Grâce à son caractère interactif, Datagotchi rend les sondages, les prévisions et les analyses accessibles et ludiques.
Créateurs:
Yannick Dufresne, PhD
Catherine Ouellet, PhD
Simon Coulombe, PhD
Sensibilisation à l'importance des Données Personnelles
Datagotchi vise à sensibiliser les utilisateurs à l'importance et à la protection de leurs données personnelles tout en offrant une expérience interactive et éducative. En répondant à des questions sur des aspects variés de leur quotidien, comme leurs préférences alimentaires ou leurs loisirs, les utilisateurs reçoivent, par exemple, une prédiction de leur vote, illustrant comment les données de vie quotidienne peuvent refléter des tendances politiques.
Expertise collective
Les créateurs de Datagotchi, Yannick Dufresne (Université Laval), Simon Coulombe (Université Laval) et Catherine Ouellet (Université de Montréal) sont des chercheurs en science politique et en relations industrielles (avec une expertise additionnelle en psychologie). Leur expertise collective en science des données, en analyse des comportements sociaux, en matière de bien-être individuel et collectif, et en engagement citoyen a permis de développer cette plateforme innovante. Grâce à leurs efforts conjoints, Datagotchi offre notamment une nouvelle perspective sur la manière dont les habitudes de vie sont liées aux décisions politiques et aux expériences sociales, tout en sensibilisant le public aux enjeux éthiques liés à l'utilisation des données personnelles. Ensemble ainsi qu’avec leurs nombreux partenaires, ils forment une équipe multidisciplinaire dédiée à l'innovation et à l'amélioration continue de Datagotchi.
La Science prédictive
La science prédictive basée sur les données massives et l’apprentissage machine est une discipline qui utilise de grandes quantités de données et des algorithmes d'apprentissage automatique pour développer des mesures actuelles et faire des prédictions sur des événements futurs. Voici une explication détaillée des concepts clés :
Science Prédictive
Données massives
Le terme "big data" fait référence à des ensembles de données volumineux et complexes qui ne peuvent pas être traités par les méthodes traditionnelles de gestion des données. Ces données proviennent de diverses sources telles que les réseaux sociaux, les capteurs IoT (Internet of Things), les transactions financières, les recherches sur Internet, etc. Les caractéristiques principales du big data sont souvent résumées par les "5V" : Volume, Vitesse, Variété, Véracité et Valeur.
L’apprentissage automatique est une branche de l'intelligence artificielle qui permet aux systèmes d'apprendre et de s'améliorer automatiquement à partir de l'expérience sans être explicitement programmés. Les algorithmes d’apprentissage automatique utilisent des données pour construire des modèles mathématiques qui peuvent faire des prédictions ou prendre des décisions sans intervention humaine.
Apprentissage automatique
La science prédictive utilise des techniques statistiques et des algorithmes d’apprentissage machine pour analyser les données historiques et identifier des tendances, des modèles et des relations qui peuvent être utilisés pour prévoir des résultats futurs.
En combinant les vastes quantités de données disponibles aujourd'hui avec des techniques avancées d’apprentissage machine, la science prédictive permet de prendre des décisions plus éclairées et proactives.
