Travaux existants

NOTE : La liste des  travaux présentés sur cette page n’est pas exhaustive. C’est une toute première version de ce que nous avons recensé. Un prochain travail enrichira cette cartographie. Dès à présent, si vous le souhaitez, vous pouvez nous envoyer un descriptif de vos projets nous les intégrerons (nadine.mandran at imag.fr).

 Une première cartographie des travaux autour de la problématique des traces est disponible  ici.

Description détaillée de trois projets du LIG

Comparaison des trois projets pour identifier les forces et les faiblesses de chacun et trouver une complémentarité pour fédérer les travaux au sein du laboratoire et en lien avec le PIA IKATS.

Le projet (PIA)  IKATS (AMA/IIHM). L’objectif est de concevoir, développer et intégrer une boîte à outils disposant de différents composants logiciels génériques dédiés à l’exploitation, la manipulation et l’analyse de grandes masses de séries temporelles. Le LIG est directement impliqué dans la conception de nouveaux outils d’apprentissage et de visualisation interactive ainsi que dans l’implémentation de ces modules. Les contributions porteront sur le développement d’outils pour l’analyse de séries temporelles à grande échelle, pour la visualisation de ces données et pour l’aide aux utilisateurs. Dans le projet IKATS, les personnes Impliquées sont Cécile Amblard, Alhame Douzal, Gilles Bisson, Renaud Blanch (IIHM), M.Ortega et N.Mandran. Le support système et réseaux au LIG est assuré par l’équipe des Moyens Informatiques (MISI).

Le projet CNRS CrowdHealth (SLIDE & STEAMER) vise à découvrir des éventuelles corrélations entre les « profils » de santé et de nutrition des individus. Dans ce contexte, un processus de collecte continue et de stockage des données fournies par Twitter a été entrepris (travaux de E.Dublé). A l’heure actuelle la base contient environ 2.4 milliards de tweets et des métadonnées (données géographiques, identifiant utilisateur, horodatage, etc.). Ces données ont été utilisées pour diverses recherches au LIG (visualisation de séries temporelles de R.Blanch (IIHM), thèse de C.Cavalière (STEAMER)) et ailleurs (LJK, LTHE, PACTE à Grenoble, EVS à Lyon). Notre proposition pour CrowdHealth 2016 sera d’avantage axée sur l’enrichissement et la qualité des données. La plateforme existante fait aussi l’objet d’une action (pour pérennisation et évolution) impliquant N.Mandran, M.Boudhis et E.Dublé.

La plateforme Undertracks[1] (PIMLIG & METAH) a pour objectif de capitaliser des données, des opérateurs d’analyse et des processus d’analyse pour étudier les traces d’interactions Homme/Machine. [1] Mandran, N., Ortega, M., Luengo, V. and Bouhineau, D. 2015. DOP8: merging both data and analysis operators life cycles for technology enhanced learning. Proceedings of the Fifth International Conference on Learning Analytics And Knowledge (2015), 213–217.