La recherche de règles d'association intéressantes est un domaine important et actif en fouille de données. Puisque les algorithmes utilisés en extraction de connaissances à partir de données (ECD), ont tendance à générer un nombre important de règles, il est difficile à l'utilisateur de sélectionner par lui même les connaissances réellement intéressantes. Pour répondre à ce problème, un post-filtrage automatique des règles s'avère essentiel pour réduire fortement leur nombre. D'où la proposition de nombreuses mesures d'intérêt dans la littérature, parmi lesquelles l'utilisateur est supposé choisir celle qui est la plus appropriée à ses objectifs. Comme l'intérêt dépend à la fois des préférences de l'utilisateur et des données, les mesures ont été répertoriées en deux catégories : les mesures subjectives (orientées utilisateur ) et les mesures objectives (orientées données). Nous nous focalisons sur l'étude des mesures objectives. Néanmoins, il existe une pléthore de mesures objectives dans la littérature, ce qui ne facilite pas le ou les choix de l'utilisateur. Ainsi, notre objectif est d'aider l'utilisateur, dans sa problématique de sélection de mesures objectives, par une approche par catégorisation. La thèse développe deux approches pour assister l'utilisateur dans sa problématique de choix de mesures objectives : (1) étude formelle suite à la définition d'un ensemble de propriétés de mesures qui conduisent à une bonne évaluation de celles-ci ; (2) étude expérimentale du comportement des différentes mesures d'intérêt à partir du point de vue d'analyse de données. Pour ce qui concerne la première approche, nous réalisons une étude théorique approfondie d'un grand nombre de mesures selon plusieurs propriétés formelles. Pour ce faire, nous proposons tout d'abord une formalisation de ces propriétés afin de lever toute ambiguïté sur celles-ci. Ensuite, nous étudions, pour différentes mesures d'intérêt objectives, la présence ou l'absence de propriétés caractéristiques appropriées. L'évaluation des mesures est alors un point de départ pour une catégorisation de celle-ci. Différentes méthodes de classification ont été appliquées : (i) méthodes sans recouvrement (CAH et k-moyennes) qui permettent l'obtention de groupes de mesures disjoints, (ii) méthode avec recouvrement (analyse factorielle booléenne) qui permet d'obtenir des groupes de mesures qui se chevauchent. Pour ce qui concerne la seconde approche, nous proposons une étude empirique du comportement d'une soixantaine de mesures sur des jeux de données de nature différente. Ainsi, nous proposons une méthodologie expérimentale, où nous cherchons à identifier les groupes de mesures qui possèdent, empiriquement, un comportement semblable. Nous effectuons par la suite une confrontation avec les deux résultats de classification, formel et empirique dans le but de valider et mettre en valeur notre première approche. Les deux approches sont complémentaires, dans l'optique d'aider l'utilisateur à effectuer le bon choix de la mesure d'intérêt adaptée à son application.

Erdheim-Chester disease (ECD) represents a clonal non-Langerhans histiocytosis, which manifests under an extensive variety of clinical symptoms. This creates a challenge for the physician, who is required to recognize and diagnose the disease in the early stages. Despite this considerable challenge, in the last decade there has been a dramatic increase in ECD diagnoses, in most part due to an increasing awareness of this rare disorder. Involvement of the axial skeleton is exclusively uncommon with no official recommendations for the treatment of the bone lesions. Here, we present a case report of a young male patient with isolated lesions of the spine, ribs, and pelvis, who was successfully treated with a combination therapy of alfa-interferon and zoledronic acid.

The submitted thesis deals with determination of selected pesticides in water samples by gas chromatography. The target pesticides belong to the group of organophosphates (chlorpyrifos, diazinon, parathion, dimethoate, phosmet) and carbamates (carbofuran, aldicarb, methiocarb, pirimicarb, and propamocarb). In the theoretical part, the division of pesticides is stated, and their properties are described, as well as their fate in the environment and their negative effects. Then, the possibilities of analytical determination based on gas chromatography are characterized. The experimental part describes the treatment of the samples and their subsequent analysis. Solid phase extraction was chosen as the extraction technique. Two kinds of cartridges were optimized (Oasis HLB and Supelclean ENVI-18) in combination with various elution reagents. The most suitable combination was then used for processing of real samples of waste-water, which was taken from WWTP in Brno Modřice. For the final determination of the target compounds by gas chromatography, two types of detectors were used: mass spectrometer and an electron capture detector.

