LogoLogo

Jayles, Bertrand. Effects of information quantity and quality on collective decisions in human groups

Jayles, Bertrand (2017). Effects of information quantity and quality on collective decisions in human groups.

[img]PDF - nécessite un logiciel de visualisation PDF comme GSview, Xpdf or Adobe Acrobat Reader
9Mb

Résumé en francais

Dans cette thèse, nous nous sommes intéressés à l'impact de la quantité et de la qualité de l'information échangée entre individus d'un groupe sur leurs performances collectives dans deux types de tâches bien spécifiques. Dans une première série d'expériences, les sujets devaient estimer des quantités séquentiellement, et pouvaient réviser leurs estimations après avoir reçu comme information sociale l'estimation moyenne d'autres sujets. Nous contrôlions cette information sociale à l'aide de participants virtuels (dont nous contrôlions le nombre) donnant une information (dont nous contrôlions la valeur), à l'insu des sujets. Nous avons montré que lorsque les sujets ont peu de connaissance préalable sur une quantité à estimer, (les logarithmes de) leurs estimations suivent une distribution de Laplace. La médiane étant un bon estimateur du centre d'une distribution de Laplace, nous avons défini la performance collective comme la proximité de la médiane (du logarithme) des estimations à la vraie valeur. Nous avons trouvé qu'après influence sociale, et lorsque les agents virtuels fournissent une information correcte, la performance collective augmente avec la quantité d'information fournie (fraction d'agents virtuels). Nous avons aussi analysé la sensibilité à l'influence sociale des sujets, et trouvé que celle-ci augmente avec la distance entre l'estimation personnelle et l'information sociale. Ces analyses ont permis de définir 5 traits de comportement : garder son opinion, adopter celle des autres, faire un compromis, amplifier l'information sociale ou au contraire la contredire. Nos résultats montrent que les sujets qui adoptent l'opinion des autres sont ceux qui améliorent le mieux leur performance, car ils sont capables de bénéficier de l'information apportée par les agents virtuels. Nous avons ensuite utilisé ces analyses pour construire et calibrer un modèle d'estimation collective, qui reproduit quantitativement les résultats expérimentaux et prédit qu'une quantité limitée d'information incorrecte peut contrebalancer un biais cognitif des sujets consistant à sous-estimer les quantités, et ainsi améliorer la performance collective. D'autres expériences ont permis de valider cette prédiction. Dans une seconde série d'expériences, des groupes de 22 piétons devaient se séparer en clusters de la même "couleur", sans indice visuel (les couleurs étaient inconnues), après une courte période de marche aléatoire. Pour les aider à accomplir leur tâche, nous avons utilisé un système de filtrage de l'information disponible (analogue à un dispositif sensoriel tel que la rétine), prenant en entrée l'ensemble des positions et couleurs des individus, et retournant un signal sonore aux sujets (émit par des tags attachés à leurs épaules) lorsque la majorité de leurs k plus proches voisins était de l'autre couleur que la leur. La règle consistait à s'arrêter de marcher lorsque le signal stoppait. Nous avons étudié l'impact de diverses valeurs de k sur le temps et la qualité de la ségrégation, définie comme le nombre de clusters à l'instant final, par analogie avec les phénomènes de séparation de phase (une ségrégation "parfaite" correspondant à la formation de deux clusters bien distincts). Nous avons trouvé que le temps de ségrégation est optimisé pour k = 7 ~ 9, et que la qualité de la ségrégation augmente avec k jusqu'à k = 7 ~ 9 également, valeur au-delà de laquelle elle sature. Notre dispositif nous a également permis d'enregistrer les positions des piétons durant les expériences, ce qui nous a permis de caractériser et modéliser les interactions des piétons avec le bord de l'arène et entre eux durant la marche aléatoire. À l'aide d'une procédure de minimisation d'erreur, nous avons reconstruit les formes fonctionnelles précises des interactions et construit un modèle fin de mouvement collectif de piétons.

Sous la direction du :
Directeur de thèse
Sire, Clément
Theraulaz, Guy
Ecole doctorale:Sciences de la matière (SdM)
laboratoire/Unité de recherche :Laboratoire de Physique Théorique - Toulouse (LPT), UMR 5152 ; Centre de Recherches sur la Cognition Animale (CRCA), UMR 5169
Mots-clés libres :Intelligence collective - Information - Prise de décision - Sagesse des foules - Intelligence d'essaim
Sujets :Sciences du vivant
Déposé le :26 Oct 2018 13:08