La prolifération des réseaux sociaux et des données à caractère personnel apporte de nombreuses possibilités de développement de nouvelles applications. Au même temps, la disponibilité de grandes quantités de données à caractère personnel soulève des problèmes de confidentialité et de sécurité. Dans cette thèse, nous développons des méthodes pour identifier les différents comptes d'un utilisateur dans des réseaux sociaux. Nous étudions d'abord comment nous pouvons exploiter les profils publics maintenus par les utilisateurs pour corréler leurs comptes. Nous identifions quatre propriétés importantes - la disponibilité, la cohérence, la non-impersonabilite, et la discriminabilité (ACID) - pour évaluer la qualité de différents attributs pour corréler des comptes. On peut corréler un grand nombre de comptes parce-que les utilisateurs maintiennent les mêmes noms et d'autres informations personnelles à travers des différents réseaux sociaux. Pourtant, il reste difficile d'obtenir une précision suffisant pour utiliser les corrélations dans la pratique à cause de la grandeur de réseaux sociaux réels. Nous développons des schémas qui obtiennent des faible taux d'erreur même lorsqu'elles sont appliquées dans les réseaux avec des millions d'utilisateurs. Ensuite, nous montrons que nous pouvons corréler les comptes d'utilisateurs même si nous exploitons que leur activité sur un les réseaux sociaux. Ça sa démontre que, même si les utilisateurs maintient des profils distincts nous pouvons toutefois corréler leurs comptes. Enfin, nous montrons que, en identifiant les comptes qui correspondent à la même personne à l'intérieur d'un réseau social, nous pouvons détecter des imitateurs. / The proliferation of social networks and all the personal data that people share brings many opportunities for developing exciting new applications. At the same time, however, the availability of vast amounts of personal data raises privacy and security concerns.In this thesis, we develop methods to identify the social networks accounts of a given user. We first study how we can exploit the public profiles users maintain in different social networks to match their accounts. We identify four important properties – Availability, Consistency, non- Impersonability, and Discriminability (ACID) – to evaluate the quality of different profile attributes to match accounts. Exploiting public profiles has a good potential to match accounts because a large number of users have the same names and other personal infor- mation across different social networks. Yet, it remains challenging to achieve practically useful accuracy of matching due to the scale of real social networks. To demonstrate that matching accounts in real social networks is feasible and reliable enough to be used in practice, we focus on designing matching schemes that achieve low error rates even when applied in large-scale networks with hundreds of millions of users. Then, we show that we can still match accounts across social networks even if we only exploit what users post, i.e., their activity on a social networks. This demonstrates that, even if users are privacy conscious and maintain distinct profiles on different social networks, we can still potentially match their accounts. Finally, we show that, by identifying accounts that correspond to the same person inside a social network, we can detect impersonators.

Ces dernières années, le contenu disponible sur le Web a augmenté de manière considérable dans ce qu’on appelle communément le Web social. Pour l’utilisateur moyen, il devient de plus en plus difficile de recevoir du contenu de qualité sans se voir rapidement submergé par le flot incessant de publications. Pour les fournisseurs de service, le passage à l’échelle reste problématique. L’objectif de cette thèse est d’aboutir à une meilleure expérience utilisateur à travers la mise en place de systèmes de filtrage et de recommandation. Le filtrage consiste à offrir la possibilité à un utilisateur de ne recevoir qu’un sous ensemble des publications des comptes auxquels il est abonné. Tandis que la recommandation permet la découverte d’information à travers la suggestion de comptes à suivre sur des sujets donnés. Nous avons élaboré MicroFilter un système de filtrage passant à l’échelle capable de gérer des flux issus du Web ainsi que RecLand, un système de recommandation qui tire parti de la topologie du réseau ainsi que du contenu afin de générer des recommandations pertinentes. / In the last years, the amount of available data on the social Web has exploded. For the average user, it became hard to find quality content without being overwhelmed with publications. For service providers, the scalability of such services became a challenging task. The aim of this thesis is to achieve a better user experience by offering the filtering and recommendation features. Filtering consists to provide for a given user, the ability of receiving only a subset of the publications from the direct network. Where recommendation allows content discovery by suggesting relevant content producers on given topics. We developed MicroFilter, a scalable filtering system able to handle Web-like data flows and RecLand, a recommender system that takes advantage of the network topology as well as the content in order to provide relevant recommendations.