In this qualitative research study I explored Grade R teachers’ perceptions of early childhood development and how these impact on their classroom practice. Using an early childhood theoretical framework which was predominately informed by developmental and socio-cultural perspectives I interrogated teachers’ understandings of children, quality classroom practice and early childhood contexts. Although the literature acknowledges the contested nature of quality within the ECD/Grade R context, research evidence indicates that the role of the teacher is pivotal if education is to be successfully realized in the early years. This notion of quality embraces particular aspects of practice such as managing the classroom environment, being able to engage children in the learning process through a process of sustained shared thinking and supporting learning in a variety of different contexts. Furthermore, good practice is informed by an in-depth understanding of contemporary issues embedded in socio-cultural contexts of children and families. Within the South African context Grade R is a problematic year despite being the first year of the Foundation Phase. Policy documents informing practice are ambiguous, Grade R teachers are not required to have a formal teaching qualification and they are not afforded the same conditions of service as other teachers. All these factors have served to marginalize the Grade R teacher. The research sample comprised twelve teachers from ten schools who were purposively selected from GDE and free standing community Grade R classes. An important selection criterion was a willingness to be involved in the project. In this multiple case study data were collected through classroom observations, interviews, critical incidents and documentary evidence. The research findings were first analysed according to three broad themes and then further interrogated through three knowledge positions identified by Mac Naughton, (2003) as conforming, reforming and transforming positions. iv Key findings revealed that although participants could not be definitively situated in any one of the three knowledge positions their practices were largely conforming; with few teachers using aspects of reforming practice. This study is significant within the South African context in that it shows similar findings to those of research done by Nias (1985) and Anning (1991) relating to teachers’ perceptions of themselves and their practice. Teachers perceived themselves as being kind, caring and loving individuals who placed the welfare of children in their care ahead of academic considerations. They all intimated that they followed a constructivist orientation, but found it difficult to articulate a deep understanding of practice. In fact they displayed limited understanding of how in the early years teaching and learning can be realized through a pedagogy of play. A gap was revealed between teachers’ espoused theories and their theories-in-use which were predominately didactic in orientation. The study showed the impact of current constraints of the Education Department. Given these constraints the role of South African universities should be to deepen both theoretical and practical insights into early years pedagogy through appropriate teacher-focused interventions.

A growing number of studies have been addressing the use of technology in dementia care. As traditional views of society focus mostly on the symptomatic aspects of dementia, the use of technology is limited to people’s impairments. However, critical dementia aligned with the third wave of Human-Computer Interaction (HCI) adopted a more holistic approach that goes beyond individual cognitive functions. In this paper, I will (1) present findings about the experience of practitioners and family members of people with dementia (PwD) in a long-term care residence in Rio de Janeiro, Brazil; (2) Present and discuss digital design solutions for the well-being of PwD in the field of art therapy, Internet of Things (IoT), augmented technology and multisensory environment, and (3) Propose interaction qualities to solidify the epistemological shifts of HCI in the context of dementia care. The overall aim of this paper is to understand the psychological and social needs of PwD in the context of a long-term care institution and suggest a design approach that leads to digital artifacts that enhance engagement and social connectedness for the wellbeing of PwD.

This research focused on investigating and comparing the cytotoxicity and cellular uptake of RRR-alpha-tocopheryl polyethylene glycol succinate (TPGS, with that of alpha-tocopheryl succinate (α-TS). Both TPGS and α-TS are water-soluble forms of vitamin E with important clinical applications. Cytotoxicity assays with RAW 264.7 and LNCaP cells incubated overnight with TPGS or α-TS at concentrations ≥ 12.4 μM suggest that α-TS is more cytotoxic than TPGS. Macrophages were found to be more sensitive than LNCaP cells when treated with similar concentrations of α-TS. For both cell lines, most of the TPGS or α-TS taken up remained esterified after 24 hours. Our results suggest that cell death was due to TPGS and/or α-TS and not alpha-tocopherol. A para-hydroxyanilide of α-TS (p-HATS) that could be used to distinguish between cellular TPGS and α-TS was studied. It was found that p-HATS can be detected electrochemically and that it is hydrolyzed to α-TOH.

