Construction de l’image organisationnelle réfractée par les journaux et les groupes de pression : le cas du gouvernement fédéral canadien dans la mise en œuvre du projet de loi C-38

Ce mémoire s’est attaché à comprendre les dimensions émergentes de la constitution de l’image d’une organisation. A l’issue de l’étude de la littérature de recherche existante, nous nous sommes intéressée à l’image réfractée, qui est l’image d’une organisation construite par une catégorie de publics nommés arbitres externes. Ce sont les organisations mandatées qui diffusent de l’information au grand public. En adoptant l’approche qualitative, nous avons réalisé une étude du processus de travail des journalistes travaillant pour des journaux différents et des membres des organismes environnementaux dans le cas de la mise en œuvre du projet de loi C-38 du gouvernement fédéral canadien. L’étude empirique nous a permis de proposer un modèle conceptuel du phénomène de la construction de l’image réfractée. Nous avons pu ainsi suggérer d’observer ce phénomène à travers les pratiques de travail des acteurs pour appréhender les dynamiques d’émergence de l’image. Aussi, nous avons insisté sur la pertinence de considérer des paramètres qui constituent le cadre dans lequel se déroule le processus de travail des acteurs appartenant à des communautés de publics différentes. Car ce sont ces paramètres qui engendrent des dynamiques régulant la construction de l’image organisationnelle au sein de chaque communauté de public.

Designing Regularizers and Architectures for Recurrent Neural Networks

Cette thèse contribue a la recherche vers l'intelligence artificielle en utilisant des méthodes connexionnistes. Les réseaux de neurones récurrents sont un ensemble de modèles séquentiels de plus en plus populaires capable en principe d'apprendre des algorithmes arbitraires. Ces modèles effectuent un apprentissage en profondeur, un type d'apprentissage machine. Sa généralité et son succès empirique en font un sujet intéressant pour la recherche et un outil prometteur pour la création de l'intelligence artificielle plus générale. Le premier chapitre de cette thèse donne un bref aperçu des sujets de fonds: l'intelligence artificielle, l'apprentissage machine, l'apprentissage en profondeur et les réseaux de neurones récurrents. Les trois chapitres suivants couvrent ces sujets de manière de plus en plus spécifiques. Enfin, nous présentons quelques contributions apportées aux réseaux de neurones récurrents. Le chapitre \ref{arxiv1} présente nos travaux de régularisation des réseaux de neurones récurrents. La régularisation vise à améliorer la capacité de généralisation du modèle, et joue un role clé dans la performance de plusieurs applications des réseaux de neurones récurrents, en particulier en reconnaissance vocale. Notre approche donne l'état de l'art sur TIMIT, un benchmark standard pour cette tâche. Le chapitre \ref{cpgp} présente une seconde ligne de travail, toujours en cours, qui explore une nouvelle architecture pour les réseaux de neurones récurrents. Les réseaux de neurones récurrents maintiennent un état caché qui représente leurs observations antérieures. L'idée de ce travail est de coder certaines dynamiques abstraites dans l'état caché, donnant au réseau une manière naturelle d'encoder des tendances cohérentes de l'état de son environnement. Notre travail est fondé sur un modèle existant; nous décrivons ce travail et nos contributions avec notamment une expérience préliminaire.