Yes / Recent advances in virtual technologies have allowed the investigation of simulated moral actions in aversive moral dilemmas. Previous studies have employed diverse populations to explore these actions, with little research considering the significance of occupation on moral decision‐making. For the first time, in this study we have investigated simulated moral actions in virtual reality made by professionally trained paramedics and fire service incident commanders who are frequently faced with and must respond to moral dilemmas. We found that specially trained individuals showed distinct empathic and related personality trait scores and that these declined with years of experience working in the profession. Supporting the theory that these professionals develop resilience in moral conflict, reduced emotional arousal was observed during virtual simulations of a distressing dilemma. Furthermore, trained professionals demonstrated less regret following the execution of a moral action in virtual reality when compared to untrained control populations. We showed that, contrary to previous research, trained individuals made the same moral judgements and moral actions as untrained individuals, though showing less arousal and regret. In the face of increasing concerns regarding empathy decline in health care professionals, we suggest that the nature of this decline is complex and likely reflects the development of a necessary emotional resilience to distressing events.

Avec le nombre croissant d'aînés souffrant d'incapacités liées au vieillissement, plus de proches aidants feront l'expérience d'une prise de décision concernant un aîné recevant des soins à domicile. À l'aide d'une analyse des besoins décisionnels en santé, notre étude visait à identifier les décisions difficiles les plus fréquentes auxquelles ont fait face des proches aidants d'aînés recevant des soins à domicile, mesurer leur regret décisionnel et identifier les facteurs de risque associés. Nous avons réalisé une enquête en ligne pancanadienne auprès de 932 proches aidants d'aînés de 65 ans et plus qui recevaient ou avaient reçu au cours de la dernière année des soins à domicile et qui avaient fait face à une décision difficile. À l'aide de questions à choix de réponse, les participants ont identifié une décision difficile à laquelle ils avaient fait face. Nous avons mesuré leur regret décisionnel à l'aide de l'Échelle de Regret Décisionnel (ÉRD). L'ÉRD est un instrument qui est constitué de 5 items. Chacun des items a une échelle de réponse de type Likert allant de 1(fortement en accord) à 5 (fortement en désaccord). Nous avons converti le score de l'ÉRD sur une échelle de 0 à 100 et estimé son score moyen puis complété des analyses à l'aide de modèles de régressions linéaires. Les décisions difficiles identifiées étaient liées au milieu de vie, à la gestion des problèmes de santé et aux soins de fin de vie. Nous avons observé un score moyen de ÉRD de 28,8 ± 18,6 sur l'échelle de 0 à 100. Au total, 14,4 % des participants n'éprouvaient aucun regret(score = 0), alors que 54,0 % avaient un score du regret allant de modéré à plus élevé (score ≥ 25). Les facteurs associés à moins de regret décisionnel étaient : être plus âgé, être jamais légalement marié comparativement à être légalement marié, vivre en région rurale comparativement à vivre en région urbaine, la présence d'un autre membre de la famille impliqué dans le processus décisionnel, souhaiter recevoir des informations sur les options de la décision, et considérer comme sources d'information fiables les organisations s'intéressant aux décisions et les professionnels de la santé. Les facteurs associés à plus de regret décisionnel étaient : le choix fait ne correspondant pas à l'option privilégiée, la discordance entre le rôle passif préféré et actif assumé, un conflit décisionnel élevé, un fardeau des soins élevé, et avoir un aîné recevant des services d'organisation et de planification des soins. Nos résultats informeront l'élaboration d'interventions de soutien à une prise de décision concernant un aîné recevant des soins à domicile par un proche aidant. / With the growing number of older adults and disabilities issues associated with aging, more caregivers will experience decision-making for an older adult receiving care at home. Using health decisional needs assessment, our study aimed at identifying the most frequent difficult decisions faced by caregivers of older adults receiving home care, measuring their decision regret, and identifying the associated risk factors. We conducted a pan-Canadian online survey among 932 caregivers' adults of older adults aged 65 and over who were receiving or had received home care in the past year and who had faced a difficult decision. Using choice-answer questions, participants identified the difficult decision they faced. We measured their decision regret using the Decisional Regret Scale (DRS). The DRS is an instrument which consists of 5 items. Each of the items has a Likert-type response scale ranging from 1 (Strongly agree) to 5 (Strongly disagree). We converted the DRS score to a scale of 0 to 100 and estimated its mean score, then we constructed linear regression models to identify factors associated with decision regret. Difficult decisions most frequently reported included living environment, management of health conditions and end-of-life. We observed a mean decision regret score of 28.8 ± 18.6 on the scale 0 to 100. A total of 14.4% of participants had no regrets (score = 0), while 54% had a regret score ranging from moderate to high(score ≥ 25). Factors associated with less decision regret included: higher caregiver age, being never legally married compared to being legally married, living in a rural region compared in an urban region, the involvement of other family members in the decision-making process, wanting to receive information about the options, and considering organizations interested in these kinds of difficult decisions and health care professionals as trustworthy sources of information. Factors associated with more decision regret included: mismatch between the decision made and the preferred option, mismatch between decision-making role preferred and that assumed, higher decisional conflict, higher burden of care, and the cared-for older adult receiving formal home care support service for scheduling or coordinating care-related tasks. Our results will inform the development of interventions to support decision-making regarding an older adult receiving home care by a caregiver.

