Personnalisation et Désindividuation : les deux faces des Systèmes de Recommandation dans les Réseaux Sociaux Numériques. Application à la recommandation cinéphile en France et en Chine

Personalization and deindividualization : the two faces of recommendation systems in online social networks. Application to cinephile recommendation in France and China

• Auteur / Autrice : Zhenfei Feng
• Direction : Laurence Favier
• Type : Thèse de doctorat
• Discipline(s) : Sciences de l'information et de la communication
• Date : Soutenance le 22/01/2021
• Etablissement(s) : Université de Lille (2018-2021)
• Ecole(s) doctorale(s) : École doctorale Sciences de l'homme et de la société (Lille ; 2006-....)
• Partenaire(s) de recherche : Laboratoire : Groupe d'études et de recherche interdisciplinaire en information et communication (Lille)
• Jury : Président / Présidente : Widad Mustafa El Hadi
• Jury : Examinateurs / Examinatrices : Chirine Ghedira, Julien Mesangeau, Luc Quoniam
• Jury : Rapporteurs / Rapporteuses : Philippe Viallon, Mohamed Sidir

Mots clés

Mots clés contrôlés

Réseaux sociaux (Internet)

Systèmes de recommandation (informatique)

Mots clés libres

Réseau social numérique

Système de recommandation

Norme du groupe

Désindividuation

On-line social network

Recommender system

Group norm

Deindividualization

Résumé

Le développement de l'Internet et de la technologie Web 2.0 qui ajoute à la facilité de publication le contenu généré par l'utilisateur, mettent à la disposition des utilisateurs une variété d’informations dont le volume est sans cesse croissant. Face à ce problème de surcharge d'informations, il est difficile pour les utilisateurs de s'orienter et de repérer des informations qui répondent à leurs besoins. De nombreux systèmes de filtrage de l'information sont développés pour faire face à ce problème : l'un d'entre eux est le système de recommandation. L'objectif principal des systèmes de recommandation est de fournir aux utilisateurs des propositions de contenus personnalisées. Le principe sous-jacent est de déduire les besoins d'information de l'utilisateur, puis d’identifier dans le système les informations qui répondent à des besoins et les lui recommander. Les systèmes de recommandation, largement utilisés dans divers domaines, peuvent aussi être intégrés à des réseaux sociaux. La plupart des réseaux sociaux se caractérisent à la fois par le nombre important d'interactions et par l'anonymat des utilisateurs. Ces caractéristiques correspondent aux conditions décrites en psychologie sociale pour qu'un état de désindividuation soit déclenché. Les utilisateurs des réseaux sociaux sont susceptibles de se trouver dans une situation où l'identité du groupe est significativement élevée et leur identité individuelle restreinte. Leurs pensées, leurs comportements et même leurs préférences sont fortement influencées par les normes de groupe, y compris, bien sûr, leurs rétroactions sur les informations reçues. Ces rétroactions pourraient être biaisées c'est-à-dire ne pas refléter les vraies préférences individuelles des utilisateurs. Ainsi les recommandations basées sur ces rétroactions biaisées seraient contraires à l'intention initiale des recommandations personnalisées. Cette thèse est consacrée à l'exploration du phénomène de la désindividuation qui peut exister dans les réseaux sociaux et de son impact sur le comportement de notation des utilisateurs, tout en incluant les différences culturelles. Nous choisissons comme terrain d'étude les systèmes de recommandation de films, ce qui nous amène à examiner les utilisateurs de quatre plateformes pour les cinéphiles à travers leur comportement de notation de films. Les résultats confirment l’existence du phénomène de la désindividuation dans les réseaux sociaux son impact significatif sur le comportement de notation des utilisateurs. La différence culturelle est également un facteur important qui influence le comportement de notation. Sur cette base, nous arguons que les systèmes de recommandation appliqués dans les réseaux sociaux doivent y faire attention et que certaines mesures visant à individualiser les utilisateurs devraient être prises avant de recueillir et d'analyser les réactions des utilisateurs.

The development of the Internet and Web 2.0 technology makes available to users a wide variety of information whose volume is constantly increasing. Faced with this problem of information overload, it is difficult for users to find information that meets their needs. Many information filtering systems have been developed to deal with this problem, and one of them is the recommendation system. The main objective of recommendation systems is to provide users with personalized recommendations that meet their individual needs in order to facilitate access to information that may be of interest to them. The underlying principle is to infer the user's information needs based on the information feedback received from the user, and then to identify in the system the information that meets their needs and recommend it. Recommender systems are widely used in various fields, including online social networks. However, most social networks are characterized by anonymity and there is plenty of interactions between users. These correspond to the conditions described in social psychology for a deindividuation state to be triggered. Social network users are likely to fall into this state where their group identity is significantly higher, while their personal identity is restricted. Their thoughts, behaviours and even preferences are strongly influenced by group norms, including, of course, their feedback on the information they have received. Such biased information feedback would not reflect users' true individual preferences, and recommendations based on such biased feedback are contrary to the original intent of personalized recommendations. This thesis is devoted to exploring the phenomenon of deindividuation that may exist in social networks and its impact on users' rating behaviour, while including cultural differences. We choose the traditional domain of recommendation systems, movie recommendations, and examine users of four platforms for movie fans and their rating behaviour. The results confirm the existence of the phenomenon of deindividuation in social networks and that it has a significant impact on users' rating behaviour. Cultural difference is also an important factor in influencing rating behaviour. On this basis, we argue that recommendation systems applied in social networks should pay attention to it and that some measures to individualize users should be taken before collecting and analyzing user feedback.