Analyse automatique de la cohésion dans l'interaction de petits groupes

par Lucien Maman

Projet de thèse en Informatique, données, IA

Sous la direction de Laurence Likforman sulem.

Thèses en préparation à l'Institut polytechnique de Paris , dans le cadre de École doctorale de l'Institut polytechnique de Paris , en partenariat avec Laboratoire de Traitement et Communication de l'Information (laboratoire) et de S2A - Statistique et Apprentissage (equipe de recherche) depuis le 01-06-2019 .


  • Résumé

    Les groupes sont un phénomène interdisciplinaire fascinant. L'intérêt des informaticiens pour les groupes s'est principalement porté sur le développement de la vision par ordinateur pour détecter et suivre automatiquement des groupes de personnes en interaction dans des environnements physiques ou pour détecter automatiquement des rôles. Au contraire, la tradition de soixante ans sur l'étude des groupes en sciences sociales a permis de se concentrer sur des concepts de plus haut niveau appelés états émergents, c'est-à-dire des états émergeant comme résultats des interactions affectives, comportementales et cognitives entre les membres d'un groupe. La cohésion est l'un de ces états. Elle peut être définie comme ' un processus dynamique qui se reflète dans la tendance d'un groupe à rester uni dans la poursuite de ses objectifs instrumentaux et/ou pour la satisfaction des besoins affectifs de ses membres ', et elle est considérée comme un bien collectif qui joue un rôle crucial dans l'efficacité et la performance du groupe. Parmi les cinq dimensions de la cohésion, la « tâche » et la « dimension sociales » ont été les plus étudiées. La dimension de la tâche concerne la mesure dans laquelle les membres du groupe sont unis pour atteindre les buts et objectifs du groupe ; la dimension sociale fait référence aux relations sociales au sein du groupe (par exemple, la mesure dans laquelle les membres du groupe s'aiment). Plusieurs autres obstacles compliquent l'estimation efficace de cet état. Premièrement, la cohésion comprend des composantes individuelles et collectives. Cela soulève des questions sur la façon dont ces deux composantes devraient être prises en compte dans les modèles, sur la façon d'effectuer et de faciliter la collecte de données dans des groupes complexes et sur la façon d'agréger efficacement les données de plus de personnes aux fins d'analyse. Deuxièmement, la cohésion émerge, se développe et converge avec le temps à mesure que les gens interagissent. Cela implique que des éléments temporels doivent être incorporés dans l'analyse, par exemple en étudiant la dynamique de chaque composante de cohésion ou en étudiant les relations entre cohésion rapide (c'est-à-dire cohésion précoce) et cohésion tardive. Cette thèse de doctorat vise à développer un modèle computationnel de cohésion dans l'interaction de petits groupes. Le modèle intégrera les composantes 'tâche' et 'sociale' de la cohésion et sera capable de prendre en compte leur relation et leur évolution dans le temps. Les principales tâches qui seront abordées au cours de la thèse sont les suivantes : 1) Etudier l'état de l'art de la cohésion pour identifier ses descripteurs comportementaux multimodaux les plus appropriés et les plus fréquents. L'état de l'art couvrira plusieurs domaines de recherche, dont la sociologie, la psychologie et l'informatique. 2) Calcul des descripteurs comportementaux multimodaux de la cohésion 3) Concevoir et réaliser des expériences pour collecter un ensemble de données multimodales sur la cohésion 4) Conception, mise en œuvre et évaluation d'un modèle informatique de cohésion

  • Titre traduit

    Automated analysis of cohesion in small groups interactions


  • Résumé

    Groups are a fascinating interdisciplinary phenomenon. The interest of computer scientists on groups has mainly concerned the development of computer vision-based algorithms to automatically detect and track groups of interacting people in physical environments or to automatically detect roles. On the contrary, the sixty years-long tradition on the study of groups in Social Science enabled to focus on higher-level concepts called emergent states, that is states emerging as results of affective, behavioral and cognitive interactions among the members of a group. Cohesion is one of these states. It can be defined as “a dynamic process that is reflected in the tendency for a group to stick together and remain united in the pursuit of its instrumental objectives and/or for the satisfaction of member affective needs”, and it is considered as a highly valued group property serving crucial roles for group effectiveness and performance. Among the five dimensions of cohesion, the task and social ones were the most investigated. The task dimension concerns the extent to which group members are united to achieve the group's goals and objectives; the social dimension refers to the social relationships within the group (e.g. the extent to which group members like each other). Several other barriers complicate effective estimation of this state. First, cohesion comprises individual and group components. This opens questions on: how these two components should be taken into account in the models; how to make and facilitate data collection in complex group settings; and how to efficiently aggregate data of more persons for analysis. Second, cohesion emerges, develops and converges over time as people interact. This implies that temporal elements should be incorporated into the analysis, for example by studying the dynamics of each cohesion component or by investigating the relationships between swift-cohesion (that is early cohesion) and late cohesion. This PhD thesis is aimed to develop a computational model of cohesion among humans able to integrate its task and social dimensions and also accounting for their relationship and their development over time. The main tasks that will be addressed during the thesis are the following: 1) Studying the state-of-the-art on cohesion to identify which are its most suitable and frequent multimodal behavioral descriptors. State-of-the-art will span several research fields, including sociology, psychology, and computer science 2) Computing multimodal behavioral descriptors of cohesion 3) Designing and performing experiments to collect a multimodal data set on cohesion 4) Designing, implementing, and evaluating a computational model of cohesion