtubeur, exercé dans le contexte singulier de la pandémie de COVID-19. / This master's thesis aims to explore the profession of youtubers, while focusing on the relationship between these creators and their work. Over the years, the popularity of the YouTube platform has been soaring, even going so far as to set up a partner program to allow creators to start earning money for the videos they put online. At the same time, career paths are increasingly atypical and many young people seem attracted to self-employment and even entrepreneurship (Pennel, 2013; Noiseux, 2012; Longo et al., 2019). As the YouTube platform is accessible in several countries, researchers from around the world have been interested in this medium, especially in terms of its use and consumption by individuals. However, few of them have studied these workers from the point of view of guidance sciences, career perspective and relationship to work. For this qualitative research, a literature search on the YouTube platform was conducted. Then, twelve youtubers were met during individual interviews, in a semi-structured manner. The analysis of these data allowed us to write a description of the youtubers' work, and then to identify four typical profiles : 1) the career youtuber, 2) from youtuber to entrepreneur, 3) the youtuber and his conciliations, and 4) the aspiring youtuber. These four typical profiles could be compared against the six work ethos thought by Mercure and Vultur (2010). In the discussion, it will be possible to affirm that being a youtuber can represent a professionalizing activity, a job that can bring income to creators. The notion of independence and dependence towards platform work will also be explored. Finally, reflections will be addressed on the profession of youtuber, exercised in the singular context of the COVID-19 pandemic.

Ce mémoire a pour objectif d'étudier les cycles électoraux au Canada. Le cadre théorique mobilisé pour cette recherche s'appuie sur deux théories de ce champ d'étude soit la théorie des élections de premier et de deuxième ordre ainsi que la théorie du contrepoids électoral (« electoral balancing »). Dans un système politique à multi-niveaux, ces deux théories postulent que les résultats électoraux des différents paliers électoraux sont en fait reliés entre eux. D'après ces théories, les élections nationales auraient plus d'importance pour les électeurs, ce pourquoi les résultats d'une élection régionale seraient en fait déterminés par des facteurs provenant à l'arène politique nationale. Au Canada, cela implique que les résultats d'une élection provinciale seraient alors influencés par l'élection fédérale précédente. Pour étudier ce phénomène, l'ensemble des résultats électoraux des élections générales fédérales et provinciales de 1988 jusqu'à aujourd'hui ont été compilé dans une base de données. Des régressions linéaires et polynomiales ont ensuite été réalisées en prenant les résultats fédéraux comme variable explicative et les résultats provinciaux comme variable expliquée dans un premier temps, puis en étudiant la relation inverse. Les résultats électoraux ont été divisés par province puis en cinq familles de partis politiques : libérale, conservatrice, travailliste, écologiste et régionaliste. Les résultats de cette recherche varient selon la province considérée : les élections fédérales ont parfois plus d'influence sur l'élection provinciale suivante dans certains cas alors que dans d'autres il s'agit de la relation inverse qui prévaut. Ce mémoire conclut également qu'il y a une dynamique de balancement entre le vote fédéral et provincial dans certaines provinces, mais il n'y a aucune tendance générale qui se dégage à l'échelle du Canada. Cette recherche apporte une contribution significative à la littérature sur les cycles électoraux au Canada. / This research project is studying electoral cycles in Canada. Two main theories from this field of research are mobilized in this paper. The first one is the theory of first and second order election and the second is the theory of electoral balancing. In a multi-level electoral system, these two theories suggest that electoral results from different electoral levels are related to each other. These theories assumed that national elections are more important to voters. Therefore, regional electoral results are explained by factors coming from the national electoral level. In Canada, this theory implies that provincial electoral results are influenced by the previous federal election. To study this phenomenon, all provincial and federal electoral results from 1988 until today were coded into a dataset. A first set of linear and polynomial regressions was performed using federal electoral results as the independent variable and provincial electoral results as the dependent variable. Then, another set of regressions was performed but to study the opposite relation. Electoral results were split by province and into five families of political parties: liberal, conservative, labor, ecologist, and regionalist. Results vary between provinces: federal elections have more influence on provincial results in some provinces while the opposite relation is more important in others. This paper also concludes that there is a dynamic of electoral balancing between federal and provincial results in certain provinces, but that no general tendency can be seen across Canada. This research project is a significant contribution to the literature on electoral cycles in Canada.

