8604 research outputs found
Sort by
Étudiants universitaires en temps de crise : exploration des déterminants individuels et sociaux de la détresse psychologique
Full text linkLa détresse psychologique représente une problématique préoccupante chez les étudiants universitaires. La pandémie de Covid-19 a amplifié les vulnérabilités préexistantes au sein de cette population déjà à risque, les adultes émergents. Le concept d’adulte émergent fait référence aux jeunes adultes âgés entre 18 à 29 ans qui font face à des transitions économiques, sociales, académiques et psychologiques (Arnett et al., 2014). Cette étude explore l’impact de la pandémie de Covid-19 sur la santé mentale des étudiants universitaires inscrits dans dix établissements du Réseau de l’Université du Québec. À travers, un devis de recherche descriptif-corrélationnel et une méthodologie quantitative, elle mobilise à la fois des techniques d’exploration des données — incluant des analyses descriptives et des statistiques inférentielles — et des approches novatrices issues de l’apprentissage automatique (Machine Learning), afin de produire des prédictions robustes. L’analyse porte spécifiquement sur le rôle des déterminants sociaux de la santé mentale dans la variation de la détresse psychologique. Les résultats de cette recherche mettent en évidence que 14 déterminants de la santé mentale constituent des prédicteurs significatifs du score PHQ-4, liés principalement à l’ontosystème de l’approche bioécologique de Bronfenbrenner (1979, 2005). Ces résultats ne se limitent pas à une observation statistique : ils soulignent également l'importance cruciale d’une compréhension approfondie des facteurs de risque et des facteurs de protection qui influencent la santé mentale des étudiants universitaires dans des contextes de crise, tels que celui engendré par la pandémie de Covid-19. En outre, ils appellent à une réflexion élargie portant sur les stratégies d’intervention et les mesures de soutien à mettre en oeuvre pour prévenir ou atténuer les répercussions psychologiques et sociales dans des situations similaires. Enfin, cette recherche ouvre sur des perspectives prometteuses pour des études futures visant à explorer les impacts à long terme de la pandémie sur la santé mentale des étudiants du RUQ
L’âge des premières relations sexuelles chez les adolescent(e)s : prévalence et facteurs associés
Full text linkL’adolescence est une période de grands changements où les jeunes atteignent leur maturité sexuelle et, pour plusieurs, vivent leurs premières relations sexuelles (Craver at al., 2003 ; Ozdemir et al., 2016). L’âge des premières relations sexuelles tend à diminuer au fil des années (Gupta, 2000 ; Nelson et al., 2016). Les relations sexuelles avant l’âge de 15 ans, sont qualifiées de précoces (Godeau et al., 2008) et sont associées à diverses conséquences physiques, sociales et comportementales (Armour & Haynie, 2007 ; O’Donnell et al., 2001; Santelli et al., 2004). La présente étude s’inscrit dans un projet plus large et a évalué la prévalence des premières relations sexuelles et leurs facteurs associés. Cette étude observationnelle transversale a été réalisée auprès de 1089 adolescents de secondaire 4 et 5 (âge moyen = 16 ans). Le taux de participation parmi les adolescents sollicités a été de plus de 98 %. Des questionnaires auto-rapportés ont été utilisés. Les résultats démontrent que 57,5% des adolescents n’ont pas encore eu leur première relation sexuelle. Parmi ceux qui l’ont eue (42,5%), l’âge moyen était de 14 ans pour les garçons et de 15 ans pour les filles. Plus de garçons (49%) que de filles (43,6%) ont rapporté avoir eu une première relation sexuelle précoce, mais plus de filles (6,3%) que de garçons (2,7%) ont indiqué que leur première relation sexuelle n’était pas consentante et désirée. La relation entre l’âge des premières relations sexuelles consentantes et plusieurs variables (le genre, l’orientation sexuelle, l’origine ethnique, l’éducation des parents, la structure familiale, la performance académique, la motivation à poursuivre les études, l’impulsivité et la recherche de sensations, la consommation d’alcool et de drogues, la consommation de pornographie et la santé psychologique) a été examinée à l’aide d’analyses bivariées et d’une régression multiple. Seule la structure familiale s’est avérée être significativement liée à l’âge des premières relations sexuelles consentantes lors de l’analyse de régression multiple. Les adolescents vivant avec leurs deux parents connaîtraient leur première relation sexuelle à un âge plus tardif que ceux qui ne vivent pas avec leurs deux parents (p.ex., contexte de monoparentalité, famille d’accueil). Ces résultats mettent en lumière l’importance de promouvoir le consentement et de s’intéresser à l’âge de l’initiation sexuelle des adolescents afin d’élaborer des stratégies d’intervention et de sensibilisation efficaces, notamment à l’égard des relations sexuelles précoces
