Assas Recherche | Détection, liage et interprétation d'énoncés scientifiques et leurs contextes à partir de discours en ligne

Détection, liage et interprétation d'énoncés scientifiques et leurs contextes à partir de discours en ligne (Document en Français)

Accès au(x) document(s)

Accéder au(x) document(s) :

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

Modalités de diffusion de la thèse :

Thèse consultable sur internet, en texte intégral.

Informations sur les contributeurs

Auteur : Hafid Salim

Hafid, Salim

Nom

Hafid

Prénom

Salim

Nationalité

Français

Date de soutenance : 19-11-2024

Directeur(s) de thèse : Todorov Konstantin

Todorov, Konstantin

Nom

Todorov

Prénom

Konstantin

- Bringay Sandra

Bringay, Sandra

Nom

Bringay

Prénom

Sandra

Etablissement de soutenance : Université de Montpellier (2022-....)

Université de Montpellier (2022-....)

Nom

Université de Montpellier (2022-....)

Laboratoire : Laboratoire d'informatique, de robotique et de micro-électronique (Montpellier ; 1992-....)

Laboratoire d'informatique, de robotique et de micro-électronique (Montpellier ; 1992-....)

Nom

Laboratoire d'informatique, de robotique et de micro-électronique (Montpellier ; 1992-....)

Ecole doctorale : École doctorale Information, Structures, Systèmes (Montpellier ; 2015-....)

École doctorale Information, Structures, Systèmes (Montpellier ; 2015-....)

Nom

École doctorale Information, Structures, Systèmes (Montpellier ; 2015-....)

Informations générales

Discipline : Informatique
Classification : Informatique

Mots-clés libres : Traitement automatique du langage, Apprentissage automatique, Recherche d'information, Références scientifiques, Discours scientifique, Énoncés scientifiques
Mots-clés :

Apprentissage automatique
Traitement automatique du langage naturel

Résumé : Il a été démontré que le discours scientifique, tel qu’il est observé sur les réseaux sociaux et dans les articles de presse, compromet l’exactitude des résultats scientifiques. Des affirmations scientifiques complexes sont exprimées sous forme de fragments textuels courts, digestes et parfois inexacts. Ce phénomène conduit à des débats scientifiques en ligne mal informés et favorise la controverse et la polarisation. Les discussions sur les réseaux sociaux concernant les pandémies de santé mondiale ou le changement climatique en sont des exemples.Pour faire face à cette problématique, cette thèse se concentre sur l’étude du traitement du discours scientifique en ligne, un domaine de recherche émergent à l’intersection du Traitement Automatique du Langage Naturel (TALN) et de la Recherche d’Information (RI). Elle est développée en quatre parties :La première partie motive la nécessité de construire des définitions robustes, des corpus de référence et des méthodes computationnelles pour le traitement du discours scientifique en ligne. Nous présentons un état de l’art où nous mettons en évidence les principaux défis actuels et la manière dont cette thèse les aborde.La deuxième partie établit les bases nécessaires au développement et à l’évaluation de méthodes robustes pour le traitement du discours scientifique en ligne. Nous fournissons la première définition hiérarchique du discours scientifique en ligne non spécifique à un domaine. Cette définition permettra la construction d’un corpus de référence annoté par des experts qui inclut diverses formes de discours scientifique en ligne, y compris les énoncés scientifiques (assertions scientifiques pouvant être vraies ou fausses) et les références scientifiques. Nous proposons également la première tâche de classification ainsi que les premiers modèles de référence pour la détection et la différenciation entre les énoncés scientifiques, les références scientifiques et les contextes de recherche scientifique.La troisième partie se concentre sur les énoncés scientifiques en ligne, une sous-catégorie du discours scientifique en ligne. Nous présentons la première analyse approfondie des caractéristiques linguistiques des énoncés scientifiques en ligne. Nous effectuons également la première évaluation empirique des performances des modèles de langage sur les énoncés scientifiques en ligne dans plusieurs tâches liées à la vérification des faits (fact-checking).La quatrième partie porte sur les citations scientifiques en ligne, une autre sous-catégorie du discours scientifique en ligne. Nous proposons deux nouvelles tâches de classification et de recherche d’information ainsi que des modèles de référence pour (1) signaler les publications sur les réseaux sociaux qui formulent des affirmations scientifiques sans citer de références correspondantes, et (2) rechercher les publications scientifiques originales auxquelles les publications sur les réseaux sociaux font référence de manière informelle.À travers une définition unifiée, de multiples nouveaux corpus de référence, des nouvelles tâches empiriques ainsi que des méthodes et modèles de référence, cette thèse vise à établir les bases nécessaires à l’étude du traitement du discours scientifique en ligne en tant que sous-domaine distinct et bien défini de la recherche en TALN/RI.

Informations techniques

Type de contenu : Text
Format : PDF

Informations complémentaires

Entrepôt d'origine :

STAR : dépôt national des thèses électroniques françaises

Identifiant : 2024UMONS044
Type de ressource : Thèse