Computational detection of socioeconomic inequalities - Thèses de l'INSA Lyon Accéder directement au contenu
Thèse Année : 2020

Computational detection of socioeconomic inequalities

Détection computationnelle des inégalités socioéconomiques 


Résumé

Socioeconomic inequalities drag down economic growth and hamper social cohesion. Their detection is therefore a necessary key step in the search of solutions addressing them. In this dissertation, we address this challenge by exploiting the increasingly large collection of societal datasets to fuel novel computational pipelines able to generate fine-grained and accurate socioeconomic mappings. The updated and upscaled picture of society that is generated in doing so can be later used as input for the development of new critically needed socioeconomic policies. The technical focus of this dissertation consists then on both the constructions of datasets rich enough to expose these underlying correlations and the design of machine learning models able to generate accurate estimations on socioeconomic status both at the individual and neighborhood level. To do so, we first collected and built several independent datasets enabling the fine grained description of France in terms of socioeconomic status, sociolinguistic information, social network and aerial imagery. The mining of the collected information enabled us first to analyze the underlying entanglements linking these variables to one another and later to use these interactions to build reliable predictors. These systems are built on techniques drawn from the deep learning and representation learning communities and allow for the reliable prediction of socioeconomic status to later inform developmental policies and gain insights on the way inequalities may rise in societies.
Nous vivons une période marquante: pour la première fois, nous sommes conscients des enjeux de notre temps, nous produisons suffisamment de données pour en fournir une description complète et nous disposons d’algorithmes raisonnablement optimaux pour les traiter. Au centre de ce carrefour, une nouvelle discipline, la science sociale computationelle, profondement imprégnée des avances en intelligence artificielle et en algorithmique, vient se dresser comme une sphère de connaissance à part entière. Cette thèse s’inscrit dans cet élan et cherche à fournir des éléments de compréhension à la problématique des inégalités socioéconomiques en traitant des données massives, notamment issues de réseaux sociaux en ligne et de l’observation de l’environnement urbain. Ainsi, les contributions principales de cette série de travaux sont centrées autour de 1) l’étude des dépendances spatiales, temporelles, linguistique et du réseau liées aux inégalités et 2) l’inférence du statut socioéconomique à partir de ces signaux multi-modaux. Le contexte dans lequel cette série de travaux est inscrite est double. D’un côté, nous cherchons à fournir aux chercheurs et aux éléments du pouvoir décisionnel des outils qui leur permettront d’obtenir une image plus fine et détaillée de la répartition de richesse dans le pays dans le but qu’ils puissent adopter des stratégies portant à la résolution de deux défis de notre temps: la pauvreté et les inégalités socioéconomiques. De l’autre nous cherchons nous même à fournir des éléments de réponse aux questions posées par les sciences sociales qui se sont avérées trop intractable pour être abordées sans le volume et la qualité de données nécessaires.
Fichier principal
Vignette du fichier
phd_depot_thesis.pdf (38.64 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-02459170 , version 1 (29-01-2020)
tel-02459170 , version 2 (24-02-2020)

Identifiants

  • HAL Id : tel-02459170 , version 1

Citer

Jacob Levy Abitbol. Computational detection of socioeconomic inequalities. Artificial Intelligence [cs.AI]. Lyon1, 2020. English. ⟨NNT : ⟩. ⟨tel-02459170v1⟩
460 Consultations
94 Téléchargements

Partager

Gmail Facebook X LinkedIn More