À propos de The Practice of Liberal Pluralism de William Galston : un dialogue avec l’auteur

Document de travail

L’expérience vécue par les mères haïtiennes vivant à Port-au-Prince ayant donné leur enfant en adoption internationale

Depuis quelques années, l’adoption internationale a pris une importance croissante dans le monde, particulièrement en Haïti. Chaque année, plusieurs centaines d’enfants quittent Haïti pour l’étranger par ce biais. Depuis les années 1990, le nombre d’adoptions ne cesse d’augmenter. Pourtant, la majorité de ces enfants ne sont ni orphelins, ni abandonnés : ce sont les familles d’origine qui amènent leurs enfants aux crèches (orphelinats). De ce fait, il est d’une importance capitale d’avoir les points de vue des familles qui ont vécu cette expérience pour comprendre les raisons qui les poussent à faire un tel choix. L’objectif principal de cette recherche est de mieux comprendre l’expérience vécue par les mères haïtiennes vivant à Port-au-Prince ayant donné leur enfant en adoption internationale. De façon plus spécifique, il s’agit de comprendre les attentes et les motivations des mères face au projet d’adoption, le sens qu’elles donnent à ce projet et la manière dont elles ont vécu cette séparation. Pour ce faire, 15 entrevues semi-dirigées ont été réalisées avec des mères ayant donné leurs enfants en adoption. Les résultats de cette étude nous ont permis de comprendre que les raisons qui poussent les mères à abandonner leur enfant en adoption sont multiples et complexes. Les problèmes de santé, de logement, d’emploi, l’absence du père, etc., sont autant de raisons avancées par les mères. Pour ces dernières, l’adoption peut être considérée comme une aide à l’enfance, une façon de sauver l’enfant de la misère ou une solution de sauvetage. Par ailleurs, au moment de confier leurs enfants en adoption, les mères ont signé des documents, mais elles semblent ne pas en connaître les contenus. De plus, le manque d’information sur le devenir de l’enfant et le regard de la société poussent les mères à éprouver des regrets, de la tristesse, de la honte, des craintes, des peurs, etc. Les mères développent également certaines stratégies pour forcer les responsables des crèches ou de l’Institut du bien-être social et de recherches (IBESR) à les informer sur l’évolution de leurs enfants. Outre le retour de l’enfant à sa majorité, les mères ont des attentes matérielles et économiques par rapport à l’enfant, aux responsables des crèches et aux familles adoptives.

Dynamic Programming Approaches for Estimating and Applying Large-scale Discrete Choice Models

People go through their life making all kinds of decisions, and some of these decisions affect their demand for transportation, for example, their choices of where to live and where to work, how and when to travel and which route to take. Transport related choices are typically time dependent and characterized by large number of alternatives that can be spatially correlated. This thesis deals with models that can be used to analyze and predict discrete choices in large-scale networks. The proposed models and methods are highly relevant for, but not limited to, transport applications. We model decisions as sequences of choices within the dynamic discrete choice framework, also known as parametric Markov decision processes. Such models are known to be difficult to estimate and to apply to make predictions because dynamic programming problems need to be solved in order to compute choice probabilities. In this thesis we show that it is possible to explore the network structure and the flexibility of dynamic programming so that the dynamic discrete choice modeling approach is not only useful to model time dependent choices, but also makes it easier to model large-scale static choices. The thesis consists of seven articles containing a number of models and methods for estimating, applying and testing large-scale discrete choice models. In the following we group the contributions under three themes: route choice modeling, large-scale multivariate extreme value (MEV) model estimation and nonlinear optimization algorithms. Five articles are related to route choice modeling. We propose different dynamic discrete choice models that allow paths to be correlated based on the MEV and mixed logit models. The resulting route choice models become expensive to estimate and we deal with this challenge by proposing innovative methods that allow to reduce the estimation cost. For example, we propose a decomposition method that not only opens up for possibility of mixing, but also speeds up the estimation for simple logit models, which has implications also for traffic simulation. Moreover, we compare the utility maximization and regret minimization decision rules, and we propose a misspecification test for logit-based route choice models. The second theme is related to the estimation of static discrete choice models with large choice sets. We establish that a class of MEV models can be reformulated as dynamic discrete choice models on the networks of correlation structures. These dynamic models can then be estimated quickly using dynamic programming techniques and an efficient nonlinear optimization algorithm. Finally, the third theme focuses on structured quasi-Newton techniques for estimating discrete choice models by maximum likelihood. We examine and adapt switching methods that can be easily integrated into usual optimization algorithms (line search and trust region) to accelerate the estimation process. The proposed dynamic discrete choice models and estimation methods can be used in various discrete choice applications. In the area of big data analytics, models that can deal with large choice sets and sequential choices are important. Our research can therefore be of interest in various demand analysis applications (predictive analytics) or can be integrated with optimization models (prescriptive analytics). Furthermore, our studies indicate the potential of dynamic programming techniques in this context, even for static models, which opens up a variety of future research directions.