UE730 - Modélisation en sciences sociales et en sciences du vivant

• 54 bd Raspail
  54 bd Raspail 75006 Paris
  Salle AS1_23
  annuel / bimensuel (2e/4e), jeudi 15:00-17:00
  du 10 décembre 2020 au 24 juin 2021

Dernière modification : 11 décembre 2020 07:52

Type d'UE

Séminaires DE/MC

Disciplines

Méthodes et techniques des sciences sociales

Page web

http://cams.ehess.fr/seminaire-question-modelisation/ 

Langues

anglais français

Mots-clés

Informatique et sciences sociales Mathématiques et sciences sociales Méthodes quantitatives

Aires culturelles

-

Cette UE n'est rattachée à aucune formation de master.

Contacts additionnels

-

Informations pratiques

voir la page Web du séminaire.

Direction de travaux des étudiants

sur rendez-vous uniquement.

Réception des candidats

sur rendez-vous uniquement.

Pré-requis

niveau master 1 dans une discipline à haut contenu formalisé : mathématiques, informatique, physique, écnonomie ou sciences de l'ingénieur.

Ce séminaire est destiné à un large public s’intéressant à la modélisation mathématique. Il présente d’une part des travaux de recherche dans le domaine de l’analyse mathématique et d’autre part de la modélisation, notamment dans ses interactions avec les sciences sociales, l’économie, l’écologie, la biologie, la dynamique des populations. Ce séminaire se propose également de conduire un débat sur le statut et la pertinence des modèles mathématiques et des représentations informatiques en sciences humaines et sociales.

Ce séminaire remplace, sous une forme renouvelée, le séminaire « La question de la modélisation en sciences humaines : mathématiques et informatique ».

Cette année, le Séminaire a principalement exploré des problèmes de diffusion spatio-temporelle. La propagation d’épidémies, telle que celle de la covid-19, a été un sujet central. Henri Berestycki a présenté des résultats mathématiques généraux sur une large famille de modèles, englobant dans un même cadre, modèles de réaction-diffusion et modèles de propagation d’épidémies. Des résultats concernant les processus de réaction-diffusion peuvent ainsi être étendus et adaptés au contexte de la propagation d’épidémies. Lionel Roques (INRAE) a exposé un travail sur le suivi temporel et spatio-temporel de l’épidémie de COVID-19. Cette étude suggère que, dans un pays centralisé de taille moyenne comme la France, une fois que l’épidémie est établie, l’effet des processus mondiaux, tels que les politiques de restriction et les mesures sanitaires, l’emporte sur l’effet des facteurs locaux. Raphaël Forien (INRAE) a discuté d’une nouvelle classe de modèles pour les épidémies, prenant en compte l’aspect non Markovien du processus de diffusion, aspect non pris en compte dans les modèles classiques.

D’autres domaines ont été abordés : modèles en génétique des populations avec Léo Girardin (Institut Camille Jordan) ; modèles de développement de tumeurs avec Cécile Carrère (Université d’Orléans) rendant compte des conditions d’apparition de tumeurs hétérogènes résultant de l’administration de certains traitements. Par ailleurs, la modélisation de la diffusion de connaissances comme moteur économique, donne également lieu à des modèles mathématiques de diffusion, mais avec un niveau de complexité supérieur du fait de la prise en compte du comportement stratégique des acteurs. Ce sujet a été discuté par Luca Rossi (CAMS et Université di Roma La Sapienza) et Alessio Porretta (Université di Roma Tor Vergata) avec un modèle de « jeu à champ moyen ».

