Représenter les croyances par des réseaux ... - Semantic Scholar

Représenter les croyances par des réseaux associatifs pour simuler la diffusion d'innovations. Samuel Thiriot1,2 & Jean Daniel Kant1. JFSMA 2007 – 17 au 19 ...
1MB taille 2 téléchargements 104 vues
Représenter les croyances par des réseaux associatifs pour simuler la diffusion d'innovations Samuel Thiriot1,2 & Jean Daniel Kant1 JFSMA 2007 – 17 au 19 Octobre, Carcassonne (1) LIP6 – Université Pierre & Marie Curie (2) France Telecom R&D – Orange Labs

sommaire 1

diffusion d'innovations

2

représentation des connaissances

3

communication

4

résultats

5

discussion

ESSA'07

2

1

diffusion d'innovations

JFSMA'07

3

Diffusion d'innovations La diffusion d'innovations étudie la propagation de nouvelles idées, opinions, ou produits au sein d'une société [Rogers 2003] L'adoption dépend notamment [Rogers 2003] de la communication (awareness, informations détaillées), de la persuasion, de la compréhension, de la crédibilité, de la compatibilité avec des informations préeexistantes

JFSMA'07

4

Approche modèles basés agent existants: • information très simplifiée, qui n'est pas prévue pour être comparée avec des informations réelles (sauf rares exceptions [Deffuant 2005]) • en contradiction avec ce que l'on sait du processus d'adoption…

constats • aucun modèle ne permet d'expliquer, ni de prédire, l'échec de la diffusion [Rogers 2003]

approche: • représenter explicitement les connaissances sur les innovations

la représentation doit: • être applicable à des connaissances réelles qui peuvent être collectées sur le terrain • être aussi "cognitivement" réaliste que possible • être utilisable dans un modèle computationnel (simple, lisible, manipulable, significative) JFSMA'07

5

2

représentation des connaissances

JFSMA'07

6

Réseaux associatifs inspiré d'une théorie marketing, la means-end chains theory [Reynolds 1988] • un produit est un moyen pour atteindre une fin • on peut mesurer des associations d'idées, qui forment des réseaux, par interview

Les liens représentent: • des connaissances sur les attributs de l'innovation • des connaissances sur les conséquences d'un attribut pour l'agent • des connaissances générales • sémantique non contrainte: jugement intuitif, heuristique… JFSMA'07

7

Formalisme Formalisme: • Concepts: ensemble C définit par le modélisateur • Croyance: lien binaire dirigé dans C² • Objet social: concept particulier qui intéresse plusieurs agents [Moscovici 1998]. On échange de l'information à son propos, on forme des jugements ou l'on prend des décisions à son sujet. • Représentation: sous-ensemble du graphe enraciné dans un objet social

Utilisation: • on reconnait dans les plus haut niveaux les composantes utilisées pour évaluer un produit. [Holbrook 1999]. Le modèle de jugement/décision se basera sur ces connaissances • modélise implicitement la compréhension • un message est également un sous-arbre. On peut les récupérer sur le web JFSMA'07

8

Crédibilité: observations les consommateurs associent une crédibilité à leurs croyances, et l'utilisent pour l'évaluation et la communication • recherchent de l'information suffisamment crédible avant d'adopter • précisent spontanément leurs sources d'information lors de la communication (cf. recommandations sur le web)

révision des croyances non rationnelle • certes, les consommateurs se basent sur la source d'information la plus crédible à court terme • mais à moyen terme ils révisent même leurs plus fortes croyances, parce qu'elles sont trop anciennes, ou pour se conformer à la pression sociale

ce phénomène n'est pas capturé facilement par les formalismes actuels (logique, fonctions de croyance…)

JFSMA'07

9

Crédibilité: modèle nous représentons: • un ensemble ordonné de niveaux de crédibilité qualitatifs Σ = {σ1, σ2, σ3, σ4} (voir table) • un niveau de crédibilité est associé à chaque croyance • la probabilité de révision dépend de ces niveaux de crédibilité p(revise| σold, σnew)