La recherche de règles d’association intéressantes est un domaine important et actif en fouille de données. Puisque les algorithmes utilisés en extraction de connaissances à partir de données (ECD), ont tendance à générer un nombre important de règles, il est difficile à l’utilisateur de sélectionner par lui même les connaissances réellement intéressantes. Pour répondre à ce problème, un post-filtrage automatique des règles s’avère essentiel pour réduire fortement leur nombre. D’où la proposition de nombreuses mesures d’intérêt dans la littérature, parmi lesquelles l’utilisateur est supposé choisir celle qui est la plus appropriée à ses objectifs. Comme l’intérêt dépend à la fois des préférences de l’utilisateur et des données, les mesures ont été répertoriées en deux catégories : les mesures subjectives (orientées utilisateur ) et les mesures objectives (orientées données). Nous nous focalisons sur l’étude des mesures objectives. Néanmoins, il existe une pléthore de mesures objectives dans la littérature, ce qui ne facilite pas le ou les choix de l’utilisateur. Ainsi, notre objectif est d’aider l’utilisateur, dans sa problématique de sélection de mesures objectives, par une approche par catégorisation. La thèse développe deux approches pour assister l’utilisateur dans sa problématique de choix de mesures objectives : (1) étude formelle suite à la définition d’un ensemble de propriétés de mesures qui conduisent à une bonne évaluation de celles-ci ; (2) étude expérimentale du comportement des différentes mesures d’intérêt à partir du point de vue d’analyse de données. Pour ce qui concerne la première approche, nous réalisons une étude théorique approfondie d’un grand nombre de mesures selon plusieurs propriétés formelles. Pour ce faire, nous proposons tout d’abord une formalisation de ces propriétés afin de lever toute ambiguïté sur celles-ci. Ensuite, nous étudions, pour différentes mesures d’intérêt objectives, la présence ou l’absence de propriétés caractéristiques appropriées. L’évaluation des mesures est alors un point de départ pour une catégorisation de celle-ci. Différentes méthodes de classification ont été appliquées : (i) méthodes sans recouvrement (CAH et k-moyennes) qui permettent l’obtention de groupes de mesures disjoints, (ii) méthode avec recouvrement (analyse factorielle booléenne) qui permet d’obtenir des groupes de mesures qui se chevauchent. Pour ce qui concerne la seconde approche, nous proposons une étude empirique du comportement d’une soixantaine de mesures sur des jeux de données de nature différente. Ainsi, nous proposons une méthodologie expérimentale, où nous cherchons à identifier les groupes de mesures qui possèdent, empiriquement, un comportement semblable. Nous effectuons par la suite une confrontation avec les deux résultats de classification, formel et empirique dans le but de valider et mettre en valeur notre première approche. Les deux approches sont complémentaires, dans l’optique d’aider l’utilisateur à effectuer le bon choix de la mesure d’intérêt adaptée à son application. / The search for interesting association rules is an important and active field in data mining. Since knowledge discovery from databases used algorithms (KDD) tend to generate a large number of rules, it is difficult for the user to select by himself the really interesting knowledge. To address this problem, an automatic post-filtering rules is essential to significantly reduce their number. Hence, many interestingness measures have been proposed in the literature in order to filter and/or sort discovered rules. As interestingness depends on both user preferences and data, interestingness measures were classified into two categories : subjective measures (user-driven) and objective measures (data-driven). We focus on the study of objective measures. Nevertheless, there are a plethora of objective measures in the literature, which increase the user’s difficulty for choosing the appropriate measure. Thus, our goal is to avoid such difficulty by proposing groups of similar measures by means of categorization approaches. The thesis presents two approaches to assist the user in his problematic of objective measures choice : (1) formal study as per the definition of a set of measures properties that lead to a good measure evaluation ; (2) experimental study of the behavior of various interestingness measures from data analysispoint of view. Regarding the first approach, we perform a thorough theoretical study of a large number of measures in several formal properties. To do this, we offer first of all a formalization of these properties in order to remove any ambiguity about them. We then study for various objective interestingness measures, the presence or absence of appropriate characteristic properties. Interestingness measures evaluation is therefore a starting point for measures categorization. Different clustering methods have been applied : (i) non overlapping methods (CAH and k-means) which allow to obtain disjoint groups of measures, (ii) overlapping method (Boolean factor analysis) that provides overlapping groups of measures. Regarding the second approach, we propose an empirical study of the behavior of about sixty measures on datasets with different nature. Thus, we propose an experimental methodology, from which we seek to identify groups of measures that have empirically similar behavior. We do next confrontation with the two classification results, formal and empirical in order to validate and enhance our first approach. Both approaches are complementary, in order to help the user making the right choice of the appropriate interestingness measure to his application.

Le travail effectué durant cette thèse concerne l'étude des méthodes d'Extraction de Connaissances à partir de Données (ECD) dans le cadre des Systèmes d'Information Géographiques (SIG). Nous avons non seulement mis en œuvre et amélioré des méthodes d'ECD classique (Classification de Données, Visualisation de Classifications) mais aussi des méthodes d'ECD spatiales liées à des méthodes d'analyse spatiale (Lissage Spatial, Détermination de Pôles, Sectorisation). Nous avons effectué notre travail de recherche au sein de la société GÉOBS spécialisée dans l'analyse des données géographiques (spatiales), et nous avons donc expérimenté, appliqué et vérifié ces méthodes sur des jeux de données fournis par GÉOBS et liés à des problématiques de Développement Économique, de Géomarketing, d'Analyse de Risque, d'Environnement, de Santé, etc. Ce mémoire offre une vision globale concernant un ensemble de problématiques et de méthodes d'analyse. Il met ainsi en avant la complémentarité des méthodes utilisées qui sont souvent connectées entre elles soit du point de vue technique soit du point de vue de leur utilisation. Finalement, ce fut un travail très enrichissant car il a touché à de nombreuses problématiques et à d'aussi nombreuses méthodes d'extraction de connaissances.

