Il est impératif de respecter strictement les normes ...

Philippe Dumas

Sujets

• Mathématiques à rebours
• Loi de conservation
• Domaine public en droit public français
• Entropie molaire standard
• Résultats électoraux de l'extrême gauche en France
• Phénomène aérospatial non identifié

Informations

• Publié par: Mofing
• Nombre de lectures: 129
• Langue: Français
• Poids de l'ouvrage: 7 Mo

Extrait

1 III I International Journal of S I nfo & Com Sciences for D M D ecision Making ISSN:1265-499X e 1 trimestre 2003 CONTENTS Information et théorie mathématique : une impasse en science de l'information ? Le cas de l'infométrie Thierry Lafouge Page 4 Mathématique et statistique en science de l'information : infométrie mathématique et infométrie statistique Yves Le Coadic Page 18 Mise en place d'un système dynamique et interactif de gestion d'activité et de connaissances d'un laboratoire (projet GACO LAB) Mylène Leitzelmann, Jacky Kister Page 34 Information, management et évolution societale : une approche par la méthode Triz Cécile Loubet, Joëlle Gazérian, Jean-Michel Ruiz, Henri Dou Page 40 Veilles, Intelligence Compétitive et développement régional dans le cadre de l'autonomie en Indonésie Sri Manullang Page 51 Ordre, agrégation et répétition : des paramètres fondamentaux dans les comparaisons d'objets informationnels Michel Christine Page 63 De l'utilité d'une veille pédagogique Jean-Paul Pinte Page 73 Intégrer la consultation et le paramétrage d'une analyse sémantique de données textuelles pour en faciliter l'appropriation David Roussel Page 91 Détection de convergence en vue de l'optimisation d'un système de filtrage adaptatif Mohamed Tmar, Hamid Tebri, Mohand Boughanem Page 101  2 L'analyse des mots associés pour l'information économique et commerçiale. Exemples sur les dépêches "Reuters Business Briefing" B. Delecroix, R. Eppstein Page 112 Enseignement à distance: l'expérience acquise au cours de la réalisation de la maîtrise à distance NTIDE Henri Dou, Céline Riffault, Hervé Rostaing Page 121 Analyse du transfert de l'information scientifique et technique entre le secteur public et le secteur privé. Etudes des co-publications dans les revues scientifiques Espagnoles Elea Giménez Toledo, Adelaida Roman Roman, Hervé Rostaing Page 128 Proposition à l'intégration des profils dans le processus de recherche d'information Anis Benammar, Gilles Hubert, Josiane Mothe Page 143 Data mining and development policy : which help on building territorial indicators? Yann Bertacchini Page 153 Maîtrise de l'information, amélioration des systèmes de santé et aménagement du territoire. L'exemple de la Catalogne (Espagne) et de la région Midi- Pyrénées Christian Bourret, Jaume Tort i Bardolet Page 162 Nouveaux métiers dans le domaine de la santé : maîtrise de l'information, transversalité des compétences et autres exigences Christian Bourret, Gabriella Salzano, Jean-Pierre Caliste Page 173 Les limites du tout-technologique dans la capitalisation de l'information "marché" au sein de GIAT Industries Patrick Cansell Page 187 Les infrasons entre science et mythe : la bibliométrie peut-elle contribuer à clarifier une vérité scientifique controversée? Bertrand Goujard Page 190 Outils et modèles de travail collaboratif Eric Giraud, Jean-Françis Ranucci Page 217 Intégration de composants de text mining pour le développement d'un système de recherche et d'analyse d'information Luc Grivel Page 229 Plate-forme d'enseignement à distance et enseignement en alternance : exemple de la licence professionnelle Tourisme et Nouvelles Technologies de l'Information de l'Université de Marne-la -Vallée Marie-Christine Lacour, François Baron, Jean-Marie Dou Page 236 Filtrage auto-adaptatif basé sur l'analyse de la variance Saïd Karouach, Bernard Dousset, Nicolas Boutillat Page 239  3 Visualisation de relations par des graphes interactifs de grande taille Saïd Karouach, Bernard Dousset Page 253 Evaluation de trois mesures de similarité utilisées en Sciences de l'Information Alain Lelu Page 265 Analyse bibliométrique des collaborations internationales de l'INRA Jean-Louis Multon, Geneviève Branca-Lacombe, Bernard Dousset Page 277 Editors in chief : Pr. H.Dou, Pr. Ph.Dumas, Dr Y.Bertacchini All correspondences about I.S.D.M or submission should be sent to: Dr Y.Bertacchini Université de Toulon, LePont, C205, BP 132, 83957 La Garde Cedex, France e-mail :[e-mail] www server :http://www.isdm.org  4 INFORMATION ET THEORIE MATHEMATIQUE: UNE IMPASSE EN SCIENCE DE L'INFORMATION ? LE CAS DE L’INFOMETRIE. Thierry Lafouge Université Claude Bernard Lyon1 Laboratoire RECODOC Bâtiment OMEGA 43, Boulevard du11novembre1918 69622 Villeurbanne Cedex Tel [phone] [e-mail] Résumé : La théorie statistique de l’information de C. Shannon, appelée souvent à tort théorie de l'information ou théorie mathématique de la communication, est souvent réduite et connue en SIC (Sciences de l’Information et de la Communication) au travers du schéma du système général de la communication : source, émetteur, signal…bruit….. La