Assas Recherche | Structures et dynamiques sociales à l'ère numériqu : reconstruction, modélisation et évaluation de l'impact des grandes infrastructures numériques

Structures et dynamiques sociales à l'ère numériqu : reconstruction, modélisation et évaluation de l'impact des grandes infrastructures numériques (Document en Anglais)

Accès au(x) document(s)

Accéder au(x) document(s) :

http://www.theses.fr/2024EHES0162/abes

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :

Thèse confidentielle jusqu'au 02/11/2026.
Thèse soumise à l'embargo de l'auteur jusqu'au 02/11/2026 (communication intranet).

Informations sur les contributeurs

Auteur : Bouchaud Paul

Bouchaud, Paul

Nom

Bouchaud

Prénom

Paul

Nationalité

Français

Date de soutenance : 19-12-2024

Directeur(s) de thèse : Chavalarias David

Chavalarias, David

Nom

Chavalarias

Prénom

David

Etablissement de soutenance : Paris, EHESS

Paris, EHESS

Nom

Paris, EHESS

Ecole doctorale : École doctorale de l'École des hautes études en sciences sociales

École doctorale de l'École des hautes études en sciences sociales

Nom

École doctorale de l'École des hautes études en sciences sociales

Informations générales

Discipline : Sciences de la société
Classification : Sciences sociales, sociologie, anthropologie

Mots-clés libres : Audit algorithmique, Plateformes de médias sociaux, Classement basé sur l'engagement, Système de Recommendation, Règlement sur les services numériques
Mots-clés :

Médias sociaux
Algorithmes
Évaluation
Recherche sur Internet - Classement

Résumé : Cette thèse examine les effets des systèmes algorithmiques utilisés par les grandes plateformes en ligne sur le discours public et la société. À travers des audits expérimentaux et des simulations sociales, cette thèse vise à déchiffrer le fonctionnement de ces systèmes qui servent des milliards d'utilisateurs. La thèse aborde trois objectifs principaux : mener des audits des systèmes algorithmiques des plateformes en ligne, étudier les mesures adoptées par les plateformes pour atténuer les effects néfastes de leurs opérations sur la société, et améliorer les simulations sociales avec des données de terrain massives. Les contributions notables de cette thèse comprennent une étude approfondie de la bibliothèque publicitaire de Meta, une analyse des systèmes de recommandation d'Amazon et de Twitter, et la création d'une initiative de don de données pour recueillir des informations sur les expériences réelles des utilisateurs sur des plateformes comme Facebook, Google Search, YouTube et Twitter. La thèse examine également les méthodologies utilisées dans l'audit algorithmique, soulignant la nécessité de prendre en compte la personnalisation et les caractéristiques individuelles des utilisateurs lors de l'évaluation de ces systèmes. Une simulation d'une plateforme similaire à Twitter a été développée, combinant des modèles prédictifs d'engagement des utilisateurs avec une collecte de données à grande échelle. Cette approche a été utilisée pour évaluer comment les stratégies de classement de contenu axées sur la maximisation de l'engagement affectent les informations que les utilisateurs voient, montrant une réduction de la variété du contenu et une représentation politique altérée. Cette thèse conclut en examinant des approches alternatives de curation de contenu au-delà de l'engagement immédiat des utilisateurs, par example via un système de classement basé sur l'approbation diverse des utilisateurs, tout en reconnaissant les difficultés d'évaluer la "valeur démocratique" du contenu civique pour créer des alternatives viables aux systèmes actuels basés sur l'engagement.

Informations techniques

Type de contenu : Text
Format : PDF

Informations complémentaires

Entrepôt d'origine :

STAR : dépôt national des thèses électroniques françaises

Identifiant : 2024EHES0162
Type de ressource : Thèse