Séminaire LISC 29/06/01 Diffusion de l innovation Etudes sociologiques Modèles à seuil Réseaux sociaux Automates cellulaires, en réseaux

Séminaire LISC 29/06/01 Modèles à seuil La décision est une fonction de la somme d un intérêt individuel et d une fonction des adoptions dans le voisinage : C = f(interet, nb adoptants) Les cellules sont mises à jour aléatoirement

Séminaire LISC 29/06/01 Formalisation (P. Young) Matrice de coût sur différentes actions suivant l état du voisin ex: DG D0-10 G-100 Si le choix est fait selon une proba exp(-C), alors l état asymptotiquement le plus fréquent est celui qui minimise une fonction d énergie globale sur le réseau

Séminaire LISC 29/06/01 Direction d amélioration Expliciter le processus de décision et les influences –Transmission d information pour permettre d évaluer l intérêt individuel –Influence sociale pour l évaluation de l intérêt social (ce n est plus une fonction directe du nombre d adoptants)

Séminaire LISC 29/06/01 Modèle de réseau 3 types de liens –voisinage –professionnel (marchés, associations) –aléatoires Similarités avec « small worlds »

Séminaire LISC 29/06/01 Dynamics of discussions (parameter ) La probabilité d envoi dans le réseau décroît

Séminaire LISC 29/06/01 Influence sociale Une opinion x est accompagnée dune incertitude d. Premier modèle : incertitude constante: Si

Séminaire LISC 29/06/01 [D/2d]=1[D/2d]=2 Distribution initiale des opinions uniforme sur un segment de largeur D

Séminaire LISC 29/06/01 Modification des dynamiques : influence de lincertitude –les convaincus sont plus influents –les fonctions dinteractions sont continues

Séminaire LISC 29/06/01 Représentation de la densité incluant l incertitude

Séminaire LISC 29/06/01 Exemple

Présence d extrémistes

Séminaire LISC 29/06/01 Convergence centrale majoritaire

Séminaire LISC 29/06/01 Deux extrêmes majoritaires

Séminaire LISC 29/06/01 Un extrême majoritaire

Séminaire LISC 29/06/01 Distribution initiale des opinions uniforme

Séminaire LISC 29/06/01 Distribution initiale des opinions gaussienne

Séminaire LISC 29/06/01 Distribution initiale des opinions gaussienne décalée

Séminaire LISC 29/06/01 Distribution initiale des opinions gaussienne décalée

Séminaire LISC 29/06/01 Proba d interaction constante, réseau

Séminaire LISC 29/06/01

Réseau

Réseau + Distribution initiale des opinions gaussienne décalée

Séminaire LISC 29/06/01 Exploration modèle abstrait –Meeting dinformation (oui/non) –Visites systématiques (oui/non) –Taille du réseau (15%, 50%) –Réseau instit de best diffusers (oui/non) –Influence positive de la société (oui/non) –densité du réseau de voisinage (1,4) –propagation de linformation (0.1, 0.5) –Présence dextrémistes (0%, 20%) –impact perso moyen (-0.5, +0.5) –impact social moyen (-0.25, +0.25)

Séminaire LISC 29/06/01

Etude de sensibilité On regarde, pour chaque paramètre la différence du nombre dadoptants moyens lorsque tous les autres paramètres ont la même valeur.

Séminaire LISC 29/06/01

Farm population characteristics Problem : generate a statistically sound population of farms large population (several thousands) : combination of FADN and census data. The FADN prototypes are duplicated in order to fit aggregated census data by commune Small populations (a few hundreds) : the characteristics are reconstituted from different data sources and expert knowledge

Séminaire LISC 29/06/01 Farm population of Allier

Séminaire LISC 29/06/01 Initialisation of social networks From specific interviews in the project Other data Simplification in 3 types of networks : –neighbour networks –professional networks –other links (small number supposed random)

Séminaire LISC 29/06/01 Example : Breadalbane ESA (Scotland)

Séminaire LISC 29/06/01 Initialisation of expectations From interviews Expertise : expectation about independence will be negative Use of random distributions (normal or gamma)

Séminaire LISC 29/06/01 Initialisation of institutional scenarios From interviews Analysis of the press

Séminaire LISC 29/06/01 Method Define institutional scenarios corresponding to the data Define ranges of possible initialisation for expectations Determine the sets of model parameters best fitting the data of adoption Perform sensitivity analysis in the neighbourhood of these values

Séminaire LISC 29/06/01 Breadalbane ESA

Séminaire LISC 29/06/01 Définitions de la complexité Chaitin-Kolmogorov fondée sur la notion de plus petit programme, qui a un sens par rapport aux machnies de Turing universelles Von-Neumann, Dupuy : Autour de la machine de Turing Universelle, mais dans le fait qu elle instancie le théorème de Gödel. Varela Dupuy : génération d auto-transcendance Prigogine : Dynamique chaotique à partir des grands systèmes de Poincaré : perte de la notion de trajectoire, travail sur des distributions