Les réseaux sociaux ont connu une évolution dramatique et ont été utilisés comme des moyens pour exercer plusieurs activités. En fait, via les réseaux sociaux, les utilisateurs peuvent découvrir, gérer et partager leurs expériences et avis en ligne. Cependant, la nature ouverte et décentralisée des réseaux sociaux les rend vulnérables à l'apparition des utilisateurs malveillants. Par conséquent, les utilisateurs éventuels peuvent faire face à plusieurs de problèmes liés à la confiance. Ainsi, une évaluation de confiance effective et efficace est très importante pour la prise de décisions par ces utilisateurs. En effet, elle leur fournit des informations précieuses leur permettant de faire la différence entre ceux dignes et indignes de confiance. Cette thèse a pour but de fournir des méthodes de gestion de confiance et de réputation des utilisateurs des réseaux sociaux efficaces et qui peuvent être présentées par les quatre contributions suivantes. La première contribution présente une complexe extraction des contextes et des intérêts des utilisateurs, où les informations contextuelles sociales complexes sont prises en compte, reflétant mieux les réseaux sociaux. De plus, nous proposons un enrichissement de l'ontologie Dbpedia par des concepts de folksonomies.Ensuite, nous proposons une approche de gestion de la confiance, intitulée IRIS, permettant la génération du réseau de confiance et le calcul de la confiance directe. Cette approche considère les activités sociales des utilisateurs incluant leurs relations sociales, préférences et interactions.La troisième contribution de cette thèse est la gestion de transitivité de confiance dans les réseaux sociaux. En fait, c'est nécessaire et significatif d'évaluer la confiance entre deux participants n’ayant pas des interactions directes. Nous proposons ainsi, un modèle d'inférence de confiance, appelé TISON, pour évaluer la confiance indirecte dans les réseaux sociaux.La quatrième contribution de cette thèse consiste à gérer la réputation des utilisateurs des réseaux sociaux. Pour ce faire, nous proposons deux nouveaux algorithmes. Nous présentons un nouvel algorithme exclusif pour la classification des utilisateurs basés sur leurs réputations, appelé le RePC. De plus, nous proposons un deuxième algorithme, FCR, qui présente une extension floue de RePC. Pour les approches proposées, nous avons conduits différentes expérimentations sur des ensembles de données réels ou aléatoires. Les résultats expérimentaux ont démontré que nos algorithmes proposés produisent de meilleurs résultats, en termes de qualité des résultats livrés et d’efficacité, par rapport à différentes approches introduites dans littérature / Online Social Networks (OSNs) have known a dramatic increase and they have been used as means for a rich variety of activities. In fact, within OSNs, usersare able to discover, extend, manage, and leverage their experiences and opinionsonline. However, the open and decentralized nature of the OSNs makes themvulnerable to the appearance of malicious users. Therefore, prospective users facemany problems related to trust. Thus, effective and efficient trust evaluation isvery crucial for users’ decision-making. It provides valuable information to OSNsusers, enabling them to make difference between trustworthy and untrustworthyones. This thesis aims to provide effective and efficient trust and reputationmanagement methods to evaluate trust and reputation of OSNs users, which canbe divided into the following four contributions.The first contribution presents a complex trust-oriented users’ contexts andinterests extraction, where the complex social contextual information is taken intoaccount in modelling, better reflecting the social networks in reality. In addition,we propose an enrichment of the Dbpedia ontology from conceptualizations offolksonomies.We second propose the IRIS (Interactions, Relationship types and Interest Similarity)trust management approach allowing the generation of the trust networkand the computation of direct trust. This model considers social activities of usersincluding their social relationships, preferences and interactions. The intentionhere is to form a solid basis for the reputation and indirect trust models.The third contribution of this thesis is trust inference in OSNs. In fact, it isnecessary and significant to evaluate the trust between two participants whomhave not direct interactions. We propose a trust inference model called TISON(Trust Inference in Social Networks) to evaluate Trust Inference within OSNs.The fourth contribution of this thesis consists on the reputation managementin OSNs. To manage reputation, we proposed two new algorithms. We introducea new exclusive algorithm for clustering users based on reputation, called RepC,based on trust network. In addition, we propose a second algorithm, FCR, whichis a fuzzy extension of RepC.For the proposed approaches, extensive experiments have been conducted onreal or random datasets. The experimental results have demonstrated that ourproposed algorithms generate better results, in terms of the utility of delivered results and efficiency, than do the pioneering approaches of the literature

No description available.

