La diversité des contenus recommandation et la variation des contextes des utilisateurs rendent la prédiction en temps réel des préférences des utilisateurs de plus en plus difficile mettre en place. Toutefois, la plupart des approches existantes n'utilisent que le temps et l'emplacement actuels séparément et ignorent d'autres informations contextuelles sur lesquelles dépendent incontestablement les préférences des utilisateurs (par exemple, la météo, l'occasion). En outre, ils ne parviennent pas considérer conjointement ces informations contextuelles avec les interactions sociales entre les utilisateurs. D'autre part, la résolution de problèmes classiques de recommandation (par exemple, aucun programme de télévision vu par un nouvel utilisateur connu sous le nom du problème de démarrage froid et pas assez d'items co-évalués par d'autres utilisateurs ayant des préférences similaires, connu sous le nom du problème de manque de donnes) est d'importance significative puisque sont attaqués par plusieurs travaux. Dans notre travail de thèse, nous proposons un modèle probabiliste qui permet exploiter conjointement les informations contextuelles actuelles et l'influence sociale afin d'améliorer la recommandation des items. En particulier, le modèle probabiliste vise prédire la pertinence de contenu pour un utilisateur en fonction de son contexte actuel et de son influence sociale. Nous avons considérer plusieurs éléments du contexte actuel des utilisateurs tels que l'occasion, le jour de la semaine, la localisation et la météo. Nous avons utilisé la technique de lissage Laplace afin d'éviter les fortes probabilités. D'autre part, nous supposons que l'information provenant des relations sociales a une influence potentielle sur les préférences des utilisateurs. Ainsi, nous supposons que l'influence sociale dépend non seulement des évaluations des amis mais aussi de la similarité sociale entre les utilisateurs. Les similarités sociales utilisateur-ami peuvent être établies en fonction des interactions sociales entre les utilisateurs et leurs amis (par exemple les recommandations, les tags, les commentaires). Nous proposons alors de prendre en compte l'influence sociale en fonction de la mesure de similarité utilisateur-ami afin d'estimer les préférences des utilisateurs. Nous avons mené une série d'expérimentations en utilisant un ensemble de donnes réelles issues de la plateforme de TV sociale Pinhole. Cet ensemble de donnes inclut les historiques d'accès des utilisateurs-vidéos et les réseaux sociaux des téléspectateurs. En outre, nous collectons des informations contextuelles pour chaque historique d'accès utilisateur-vidéo saisi par le système de formulaire plat. Le système de la plateforme capture et enregistre les dernières informations contextuelles auxquelles le spectateur est confronté en regardant une telle vidéo.Dans notre évaluation, nous adoptons le filtrage collaboratif axé sur le temps, le profil dépendant du temps et la factorisation de la matrice axe sur le réseau social comme tant des modèles de référence. L'évaluation a port sur deux tâches de recommandation. La première consiste sélectionner une liste trie de vidéos. La seconde est la tâche de prédiction de la cote vidéo. Nous avons évalué l'impact de chaque élément du contexte de visualisation dans la performance de prédiction. Nous testons ainsi la capacité de notre modèle résoudre le problème de manque de données et le problème de recommandation de démarrage froid du téléspectateur. Les résultats expérimentaux démontrent que notre modèle surpasse les approches de l'état de l'art fondes sur le facteur temps et sur les réseaux sociaux. Dans les tests des problèmes de manque de donnes et de démarrage froid, notre modèle renvoie des prédictions cohérentes différentes valeurs de manque de données. / Due to the diversity of alternative contents to choose and the change of users' preferences, real-time prediction of users' preferences in certain users' circumstances becomes increasingly hard for recommender systems. However, most existing context-aware approaches use only current time and location separately, and ignore other contextual information on which users' preferences may undoubtedly depend (e.g. weather, occasion). Furthermore, they fail to jointly consider these contextual information with social interactions between users. On the other hand, solving classic recommender problems (e.g. no seen items by a new user known as cold start problem, and no enough co-rated items with other users with similar preference as sparsity problem) is of significance importance since it is drawn by several works. In our thesis work, we propose a context-based approach that leverages jointly current contextual information and social influence in order to improve items recommendation. In particular, we propose a probabilistic model that aims to predict the relevance of items in respect with the user's current context. We considered several current context elements such as time, location, occasion, week day, location and weather. In order to avoid strong probabilities which leads to sparsity problem, we used Laplace smoothing technique. On the other hand, we argue that information from social relationships has potential influence on users' preferences. Thus, we assume that social influence depends not only on friends' ratings but also on social similarity between users. We proposed a social-based model that estimates the relevance of an item in respect with the social influence around the user on the relevance of this item. The user-friend social similarity information may be established based on social interactions between users and their friends (e.g. recommendations, tags, comments). Therefore, we argue that social similarity could be integrated using a similarity measure. Social influence is then jointly integrated based on user-friend similarity measure in order to estimate users' preferences. We conducted a comprehensive effectiveness evaluation on real dataset crawled from Pinhole social TV platform. This dataset includes viewer-video accessing history and viewers' friendship networks. In addition, we collected contextual information for each viewer-video accessing history captured by the plat form system. The platform system captures and records the last contextual information to which the viewer is faced while watching such a video. In our evaluation, we adopt Time-aware Collaborative Filtering, Time-Dependent Profile and Social Network-aware Matrix Factorization as baseline models. The evaluation focused on two recommendation tasks. The first one is the video list recommendation task and the second one is video rating prediction task. We evaluated the impact of each viewing context element in prediction performance. We tested the ability of our model to solve data sparsity and viewer cold start recommendation problems. The experimental results highlighted the effectiveness of our model compared to the considered baselines. Experimental results demonstrate that our approach outperforms time-aware and social network-based approaches. In the sparsity and cold start tests, our approach returns consistently accurate predictions at different values of data sparsity.