La prédiction de séquence comporte plusieurs applications en traitement du langage naturel, en bioinformatique, et en vision numérique. La complexité de calcul requise pour trouver la séquence optimale parmi un nombre exponentiel de possibilités limite cependant l’utilisation de tels algorithmes. Dans ce mémoire, nous proposons une approche permettant de résoudre cette recherche efficacement pour deux types de problèmes différents. Plus précisément, nous adressons le problème de pré-image en prédiction de structure nécessitant de trouver la séquence associée à une entrée arbitraire, et le problème consistant à trouver la séquence qui maximise la fonction de prédiction de plusieurs classificateurs et régresseurs à noyaux. Nous démontrons que ces deux problèmes se réduisent en un même problème combinatoire valide pour plusieurs noyaux à séquences. Pour ce problème, nous proposons une borne supérieure sur la fonction de prédiction pouvant être utilisée dans un algorithme de recherche branch and bound pour l’obtention de solutions optimales. Sur les tâches de reconnaissance de mots et de prédiction de phonèmes, l’approche proposée obtient des résultats compétitifs avec les algorithmes de prédiction de structure de l’état de l’art. De plus, la solution exacte du problème de pré-image augmente de manière significative les performances de prédiction en comparaison avec une approximation trouvée par l’heuristique la plus connue. Pour les tâches consistant à trouver la séquence maximisant la fonction de prédiction de classificateurs et régresseurs, nous montrons que des méthodes existantes peuvent être biaisées à prédire de longues séquences comportant des symboles répétitifs. Nous soulignons que ce biais est enlevé lorsque le noyau est normalisé. Finalement, nous présentons des résultats en conception de médicaments sur la découverte de composés principaux. Le code source peut être téléchargé à https://github.com/a-ro/preimage. / Sequence prediction algorithms have many applications in natural language processing, bioinformatics, and computer vision. However, the computational complexity required to find the optimal sequence among an exponential number of possibilities limits the use of such algorithms. In this thesis, we propose an approach to solve this search efficiently for two types of sequence prediction problems. More precisely, we address the pre-image problem encountered in structured output prediction, which consists of finding the sequence associated with an arbitrary input, and the problem of finding a sequence maximizing the prediction function of various kernel-based classifiers and regressors. We demonstrate that these problems reduce to a common combinatorial problem valid for many sequence kernels. For this problem, we propose an upper bound on the prediction function which has low computational complexity and which can be used in a branch and bound search algorithm to obtain optimal solutions. On the practical tasks of optical word recognition and grapheme-to-phoneme prediction, the proposed approach is shown to be competitive with state-of-the-art structured prediction algorithms. Moreover, the exact solution of the pre-image problem is shown to significantly improve the prediction accuracy in comparison with an approximation found by the best known heuristic. On the task of finding a sequence maximizing the prediction function of kernelbased classifiers and regressors, we highlight that existing methods can be biased toward long sequences that contain many repeated symbols. We demonstrate that this bias is removed when using normalized kernels. Finally, we present results for the discovery of lead compounds in drug discovery. The source code can be found at https://github.com/a-ro/preimage.