Avec l'émergence des formations en ligne accessibles pour tous, la personnalisation de l'apprentissage devient de plus en plus cruciale et présente de nouveaux défis aux chercheurs du domaine. Il est actuellement nécessaire de tenir compte de l'hétérogénéité du public cible et lui présenter des contenus éducatifs adaptés à ses besoins et sa façon d'apprendre afin de lui permettre de profiter au maximum de ces formations et éviter le décrochage. Ce travail de recherche s'inscrit dans le cadre des travaux sur la personnalisation de l'apprentissage à travers les systèmes hypermédias adaptatifs utilisés en éducation (SHAE). Ces systèmes ont la vocation de personnaliser le processus d'apprentissage selon des critères bien spécifiques, tels que les pré-requis ou plus souvent les styles d'apprentissage, en générant un chemin d'apprentissage adéquat. Les SHAE se basent généralement sur trois modèles principaux à savoir le modèle apprenant, le modèle du domaine et le modèle d'adaptation. Bien que la personnalisation du processus d'apprentissage offerte par les SHAE actuels soit avantageuse pour les apprenants, elle présente encore certaines limites. D'un côté, juste le fait de personnaliser l'apprentissage augmente les chances que le contenu présenté à l'apprenant lui soit utile et sera ainsi mieux compris. Mais d'un autre côté, la personnalisation dans les SHAE existants se contente des critères niveau de connaissances et style d'apprentissage, et elle s'applique seulement à certains aspects qui n'ont pas évolué depuis leur création, à savoir le contenu, la présentation et la navigation. Ceci remet en question la pertinence des objets d'apprentissage attribués aux apprenants et la motivation de ces derniers à faire usage des SHAE sachant que ceux-ci se basent essentiellement sur les questionnaires pour la constitution de leur modèle apprenant. Suite à une étude empirique d'une cinquantaine de SHAE existants, révélant leurs atouts et limites, certains objectifs de recherche ont été identifiés afin d'améliorer l'expérience d'apprentissage à travers ces systèmes. Ces objectifs visent à établir un modèle de SHAE capable de (i) déterminer les données du modèle apprenant de façon implicite à partir des réseaux sociaux tout en répondant aux standards associés à ce modèle afin de construire le modèle apprenant; (ii) favoriser la collaboration entre les différents apprenants qui seraient mieux motivés à apprendre en collaborant; (iii) personnaliser, de façon automatique, de nouveaux aspects à savoir l'approche pédagogique, la collaboration et le feedback selon les traits de personnalité de l'apprenant en plus des trois volets existants. Un modèle de SHAE a été proposé pour répondre à ces objectifs. Ce modèle permet d’extraire les données personnelles de l'utilisateur à partir de ses réseaux sociaux et de prédire ses traits de personnalité selon son interaction avec ces réseaux. Par la suite, il est possible d'adapter les objets d'apprentissage, sur la base d'un système de recommandation, à ces traits de personnalité en plus du style d'apprentissage et du niveau de connaissances des apprenants. L'adaptation aux traits de personnalité de l'apprenant selon le modèle Big Five a permis de personnaliser de nouveaux aspects tels l'approche pédagogique, le type de collaboration et le feedback. Un prototype, "ColadaptLearn", conçu à partir de ce modèle et expérimenté avec un ensemble d'étudiants a permis de valider les choix du prototype pour les objets d'apprentissage, selon les règles préétablies, en les confrontant aux choix faits par les étudiants. Ces données ont été utilisées pour développer un réseau bayésien permettant de prédire les objets d'apprentissage adéquats aux futurs apprenants. Les résultats de l’expérimentation ont montré qu'il y a une bonne concordance entre les choix du prototype et ceux des apprenants, en plus d'une satisfaction de ces derniers par rapport aux feedbacks reçus, ce qui appuie le rajout des nouveaux aspects proposés. Comme suite à cette thèse, il est envisageable d'appliquer le modèle proposé dans des environnements d'apprentissage plus larges de types cours en ligne ouverts et massifs, jeu sérieux ou même des formations mobiles, ce qui contribuerait à mieux valider les propos amenés. Il est aussi possible d’utiliser des techniques