Journée EGC&IA 2018

23 janv. 2018
Maison des sciences de l'Homme de Paris Nord - Paris (France)

http://egc-ia-2018.sciencesconf.org

À l'ère de Big Data, chaque utilisateur de notre monde hyper-connecté laisse derrière lui une myriade de traces numériques tout en effectuant ses activités quotidiennes. Ces masses de données sont majoritairement exploitées par de grandes compagnies afin d’en extraire de précieuses informations permettant de modéliser le comportement humain et d’améliorer des stratégies de marketing. Chaque compagnie n’a qu’une vision limitée des données personnelles disponibles, uniquement celles collectées via les services qu’elle propose. Et surtout, chaque utilisateur a un contrôle assez limité sur les données réellement collectées, et sur l’usage qu’il pourrait en faire. Des solutions telles que les « Personal Data Store » ou les « Information Management System » apparaissent. L’objectif est de permettre aux utilisateurs de centraliser des données fréquemment utilisées par des sites marchands ou autres et ainsi de faciliter les actions de l’utilisateur lorsqu’il a besoin de transmettre ces informations en lui évitant de devoir les ressaisir (par exemple). Il y a cependant un manque réel d’algorithmes et de modèles dédiés pour le traitement des données personnelles afin d’y détecter des comportements et d’en extraire de la connaissance, tout en garantissant les aspects liés à la protection de la vie privée et les aspects liés à l’éthique dans le cas de scénario d’utilisation centré sur l’utilisateur. Aujourd’hui, l'analyse des données personnelles, la protection individuelle de la vie privée et le respect de l’éthique sont les éléments clés pour tirer parti des services pour un nouveau type de systèmes. La disponibilité d'outils d'analyse personnelle capables d'extraire des connaissances cachées à partir de données individuelles tout en protégeant le droit à la vie privée et en respectant l’éthique peut aider la société à passer de systèmes centrés sur l'organisation à des systèmes centrés sur l'utilisateur, où l'utilisateur est le propriétaire de ses données personnelles et peut gérer, comprendre, exploiter, contrôler et partager ses propres données et les connaissances pouvant en être extraites de manière complètement sûre. L’objectif de cette journée EGC&IA est d’encourager les discussions et les recherches fondées sur des principes qui conduiront à l'avancement de l'analyse des données personnelles, du développement des services personnels, de la protection de la vie privée, du respect de l’éthique, de la protection des données et de l'évaluation des risques liés à la vie privée. Les articles soumis peuvent présenter les résultats de la recherche dans l'un des thèmes d'intérêt pour l'atelier, ainsi que des expériences d'applications, des outils et des idées préliminaires prometteuses. Cependant, les articles traitant d’approches synergiques qui intègrent les exigences en matière de protection de la vie privée et la protection dans l'analyse des données personnelles sont particulièrement bienvenus, ainsi que les articles portant sur tous les aspects liés à l’éthique pour et par l’extraction de connaissances et l’IA. Les articles soumis peuvent être des papiers longs (12 pages) ou courts (6 pages). Les articles courts peuvent discuter de nouvelles idées qui sont à un stade précoce de développement et qui n'ont pas encore été entièrement évaluées. Les auteurs peuvent également soumettre des articles acceptés dans une grande conférences internationales afin d’élargir l’audience de l’article et d’en faire profiter la communauté francophone. Les sujets d'intérêt pour l'atelier comprennent, sans s'y limiter, les éléments suivants : • Personal model summarizing the user's behaviors • Personal data and knowledge management (databases, software, formats) • Personal data collection (crawling, storage, compression) • Personal data integration • Personal data store and personal information management aystems models • Parameter-free and auto-adaptive methodologies for personal analytics • Novel indicators measuring personal behavior • Individual vs. collective models • Privacy-preserving mining algorithm • Privacy-preserving individual data sharing • Privacy risk assessment • Privacy and anonymity in collective services • Information (data/patterns) hiding • Privacy in pervasive/ubiquitous systems • Security and privacy metrics • Personal data protection and law enforcement • Balancing privacy and quality of the service/analysis • Case study analysis and experiments on real individual data
Discipline scientifique : Intelligence artificielle - Apprentissage - Traitement du texte et du document

Lieu de la conférence
Personnes connectées : 87 |  Contact |  À propos |  RSS
Sitemap