A hybrid convolutional-fuzzy model for interpretable AI in healthcare: improving transparency and accuracy in chronic disease management
Full text linkThe integration of Artificial Intelligence (AI) into healthcare has revolutionized diagnostic capabilities, particularly in medical imaging and disease prediction. However, the widespread adoption of AI in clinical settings is significantly impeded by challenges related to interpretability, transparency, and trust in AI-driven decision-making processes. This thesis aims to address these critical challenges by introducing innovative frameworks that enhance the interpretability, usability, and reliability of AI systems in healthcare, with a particular focus on improving chronic disease management through more transparent and actionable insights. Through a comprehensive analysis of AI-based prediction models, including those developed during the COVID-19 pandemic and an extensive review of AI models in healthcare presented in Chapter 3, this research identifies key limitations in current interpretability techniques. These limitations include the inability to effectively balance predictive accuracy with user comprehension and the challenges associated with integrating AI-generated insights into clinical workflows. To overcome these gaps, two novel frameworks have been designed: a hybrid convolutional-fuzzy model, which provides pixel-level interpretability by combining the predictive power of convolutional neural networks (CNNs) with the explainability of fuzzy logic, and a statistical model designed to embed interpretability into AI workflows, ensuring more transparent and accountable decision-making. These frameworks not only enhance diagnostic transparency but also empower clinicians with clear, actionable insights to support informed clinical decisions, particularly in the management of chronic diseases where long-term monitoring and interpretability are crucial for effective treatment planning. Extensive experimental validation was carried out using real-world medical imaging datasets to evaluate the effectiveness of the designed convolutional-fuzzy model. A comprehensive comparative analysis against state-of-the-art interpretability techniques, including Grad-CAM, demonstrated the superior performance of the convolutional-fuzzy model in achieving an enhanced balance between interpretability and diagnostic accuracy. The results validate the research hypotheses, affirming that the convolutional fuzzy model approach significantly enhances transparency, supports clinical adoption, and ensures scalability across diverse healthcare applications, with a strong emphasis on its role in enhancing the early detection and monitoring of chronic conditions. Furthermore, this thesis examines the ethical, regulatory, and practical implications of deploying interpretable AI systems in clinical environments, emphasizing the importance of aligning AI models with industry standards and clinicians' expectations for trust and reliability. Despite the notable contributions, challenges such as computational complexity and workflow integration are acknowledged. Future research will focus on optimizing computational efficiency and expanding the applicability of the designed models across diverse medical imaging modalities. By bridging the gap between technological advancements and clinical applicability, this research contributes to the evolving field of explainable AI in healthcare, laying a robust foundation for the development of AI systems that prioritize transparency, trust, and improved patient outcomes, particularly in the context of chronic disease management, where long-term interpretability and reliability are essential for sustained clinical success.