d'apprentissage automatique autres que les réseaux bayésiens pour la prédiction des objets d'apprentissage adaptés. Finalement, il serait intéressant d'explorer d'autres sources de données qui pourraient fournir plus d'informations sur l'apprenant de façon implicite tels ses centres d'intérêt ou ses émotions auxquels un SHAE pourrait s'adapter. / With the growth of online learning accessible to all, learning personalization is becoming increasingly crucial and presents new challenges for researchers. It is currently essential to take into account the heterogeneity of the target audience and adapt educational content to their needs and learning style in such a way that they are able to fully benefit from these learning forms and prevent them from dropping out. This research work addresses learning personalization through adaptive educational hypermedia systems (AEHS). These systems are designed to customize the learning process according to specific criteria, such as prerequisites or, more often, learning styles, by generating a suitable learning path. AEHS are generally based on three main models: the learning model, the domain model and the adaptation model. Although the learning process customization offered by current AEHS is beneficial to learners, it still has some limitations. On one hand, just the fact of personalizing learning increases the likelihood that the content presented to the learner will be useful and thus better understood. But on the other hand, customization in existing AEHS is limited to the criteria knowledge level and learning style and applies only to certain aspects which have not evolved since their creation, namely content, presentation and navigation. This questions the relevance of the learning objects assigned to learners and their motivation to use such AEHS, knowing that they rely essentially on questionnaires to build their learner model. After conducting an empirical study of 50 existing AEHS, revealing their strengths and limitations, some research objectives were identified to improve the learning experience through such systems. These objectives aim to establish an AEHS model which is able to (i) implicitly identify the learning model data on the basis of social networks while meeting the associated standards; (ii) promote collaboration between different learners who would be better motivated to learn while collaborating; (iii) automatically customize new aspects such as the teaching approach, collaboration and feedback according to learners' personality traits in addition to the three existing ones. An AEHS model has been proposed to meet these objectives. This model makes it possible to extract the user's personal data from his social networks and to predict his personality traits depending on his interaction with these networks. Thereafter, it is possible to adapt the learning objects, on the basis of a recommendation system, to these personality traits in addition to the criteria learning style and knowledge level. Adapting to the learner's personality traits according to the Big Five model enabled the customization of new aspects such as the pedagogical approach, the collaboration type and the feedback. A prototype, "ColadaptLearn", based on this model and experimented with a group of students, validated the prototype's choices for learning objects while confronting them to the students' choices. These data were then used to build a Bayesian network to predict the appropriate learning objects for future learners. The experimental results showed that there is a good match between the prototype choices and those of learners, in addition to learners' satisfaction regarding the feedback received, which supports the addition of the proposed new aspects. As a follow-up to this thesis, it is possible to apply the proposed model in a larger learning environment such as massive open online courses (MOOC), serious games or mobile learning, which would help to validate the proposals made. It is also possible to use other automatic learning techniques than Bayesian networks to predict suitable learning objects. Finally, it would be interesting to explore other data sources that could implicitly provide more information about the learner, such as his or her interests or emotions that an SHAE could adapt to.