The thesis combines laboratory experiments and field expeditions to study production, transfer and consumption of non-enzymatic antioxidants and thiamine in an aquatic food web. In particular, I (1) documented spatial and seasonal variation of tocopherols and carotenoids in the Baltic Sea pelagic food web, and (2) examined the effects of abiotic and biotic factors on tocopherol, carotenoid and thiamine concentrations in phytoplankton, zooplankton and fish. Moderate differences in temperature and salinity affected α-tocopherol, β-carotene and thiamine production in microalgae. Furthermore, the results suggest that acute stress favors the expression of non-enzymatic antioxidants rather than enzymatic antioxidants. Because production of α-tocopherol, β-carotene and thiamine differ markedly between microalgae, the availability of non-enzymatic antioxidants and thiamine is likely to be highly variable in the Baltic Sea and is difficult to predict. The transfer of non-enzymatic antioxidants from phytoplankton to zooplankton was biomass dependent. The field expeditions revealed that phytoplankton biomass was negatively associated with α-tocopherol concentration in mesozooplankton. Thus, increased eutrophication of the Baltic Sea followed by an increase in phytoplankton biomass could decrease the transfer of essential biochemicals to higher levels in the pelagic food web. This could lead to deficiency syndromes, of the kind already observed in the Baltic Sea. Astaxanthin is synthesized from precursors provided by the phytoplankton community. Thus biomass dependent transfer of astaxanthin precursors from phytoplankton to zooplankton could be responsible for astaxanthin deficiency in zooplanktivorous herring. Astaxanthin in herring consists mostly of all-Z-isomers, which are characterized by low bioavailability. Therefore, astaxanthin deficiency in salmon could be explained by the low concentration of this substance and its isomeric composition in herring.

La reconnaissance automatique de cibles non coopératives est d’une grande importance dans divers domaines. C’est le cas pour les applications en environnement incertain aérien et maritime. Il s’avère donc nécessaire d’introduire des méthodes originales pour le traitement et l’identification des cibles radar. C’est dans ce contexte que s’inscrit notre travail. La méthodologie proposée est fondée sur le processus d’extraction de connaissance à partir de données (ECD) pour l’élaboration d’une chaine complète de reconnaissance à partir des images radar en essayant d’optimiser chaque étape de cette chaine de traitement. Les expérimentations réalisées pour constituer une base de données d’images ISAR ont été effectuées dans la chambre anéchoïque de l’ENSTA de Bretagne. Ce dispositif de mesures utilisé a l’avantage de disposer d’une maîtrise de la qualité des données représentants les entrées dans le processus de reconnaissance (ECD). Nous avons ainsi étudié les étapes composites de ce processus de l’acquisition jusqu’à l’interprétation et l’évaluation de résultats de reconnaissance. En particulier, nous nous sommes concentrés sur l’étape centrale dédiée à la fouille de données considérée comme le cœur du processus développé. Cette étape est composée de deux phases principales : une porte sur la classification et l’autre sur la fusion des résultats des classifieurs, cette dernière est nommée fusion décisionnelle. Dans ce cadre, nous avons montré que cette dernière phase joue un rôle important dans l’amélioration des résultats pour la prise de décision tout en prenant en compte les imperfections liées aux données radar, notamment l’incertitude et l’imprécision. Les résultats obtenus en utilisant d’une part les différentes techniques de classification (kppv, SVM et PMC), et d’autre part celles de de fusion décisionnelle (Bayes, vote, théorie de croyance, fusion floue) font l’objet d’une étude analytique et comparative en termes de performances. / The automatic recognition of non-cooperative targets is very important in various fields. This is the case for applications in aviation and maritime uncertain environment. Therefore, it’s necessary to introduce innovative methods for radar targets treatment and identification.The proposed methodology is based on the Knowledge Discovery from Data process (KDD) for a complete chain development of radar images recognition by trying to optimize every step of the processing chain.The experimental system used is based on an ISAR image acquisition system in the anechoic chamber of ENSTA Bretagne. This system has allowed controlling the quality of the entries in the recognition process (KDD). We studied the stages of the composite system from acquisition to interpretation and evaluation of results. We focused on the center stage; data mining considered as the heart of the system. This step is composed of two main phases: classification and the results of classifiers combination called decisional fusion. We have shown that this last phase improves results for decision making by taking into account the imperfections related to radar data, including uncertainty and imprecision.The results across different classification techniques as a first step (kNN, SVM and MCP) and decision fusion in a second time (Bayes, majority vote, belief theory, fuzzy fusion) are subject of an analytical and comparative study in terms of performance.