Thesis Victor Brossard

Soutenance de thèse de Victor Brossard

Utilisation de la data science pour modéliser l'expérience émotionnelle corporelle.

La donnée est l'or d'aujourd'hui. La science des données est un domaine de recherche qui répond au besoin de (a) collecter des informations structurées, qualitatives et quantitatives, (b) analyser et extraire des indices clés qui peuvent évoluer au cours du temps et (c) interpréter les résultats vis-à-vis d’un cadre théorique spécifique dans le but de donner du sens aux donnée collectées. Mon travail de thèse s’est attaché à la question de comment récolter des données utiles et sensées pour caractériser un comportement humain émotionnel, en appliquant la logique des sciences des données à la psychologie. Les émotions sont au cœur des sociétés humaines; elles sont le ciment qui relie les Humains et elles exercent une influence certaine sur les aspects adaptatifs du comportement. Les émotions ont la capacité de moduler notre rythme cardiaque ou encore nos actions volontaires en nous faisant marcher plus vite ou plus lentement. Plus important encore, nos émotions modifient la façon dont nous bougeons, offrant ainsi des indices non-verbaux de nos état affectifs interne. Après une introduction sur la science des données (Chapitre 1), je présente un aperçu des cadres théoriques applicables aux concepts d’émotion et d’affect (Chapitre 2). Le Chapitre 3 est une partie méthodologique, offrant des conseils pour une bonne méthodologie en sciences affectives. Plus spécifiquement, je présente un tutoriel étape par étape sur comment collecter de bonnes données lorsque l’on souhaite étudier l’expérience émotionnelle corporelle chez de jeunes adultes sains, assis ou en mouvement (questionnaires, mesures physiologiques, enregistrements cinématique). La dernière partie du manuscrit de thèse présente trois cas d’études. Ces trois études démontrent que l’expérience émotionnelle corporelle peut être étudiée à partir de différentes perspectives méthodologiques, au sein d’un même cadre théorique. Le premier cas d’étude (Chapitre 4) est centré sur les effets des odeurs sur les réactions physiologiques et affectives. Les techniques d’analyse utilisées dans ce cas d’étude sont l’analyse de la fréquence et de la variabilité cardiaque ainsi que des questionnaires (GEOS, affect grid). Le second cas d’étude (Chapitre 5) est centré sur une description la plus complète possible des effets des émotions sur des mouvements corps entier d’acteurs. Ce cas d’étude utilise des analyses cinématiques (e.g., vitesse, jerk) et temporelles (ondelettes, auto-corrélations) pour rendre compte de l’avantage évolutionniste offert par l’influence des émotions sur la cinématique corporelle. Le troisième et dernier cas d’étude (Chapitre 6) est centré autour de la prédiction de l’état émotionnel d’un acteur, de par la modélisation de sa cinématique corporelle. La technique d’analyse principalement utilisée dans ce cas d’étude est un réseau de neurones profond convolutionnel. Pour conclure, le Chapitre 7 présente une discussion générale sur les résultats et les perspectives offertes par une approche science des données dans le but de s’attaquer à de nouveaux challenges théoriques et appliqués dans le domaine des émotions.