Today more and more algorithms and their applications are entering into the everyday life of each of us. Algorithms can help people to make more effective choices through historical data analysis, generating predictions to present to the user in the form of advice and suggestions. Given the increasing popularity of these suggestions, a greater understanding of how people could increase their judgment through the suggestions presented is needed, in order to improve the interface design of these applications. Since the envision of Artificial Intelligence (AI), technical progress has the intent of surpassing human performance and abilities (Crandall et al., 2018). Less consideration has been given to improve cooperative relationships between human agents and computer agents during decision tasks. No study up to date has investigated the negative emotions that could arise from a bad outcome after following the suggestion given by an intelligent system, and how to cope with the potential distrust that could affect the long-term use of the system. According to Zeelenberg et al. (Martinez & Zeelenberg, 2015; Martinez, Zeelenberg, & Rijsman, 2011a; Zeelenberg & Pieters, 1999), there are two emotions strongly related to wrong decisions, regret, and disappointment. The objective of this research is to understand the different effects of disappointment and regret on participants’ behavioral responses to failed suggestions given by algorithm-based systems. The research investigates how people deal with a computer suggestion that brings to a not satisfying result, compared to a human suggestion. To achieve this purpose, three different scenarios were tested in three different experiments. In the first experiment, the comparison was amongst two wrong suggestions in a between-subjects design through the presentation of a flight ticket scenario with two tasks. The first study analyzed exploratory models that explain the involvement of the source of suggestion and the trust in the systems in the experience of counterfactual emotions and responsibility attribution. The second experiment takes advantage of a typical purchase scenario, already used in the psychological literature, which had the aim to solve the issues found in the first study and test the algorithm aversion paradigm through the lenses of a classic study of regret literature. Results showed that, contrary to early predictions, people blame more the source of the suggestion when it comes from a human as compared with an intelligent computer suggestion. The third study had the aim to understand the role of counterfactuals through a paradigmatic experiment from algorithm aversion literature. In this study, the main finding is about the reliance people have on the algorithmic suggestion, which is higher compared to the reliance they have with a human suggestion. Nevertheless, people felt more guilt when they had a wrong outcome with a computer compared with a suggestion given by a person. Results are relevant in order to better understand how people decide and trust algorithm-based systems after a wrong outcome. This thesis is the first attempt to understand this algorithm aversion from the experienced counterfactual emotions and their different behavioral consequences. However, some of these findings showed contradictory results in the three experiments; this could be due to the different scenarios and participants’ thoughts and perceptions of artificial intelligence-based systems. From this work, three suggestions can be inferred to help designers of intelligent systems. The first regards the effective involvement of counterfactuals during the user interaction with a wrong outcome and the potential behavioral consequences that could affect the future use of the intelligent system. The second suggestion is the contribution to the importance of the context in which decisions are made, and the third guideline suggests the designer rethink about anthropomorphism as the best practice to present suggestions in the occurrence of potential wrong outcomes. Future works will investigate, in a more detailed way the perceptions of users and test different scenarios and decision domains.