Enfin, une séance double a été consacrée à la modélisation de l’effort sportif. Mathias Pessiglione (INSERM, ICM) a exposé des travaux expérimentaux et théoriques sur la motivation et ses troubles, conduisant à une approche computationnelle des troubles de la motivation. Amandine Aftalion (CAMS) a présenté des résultats sur la modélisation de la stratégie optimale pour des coureurs en compétition de haut niveau, travaux qui exploitent notamment la modélisation de la motivation développée par Mathias Pessiglione. L’exposé a également porté sur une étude de la forme optimale d’un stade si l’objectif est de permettre aux athlètes d’avoir les meilleures performances possible.

http://cams.ehess.fr/modelisation-en-sciences-sociales-et-en-sciences-du-vivant/

Publications

Henri Berestycki

• Avec B. Desjardins, B. Heintz et al, « Plateaus, rebounds and the effects of individual behaviours in epidemics », Sci Rep 11, 18339, 2021, https://doi.org/10.1038/s41598-021-97077-x
• Avec B. Desjardins, B. Heintz et J.-M. Oury, The effects of heterogeneity and stochastic variability of behaviours on the intrinsic dynamics of epidemics, medRxiv Aug. 21, 2021, doi : https://doi.org/10.1101/2021.03.26.21254414
• Avec J.-M. Roquejoffre et L. Rossi, « Propagation of epidemics along lines with fast diffusion », Bulletin of Mathematical Biology, 83 (1), p. 1-34.
• Avec L. Roques, O. Bonnefon, V. Baudrot et S. Soubeyrand, « A parsimonious approach for spatial transmission and heterogeneity in the COVID-19 propagation », Royal Society Open Science, 7 (12), 201382.
• Avec R. Ducasse et L. Rossi, « Influence of a road on a population in an ecological niche facing climate change », Journal of Mathematical Biology, 81 (4), p. 1059-1097.

Jean-Pierre Nadal

• Avec Laurent Bonnasse-Gahot, « Categorical Perception: A Groundwork for Deep Learning », à paraitre dans Neural Computation.
• Avec Kevin Berlemont, « Confidence-controlled Hebbian learning efficiently extracts category membership from stimuli encoded in view of a categorization task », à paraitre dans Neural Computation.
• Avec Imke Meyer, Jean-Denis Moyer, Aliénor Dreyfus, Boutonnet Mathieu, Pierre-Julien Cungi, Arnaud Foucrier, Anatole Harrois, Arthur James, Julie Josse et Tobias Gauss, « Machine Learning Augmented Causal Inference To Estimate The Treatment Effect of Tranexamic Acid In Traumatic Brain Injury », Research Square preprint, 7 juin 2021, doi: 10.21203/rs.3.rs-600886/v1

Cette UE n'est rattachée à aucune formation de master.

Contacts additionnels

-

Informations pratiques

voir la page Web du séminaire.

Direction de travaux des étudiants

sur rendez-vous uniquement.

Réception des candidats

sur rendez-vous uniquement.

Pré-requis

niveau master 1 dans une discipline à haut contenu formalisé : mathématiques, informatique, physique, écnonomie ou sciences de l'ingénieur.

• 54 bd Raspail
  54 bd Raspail 75006 Paris
  Salle AS1_23
  annuel / bimensuel (2e/4e), jeudi 15:00-17:00
  du 10 décembre 2020 au 24 juin 2021

Ce séminaire est destiné à un large public s’intéressant à la modélisation mathématique. Il présente d’une part des travaux de recherche dans le domaine de l’analyse mathématique et d’autre part de la modélisation, notamment dans ses interactions avec les sciences sociales, l’économie, l’écologie, la biologie, la dynamique des populations. Ce séminaire se propose également de conduire un débat sur le statut et la pertinence des modèles mathématiques et des représentations informatiques en sciences humaines et sociales.

Ce séminaire remplace, sous une forme renouvelée, le séminaire « La question de la modélisation en sciences humaines : mathématiques et informatique ».

