Year: 2022
Type: dissertation
Abstract: Les plateformes de médias sociaux rassemblent des individus pour interagir de manière amicale et civilisée tout en ayant des convictions et des croyances diversifiées. Certaines personnes adoptent des comportements répréhensibles qui nuisent à la sérénité et affectent négativement l’équanimité des autres utilisateurs. Certains cas de mauvaise conduite peuvent initialement avoir de petits effets statistiques, mais leur accumulation persistante pourrait entraîner des conséquences majeures et dévastatrices. L’accumulation persistante des mauvais comportements peut être un prédicteur valide des facteurs de risque de détérioration du comportement. Le problème de la détérioration du comportement n’a pas été largement étudié dans le contexte des médias sociaux. La détection précoce de la détérioration du comportement peut être d’une importance cruciale pour éviter que le mauvais comportement des individus ne s’aggrave. Cette thèse aborde le problème de la détérioration du comportement dans le contexte des médias sociaux. Nous proposons de nouvelles méthodes basées sur l’apprentissage automatique qui (1) explorent les séquences comportementales et leurs motifs temporels pour faciliter la compréhension des comportements manifestés par les individus et (2) prédisent la détérioration du comportement à partir de combinaisons consécutives de motifs séquentiels correspondant à des comportements inappropriés. Nous menons des expériences approfondies à l’aide d’ensembles de données du monde réel et démontrons la capacité de nos modèles à prédire la détérioration du comportement avec un haut degré de précision, c’est-à-dire des scores F-1 supérieurs à 0,8. En outre, nous examinons la trajectoire de détérioration du comportement afin de découvrir les états émotionnels que les individus présentent progressivement et d’évaluer si ces états émotionnels conduisent à la détérioration du comportement au fil du temps. Nos résultats suggèrent que la colère pourrait être un état émotionnel potentiel qui pourrait contribuer substantiellement à la détérioration du comportement.
Author: Kabamba Tshimula, Jean Marie
Institution: Université de Sherbrooke
Language: English
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
Funder: Internal Security Fund - Police
OpenAlex ID: W7005170349