Cette thèse travaille principalement sur trois sujets. Le premier concentre sur le clustering en ligne dans lequel nous présentons un nouvel algorithme stochastique adaptatif pour regrouper des ensembles de données en ligne. Cet algorithme repose sur l'approche quasi-bayésienne, avec une estimation dynamique (i.e., dépendant du temps) du nombre de clusters. Nous prouvons que cet algorithme atteint une borne de regret de l'ordre et que cette borne est asymptotiquement minimax sous la contrainte sur le nombre de clusters. Nous proposons aussi une implémentation par RJMCMC. Le deuxième sujet est lié à l'apprentissage séquentiel des courbes principales qui cherche à résumer une séquence des données par une courbe continue. Pour ce faire, nous présentons une procédure basée sur une approche maximum a posteriori pour le quasi-posteriori de Gibbs. Nous montrons que la borne de regret de cet algorithme et celui de sa version adaptative est sous-linéaire en l'horizon temporel T. En outre, nous proposons une implémentation par un algorithme glouton local qui intègre des éléments de sleeping experts et de bandit à plusieurs bras. Le troisième concerne les travaux qui visent à accomplir des tâches pratiques au sein d'iAdvize, l'entreprise qui soutient cette thèse. Il inclut l'analyse des sentiments pour les messages textuels et l'implémentation de chatbot dans lesquels la première est réalisé par les méthodes classiques dans la fouille de textes et les statistiques et la seconde repose sur le traitement du langage naturel et les réseaux de neurones artificiels. / This thesis works mainly on three subjects. The first one is online clustering in which we introduce a new and adaptive stochastic algorithm to cluster online dataset. It relies on a quasi-Bayesian approach, with a dynamic (i.e., time-dependent) estimation of the (unknown and changing) number of clusters. We prove that this algorithm has a regret bound of the order of and is asymptotically minimax under the constraint on the number of clusters. A RJMCMC-flavored implementation is also proposed. The second subject is related to the sequential learning of principal curves which seeks to represent a sequence of data by a continuous polygonal curve. To this aim, we introduce a procedure based on the MAP of Gibbs-posterior that can give polygonal lines whose number of segments can be chosen automatically. We also show that our procedure is supported by regret bounds with sublinear remainder terms. In addition, a greedy local search implementation that incorporates both sleeping experts and multi-armed bandit ingredients is presented. The third one concerns about the work which aims to fulfilling practical tasks within iAdvize, the company which supports this thesis. It includes sentiment analysis for textual messages by using methods in both text mining and statistics, and implementation of chatbot based on nature language processing and neural networks.

