Les accidents nucléaires majeurs constituent des crises à grande échelle, susceptibles de contaminer de large territoires pour des décennies. Les habitants de ces territoires doivent alors acquérir de nouvelles connaissances et adapter leur mode de vie pour limiter l'impact sanitaire et sociétal des radiations. Si la France a développé un plan de gestion d'une telle situation, les stratégies de communication proposées laissent peu de place au dialogue entre les autorités et les citoyens ainsi qu'aux usages du Web social. Cette thèse s'inscrit dans le cadre du projet de recherche SCOPANUM (Stratégies de COmmunication de crise en gestion Post-Accident NUcléaire via les Médias Sociaux) soutenu par le CSFRS (Conseil Supérieur Pour la Formation et la Recherche Stratégique). Elle vise à examiner le potentiel des technologies de l'information et de la communication pour la mise en œuvre d'une communication de crise plus adaptée aux situations post-accidentelles nucléaires. Après l'accident nucléaire de Fukushima Daiichi, les mesures de la radioactivité ont fait l'objet de pratiques collaboratives de collecte et d’agrégation s’appuyant sur les médias sociaux. L'étude des usages de Twitter a révélé que les modalités de diffusion de ces mesures ne sont pas adaptées aux spécificités de la situation post-accidentelle nucléaire. Sur la base de ces résultats, nous avons proposé des recommandations et un prototype d'outil logiciel pour favoriser la réutilisabilité de mesures de la radioactivité ainsi partagées. Nos travaux portent également sur les connaissances pratiques susceptibles d'aider les personnes à adapter leur quotidien à la vie dans les territoires contaminés par un accident nucléaire. Plusieurs méthodes sont présentées pour faciliter l'identification de ces connaissances et leur représentation formelle à l'aide des technologies du Web Sémantique. À partir de ces modèles, nous décrivons la conception et l'évaluation d'une application web, Ginkgo, visant à faciliter l'appropriation et le partage des connaissances en matière de radioprotection. / Major nuclear accidents generate large scale crisis that may contaminate wide areas for decades. The inhabitants of these areas must then gain new knowledge and adapt their lifestyle to limit the health and social consequences of radioactivity. France developed a procedures to manage such a situation, but the communication stragies presented do not fully support neither dialogue between authorities and citizen nor the use of social Web tools. This thesis was part of the SCOPANUM (Stratégies de COmmunication de crise en gestion Post-Accident NUcléaire via les Médias Sociaux) research project, backed by a grant from CSFRS (Conseil Supérieur Pour la Formation et la Recherche Stratégique). It aims to assess the benefits of information-communication technologies to develop more suitable crisis communication strategies for post-nuclear-accident situations. After the Fukushima Daiichi nuclear disaster, collaborative practices have emerged to collect and aggregate radiation measurements thanks to social media. The analysis of Twitter uses revealed that the diffusion of these measurements is not well adapted to the post-nuclear-accident situation. We developed a set of guidelines and a software prototype to support the re-usability of the radiation measurements that are shared on social media. Our work also focused on the practical knowledge that may help people to adapt their life in the contaminated areas. We presented several methods to support the identification and the formal representation of this knowledge using Semantic Web technologies. From these models, we built and tested Ginkgo, a mobile web application designed to support knowledge sharing and appropriation.
| Identifer | oai:union.ndltd.org:theses.fr/2017UBFCD019 |
| Date | 09 November 2017 |
| Creators | Segault, Antonin |
| Contributors | Bourgogne Franche-Comté, Roxin, Ioan, Tajariol, Federico |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text, Image |
Page generated in 0.0018 seconds