Analyse Automatique des Signaux Sociaux Multimodaux lors de l'Apprentissage de l'Entretien Moti[...]

Université Paris-Saclay GS Informatique et sciences du numérique; Gif-sur-Yvette; Sur place; EUR 25 000 - 35 000; Plein temps

Résumé du poste

Une opportunité passionnante s'offre à vous pour travailler sur un projet de recherche innovant qui explore les signaux sociaux dans le cadre d'entretiens motivationnels. Ce projet vise à développer des modèles informatiques qui analyseront les interactions entre thérapeutes et clients, en utilisant des outils avancés d'apprentissage automatique et de visualisation. Vous aurez l'occasion de contribuer à une meilleure compréhension des dynamiques de communication et d'améliorer la formation en entretien motivationnel. Rejoignez une équipe dynamique et participez à une recherche qui a le potentiel d'influencer le domaine de la santé comportementale.

Qualifications

• Expérience en apprentissage automatique et analyse de données.
• Compétences en visualisation et annotation automatique des données.

Responsabilités

• Développer des modèles informatiques pour représenter les signaux sociaux.
• Utiliser des techniques d'apprentissage automatique pour analyser les interactions.

Connaissances

Apprentissage automatique

Analyse de données

Visualisation de données

Annotation automatique

Formation

Doctorat en Informatique

Master en Sciences du Numérique

Outils

NOVA

Description du poste

Cette thèse vise à proposer un modèle informatique représentant les signaux sociaux et leur traitement lors d'un entretien motivationnel entre un thérapeute et un client visant un changement de comportement en santé. L'entretien motivationnel est un style de communication collaboratif, orienté vers le changement. Il est utilisé pour améliorer l'engagement envers un objectif précis en cherchant et en augmentant le discours orienté vers le changement de la personne (les raisons, besoins, désirs et compétences). Ce style de communication a pour visée de résoudre l'ambivalence dans une atmosphère de partenariat, non-jugement, d'altruisme et d'évocation (Miller et Rollnick, ).

Lors d'une étude précédente, nous avons commencé à annoter manuellement et analyser automatiquement différents corpus vidéo d'entretiens motivationnels (Nakano et al., Benamara et al., soumis). Cette première étude de faisabilité se prolonge ici par une thèse qui vise à exploiter plusieurs corpus en définissant et exploitant plusieurs schémas de codage, à les appliquer à ces corpus pour représenter informatiquement la dynamique des échanges dyadiques (par exemple annotation automatique des expressions faciales, de l'intonation). Des outils comme NOVA (Baur et al.) et des techniques d'apprentissage automatique et de visualisation (diagrammes de transition) seront exploités afin d'analyser l'impact des comportements des thérapeutes sur ceux des clients.

Ainsi, les modèles informatiques des comportements sociaux multimodaux définis durant la thèse permettront de mieux comprendre l'efficacité des entretiens motivationnels, aider à l'apprentissage et la formation à l'entretien motivationnel (Tremblay et al., Madson et al.), et plus globalement à l'étude de la notion d'alliance thérapeutique.

Début de la thèse : 01 / 11 /