évite les représentations numériques inutiles

JFSMA'07

σ1

σ2

σ3

σ4

"ils disent que… "

pas de crédibilité σ1

0.9

0

0

0

"on dit que…"

plausible σ2

1

0.9

0.1

0.001

"un ami, qui a utilisé le produit, m'a dit que…"

expérience indirecte σ3

1

1

0.9

0.001

"j'ai utilisé le produit et j'ai découvert que…"

expérience directe σ4

1

1

1

0.9

10

3

communication

JFSMA'07

11

Canaux Toute communication est supportée par un canal de communication • mono ou bidirectionnel: définit s'il est possible ou pas de choisir le sujet de la discussion (objet social) • avec une audience réduite ou large

Canaux: • réseau de relations sociales: canaux bidirectionnels (par défaut, WattsStrogatz) • publicité: canal de masse unidirectionnel • web: canal de masse bidirectionnel • expérience personnelle: canal unidirectionnel

Exposition: • un paramètre d'exposition fixe la probabilité d'exposition à un canal (mesurable)

JFSMA'07

12

Communication De quoi parlent les agents ? • contrairement à l'approche contagion, il n'y a pas contamination systématique • => les agents ne parlent que des sujets qui les intéressent

Modélisé par une liste d'objets sociaux saillants pour un agent. Un objet social devient saillant si: • quelques informations attirantes (publicité, bouche à oreille, intérêt des autres…) • informations insuffisantes (publicité => pas assez de détails, avis indirect => pas assez de crédibilité) • informations issues de très bonnes ou mauvaises expériences

JFSMA'07

13

Interaction Canal unidirectionnel: • l'information envoyée est choisie par la source (source exogène: définie par le modélisateur)

Canal bidirectionnel: • le sujet de discussion est tiré au hasard dans l'ensemble des objets saillants de chaque agent • les agents échangent leur représentation de l'objet social (sous-arbre des croyances ancré sur o)

La communication peut convaincre, permettre de comprendre, attiser l'intérêt, ou être ignorée par manque de crédibilité ou incompatibilité avec les connaissances préexistantes

JFSMA'07

14

4

simulation

JFSMA'07

15

Simulation étude de cas sur l'iPod • l'ensemble du modèle est développé en Java en utilisant la plateforme RePast

paramètres: • 1 pas de temps = 1 semaine • profils des consommateurs (attractivité, adoption, connaissances préexistantes) définis selon la littérature, la segmentation • connaissances des agents => interviews • objet social: iPod • exposition aux canaux d'information: INSEE, études sur le bouche à oreille [Carl 2006] • agents: 5000

JFSMA'07

16

Résultats CFSÂ

JFSMA'07

17

Surprises conviction • les agents échangent des informations sur les qualités du produit, mais aussi leurs connaissances générales => ils apprennent aussi pourquoi ne pas adopter, et comment choisir

impact de la publicité • dans les modèles actuels, la publicité est utile pour lancer la diffusion, puis s'efface au profit de la communication endogène. • dans notre modèle, la publicité ravive le bouche à oreille, ce qui est conforme avec la réalité

importance du positionnement sur le réseau relationnel • l'adoption dépend particulièrement du positionnement sur le réseau relationnel. Conforme avec des observations récentes sur l'impact marketing

JFSMA'07

18

5

discussion

JFSMA'07

19

Validation données: • les courbes montrent un comportement global et pour chaque profil conforme à la réalité

dynamique du modèle: • possibilité de modéliser un échec de diffusion (incompatibilité avec les connaissances, manque d'intérêt, manque de persuasion…) • les paramètres clés sont les mêmes que ceux identifiés dans la littérature

plausibilité du modèle: • les mécanismes sont réalistes (par ex., les agents peuvent rechercher de l'information) • le modèle individuel concorde avec les modèles d'adoption (Rogers) ou de consommateur (McGuire, Engel) JFSMA'07

20

Discussion apports de la représentation: • possibilité de valider le modèle 1 – sur le comportement 2 – sur le bouche à oreille (par ex. collecte sur le web) 3 – sur les connaissances des agents (interviews, enquêtes) • prendre en compte l'hétérogénéité de la population (vs. modèle à seuil)

perspectives: • • • •

JFSMA'07

analyse de la dynamique du modèle (en cours) travailler avec une structure relationnelle plus réaliste (en cours) comparaison avec des données réelles (en cours) model-to-model (modèles aggrégatifs, modèle à seuil)

21