MASHS 2018

24-25 Mai 2018, Paris
samedi 13 janvier 2018

MASHS-2018

Modèles et Apprentissages en Sciences Humaines et Sociales (MASHS)

24 et 25 mai 2018, Paris, France

Appel à communications

Les rencontres MASHS (Modèles et apprentissages en Sciences Humaines et Sociales) ont été créées à l’ENST-Bretagne (Telecom-Bretagne), à l’initiative de professeurs appartenant à des disciplines différentes : les sciences économiques et gestion, la géographie, les mathématiques et l’informatique. Après les journées de Brest (2007), ce colloque s’est tenu à Créteil (2008), Toulouse (2009), Lille (2010) (post-proceedings publiés dans un numéro spécial de CSBIGS , Marseille (2011) (post-proceedings publiés dans un numéro spécial de RNTI ) et Paris en 2012 , 2014 et 2016. En 2017, MASHS a eu lieu à Bentley University (USA), sous forme d’un atelier réunissant des chercheurs du SAMM et des chercheurs de Bentley.

La session 2018 sera organisée par le SAMM, laboratoire de recherche en Mathématiques de l’Université Paris 1. Le but de ce colloque est de promouvoir l’application des mathématiques, de l’informatique et de la modélisation dans les sciences humaines et sociales (économie, géographie, sociologie, histoire, linguistique, gestion, finance, ...). Tout chercheur désirant présenter un travail sur un autre sujet ayant trait à la modélisation appliquée aux sciences humaines et sociales est invité à proposer une communication.

L’appel à communication est maintenant clos.

Conférenciers invités :

• Baptiste Coulmont (Université Paris 8)
Prénoms : deux cas d’usage
• Didier Josselin ( CNRS, Avignon)
Mesure de l’efficacité des réseaux radio-concentriques, urbains ou bio-inspirés, par deux métriques de la théorie des graphes : la rectitude et la centralité intermédiaire
• Kristoffer Laigaard Nielbo (University of Southern Denmark)
The Dostoyevskian Trope : Persistent Processes and State Incongruence in 19th Century Textual Cultural Heritage
• Pierre Latouche (Université Paris 1 Panthéon-Sorbonne)
Analyse conjointe de réseaux et de corpus avec Linkage
• Antoine Mazières (Centre Marc Bloch, Berlin) et Camille Roth ( Sc-Po, Paris)
Namograph, Large-scale diversity estimation through surname origin inference
• Nicolas Robette (INED, Paris)
Le machine learning : une alternative aux régressions en SHS ?
• Thomas Soubiran (Université de Lille)
• Louis-André Vallet (CNRS, Paris)
Comment analyser la dynamique temporelle d’associations statistiques dotées d’une très forte inertie ?

Informations pratiques

La conférence aura lieu au Centre de recherches interdisciplinaires (CRI),
tour Montparnasse, 20-21ème étage, 33 avenue du Maine, Paris 15e,
métro Montparnasse - Bienvenüe.

Inscription

L’inscription est gratuite mais obligatoire en envoyant un mail à
Joseph Rynkiewicz

Téléchargez le programme détaillé.

Télécharger l’affiche au format pdf

MASHS 2018 est soutenu par la SFDS

Comité d’organisation local
Joseph Rynkiewicz (SAMM – Université Paris 1) Président
Marie Cottrell (SAMM – Université Paris 1), Muriel Epstein (SAMM – Université Paris 1), Dominique Haughton (Bentley University, USA), Madalina Olteanu (SAMM - Université Paris 1)

Comité scientifique
Françoise Adreit (Université Toulouse 2), Julien Alerini (Université Paris 1), Frédéric Amblard (Université Toulouse 1), Marie Cottrell (Université Paris 1), Sébastien Dejean (Université Toulouse 2), Benjamin Deruelle (Université Paris 1), Dominique Haughton (Bentley University, USA), Bertrand Jouve (Université Lyon 2), Stéphane Lamassé (Université Paris 1), Jean-Pierre Nadal (ENS), Madalina Olteanu (Université Paris 1), Martin Paegelow (Université Toulouse 2), Jean-Michel Poggi (Université Paris Descartes), Fabrice Rossi (Université Paris 1), Juliette Rouchier (GREQAM, Marseille), Éric Severin (IAE de Valenciennes), Christophe Sibertin-Blanc (Université Toulouse 1)
Alexis Tsoukias (Université Paris Dauphine)
Michel Verleysen (Université Catholique de Louvain)
Nathalie Villa-Vialaneix (Université de Perpignan Via Domitia)


Documents joints

Affiche
Programme MASHS 2018
Prénoms : deux cas d'usage
Mesure de l'efficacité des réseaux radio-concentriqu
Analyse conjointe de réseaux et de corpus avec (...)
Namograph, Large-scale diversity estimation (...)
Comment analyser la dynamique temporelle (...)
Le machine learning : une alternative aux (...)