Modélisation individuelle et multi-factorielle du phénomène de polarisation pour une personnalisation de l'apport en diversité dans les recommandations de news.
Individual and multi-factorial model of polarization to personalize diversification approaches in news recommendations
Jury
Directeur de these_BRUN_Armelle_UNIVERSITE DE LORRAINE
Rapporteur_SALINESI_Camille_UNIVERSITE PARIS 1 - PANTHEON SORBONNE
Rapporteur_NEGRE_Elsa_UNIVERSITE PARIS-DAUPHINE
CoDirecteur de these_CASTAGNOS_Sylvain_UNIVERSITE DE LORRAINE
Examinateur_FORT_Karën_UNIVERSITE DE LORRAINE
Examinateur_FOURNIER-S'NIEHOTTA_Raphaël_CONSERVATOIRE NATIONAL DES ARTS ET METIERS
école doctorale
IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES
Laboratoire
LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
Mention de diplôme
Informatique
A008
Laboratoire LORIA
Campus Scientifique
54506 Vandœuvre-lès-Nancy
Mots clés
Intelligence Artificielle,Systèmes de recommandation,Diversité,Équité,Polarisation,Médias sociaux
Résumé de la thèse
La polarisation est un phénomène complexe exacerbé par les médias sociaux, auquel les systèmes de recommandation contribuent en limitant l'exposition à des opinions diverses. Pour contrer cet enjeu sociétal et favoriser un débat démocratique sain, il est crucial de développer des stratégies de recommandation favorisant une dépolarisation personnalisée. Une compréhension du phénomène de polarisation est néanmoins indispensable au développement de telles stratégies.
Dans une première partie, cette thèse propose une modélisation individuelle et multi-factorielle du phénomène de polarisation.
Keywords
Artificial Intelligence,Recommender systems,Diversity,Equity,Polarization,Social media
Abstract
Polarization is a complex phenomenon exacerbated by social media, where recommender systems limit exposure to diverse opinions. To counter this societal challenge and promote healthy democratic debate, it is crucial to develop recommendation strategies that encourage personalized depolarization. Understanding polarization is essential for developing such strategies.
In the first part, this thesis proposes an individual and multi-factorial model of polarization.