Ce mémoire consiste en une analyse du processus d'assimilation de la cohorte d immigrants arrivés au Canada entre octobre 2000 et septembre 2001 et de l'impact des réseaux sociaux sur leur processus d'assimilation. Les données utilisées proviennent de l'enquête longitudinale auprès des immigrants du Canada (ELIC) réalisée conjointement par Statistique Canada et Citoyenneté et Immigration Canada. Compte tenu des dissimilitudes majeures des fonctions d'offre de travail entre les hommes et les femmes, l'analyse est limitée aux immigrants masculins. Un modèle de type panel non balancé, estimé par la méthode à effets fixes est utilisé pour l'analyse afin de contrôler pour l'hétérogénéité individuelle non observée. Les résultats concernant les réseaux sociaux constituent la contribution principale de ce mémoire. Bien que la littérature suggère communément que la présence de réseaux sociaux augmente les probabilités d'emploi de l'immigrant, notre analyse ne montre aucun impact significatif lié à la présence des réseaux sociaux sur les gains horaires de l'immigrant. Les résultats montrent même que la présence de réseaux sociaux entraîne un retard de croissance des gains horaires substant iels, comparativement aux irnmigrants ne disposant pas de réseaux. Un retard de plus de 15% dès les 6 premières années passées au Canada

Titre de l'écran-titre (visionné le 26 juin 2023) / En utilisant l'approche des réseaux sociaux et de la carrière criminelle, cette étude s'intéresse aux caractéristiques individuelles et des pairs qui influencent la diversification criminelle des individus impliqués dans le proxénétisme. Les études qui se sont intéressées au proxénétisme et aux individus impliqués dans ces activités, l'on principalement examiné à priori sous l'angle de la prostitution relayant au second plan, l'étude du proxénétisme lui-même. La majorité des travaux de recherche qui aborde le proxénétisme se concentre davantage sur le portrait qu'en font les victimes et les intervenants du milieu plutôt que sur la composition de leur trajectoire délictuelle. Malgré la reconnaissance empirique de l'importance de la co-délinquance sur la criminalité et les trajectoires criminelles individuelles, seules quelques études ont situé la compréhension de la co-délinquance dans un contexte de réseau formel pour examiner ses schémas, ses processus, ses précurseurs et ses conséquences. Des études antérieures ont montré que les relations co-délinquantes ont un effet sur la diversification criminelle et la théorie de l'influence sociale des pairs délinquants doit s'intéresser aux caractéristiques du réseau personnel du délinquant pour bien comprendre l'impact de celui-ci sur les types de délits que commettra le délinquant tout au long de sa carrière criminelle. À notre connaissance, aucune étude ne s'est intéressée à l'influence des pairs sur les trajectoires de diversification des individus impliqués dans des activités de proxénétisme. L'étude de cet effet sur le paramètre de la diversification chez ce type de délinquant pourra nous permettre une meilleure compréhension de la carrière criminelle des individus impliqués dans des activités de proxénétisme. En combinant les concepts du paradigme de la carrière criminelle ainsi que celui de l'influence sociale, nous avons élargi la portée des théories générales du crime pour mieux comprendre la façon dont les modèles de criminalités et ses corrélats peuvent fonctionner différemment chez les individus impliqués dans des activités de proxénétisme. Bien que la perspective de l'influence des pairs soutient que les relations exercent une influence sur le paramètre de la diversification criminelle, les chercheurs ont priorisé la compréhension de l'influence des pairs sur la fréquence de la délinquance plutôt que sur le type de délit commis. En adaptant le modèle d'analyse des réseaux sociaux à l'étude du paramètre de la diversification criminelle selon le type de délit commis, nous avons mis en perspective certaines caractéristiques du réseau personnel de délinquants impliqués dans des activités de proxénétisme en lien avec leur propre diversification criminelle dans des délits de proxénétisme et celle de leurs partenaires. Pour se faire, à l'aide de 17 années de données colligées sur la co-délinquance au sein des gangs de rue à Montréal dans la province de Québec, des échantillons d'individus impliqués dans des activités de proxénétisme (n = 273) ont été extraits d'un réseau de 10 145 individus. À partir de cet échantillon, nous avons analysé et comparé les trajectoires criminelles individuelles des proxénètes et les facteurs qui les influencent. Nos premiers modèles linéaires généralisés ont montré que les individus impliqués dans des activités de proxénétisme sont