Cette étude fournit un aperçu des tendances qui existent dans la littérature concernant le gouvernement électronique et le potentiel que ces systèmes ont pour les gouvernements, les entreprises, les employés et les citoyens dans la perspective des pays en développement. Pour comprendre la nature multidimensionnelle des systèmes de gouvernement électronique, cette étude présente un cadre de l'adoption par les citoyens de services du gouvernement électronique en intégrant la littérature sur l'acceptation de technologies et sur le succès du système d'information ainsi que les croyances d'attitude et de la société. Le modèle a été testé par une étude empirique au moyen de deux enquêtes, un questionnaire papier et une autre enquête sur internet. La modélisation d’équation structurelle a été utilisée pour tester les hypothèses.Les résultats de la recherche ont montré que par la capacité perçue à utiliser, le bénéfice fonctionnel, la confiance dans l'internet, la confiance dans le gouvernement et la satisfaction des utilisateurs sont de forts prédicteurs de l'intention des citoyens d’adopter des services de gouvernement électroniques. Nous trouvons également que l'effet de la qualité de l'information et la qualité du système sur l'adoption de l’e-gouvernement est totalement médiée par la capacité perçue à utiliser, le bénéfice fonctionnel, la confiance dans l'internet, la confiance dans le gouvernement et la satisfaction des utilisateurs. La capacité perçue à utiliser et la confiance dans le gouvernement s'avèrent être de significatifs médiateurs de la relation entre la qualité de service et l'adoption des services gouvernementaux en ligne. Nous ne trouvons pas d'effet direct significatif de risque perçu de terrorisme sur l'adoption des services gouvernementaux en ligne, cependant, nous trouvons un effet indirect par le bénéfice fonctionnel. Par ailleurs, nous trouvons un effet significatif du sexe, niveau d'éducation et du niveau d'expérience (avec Internet et avec les sites web du gouvernement) sur l'adoption des services gouvernementaux en ligne par les citoyens. On a constaté que l’âge n'avait pas d'effet significatif sur l'adoption des services gouvernementaux en ligne.En outre, la recherche fournit certaines suggestions utiles et implications pour les milieux académiques et les professionnels des services gouvernementaux en ligne. Cela permettra également de réduire les confusions dans l'esprit des citoyens, au sujet de l’adoption de l'e-gouvernement / Globalization has increased the importance of internet as a medium of communication almost in all aspects of our lives. The current exploratory research provides an insight into the trends that exist within literature concerning the area of Electronic Government (e-government) and the potential these have for the governments, businesses, employees and citizens in perspective of the developing countries. Globally the pace of implementing e-government services is rapidly increasing; however, despite high levels of investment, a broad range of applications, and various methods of access citizens have shown relatively low levels of usage of e-government services making it an interesting area of research. To encompass the multi-dimensional nature of e-government systems the current study presents a framework of citizens’ adoption of e-government services by integrating technology acceptance and information systems (IS) success literature along with citizens’ attitudinal and societal beliefs. In the proposed framework, the qualities of e-government websites such as perceived information quality (PIQ), perceived system quality (PSYQ) and perceived service quality (PSQ) along with social influence (SI), perceived risk of terrorism (PRT) are posited to influence citizens’ adoption of e-government services (ADP) directly and indirectly through perceived ability to use (PATU), perceived functional benefit (PFB), trust in the medium (TM), trust in the government (TG) and user satisfaction (SAT). The research uses a citizen-centric approach to determine citizens’ overall acceptability/adoptability of e-government services. Although we may generalize the results to other countries, yet the primary intention of this research is to shed light on how to approach, manage and implement such projects in developing countries. The model has been examined through an empirical study using paper-based along with a web-based survey. Structural equation modeling has been used to test the proposed hypotheses. The results of the research show that perceived ability to use, perceived functional benefit, trust in medium, trust in government and user satisfaction are strong predictors of citizens’ adoption of e-government services. We also find evidence that the effect of perceived information quality and perceived system quality on adoption of e-government services is totally mediated by perceived ability to use, perceived functional benefit, trust in medium, trust in government and user satisfaction. Perceived ability to use and trust in government are found to be significant mediators on the relationship between perceived service quality and adoption of e-government services. We do not find any significant direct effect of perceived risk of terrorism on adoption of e-government services rather we find an indirect effect through perceived functional benefit. We also find that perceived ability to use, trust in medium and trust in government partially mediate the relationship between social influence and adoption of e-government services. Moreover, we find significant effect of gender, education level, experience with internet and with e-government websites on citizens’ adoption of e-government services. Age is found to have no significant effect on citizens’ adoption of e-government services. Further, the research provides some useful suggestions and implications for the academician and practitioners of e-government services assisting them in designing and implementing policies and strategies to increase the adoption of e-government services. This will also help reduce confusions in the minds of citizens, regarding e-government adoption

Ce mémoire porte sur la réception de l’influence sociale des influenceuses et influenceurs sur Instagram. Au Québec, il y aurait plus de 1600 influenceuses et influenceurs qui œuvrent sur les réseaux sociaux numériques, et ce, dans plusieurs domaines tels que la mode, le sport, l’art, etc. Plusieurs travaux en communication étudient ce phénomène du Web en regard de leur apport marketing ou encore en se basant sur le point de vue des influenceuses et influenceurs, c’est-à-dire des émettrices et émetteurs. Mobilisant les théories de la réception en communication, je propose plutôt ici de m’interroger sur la réception des contenus de ces personnes influentes auprès des gens ordinaires sur Instagram, que je qualifie d’usagères et d’usagers ordinaires. Pour ce faire, j’ai réalisé 11 entrevues semi-dirigées auprès de jeunes adultes âgés entre 18 et 25 ans où je leur ai posé diverses questions sur leur usage de la plateforme, leur relation avec les influenceuses et influenceurs, ainsi que la façon dont illes pensent être influencées par contenu qu’ils et elles produisent. C’est à la lumière de ces entretiens que j’ai identifié différents types d’influence sociale sur la plateforme Instagram. L’influence sociale sur Instagram est donc composée de deux autres types d’influence soit l’influence contrôlée et l’influence non perçue, qui elles-mêmes se déclinent en influence marketing et non marketing. C’est cependant ce que j’appelle « l’influence contrôlée » qui est davantage ressortie du discours des personnes interviewées, c’est-à-dire l’influence qu’elles savent « recevoir » et qui leur permet de choisir si elle les atteint ou non. L’influence contrôlée illustre donc ce à quoi réfère Breton et Proulx (2006) comme une « dialectique de pouvoirs » et qui est bien présent, sur Instagram entre les influenceuses et influenceurs et leurs abonnées et abonnés. / This master's thesis explores how social influence of influencers on Instagram is received. There are more than 1600 influencers working on social media, in many fields such as fashion, sports or art in Quebec. Several works in communication observe this Web phenomenon with regard to their marketing strategies or from the point of view of the communicator. In contrast, I analyse the reception of content from these influential people by ordinary people on Instagram, whom I refer to as ordinary users. To do this, I conducted 11 semi-structured interviews with young adults between 18 and 25 years old in which I asked them questions about their use of the platform, their relationship with influencers, and how they think they react to the influence. In light of these interviews, I identified different types of social influence on Instagram. Social influence on Instagram is therefore made up of two other types of influence: controlled influence and unperceived influence, which are themselves broken down into marketing and non-marketing influence. However, controlled influence stood out in most interviewees' speech, i.e. they know they are being influenced but can choose to submit to it or not.. Controlled influence shows a tension ‘‘dialectic of powers’’ on Instagram between influencers and their followers (Breton & Proulx, 2006).