S’inscrivant dans une approche par le contenu de l’expérience, cette recherche vise à évaluer le niveau d’influence du vécu du consommateur à l’intérieur du lieu de vente dans la réalisation d’achats impulsifs suscitant un besoin de réexpérience. L’objectif ultime de cette démarche est d’identifier les techniques susceptibles d’être adoptées par les managers des points de vente en vue de concilier rentabilité immédiate (i.e. fréquence des achats impulsifs) et rentabilité future (i.e. intention de revenir dans ce même magasin). La thèse s’emploie à tenté d’ouvrir la boite noire du vécu du consommateur à l’intérieur du lieu de vente et à proposer une conceptualisation dynamique de l’expérience d’achat impulsif en croisant différentes voies méthodologiques, qualitatives et quantitatives. A partir d‘une vaste investigation auprès des clients des magasins d’habillement et accessoires du centre commercial Géant Casino à Tunis, nous avons réussi à prouver que le contenu de l’expérience vécue par le consommateur à l’intérieur du lieu de vente est un construit de second ordre composé de trois dimensions: le plaisir, l’éveil-sensoriel et l’immersion. Ce construit global est explicatif de la formation d‘une attitude positive par rapport aux produits du magasin, de la naissance d’impulsions d’achat, de l’atténuation du regret anticipé d’achat et de l’accentuation du regret anticipé de non achat (mécanismes de la négociation intérieure) et donc de la réalisation d’achats impulsifs. Il influence également le besoin le réexpérience du consommateur éprouvé à l’instant de l’expérience et 15 jours. Le contenu de l’expérience vécue par le consommateur à l’intérieur du lieu de vente pourrait, ainsi, être considéré comme un outil de contrôle performant du niveau d’interactivité des consommateurs avec les contextes expérientiels mis en place par les enseignes, un moyen de fidélisation de ses clients et un levier d’action permettant de renforcer leur avantage concurrentiel commercial. / As part of an approach by the content of experience, this research aims to assess the level of the influence of the consumer‘s experience inside the place of sale in the realization of an impulse buy-inducing need to reexperience. The ultimate goal of this approach is to identify techniques that could be adopted by managers of retail outlets in view of balancing immediate profitability (ie frequency of impulse buying) and future profitability (ie intention to return to the same store). The thesis seeks to attempt to open the black box of the consumer experience inside the point of sale and offer a dynamic conceptualization of impulsive buying experience by combining different methodological ways, quantitative and qualitative ones. From an extensive investigation from consumers of clothing and accessories stores in the “Géant Casino” shopping mall in Tunis, we succeeded in proving that the content of the consumer’s experience inside the place of sale is a subsidiary construction of three dimensions: pleasure, sensory-awakening and immersion. This global construct explains the formation of a positive attitude towards the store products, the appearance of impulses of purchase, the mitigation of the anticipated regret of buying and the accentuation of the anticipated regret of not buying (internal mechanisms of negotiation) and therefore the realization of impulse buying. This construct also affects the need of reexperience that the consumer felt at the time of the experiment and also after 15 days. The latter could thus be seen as a powerful tool for monitoring the level of interactivity with the consumer experiential contexts set up by brand stores, a way to customer loyalty and an instrument of strategic action for strengthening their competitive commercial’s advantage.

Ce travail de thèse s'inscrit dans le domaine du machine learning et concerne plus particulièrement les sous-catégories de l'optimisation stochastique, du online learning et du clustering. Ces sous-domaines existent depuis plusieurs décennies mais ils ont tous reçu un éclairage différent au cours de ces dernières années. Notamment, les jeux de bandits offrent aujourd'hui un cadre commun pour l'optimisation stochastique et l'online learning. Ce point de vue conduit a de nombreuses extensions du jeu de base. C'est sur l'étude mathématique de ces jeux que se concentre la première partie de cette thèse. La seconde partie est quant à elle dédiée au clustering et plus particulièrement à deux notions importantes: la consistance asymptotique des algorithmes et la stabilité comme méthode de sélection de modèles.

Paper [I] theoretically analyzes how the level and uncertainty of future prospects affect incentives to abstain from sexual risk taking in the presence of HIV. The results suggest that, for individuals with limited access to HIV treatment, uncertainty of future health may be an important factor driving unsafe sex practices and support the empirical finding of a weak link between sexual behavior, HIV prevalence, and HIV knowledge in poor countries; therefore suggesting that AIDS policy needs to be calibrated in order to fit within different social contexts. Paper [II] empirically tests the link between uncertainty of future prospects and sexual risk taking in a group of young adults in Cape Town, South Africa. The findings indicate that expected income and health and future uncertainty are significant determinants of current patterns of sexual risk taking. However, the empirical results only provide limited support to a link between expected health and sexual risk taking. Paper [III] theoretically analyzes effects of affect and defensive denial on incentives to engage in sexual risk taking related to HIV. The results of the theoretical analysis suggest that the effect of rationalization of personal risk depends on the risk of being HIV positive. Although rationalization causes excessive risk taking behavior for individuals with a relatively low lifetime risk, it may prevent fatalism among individuals whose lifetime risk of HIV is perceived as overwhelming. Paper [IV] theoretically analyzes the role of identity conflict for the evolution of female labor supply over time. The results suggest the fear of becoming an outsider in society may have prevented a complete transition of women from housewives to breadwinners. In addition, our analysis shows that not recognizing that the weights attached to different social identities are endogenous may imply that the long-run effects on labor supply of a higher wage may be underestimated.