L'intégration de l'intelligence artificielle (IA) dans le domaine de la santé a révolutionné les capacités diagnostiques, en particulier dans l'imagerie médicale et la prédiction des maladies. Cependant, l'adoption généralisée de l'IA dans les environnements cliniques est considérablement freinée par des défis liés à l'interprétabilité, à la transparence et à la confiance dans les processus de prise de décision pilotés par l'IA. Cette thèse vise à relever ces défis critiques en introduisant des cadres novateurs qui améliorent l'interprétabilité, la convivialité et la fiabilité des systèmes d'IA en santé, avec un accent particulier sur l'amélioration de la gestion des maladies chroniques grâce à des informations plus transparentes et exploitables. À travers une analyse approfondie des modèles de prédiction basés sur l'IA, y compris ceux développés pendant la pandémie de COVID-19, ainsi qu'un examen exhaustif des modèles d'IA en santé présenté dans le chapitre 3, cette recherche identifie les principales limites des techniques d'interprétabilité actuelles. Ces limites incluent l'incapacité à équilibrer efficacement la précision prédictive et la compréhension utilisateur, ainsi que les défis liés à l'intégration des résultats de l'IA dans les flux de travail cliniques. Pour combler ces lacunes, deux cadres novateurs ont été conçus : un modèle hybride convolutionnel-flou, qui fournit une interprétabilité au niveau des pixels en combinant la puissance prédictive des réseaux neuronaux convolutionnels (CNNs) avec l'explicabilité de la logique floue, et un modèle statistique conçu pour intégrer l'interprétabilité dans les flux de travail de l'IA, garantissant une prise de décision plus transparente et responsable. Ces cadres améliorent non seulement la transparence diagnostique, mais permettent également aux cliniciens de disposer d'informations claires et exploitables pour prendre des décisions éclairées, en particulier dans la gestion des maladies chroniques, où la surveillance à long terme et l'interprétabilité sont essentielles pour un traitement efficace. Une validation expérimentale approfondie a été réalisée en utilisant des ensembles de données d'imagerie médicale du monde réel afin d'évaluer l'efficacité du modèle convolutionnel-flou conçu. Une analyse comparative exhaustive avec les techniques d'interprétabilité de pointe, telles que Grad-CAM, a démontré la performance supérieure du modèle convolutionnel-flou, en atteignant un équilibre amélioré entre interprétabilité et précision diagnostique. Les résultats confirment les hypothèses de recherche, affirmant que l'approche du modèle convolutionnel-flou améliore significativement la transparence, favorise l'adoption clinique et garantit une évolutivité dans diverses applications de santé, en mettant particulièrement l'accent sur son rôle dans la détection précoce et la surveillance des maladies chroniques. En outre, cette thèse examine les implications éthiques, réglementaires et pratiques du déploiement des systèmes d'IA interprétables dans les environnements cliniques, en soulignant l'importance d'aligner les modèles d'IA sur les normes du secteur et les attentes des cliniciens en matière de confiance et de fiabilité. Malgré les contributions significatives, certaines difficultés telles que la complexité computationnelle et l'intégration dans les flux de travail cliniques sont reconnues. Les recherches futures viseront à optimiser l'efficacité computationnelle et à élargir l'applicabilité des modèles conçus à diverses modalités d'imagerie médicale. En comblant le fossé entre les avancées technologiques et l'application clinique, cette recherche contribue au domaine en évolution de l'IA explicable en santé, en posant une base solide pour le développement de systèmes d'IA qui privilégient la transparence, la confiance et de meilleurs résultats pour les patients, en particulier dans le contexte de la gestion des maladies chroniques, où l'interprétabilité et la fiabilité à long terme sont essentielles pour un succès clinique durable
Organisations et territoires
No full textÉditorial
Jeanne Simard
Présentation du dossier
L'appropriation du territoire
Marie Fall, Pierre-André Tremblay, Sabrina Tremblay, Suzanne Tremblay
DOSSIER
Territorialisation au Québec : le chemin parcouru
Marc-Urbain Proulx
L'appropriation des caractéristiques territoriales pour favoriser la mobilisation, la prise de décision et l'action : enjeux de découpage et d'accès aux données
Émilie Gaudreau Lavoie, Manon Boily
Un espace approprié : sur la territorialité de l'itinérance
Pierre-André Tremblay
L'entrepreneuriat comme voie d'intégration socioprofessionnelle et voie de contournement à la discrimination systémique lors du processus de recherche d'emploi des femmes immigrantes issues de minorités visibles au Québec
Valérie Mvogo Balla
Le territoire vécu par et dans l'agriculture : étude de la multifonctionnalité de l'agriculture dans la MRC de Maria-Chapdelaine au Saguenay-Lac-St-Jean
Sabrina Tremblay, Flora Narac
La démarche Municipalité Nourricière au Saguenay-Lac-St-Jean : une initiative territoriale de mobilisation citoyenne
Marie Fall, Olivier Riffon, Salmata Ouedraogo
Développement territorial durable avec les organismes de développement économique local au Québec : cas des sociétés d'aide au développement des collectivités (SADC)
Médétonwan Olivier Guédé
Les services de proximité pour la pérennité et le développement social et territorial des villages : le cas de la MRC du Fjord-du-Saguenay
Suzanne Tremblay
L'ATELIER DES ÉTUDIANTS
Le récit de la transition socioécologique au Saguenay-Lac-St-Jean par l'approche biographique
Emmanuel Trotobas
Distance et mobilité dans la pratique de l'intervention sociale en territoire rural : le cas de la Haute-Côte-Nord
Geneviève Dick
Analyse FFPM du Plan particulier d'urbanisme du centre-ville de Chicoutimi : la Ville de Saguenay est-elle sur la bonne voie pour revitaliser le centre-ville de Chicoutimi?