généralement plus susceptibles d'être impliqués dans une criminalité diversifiée que les individus qui ne sont pas impliqués dans ce type d'activité. Nos deuxièmes analyses examinent l'influence différentielle des caractéristiques individuelles sur la diversification criminelle des individus impliqués dans des activités de proxénétisme et deux principaux constats en ressortent. D'une part, on observe que les hommes et les femmes impliqués dans des activités de proxénétisme présentent un taux de diversification criminelle similaire et d'une autre part, que les individus plus âgés impliqués dans des activités de proxénétisme ont tendance à élargir les types de délits dans lesquels ils s'impliquent, c'est-à-dire qu'ils vont se diversifier. Nos troisièmes analyses examinent l'influence différentielle de la structure du réseau sur la diversification criminelle des individus impliqués dans des activités de proxénétisme. Nous avons observé que, sans la spécification du type de délit commis par les pairs, la taille du réseau n'influence pas la diversification criminelle des individus impliqués dans des activités de proxénétisme. D'autre part, on observe que le nombre de contacts qu'entretiennent les individus impliqués dans le proxénétisme avec d'autres personnes impliquées dans ce type de délit diminuera leur diversification. Ensuite, nous avons observé que l'homophilie en termes de sexe entre les individus impliqués dans des activités de proxénétisme augmente les probabilités qu'ils soient impliqués dans une criminalité considérée comme étant diversifiée. En conclusion, on constate que les caractéristiques des pairs influencent de façon différente les trajectoires criminelles des individus impliqués dans le proxénétisme, c'est-à-dire, que l'impact des schémas relationnels sur le niveau de diversification des individus impliqués dans des activités de proxénétisme est différent de celui des individus qui ne sont pas impliqués dans le proxénétisme. / Using the social networks and criminal career approach, this study focuses on the individual and peer characteristics that influence the criminal diversification of individuals involved in pimping. Studies that have focused on procuring and the individuals involved in these activities have mainly examined a priori from the angle of prostitution, relaying in the background, the study of procuring itself. The majority of research that addresses pimping focuses more on the portrayal of victims and community workers rather than on the composition of their criminal trajectory. In doing so, we know very little about the individual pimp and while we know relatively little about who these individuals are, we know even less about their criminal history and the factors that influence their trajectories. Despite empirical recognition of the importance of co-offending on crime and individual offending trajectories, only a few studies have placed the understanding of co-offending in a formal network context to examine its patterns, processes, precursors and consequences. Previous studies have shown that co-offender relationships have an effect on criminal diversification, and the theory of the social influence of delinquent peers needs to look at the characteristics of the offender's personal network to fully understand the impact of the offender on the types of offences the offender will commit throughout his or her criminal career. To our knowledge, no study has examined the influence of peers on the diversification trajectories of individuals involved in pimping activities. The study of this effect on the parameter of diversification in this type of offender may allow us to better understand the criminal careers of individuals involved in pimping activities. By combining the concepts of the criminal career paradigm as well as the social influence paradigm, we broadened the scope of general theories of crime to better understand how patterns of criminality and it correlates may function differently among individuals involved in pimping activities. Although the peer influence perspective holds that relationships influence the parameter of criminal diversification, researchers have prioritized understanding peer influence on the frequency of delinquency (i.e., the number of offences) rather than on the type of offence committed. By adapting the social network analysis model to the study of the parameter of criminal diversification according to the type of crime committed, we put into perspective certain characteristics of the personal network of offenders involved in pimping activities in relation to their own criminal diversification into pimping offences and that of their partners. To do so, using 17 years of data collected on co-delinquency within