Domaine de recherche
Les systèmes qui s'adaptent aux personnes doivent être honnêtes sur le peu qu'ils savent de la personne qu'ils ont en face d'eux.
Comment les systèmes adaptatifs et sensibles aux affects peuvent-ils soutenir l'apprentissage et le bien-être sans surinterpréter des signaux rares et intimes ?
My doctoral research sat here: machine learning on wearable sensor data to monitor the mental health of frontline healthcare workers. The useful finding was as much about limits as about accuracy. Signals from the body are sparse, noisy and deeply contextual, and a model that performs well on a cohort can still be the wrong instrument for an individual decision.
The same tension runs through adaptive learning systems, which I worked on earlier in education settings: personalisation is only as good as the model of the learner, and that model is always thinner than the learner.
Productions
2026
Digital Skills and Jobs Platform, European Commission
Une analyse approfondie pour la plateforme de compétences de la Commission européenne : où l'IA clinique est réellement utile, et quelle assurance les soins réglementés doivent en exiger.
PolicyAuthor
2024
Université Paris Cité
Recherche doctorale sur ce que les données de capteurs portés permettent, et ne permettent pas, d'affirmer lorsque la question est le risque clinique.
PublicationsAuthor
2019
2019 IEEE 18th International Conference on Cognitive Informatics & Cognitive Computing (ICCI*CC)
Early work connecting cognitive science and socio-emotional learning to digital pedagogy.
PublicationsCo-author
2019
UNESCO MGIEP
How a learning platform used machine learning to connect knowledge across a UNESCO institute's work.
ReportsAuthor
Projets
Recherche doctorale sur la capacité des données de capteurs portés à soutenir le suivi du risque de santé mentale chez les soignants de première ligne, et sur les limites de la méthode.