Laura-Jessica Boudreault
Les transformations urbaines et sociales d'une ville moyenne : l'exode du centre-ville de Chicoutimi, de 1960 à 1990
Laura-Jessica Boudreault
L'ENTRETIEN
Serge Côté
Docteur en sociologie et professeur-chercheur retraité de l'UQAR
Pierre-André Tremblay
ESPACE LIBRE
La durabilité de la RSE au Cameroun : une lecture sous le prisme du don et contre-don
Robert Sangué-Fotso
Vécus relationnels dans une organisation d'aide au développement à Madagascar : une lecture phénoménologique et critique
Karine Rajoelisolo Debergue, Caroline Coulombe, François Aude
Impact de l’intelligence artificielle dans les activités de gestion de relation client des entreprises
No full textCe mémoire s’articule autour de l’analyse des effets de l’intelligence artificielle (IA) sur les activités de gestion de la relation client (GRC) au sein des entreprises. Il a pour objectif de faire redécouvrir l’intelligence artificielle à travers son historique, son évolution dans le temps ainsi que ses différentes définitions. Par ailleurs, ce travail mettra en évidence la valeur ajoutée des technologies d’IA, en soulignant plus particulièrement l’apport des chatbots, de l’expérience client et de la personnalisation des interactions sur la performance des pratiques de gestion de la relation client.
En effet, depuis la crise pandémique de la COVID-19, l’intelligence artificielle, à travers des conversations virtuelles et autres standards automatisés, se voit attribuer une place prioritaire, dans les entreprises qui se sont approprié les nouvelles technologies de l’information et de la communication, et dont la relation client constitue un levier essentiel. Il est crucial pour ces organisations, de se mesurer non seulement par rapport à leurs performances financières, mais également de porter une attention particulière sur la fidélisation de leur clientèle actuelle et sur l’acquisition de nouveaux clients. Ainsi, elles sont amenées à se demander : « Quel est l’impact de l’intelligence artificielle sur les pratiques de gestion de la relation client ? ».
Ce travail de recherche vise à analyser l’influence de l’intelligence artificielle sur la gestion de la relation client dans les entreprises, de manière globale. La revue de la littérature se penchera sur ce sujet en examinant les facteurs susceptibles d’influer sur la performance des entreprises à travers leurs pratiques de gestion de la relation client, soutenues par les technologies d’IA. L’intelligence artificielle se définit comme l’ensemble de procédés conférant à une machine des caractéristiques humaines, permettant notamment d’alléger les tâches répétitives. L’univers des chatbots, qui offre aux clients la possibilité d’entamer une conversation avec un agent virtuel conçu pour répondre à leurs questions de manière instantanée, pourrait constituer un atout pour les entreprises, ce qui justifie l’intérêt de cette étude.
Au regard de ces éléments, les notions d’Intelligence artificielle, de gestion de la relation client et des canaux permettant de rendre l’expérience client personnalisée et unique seront analysées. Étant donné que les entreprises adaptent leurs modes de fonctionnement aux réalités actuelles, la revue de la littérature exposera en quoi et comment l’IA peut servir la gestion de la relation client au sein des entreprises. Puisque la problématique concerne l’ensemble des entreprises, quels que soient leurs secteurs d’activité, une réflexion sera menée sur la manière dont l’IA peut être un soutien stratégique pour la GRC. Enfin, l’application de critères d’inclusion et d’exclusion garantira une conduite rigoureuse de cette étude, et ses conclusions apporteront un éclairage plus précis sur le sujet ainsi que des pistes concrètes de mise en pratique
Analyse de l’impact de l’architecture Entité-Composant-Système sur les performances et la consommation énergétique dans les serveurs de jeux multi-joueurs.