street gangs in Montreal in the province of Quebec, samples of individuals involved in pimping activities were extracted from a network of 10,145 individuals. From this sample, we analyzed the individual criminal trajectories of pimps and the factors that influence them. Our initial analyses examine whether the level of criminal diversification of individuals involved in pimping activities differs from those not involved in such activities. Our first generalized linear models showed that individuals involved in pimping activities are generally more likely to be involved in diverse criminality than individuals who are not involved in this type of activity. Our second analysis examines the differential influence of individual characteristics on the criminal diversification of individuals involved in pimping activities, and two main findings emerge from our second generalized linear model. On the one hand, it is observed that men and women involved in pimping activities have a similar rate of criminal diversification and, on the other, that as individuals involved in pimping activities age, they tend to broaden the types of crimes in which they are involved, i.e., they will diversify. Our third analysis examines the differential influence of individual characteristics, but also that of network structure on the criminal diversification of individuals involved in pimping activities, and the main findings that emerge from our generalized linear models are as follows. First, we observed that, without specifying the type of crime committed by peers, the size of the network does not influence the criminal diversification of individuals involved in pimping activities. Second, we observed that homophily in terms of gender between individuals involved in pimping activities and their respective egocentric networks increases the likelihood that they are involved in criminality considered to be diverse. Finally, it is observed that the contacts maintained by individuals involved in pimping have a different effect depending on whether they know each other or not. In conclusion, we find that peer characteristics influence the criminal trajectories of individuals involved in pimping differently, that is, the impact of relational patterns on the level of diversification of individuals involved in pimping activities is different from that of individuals who are not involved in pimping.

L'objectif de ce projet était de mieux comprendre la relation entre un individu âgé ayant des atteintes cognitives légères et son environnement, dans le cadre de l'accomplissement de ses activités quotidiennes. Cette recherche était descriptive et exploratoire. Le devis de recherche comportait une composante qualitative (entretiens semi-dirigés) et une composante quantitative {Échelle de dépression gériatrique). Les données qualitatives étaient toutefois prépondérantes et elles ont été soumises à des analyses thématiques de contenu. Plusieurs dimensions telles que les manifestations affectives, l'environnement, la participation sociale et la qualité de vie ont été explorées. Les huit personnes recrutées proviennent de Québec et de Lévis. Les analyses ont montré que plusieurs facteurs sont déterminants dans le bien-être, la qualité de vie et la participation sociale des répondants. L'acceptation de la maladie, la redéfinition de soi, la qualité des relations familiales et sociales et la participation à un groupe de soutien ont ainsi été identifiées.

Cette recherche exploratoire tente d'analyser la place et le rôle du réseau relationnel dans la décision d'entreprendre une thérapie chez les personnes présentant un problème de toxicomanie. Les données ont été recueillies auprès d'un échantillon de 8 usagers, du Centre de réadaptation Ubald-Villeneuve de Québec, orientés au programme intensif de l'établissement. La présente recher~he préconise une démarche méthodologique qualitative. Les données ont été recueillies au moyen d'entrevues semi-dirigées et de l'élaboration de cartes réseau. Une stratégie d'échantillonnage utilisant des outils quantitatifs ont permis de bonifier les résultats qualitatif au moyen de données objectives. Les questionnaires: Indice eJe gravité des toxicomanies (IGT) , l'échelle de différenciation soi/autrui (EDSA), l'antisocial personality questionnaire (APQ) ainsi que le social support behavior scale (SSBS) ont ainsi été utilisés. Les résultats démontrent que le réseau relationnel joue un rôle significatif dans la décision d'entrer en thérapie des personnes toxicomanes. Ce rôle peut être favorable ou défavorable et s'effectuer de manière directe ou indirecte. La décision aura également un impact sur l'individu lui-même et sur son entourage.

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.