Systèmes adaptatifs centrés sur l'humain
Comment les systèmes adaptatifs et sensibles aux affects peuvent-ils soutenir l'apprentissage et le bien-être sans surinterpréter des signaux rares et intimes ?
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.
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.
Travaux choisis
- Politiques publiquesAI in health: how smart technology is breaking new frontiers in medical careAuteur, Digital Skills and Jobs Platform, European Commission2026
- ArticleData preprocessing and machine learning in wearable data analysis: assessing efficacy and challenges for mental health monitoring of healthcare professionalsAuteur, Université Paris Cité2024
- ArticleThe Alternate Education for the 21st CenturyCoauteur, 2019 IEEE 18th International Conference on Cognitive Informatics & Cognitive Computing (ICCI*CC)2019
- RapportCHI, a knowledge-sharing digital platform powered by machine learningAuteur, UNESCO MGIEP2019
Projets de recherche
Données de capteurs portés et bien-être des soignants
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.
Suivant / Territoire
Gouvernance des données d'intérêt général