Thesis (doctoral)--Universität, Kassel, 2001. / Includes bibliographical references (p. 181-190).

La thèse s'inscrit dans une visée psycho-ergonomique et s'intéresse au bien-être des individus au travail. L'étude s'intéresse aux échanges entre professionnels en difficulté sur les forums et cherche à comprendre ce qu'ils peuvent apporter aux participants. La thèse principale défendue est que ces échanges ont à la fois une fonction de soutien psychologique et d'acquisition de connaissances. Trois études ont été réalisées sur deux forums pour professionnels de l'éducation. La première étude met en évidence, à l'aide d'une enquête en ligne, huit types de motivations à s'engager sur un forum de professionnels. La deuxième étude vise à identifier la nature des interactions et la dynamique des échanges. Treize discussions ont été finement analysées. Les résultats mettent en évidence des caractéristiques propres aux messages des initiateurs et des réactants. L'étude de l'évolution des échanges révèle trois dynamiques : l'élaboration de sens, de recherche de solutions concrètes et de soutien émotionnel. La troisième étude cherche à explorer le vécu subjectif des participants au moment des échanges sur le forum. Des entretiens d'auto-confrontations avec relances d'entretien d'explicitation ont été menés avec neuf participants aux discussions analysées précédemment, à partir des traces écrites des discussions. On peut observer des décalages entre ce que les participants partagent dans leurs messages et ce qu'ils expriment avoir vécu (en entretien) notamment au niveau des émotions, des attentes et des évaluations du soutien. De plus, les participants craignent que leur anonymat soit levé et censurent certaines informations afin d'éviter d'éventuelles répercussions.

Zugl.: Hamburg, Universiẗat, Diss., 2007.

Universiẗat, Diplomarbeit--Stuttgart-Hohenheim, 2005.

Zugl.: Stuttgart, Univ., Diss., 2008.

Thesis (doctoral)--Universität St. Gallen, 2004.

Thesis (doctoral)--Universiẗat, Frankfurt am Main, 2003.

Zugl.: Kassel, Univ., Diss., 2009

University Diss., 2006--Wien.

Calculer automatiquement une séquence d'images cinématographiquement cohérente, sur un ensemble d'actions qui se produisent dans un monde 3D, est une tâche complexe. Elle nécessite non seulement le calcul des plans de caméra ( points de vue ) et les transitions appropriées entre ces plans (coupures), mais aussi la capacité d'encoder et de reproduire des éléments de style cinématographique. Les modèles proposés dans la littérature, fondés généralement sur des représentations à machines d'états finis (FSMs), fournissent des fonctionnalités limitées pour construire des séquences de plans et ne permettent pas d'effectuer d'importantes variations de style sur une même séquence d'actions. Dans cette thèse, nous proposons d'abord un modèle cinématographique expressif, basé données, qui peut calculer des variations significatives en termes de style, avec la possibilité de contrôler la durée des prises de vue et la possibilité d'ajouter des contraintes spécifiques à la séquence souhaitée. Le modèle est paramétré de manière à faciliter l'application de techniques d'apprentissage pour reproduire des éléments de style extraits de films réels en utilisant une représentation à base de modèle de Markov caché du processus de montage. Le modèle proposé est à la fois plus général que les représentations existantes, et se révèle être plus expressif dans sa capacité à encoder précisément des éléments de style cinématographique pour des scènes de dialogues. Ensuite, nous introduisons une extension plus générique pour généraliser notre système de montage afin de traiter des contenus cinématographique plus complexes (autres que les dialogues). Il s'agit d'utiliser des Réseaux bayésiens dynamiques à la place des modèles de Markov à états cachés. Enfin, nous avons conçu un outil d'annotation et un format de représentation de données cinématographiques afin de simplifier le processus de création et de manipulation de ses données. Les données collectées serviront comme bases d'apprentissage pour des techniques basées données, telles que les nôtres, ainsi que pour l'analyse de films. / Automatically computing a cinematographically consistent sequence of shots, over a set of actions occurring in a 3D world, is a complex task which requires not only the computation of appropriate shots (viewpoints) and appropriate transitions between shots (cuts), but the ability to encode and reproduce elements of cinematographic style. The models proposed in the literature, generally rule-based, provide limited functionalities to build sequences of shots. These approaches are not designed in mind to easily learn elements of cinematographic style, nor do they allow to perform significant variations in style over the same sequence of actions. In this thesis, we first propose a data-driven model for automated cinematography (framing and editing) that can compute significant variations in terms of cinematographic style, with the ability to control the duration of shots and the possibility to add specific constraints to the desired sequence. By using a Hidden Markov Model representation of the editing process, we demonstrate the possibility of easily reproducing elements of style extracted from real movies. The proposed model is more elaborate in handling dialogue scenes than existing representations, and proves to be more expressive in its ability to precisely encode elements of cinematographic style. Then, we introduce an extension of this model to account for more complex environments (more than dialogues). To this end, we use a more general statistical model: Dynamic Bayesian Network, which enlarges considerably the possibilities in editing and film analysis. We finally designed a data annotation tool and a format to easily create film annotations that would be used for data-driven cinematography or film analysis.