Avec l'urbanisation croissante et l'augmentation des flux de trafic, les villes font face à des défis majeurs de congestion, de pollution, et de réduction de la qualité de vie. Comprendre et prédire les durées de trajet devient donc essentiel pour optimiser la mobilité urbaine et améliorer l'expérience quotidienne des citadins. Dans ce projet, nous avons adapté et expérimenté une méthode novatrice pour la prédiction des temps de trajet, combinant l'apprentissage automatique avec une analyse approfondie des données de circulation. Notre étude a débuté par un état de l'art des méthodes existantes, passant des modèles empiriques aux techniques d'intelligence artificielle avancées, et a mis en évidence les avantages des modèles hybrides. Nous avons conçu un processus détaillé qui commence par la collecte de données diverses, y compris des historiques de trafic, des informations structurelles des routes, et des conditions météorologiques. Ces données ont été traitées et analysées par segments pour souligner la nécessité d'approches localisées dans la prédiction. Notre application pratique sur le terrain urbain complexe de la ville de Québec a utilisé des données issues de Google Maps, OpenStreetMaps et WeatherEnvironment. Elle a prouvé l'efficacité d'un modèle hybride combinant des réseaux de neurones récurrents (GRU) et XGBoost. Ce modèle a démontré des performances supérieures par rapport aux méthodes traditionnelles, offrant des prédictions de temps de trajet plus précises et fiables. Les résultats ont également validé l'importance de l'analyse segmentée des parcours et la pertinence de sélectionner des caractéristiques influentes. Cette recherche contribue significativement au domaine de la gestion de la mobilité urbaine, ouvrant des perspectives pour l'optimisation des systèmes de navigation intelligents et la planification efficace du trafic. L'extension de cette méthodologie à d'autres contextes urbains et l'intégration de données en temps réel offrent des avenues prometteuses pour des recherches futures, visant à rendre nos villes plus intelligentes, durables et agréables pour leurs résidents. / With increasing urbanization and rising traffic flows, cities face major challenges including congestion, pollution, and reduced quality of life. Understanding and predicting travel times is thus crucial for optimizing urban mobility and enhancing the daily experience of city dwellers. In this project, we adapted and experimented with an innovative method for predicting travel times, combining machine learning with a thorough analysis of traffic data. Our study began with a state-of-the-art review of existing methods, ranging from empirical models to advanced artificial intelligence techniques, highlighting the benefits of hybrid models. We designed a detailed process starting with the collection of various data, including traffic history, road structural information, and weather conditions. These data were processed and analyzed by segments to underscore the need for localized approaches in prediction. Our practical application in the complex urban terrain of Quebec City used data from Google Maps, OpenStreetMaps, and WeatherEnvironment. It proved the effectiveness of a hybrid model combining recurrent neural networks (GRU) and XGBoost. This model demonstrated superior performance compared to traditional methods, providing more accurate and reliable travel time predictions. The results also validated the importance of segmented analysis of routes and the relevance of selecting influential features. This research significantly contributes to the field of urban mobility management, opening perspectives for optimizing intelligent navigation systems and efficient traffic planning. Extending this methodology to other urban contexts and integrating real-time data offers promising avenues for future research aimed at making our cities smarter, more sustainable, and more enjoyable for their residents.

La première étude évalue la relation entre la production ou la reconnaissance de séquences aléatoires et le contenu des rapports verbaux des sujets. Elle est menée à l'aide de deux tâches différentes. L'une comporte deux alternatives (pile et face), l'autre en compte six (les côtés d'un dé). Les résultats révèlent que la majorité des verbalisations émises par les sujets font référence à des liens erronés avec le passé et ce, peu importe la tâche qu'ils ont à effectuer. La seconde expérience compare les comportements et cognitions des sujets qui génèrent des séquences aléatoires à partir des informations disponibles. Les résultats indiquent que les verbalisations rapportées par les sujets du premier groupe (avec information) font, majoritairement, référence à des liens inadéquats entre le présent et le passé. Cependant, l'hypothèse de base n'est pas vérifiée. La discussion soulève quelques éléments explicatifs et propose des études ultérieures en ce qui concerne l'implication des participants dans la tâche expérimentale.

Depuis que Meese et Rogoff [1983] ont publié leur article sur la qualité des outils prévisionnels du taux de change des années 70, découvrir le meilleur type de modèle et la spécification la plus efficace est un sujet prolifique de la littérature en économie internationale. Ce mémoire conduira une comparaison bayesienne des principales modélisations utilisées pour prédire l'évolution du taux de change. La méthodologie mise en oeuvre sera celle proposée par Geweke [1994] qui se nomme l'importance sampling. Une comparaison des densités et des vraisemblances prédictives permettra de déterminer s'il est préférable d'utiliser le vecteur autorégressif ou le modèle à correction d'erreurs pour prédire les réalisations du taux de change lors des divers états de l'économie.