Topic description
Cette proposition fait suite au financement du projet de stage EcoLink sélectionné par le PTL Colors MIPS.
Le contexte de cette thèse s'inscrit dans le cadre des concepts “One Health” et “Planetary Health”, qui visent à analyser les perturbations du système terrestre causées par l'activité humaine, notamment les dérèglements climatiques et les événements extrêmes, ainsi que leurs impacts sur la santé. L'enjeu sociétal adressé par cette thèse est de permettre aux populations locales ainsi qu'aux acteurs décisionnaires de mieux interpréter, anticiper et répondre aux impacts du changement climatique d'ores et déjà vécus ou prévus par les scénarios de projection climatique. Cet enjeu s'aligne notamment avec les objectifs du développement durable 3 (Bonne santé et bien-être) et 13 (Mesures relatives à la lutte contre les changements climatiques).
De nombreux travaux proposent aujourd'hui des modèles de simulation [20] ou d'apprentissage pour étudier ces interactions, en s'appuyant sur des approches statistiques [21] ou des méthodes d'apprentissage automatique [18, 19]. Ces approches permettent d'identifier des corrélations ou de fournir des prédictions, mais restent souvent limitées en termes d'explicabilité et d'analyse de scénarios. En plus, elles peuvent être coûteuses en ressources de calcul et difficiles à généraliser à différents contextes. De tels modèles s'avèrent également inadaptés aux situations émergentes où les données sont rares et dont les implications pour la santé des populations exposées peuvent être nombreuses et graves. Par exemple, de telles situations peuvent être associées à l'occurrence de phénomènes météorologiques jusque-là non observés dans la région mais devenant (ou étant censés devenir) plus fréquents et/ou intenses du fait du changement climatique (ou des scénarios futurs de changement climatique) : sécheresses extrêmes, inondations, etc.
Cette thèse propose d'explorer des approches alternatives, plus frugales, interprétables et explicables. Ainsi, nous privilégierons l'exploitation de données existantes issues de Data Hubs (tels que Data Terra ou Climats Sud), afin d'identifier des situations analogues et d'en tirer des enseignements. Dans ce contexte, un raisonnement par analogie, qui permet d'interpréter une telle situation et d'orienter la prise de décision, s'avère particulièrement prometteur. La recherche de cas similaires a été étudiée dans le cadre du raisonnement analogique CBR [22]. Nous tirerons parti des récentes avancées dans le domaine du raisonnement analogique explicable (XCBR) [14, 16, 17], où est prise en compte la description de cas complexes et la similarité sémantique entre ces cas par l'utilisation de graphes de connaissances.
De plus, lorsque c'est pertinent, nous chercherons à calculer des explications contrefactuelles [13, 15] afin de mieux anticiper les actions à prendre pour atténuer les effets des scénarios ou des événements climatiques extrêmes. Les explications contrefactuelles permettent de mieux appréhender quelles modifications minimales apporter aux paramètres d'un indicateur connu, afin que ce dernier soit associé à des situations souhaitables ou à éviter. Par exemple, si l'on considère l'application d'un indicateur de risque sur la santé à un cas d'étude observé ou prédit (en tenant compte du scénario climatique), une explication contrefactuelle permettra de déterminer quels leviers actionner (parmi les paramètres en entrée) pour diminuer le risque à un niveau inférieur, ou, inversement, éviter d'augmenter le risque à un niveau supérieur.
La thèse se déroulera en trois phases : 1) état de l'art, structuration des données, premier prototype, description et recherche de cas similaires 2) amélioration du système d'aide à la décision, avec optimisation du raisonnement analogique et des explications contrefactuelles ; et 3) validation des explications auprès des différents acteurs et généralisation à d'autres études de cas.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
This PhD proposal builds upon the EcoLink internship funding selected by PTL Colors MIPS .
This thesis is in the context of 'One Health' and 'Planetary Health,' which both aim to analyze the disruptions of the Earth system caused by human activity, particularly climate disturbances and extreme events, as well as their impacts on health. The societal challenge addressed by this thesis is to enable local populations as well as decision-makers to better interpret, anticipate, and respond to the impacts of climate change that have already been experienced or are projected by climate scenarios. This issue aligns in particular with Sustainable Development Goals 3 (Good health and well-being: Enable people to live healthy lives and promote well-being at all ages) and 13 (Climate action - Take urgent action to combat climate change and its impacts).
Many studies today propose simulation models [20] or learning methods to study these interactions, relying on statistical approaches [21] or machine learning methods [18, 19]. These approaches identify correlations or provide predictions, but often remain limited in terms of explainability and scenario analysis. Moreover, they can be costly in terms of computational resources and difficult to generalize to different contexts. Such models also prove inadequate for emerging situations where data is scarce and the implications for the health of exposed populations can be numerous and severe. For example, such situations may be associated with the occurrence of weather phenomena previously unobserved in a specific region but becoming (or expected to become) more frequent and/or intense due to climate change (or future climate change scenarios): extreme droughts, floods, etc. This thesis proposes to explore alternative, more frugal, interpretable, and explainable approaches. Thus, we will not base our study on digital twin approaches, but will instead prioritize the use of existing data from Data Hubs (such as Data Terra or Climats Sud) to identify similar situations and draw lessons from them. In this context, reasoning by analogy, which allows for the interpretation of such a situation and guides decision-making, proves to be particularly promising. The search for similar cases has been studied within the framework of CBR analogical reasoning [22]. We will leverage recent advances in the field of explainable case-based reasoning (XCBR) [14, 16, 17], where the description of complex cases and the semantic similarity between these cases are taken into account through the use of knowledge graphs. Moreover, when relevant, we will seek to calculate counterfactual explanations [13, 15] in order to better anticipate the actions to be taken to mitigate the effects of extreme climate scenarios or events. Counterfactual explanations allow for a better understanding of what minimal modifications should be made to the parameters of a known indicator, so that the latter is associated with desirable or avoidable situations. For example, if we consider the application of a health risk indicator to an observed or predicted case study (taking into account the climate scenario), a counterfactual explanation will allow us to determine which levers to pull (among the input parameters) to reduce the risk to a lower level, or, conversely, to avoid increasing the risk to a higher level.
The thesis will be conducted in three phases:
1) state of the art, data structuring, first prototype, description and search for similar cases
2) improvement of the decision support system, with optimization of analogical reasoning and counterfactual explanations and
3) validation of the explanations with the various stakeholders and generalization to other case studies.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Début de la thèse : 01/10/
Funding category
Public funding alone (i.e. government, region, European, international organization research grant)
Funding further details
Concours pour un contrat doctoral
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.