GESTION DES TACHES COUPLEES INVENTIVES PAR PROJETS SUCCESSIFS PAR EXTENSION DES CRITERES DE PERFORMANCE

GESTION DES TACHES COUPLEES INVENTIVES PAR PROJETS SUCCESSIFS PAR EXTENSION DES CRITERES DE PERFORMANCE

Ce chapitre a pour ambition d’analyser les effets de la capitalisation sur le challenge 2 du programme Epidemium. Dans un premier temps, nous analyserons le déroulement du challenge 2 et nous présenterons les résultats obtenus. Nous montrerons que les bonnes performances du challenge 2 sont principalement dues à la capitalisation menée par les participants eux-mêmes. Nous mettrons ensuite en avant un effet de double extension qui ne pouvait être observé sur un seul challenge. D’abord une extension dans la taille des espaces explorés avec l’apparition de projets qui ne proviennent pas des bases de données disponibles. Ensuite une extension des fonctions de valeur via des projets qui ne peuvent être évalué uniquement avec les critères de valeurs qui ont été créés durant le challenge 1. Nous suggérons que ces phénomènes d’extension doivent être gérés durant le processus de capitalisation. Nous avons vu dans le chapitre 8 que la capitalisation séquentielle dans le cas de tâches couplées inventives impliquait de piloter la transmission entre les projets de l’avancement de l’exploration des espaces. Dans ce chapitre, nous étudions les effets de la capitalisation qui a été mise en œuvre par les organisateurs d’Epidemium sur la performance du deuxième challenge, et nous tirons des conclusions sur les moyens à mettre en œuvre pour piloter la capitalisation séquentielle.

BILAN GLOBAL DU DEUXIEME CHALLENGE

Entre la fin du premier et du deuxième challenge la communauté Epidemium, définie comme le nombre de personnes inscrites aux meetups et aux newsletter, a doublé passant de 600 à 1200 inscrits. En parallèle, le nombre de participants actifs a diminué sur le deuxième challenge : 22 volontaires ont participé sur les deux premières thématiques tandis que le thème 3 a regroupé 32 étudiants issus des écoles Centrale Paris, Polytechnique et ESIEA. Cela représente un total de 54 membres (dont 32 étudiants), soit un taux de transformation de 4.5% (2% sans les étudiants). Ce taux est beaucoup plus faible que durant le premier challenge, où il y a eu environ 10% de la communauté ayant été active. Les raisons sont multiples. Les participants évoquent des barrières à l’entrée plus élevée que durant le premier challenge rendant la participation plus complexe. En effet, les organisateurs ont imposé la cohérence du projet avec la littérature scientifique. De ce fait, les conditions pour soumettre une proposition ont demandé un travail plus structuré et plus approfondi pour les participants. Deuxièmement, certains participants ont reconnu qu’il y avait une double difficulté d’acculturation pour intégrer le programme Epidemium : d’abord pour comprendre le monde relatif au domaine médical et scientifique, d’autant plus renforcée par l’obligation de fournir un résultat scientifique. Ensuite la mise en pratique d’une culture de l’ouverture et de la collaboration qu’on ne retrouve pas traditionnellement dans les projets scientifiques. Enfin, le projet Epidemium ne bénéficie plus de l’effet de nouveauté.

13 équipes ont proposé un projet, dont 10 sont arrivés jusqu’au bout en soumettant leur projet au comité à la fin du challenge. Sur les 10 projets, 5 sont des projets d’étudiants relatifs à la thématique 3. Les 10 projets diffèrent dans leur approche suivant les thématiques auxquelles ils sont raccrochés (tableau 19). La thématique 1 ne contient qu’un seul projet, IDEA, dont l’objectif est de développer un outil de visualisation des données basé sur un algorithme de machine learning. Le principe est qu’à chaque fois que l’outil sera utilisé, la visualisation qu’il aura choisie (histogramme, carte, courbes,…) sera notée par l’utilisateur en fonction de plusieurs paramètres comme le type d’utilisateur ou le type de base de données. Ainsi plus l’outil est utilisé, plus il « apprend » de ses utilisateurs afin de fournir le type de visualisation le plus adapté. Ce projet est réalisé par des employés de l’entreprise CONIX, qui avaient déjà participé au premier challenge dans le cadre du projet ELSE. Une deuxième catégorie d’équipes issus de la thématique 2 a cherché à développer des outils algorithmiques pour prédire la progression du cancer dans le temps et dans l’espace en fonction du régime alimentaire (Cancer Diet), pour étudier l’impact des essais cliniques (AROUND) ou encore pour aider les autorités publiques à prendre des décisions en terme de santé publique (Locapred). Une troisième catégorie concerne les projets étudiants sur la prédiction de la mortalité des cancers dans les pays en voie de développement (Prévenir pour mieux guérir, Cancerinfl, Osy3a, Oma, Octopus). Contrairement aux thématiques proposées durant le challenge 1, la thématique 3 se concentre sur un nombre de variables limitées et cherche à multiplier les explorations dans un espace restreint de l’espace des hypothèses. Pour rappel, la thématique 3 est de prédire la mortalité par cancer dans les pays en voie de développement. Dans cette thématique, les organisateurs précisent le type d’impact {mortalité}, demandent à ne travailler que sur un seul type de cancer, et réduisent l’exploration aux {pays en voie de développement}.

 

Cours gratuitTélécharger le document complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *