En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Contrat doctoral (H/F) en sciences sociales computationnelles

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Faites connaître cette offre !

Informations générales

Référence : UMR8504-THOLOU-003
Lieu de travail : AUBERVILLIERS
Date de publication : jeudi 7 mai 2020
Nom du responsable scientifique : Thomas Louail
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 octobre 2020
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel

Description du sujet de thèse

Dans le cadre du projet RECORDS (pRatiques dEs publiCs des platefORmes De Streaming musical, records.huma-num.fr), nous proposons un contrat doctoral (3 ans) dédié à l'étude de dynamiques spatiales associées aux consommations de contenus sur les plateformes de streaming.

Les principales plateformes de streaming sont accessibles dans presque tous les pays, proposent une interface standardisée et des plans d'abonnement quasi-identiques. Une grande partie de leur catalogue est également internationalisé. En cela elles constituent un cas intéressant pour étudier la dimension spatiale des goûts, des pratiques d'écoute, des modes de consommations de contenus et la diffusion spatio-temporelle de la musique. Les propositions de recherche des candidat.e.s pourront porter sur tout sujet qui peut s'inscrire dans le projet RECORDS et ayant une dimension spatiale. Les orientations suivantes sont possibles (sans être exclusives) :

- le rôle du contexte dans l'écoute individuelle. Le contexte d'écoute (le lieu, l'activité effectuée en parallèle, les personnes présentes) détermine-t-il le choix de la musique écoutée ? Bien qu'intuitive cette hypothèse a été peu corroborée par des études s'appuyant sur des données d'écoute détaillées et suivies sur plusieurs semaines ou plusieurs mois. Les systèmes de recommandation automatique ont jusqu'à présent très peu intégré ces informations de contexte pour choisir les contenus à recommander. Les données collectées par les plateformes contiennent des informations de bas niveau (timestamp, ip, matériel, fonctionnalités de la plateforme utilisées) qui sont utiles pour inférer, par apprentissage statistique, des contextes de plus haut niveau (par exemple "à la maison", "en déplacement", "à une fête"). Ces informations pourraient être utilisées pour comparer la variabilité intra-individuelle et inter-individuelle des écoutes selon les contextes, et suggérer des modèles utiles pour relier contexte, musiques écoutées, et satisfaction des auditrices/teurs.

- la diversité géographique des goûts et des pratiques sur les plateformes. Si l'on agrège spatialement les données d'écoute et que l'on calcule les genres musicaux et les artistes les plus écoutés dans une région donnée, des différences apparaissent sur la carte. En plus des liens entre statut/origines sociales et préférences de goût -- l'organisation sociale de l'espace induisant une organisation spatiale des écoutes -- d'autres facteurs peuvent expliquer les différences spatiales observées, notamment l'existence de genres et scènes musicales locales ou la présence d'infrastructures culturelles. A quelles échelles géographiques le lieu est-il un facteur explicatif des écoutes ? Dans quelles mesures les traditions musicales et les genres et sous-genres locaux restent-ils influents sur des plateformes aux catalogues globaux ?

- les effets de perturbations externes. Les individus changent-ils leurs habitudes lors d'événements extraordinaires, et si oui comment ? Les données d'activité collectées par les plateformes peuvent-elles permettre d'inférer des informations de plus haut niveau dans de telles situations, par exemple sur les mobilités humaines ?

- la diffusion spatiale de la musique. De nombreux modèles ont été proposés pour comprendre les mobilités et la diffusion des personnes, des informations, des innovations, des épidémies, etc. à différentes échelles. Dans quelle mesure ces modèles sont-ils utiles pour comprendre comment des morceaux et des artistes se diffusent dans l'espace ? Par exemple, une stratégie/contrainte commune parmi les artistes pour gagner en popularité est de s'installer dans une grande ville ("monter à Paris"). Nous pourrions, pour quelques cas, combiner les données biographiques des artistes avec des données d'écoute géoréférencées s'étendant sur plusieurs années. Les trajectoires des artistes sont-elles liées au nombre et à la localisation de leurs auditeurs.trices ?

Nous cherchons des candidat.e.s ayant reçu soit une formation en sciences sociales avec une solide composante quantitative et numérique ; soit en informatique, mathématiques appliquées ou physique statistique, avec une forte appétence pour les collaborations pluridisciplinaires en sciences sociales et une première expérience de ce type. Le travail impliquera une relative autonomie en analyse de données (y compris en analyse spatiale/SIG pour la thèse en Géographie-cités) et en modélisation.

Contexte de travail

RECORDS est un projet de recherche collaboratif financé par l'ANR (2020-23). Il associe plusieurs unités du CNRS, une équipe d'Orange Labs et le département R&D de deezer, l'un des principaux acteurs du streaming musical en France. L'objectif principal est de contribuer à une meilleure compréhension (i) de la diversité des pratiques des utilisateurs et des consommations de contenu sur les plateformes de streaming (ii) des effets de la recommandation éditoriale et algorithmique (iii) de la diffusion spatio-temporelle de la musique. Le projet s'appuie sur un dispositif original de collecte de données qui articule historiques d'écoute anonymisés d'utilisateurs.trices sur la plateforme pendant plusieurs années ; des informations détaillées auto-déclarées recueillies par le biais d'une enquête par questionnaire à grande échelle ; enfin des entretiens approfondis avec des enquêté.e.s volontaires. Les chercheur.e.s et ingénieur.e.s participant au projet sont issus des sciences sociales (principalement des sociologues et des géographes), de l'informatique et du traitement du signal. Le projet est dirigé par Thomas Louail (CNRS, Géographie-cités), Philippe Coulangeon (CNRS, Observatoire Sociologique du Changement), Camille Roth (CNRS, Centre Marc Bloch), Jean-Samuel Beuscart (Orange Labs SENSE) et Manuel Moussallam (Deezer R&D). Plus d'informations sont disponibles sur le site du projet, records.huma-num.fr.

Le/La doctorant.e rejoindra Géographie-cités, une unité de recherche du CNRS située sur le Campus Condorcet. L'unité rassemble une soixantaine de membres permanents (chercheur.e.s, enseignant.e.s-chercheur.e.s et IT), ainsi qu'environ 90 doctorant.e.s, post-doctorant.e.s et IT contractuel.le.s. Le campus Condorcet est un nouveau campus de recherche en sciences sociales qui a ouvert ses portes en septembre 2019 et qui est situé à Aubervilliers, dans la banlieue nord de Paris, à 20 minutes du centre par les transports en commun. Le campus héberge onze institutions de recherche et universités, plus de soixante unités de recherche et plusieurs milliers de personnes. Le/La doctorant.e pourra également accéder aux bureaux de l'équipe R&D de Deezer à Paris, à 20 minutes du campus. Il/Elle recevra un ordinateur portable et aura un accès sécurisé aux données du projet. Elle/Il bénéficiera de la dynamique collective du projet, ce qui inclut des possibilités de collaborations avec tou.te.s les participant.e.s (voir la liste sur le site web records.huma-num.fr). La thèse sera co-encadrée par Thomas Louail (CR CNRS) et par un.e autre co-encadrant.e, dont le choix dépendra des intérêts de recherche du/de la candidat.e.

On en parle sur Twitter !