Projets de recherche en cours

Ce projet vise à identifier des caractéristiques spécifiques dans les clusters scientifiques qui sont susceptibles d'avoir ultérieurement un impact sur les évolutions technologiques. Dans cette perspective, il est prévu de : 1) faire usage de techniques quantitatives de pointe comme l'analyse sémantique et l'intégration de graphiques, appliquées aux publications scientifiques et aux données brevet ; 2) de diriger des monographies sur des cas spécifiques dans des domaines scientifiques variés (par ex. l'apprentissage automatique, le cancer, l'ARNm, la cybersécurité, la technologie CRISPR, le calcul quantique) ; et 3) de mesurer et de tester des caractéristiques spécifiques de découvertes scientifiques susceptibles d'influer sur leur futur impact. Les délivrables incluront un rapport d'analyse et une boîte à outils permettant aux utilisateurs d'évaluer l'impact potentiel de publications scientifiques spécifiques relatives aux technologies.

Les citations de brevets dans les publications scientifiques sont habituellement interprétées comme étant des indicateurs de flux de connaissances potentiels. Cependant, les citations sont parfois problématiques pour différentes raisons, alors que les alternatives fondées sur les textes pâtissent d'une perte d'informations et d'une flexibilité limitée. Nous proposons donc d'exploiter la similarité sémantique entre les brevets et les publications scientifiques en utilisant les dernières avancées de l'apprentissage automatique. Notre solution repose sur des modèles auto-attentifs qui identifient des documents similaires sur le plan sémantique. Un brevet qui est très similaire à une publication scientifique antérieure peut avoir été influencé par celle-ci. Notre approche est souple et peut traiter de grandes quantités de textes. Une fois que les documents sont reliés sémantiquement, nous utilisons les données afin de tirer des conclusions concernant la diffusion de connaissances relatives à la science au sein des publications et vers les brevets et au sein de ces derniers.

Les systèmes de recherche actuels pour la recherche de brevets reposent principalement sur des contenus textuels afin de trouver des documents similaires. La recherche sur la manière dont on utilise des contenus visuels sous forme de chiffres tels que les diagrammes et les dessins schématiques voire même une combinaison de texte et d'images dans les brevets ("recherche multimodale") reste limitée. Cependant, une approche multimodale authentique devrait désormais permettre d'atténuer les difficultés connues en matière de recherche de brevets, comme celles dues à la terminologie toujours changeante des évolutions techniques. Le projet proposé explore et élargit le champ des technologies de pointe permettant d'extraire des informations et d'effectuer des recherches de similitudes dans les bases de données brevet, en se concentrant sur des techniques d'apprentissage profond et en utilisant des jeux de données à grande échelle. L'objectif principal est d'exploiter les informations sous forme d'image contenues dans les brevets et de les relier à un contenu textuel pour une recherche optimisée.

Il existe de nombreux systèmes fondés sur la technologie afin d'assister les étudiants. Certains systèmes aident les étudiants pendant le processus d'apprentissage en proposant des ressources d'apprentissage ou en recommandant certaines activités. D'autres systèmes soutiennent les étudiants pendant la phase d'évaluation en leur donnant un retour ou suivent leur progression en leur recommandant la meilleure voie d'apprentissage pour terminer un cours avec succès. Selon les étudiants et leurs besoins en matière de cours, certaines options sont plus pertinentes que d'autres. Ce projet vise à :

• définir un système d'apprentissage intelligent afin d'aider les étudiants à réussir leur processus d'apprentissage en ayant recours aux techniques de l'intelligence artificielle pour la formation en PI,
• définir la meilleure stratégie d'évaluation automatique et les ressources d'apprentissage les plus probantes pour un système de retour automatique,
• créer un chatbot afin de stimuler une interaction professeur/étudiant.

En nous fondant sur les recueils de thèses de doctorat électroniques, nous relions les informations de titulaires de doctorats obtenus en France, en Allemagne, aux Pays-Bas et en Espagne, aux données relatives aux brevets et aux données de publications scientifiques. Nous identifions donc à la fois les diplômés qui deviennent des inventeurs et ceux qui deviennent des scientifiques et publient des articles cités dans la littérature brevet, soit directement (brevet ->citation de la publication du docteur) soit indirectement (brevet ->autres publications ->chaîne de citation de la publication du docteur). Nous recueillons les mêmes informations pour les superviseurs du diplômé. Nous examinons ensuite les facteurs ayant une incidence sur la probabilité que les diplômés s'engagent dans des carrières d'inventeurs et/ou des carrières scientifiques mais avec des publications pertinentes en matière d'inventions. Ces facteurs incluent le genre et les rapports scientifiques et d'invention du directeur de thèse. En ce qui concerne la France et l'Allemagne, nous nous concentrons également sur les contributions spécifiques de diplômés étrangers.