théorie de Shannon est connue en statistique par sa célèbre formule de l’entropie. La formule de Shannon est isomorphe à la formule de l’entropie de Boltzmann en physique. Cette théorie est importante car elle est à la jonction de la théorie du signal et de la statistique. Les mesures de l’entropie sont utilisées comme indicateurs en statistique unidimensionnelle et bidimensionnelle. Nous essaierons au travers de cet article de donner le point de vue de l’infométrie. Mot clefs : entropie/ théorie probabiliste de l’information/ statistique Abstract : Shannon’s theory is commonly aboarded in the narrow statement of the general communication scheme : signal, noise, ... The entropy formula in statistics is a caracteristic of shannon’s theory which is isomorphic to Boltzman formula in physic. It’s an important issue in that way this theory is between signal and statistical theory. By using entropy measures in unidmentional and bidimentional statistics, we’ll try to point out this issue in a infometric approach. Keywords : entropy/ probabilistic theory of information/ statistic  5 Information et théorie mathématique: une impasse en science de l'information ? Le cas de l’infométrie. INTRODUCTION Le mot information est utilisé dans des contextes très variés, dans des sens totalement différents suivants les disciplines scientifiques : on peut à titre d’exemples citer la thermodynamique avec le concept d’entropie, la physique avec la théorie du signal, la biologie avec la théorie du génome. Se pose alors la question, s’il est possible de construire une théorie de l’information, et si elle est unique. Notre démarche dans cet article vise non pas l’information en tant que telle, mais la quantité d’information. Lorsque l’on parle de quantité d’information et de mesure on pense à la notion de contenu ou de valeur de l’information. La science de l’information de par son objet doit se sentir concernée par ce questionnement. Si on définit l’infométrie comme l’ensemble des techniques de mesures mathématiques et statistiques de l’information, on souhaiterait avoir une définition suffisamment claire du concept de quantité d’information qui puisse nous amener à définir une mesure, c’est à dire un ensemble d’opérations parfaitement définies, nous amenant à des axiomes clairs et dont le résultat est un nombre. La synthèse que nous développons ici n’est pas si ambitieuse. De toute façon à l’heure actuelle, faute de connaissances, ou pire parce que on ne saurait vraiment pas formuler le problème une approche générale du concept de quantité d’information serait vouée à l’échec. Nous nous intéressons ici à la théorie probabiliste de l’information, connue sous le nom de théorie de Shannon, qui est la plus utilisée en science de l’information et de la communication. Ce travail qui à première vue peut paraître « risqué, prétentieux ou obsolète» en science de l’information, nous a semblé nécessaire au vue de prises de position souvent extrêmes de certains chercheurs : - un rejet de cette théorie, souvent par ignorance et /ou par des présupposés épistémologiques : restriction de la théorie de Shannon au célèbre schéma émetteur, canal, récepteur par exemple, - une utilisation abusive de cette théorie pour valider des résultats, - une utilisation naïve de cette dernière. Nous essaierons de donner au lecteur quelques repères pour lui donner l’envie d’approfondir cette théorie et de se forger sa propre opinion. Nous aborderons principalement dans cet article les relations multiples qu’entretiennent la théorie probabiliste de l’information (travaux d’Hartley, Shannon, Reyni..) et les statistiques en général. Nous n’apporterons pas de résultats théoriques nouveaux mais nous mettrons en parallèle différentes approches utilisant cette théorie et donnerons quelques exemples. 1 - LA MESURE DE L’INFORMATION : DE HARTLEY A SHANNON 1.1. Information d’un ensemble : la formule de Hartley en 1928 nEtant donné un ensemble E de k éléments, où l’on suppose k = 2 : si à chaque élément de E on associe un numéro écrit en base 2 qui permet de le coder, il est trivial de dire que n digit suffisent pour le repérer . Le nombre n est dit mesurer la quantité d’information nécessaire pour repérer un élément de E. On définit alors la quantité d’information de E, noté I(E) par la même valeur : nI(E) = log 2 = n . 2 Hartley en 1928 généralise la quantité d’information pour un ensemble E ayant un nombre quelconque d’éléments par: I(E) = log ( E ) 2 où E désigne le nombre d’éléments de l’ensemble E. Notation Par la suite on notera log au lieu de log le logarithme en base 2, Ln le logarithme népérien, Log le logarithme 2 lorsque l'on ne précise pas. Exemple  6 Soient les quatre chaînes de caractères, «islamiste, religieux, abcdefghi, xqzerdfk » : elles ont toutes la même 9quantité d’information, à savoir : log 26 =9log 26= 42,3 bit. Ici l’ensemble E est constitué de tous les arrangements possibles avec répétitions de 9 caractères choisis parmi les 26 lettres de l’alphabet soit 926 éléments; l’unité d’information est le bit,