No description available.

La construction de modèles qui protègent contre les incertitudes dans les données, telles que la variabilité de l'information et l'imprécision est une des principales préoccupations en optimisation sous incertitude. L'incertitude peut affecter différentes domaines, comme le transport, les télécommunications, la finance, etc. ainsi que les différentes parts d'un problème d'optimisation, comme les coefficients de la fonction objectif et /ou les contraintes. De plus, l'ensemble des données incertaines peut être modélisé de différentes façons, comme sous ensembles compactes et convexes de l´espace réel de dimension n, polytopes, produits Cartésiens des intervalles, ellipsoïdes, etc.<p><p>Une des approches possibles pour résoudre des tels problèmes est de considérer les versions minimax regret, pour lesquelles résoudre un problème sous incertitude revient à trouver une solution qui s'écarte le moins possible de la valeur solution optimale dans tout les cas. <p><p>Dans le cas des incertitudes définies par intervalles, les versions minimax regret de nombreux problèmes combinatoires polynomiaux sont NP-difficiles, d'ou l'importance d'essayer de réduire l'espace des solutions. Dans ce contexte, savoir quand un élément du problème, représenté par une variable, fait toujours ou jamais partie d'une solution optimal pour toute réalisation des données (variables 1-persistentes et 0-persistentes respectivement), constitue une manière de réduire la taille du problème. Un des principaux objectifs de cette thèse est d'étudier ces questions pour quelques problèmes d'optimisation combinatoire sous incertitude.<p><p>Nous étudions les versions minimax regret du problème du choix de p éléments parmi m, de l'arbre couvrant minimum et des deux problèmes de plus court chemin. Pour de tels problèmes, dans le cas des incertitudes définis par intervalles, nous étudions le problème de trouver les variables 1- et 0-persistentes. Nous présentons une procédure de pre-traitement du problème, lequel réduit grandement la taille des formulations des versions de minimax regret.<p><p>Nous nous intéressons aussi à la version minimax regret du problème de programmation linéaire dans le cas où les coefficients de la fonction objectif sont incertains et l'ensemble des données incertaines est polyédral. Dans le cas où l'ensemble des incertitudes est défini par des intervalles, le problème de trouver le regret maximum est NP-difficile. Nous présentons des cas spéciaux ou les problèmes de maximum regret et de minimax regret sont polynomiaux. Dans le cas où l´ensemble des incertitudes est défini par un polytope, nous présentons un algorithme pour trouver une solution exacte au problème de minimax regret et nous discutons les résultats numériques obtenus dans un grand nombre d´instances générées aléatoirement.<p><p>Nous étudions les relations entre le problème de 1-centre continu et la version minimax regret du problème de programmation linéaire dans le cas où les coefficients de la fonction objectif sont évalués à l´aide des intervalles. En particulier, nous décrivons la géométrie de ce dernier problème, nous généralisons quelques résultats en théorie de localisation et nous donnons des conditions sous lesquelles certaines variables peuvet être éliminées du problème. Finalement, nous testons ces conditions dans un nombre d´instances générées aléatoirement et nous donnons les conclusions. / Doctorat en sciences, Orientation recherche opérationnelle / info:eu-repo/semantics/nonPublished

General game playing is an area of artificial intelligence which focuses on creating agents capable of playing many games from some class. The agents receive the rules just before the match and therefore cannot be specialized for each game. Deepstack is the first artificial intelligence to beat professional human players in heads-up no-limit Texas hold'em poker. While it is specialized for poker, at its core is a general algorithm for playing two-player zero-sum games with imperfect information - continual resolving. In this thesis we introduce a general version of continual resolving and compare its performance against Online Outcome Sampling Monte Carlo Counterfactual Regret Minimization in several games.