No full textL’essor des jeux vidéo multi-joueurs en ligne et l’accroissement du nombre de centres de données associes soulèvent des enjeux majeurs en matière de consommation énergétique et de performance des serveurs. Face à cette problématique, ce mémoire étudie l’impact de l’architecture Entité-Composant-Système, fondée sur la programmation orientée donnée, par rapport à l’architecture traditionnelle en Programmation Orientée Objet. La question de recherche posée est la suivante : Est-ce que l’implémentation d’un Entité-Composant-Système dans la programmation d’un serveur de jeu multi-joueurs en ligne permettrait de réduire le cout en performance des processeurs de serveurs afin d’en réduire leur consommation énergétique ?
Pour y répondre, une expérimentation comparative a été conduite à travers la création de serveurs utilisant chacune de ces deux architectures, et des mesures précises de consommation et d’efficience ont été réalisées. En optimisant l’usage du cache CPU par une meilleure localité des données et une plus grande vectorisation, les résultats montrent que l’ECS permet de diminuer l’empreinte énergétique tout en augmentant la capacite de traitement des serveurs.
Cette recherche souligne ainsi l’intérêt de l’architecture Entité-Composant-Système comme alternative plus durable et performante pour les serveurs de jeux vidéo en ligne
Utiliser la commémoration pour développer la pensée historique des élèves de quatrième secondaire
No full textL’étude de l’histoire devrait amener les élèves à développer leur pensée historique. Toutefois, en raison de la persistance d’un modèle d’apprentissage magistrocentré (Boutonnet, 2013 ; Moisan, 2010) basé sur le récit canonique et l’épreuve ministérielle, cela n’est pas souvent actualisé en classe d’histoire de quatrième secondaire au Québec. Face à ce constat, le thème de la commémoration est apparu comme une piste intéressante pour soutenir le développement de la pensée historique. La commémoration possède l’avantage de rejoindre le récit identitaire sur l’histoire nationale. L’objectif de cette recherche-action est donc d’examiner dans quelle mesure la réalisation de tâches de commémoration peut contribuer au développement de la pensée historique des élèves de quatrième secondaire. Cette étude qualitative a été menée auprès de 51 élèves de deux classes d’histoire de quatrième secondaire de la Rive-Nord de Montréal. Un portrait a été établi avant et après la passation d’une situation d’enseignement-apprentissage portant sur la commémoration au moyen d’un pré-test et d’un post-test. L’analyse des données montre une progression de la compréhension des élèves sur tous les concepts de la pensée historique. Cependant, des difficultés constatées sur certains concepts et critères ont mené à proposer des modifications aux tâches afin de développer davantage la compréhension de la pensée historique et approfondir la réflexion sur la commémoration. Cette expérimentation a permis de constater que des facteurs externes, tels que ; donner suffisamment de temps pour réaliser les apprentissages, une formation spécifique des enseignants sur les concepts de la pensée historique ainsi que l’accessibilité aux contenus et ressources, peuvent contribuer à l’apprentissage de la pensée historique par les élèves
Plateforme de conception d’arbre généalogique & tontine en ligne
No full textLa famille et la solidarité communautaire sont des piliers de la plupart des
sociétés. L’arbre généalogique permet de préserver la mémoire et l’histoire des
familles, tandis que la tontine est un mécanisme d’entraide financière largement
pratiqué. Cependant, avec l’évolution numérique et la mobilité croissante des
populations, il devient nécessaire d’adapter ces pratiques aux nouvelles technologies.
Ce projet de mémoire vise à explorer la numérisation des arbres généalogiques et des
tontines afin de renforcer les liens familiaux et l’inclusion financière.
Tour de Famille est une plateforme en ligne qui combine la conception d’arbres
généalogiques et un système de tontine africaine. Elle permet aux familles de retracer
leur histoire, de visualiser leur lignée et de renforcer leurs liens intergénérationnels. En
parallèle, elle intègre un modèle de tontine numérique favorisant l’entraide financière
entre membres d’une même communauté. Ce projet vise à moderniser les traditions
africaines en les adaptant aux outils numériques pour préserver le patrimoine familial
et encourager la solidarité économique.