Cette année, le Séminaire a principalement exploré des problèmes de diffusion spatio-temporelle. La propagation d’épidémies, telle que celle de la covid-19, a été un sujet central. Henri Berestycki a présenté des résultats mathématiques généraux sur une large famille de modèles, englobant dans un même cadre, modèles de réaction-diffusion et modèles de propagation d’épidémies. Des résultats concernant les processus de réaction-diffusion peuvent ainsi être étendus et adaptés au contexte de la propagation d’épidémies. Lionel Roques (INRAE) a exposé un travail sur le suivi temporel et spatio-temporel de l’épidémie de COVID-19. Cette étude suggère que, dans un pays centralisé de taille moyenne comme la France, une fois que l’épidémie est établie, l’effet des processus mondiaux, tels que les politiques de restriction et les mesures sanitaires, l’emporte sur l’effet des facteurs locaux. Raphaël Forien (INRAE) a discuté d’une nouvelle classe de modèles pour les épidémies, prenant en compte l’aspect non Markovien du processus de diffusion, aspect non pris en compte dans les modèles classiques.

D’autres domaines ont été abordés : modèles en génétique des populations avec Léo Girardin (Institut Camille Jordan) ; modèles de développement de tumeurs avec Cécile Carrère (Université d’Orléans) rendant compte des conditions d’apparition de tumeurs hétérogènes résultant de l’administration de certains traitements. Par ailleurs, la modélisation de la diffusion de connaissances comme moteur économique, donne également lieu à des modèles mathématiques de diffusion, mais avec un niveau de complexité supérieur du fait de la prise en compte du comportement stratégique des acteurs. Ce sujet a été discuté par Luca Rossi (CAMS et Université di Roma La Sapienza) et Alessio Porretta (Université di Roma Tor Vergata) avec un modèle de « jeu à champ moyen ».

Enfin, une séance double a été consacrée à la modélisation de l’effort sportif. Mathias Pessiglione (INSERM, ICM) a exposé des travaux expérimentaux et théoriques sur la motivation et ses troubles, conduisant à une approche computationnelle des troubles de la motivation. Amandine Aftalion (CAMS) a présenté des résultats sur la modélisation de la stratégie optimale pour des coureurs en compétition de haut niveau, travaux qui exploitent notamment la modélisation de la motivation développée par Mathias Pessiglione. L’exposé a également porté sur une étude de la forme optimale d’un stade si l’objectif est de permettre aux athlètes d’avoir les meilleures performances possible.

http://cams.ehess.fr/modelisation-en-sciences-sociales-et-en-sciences-du-vivant/

Publications

Henri Berestycki

• Avec B. Desjardins, B. Heintz et al, « Plateaus, rebounds and the effects of individual behaviours in epidemics », Sci Rep 11, 18339, 2021, https://doi.org/10.1038/s41598-021-97077-x
• Avec B. Desjardins, B. Heintz et J.-M. Oury, The effects of heterogeneity and stochastic variability of behaviours on the intrinsic dynamics of epidemics, medRxiv Aug. 21, 2021, doi : https://doi.org/10.1101/2021.03.26.21254414
• Avec J.-M. Roquejoffre et L. Rossi, « Propagation of epidemics along lines with fast diffusion », Bulletin of Mathematical Biology, 83 (1), p. 1-34.
• Avec L. Roques, O. Bonnefon, V. Baudrot et S. Soubeyrand, « A parsimonious approach for spatial transmission and heterogeneity in the COVID-19 propagation », Royal Society Open Science, 7 (12), 201382.
• Avec R. Ducasse et L. Rossi, « Influence of a road on a population in an ecological niche facing climate change », Journal of Mathematical Biology, 81 (4), p. 1059-1097.

Jean-Pierre Nadal

• Avec Laurent Bonnasse-Gahot, « Categorical Perception: A Groundwork for Deep Learning », à paraitre dans Neural Computation.
• Avec Kevin Berlemont, « Confidence-controlled Hebbian learning efficiently extracts category membership from stimuli encoded in view of a categorization task », à paraitre dans Neural Computation.
• Avec Imke Meyer, Jean-Denis Moyer, Aliénor Dreyfus, Boutonnet Mathieu, Pierre-Julien Cungi, Arnaud Foucrier, Anatole Harrois, Arthur James, Julie Josse et Tobias Gauss, « Machine Learning Augmented Causal Inference To Estimate The Treatment Effect of Tranexamic Acid In Traumatic Brain Injury », Research Square preprint, 7 juin 2021, doi: 10.21203/rs.3.rs-600886/v1