La digitalisation de ce processus facilite la transparence, la gestion des fonds
et l’automatisation des cycles de contribution et de redistribution.
Tour de Famille se veut une solution complète alliant mémoire et solidarité,
pour que chaque famille puisse se réapproprier son histoire tout en bâtissant un avenir
plus solidaire et prospère
“The landscape of love”: sex-specific habitat-use during the mating season in a solitary large carnivore
No full textContext
In mammals, reproductive strategies and movement behavior can differ between sexes, influenced by biological and environmental factors. Whereas males typically adopt a “roam-to-mate” strategy, increasing movement to locate females, females may also adjust their behavior to enhance mating opportunities. Habitat and human disturbance can further shape the spatial structure of mating encounters.
Objectives
This study investigates sex-specific habitat use during mating in brown bears. We test (1) which habitats facilitate initial male–female encounters, and (2) how habitat use differs between solitary and consorting individuals, focusing on sex-based differences and responses to anthropogenic features.
Methods
We used GPS data from 70 unique adult brown bears (44 females, 26 males) during the mating season in Sweden (2006–2016). We contrasted initial encounter areas of male–female pairs with surrounding available habitat to assess encounter site preferences, accounting for natural and anthropogenic landscape features. Additionally, we compared habitat use for each sex when solitary versus consorting.
Results
Bears most often encountered the opposite sex in clearcuts and young forests. When consorting, males moved farther away from anthropogenic areas than when solitary and increased their use of clearcuts, whereas females reduced their use of young and old forests, in contrast to males. Both sexes approached roads more when consorting.
Conclusion
This study revealed distinct sex-specific habitat preferences during brown bear consorting behavior, supporting the evidence of female “roam-to-mate” behavior by adjusting to males’ habitat use. Our findings emphasize the importance of managing anthropogenic landscapes for conservation efforts, especially if they disrupt mating behaviors
Prédiction pour l’optimisation de la consommation électrique résidentielle à l’aide de l’apprentissage automatique sur des données électriques et météorologiques
No full textL’optimisation de la consommation électrique résidentielle représente un défi majeur à l’ère de la transition énergétique. Pour y répondre, la capacité de prédire cette consommation s’impose comme un outil presque indispensable, car elle permet d'anticiper et d'assurer la gestion de l’énergie d’une manière plus efficace, durable et économique. C’est dans ce cadre que le présent projet de maîtrise explore les solutions offertes par l’apprentissage automatique pour la prédiction à partir de données de consommation et météorologiques.
La solution développée est axée sur l’utilisation de divers modèles d’apprentissage automatique et d’apprentissage profond. Ces modèles ont été entraînés sur des données de consommation réelle issues des données publiques d’Hydro-Québec. L’étude aborde plusieurs phases de prédiction, allant de l’ingénierie des caractéristiques à l’optimisation des hyperparamètres, en passant par l’explicabilité des modèles à l’aide de la technique shapley additive explanations (SHAP). Elle explore également les modèles préentraînés utilisés pour la prédiction de séries temporelles, tels que TimeGPT et TimesFM.
Au cours de ce travail, une évaluation comparative des performances de différents modèles (régression linéaire, XGBoost, CatBoost, RNN, LSTM, TimeGPT, TimesFM) a été effectuée, en utilisant des métriques telles que la racine de l’erreur quadratique moyenne (RMSE), l’erreur absolue moyenne (MAE), l’erreur quadratique moyenne (MSE), l’erreur absolue moyenne en pourcentage (MAPE), et le coefficient de détermination (R²). Les résultats ont montré que les modèles d'ensemble peuvent être performants pour la prédiction de la consommation électrique. Mieux encore, les modèles préentraînés ont démontré une capacité à produire des prédictions fiables sans nécessiter d'entraînement local.
Ce projet de recherche vise ainsi à démontrer comment l’intelligence artificielle peut contribuer à une meilleure anticipation de la consommation et à l’optimisation énergétique. Il propose également une méthodologie applicable à d’autres contextes de prédiction énergétique, avec un intérêt particulier pour la performance, l’explicabilité et l’applicabilité des modèles