La chaire recrute un•e doctorant•e (3 ans) entièrement financé•e à partir de septembre 2020
La Chaire recrute un•e doctorant•e (3 ans) entièrement financé•e à partir de septembre 2020. | The Chair is advertising a fully-funded PhD student position (3 years) starting in September 2020.
(English below)
Le projet de thèse : « Apprendre l’IA. La production sociale du savoir algorithmique »
La recherche en sciences sociales sur le monde de l’informatique, des algorithmes et des données massives a été profondément renouvelée ces dernières années. L’approche principalement centrée sur l’analyse de l’innovation dans les organisations a peu à peu pris en compte une vision plus large des « écologies » sociales dans lesquelles est effectué le travail des données et la production d’algorithmes. Les laboratoires de recherche et leurs « groupwares », les organisations par projets du logiciel libre ou encore les canaux de discussion de ceux qui se présentent comme « hackers » ont par exemple été investigués. La connaissance des pratiques sociales du « code » en a largement bénéficié (par exemple sur le plan de l’éthique personnelle des codeurs, des modalités d’organisation du travail dans leurs collectifs, des débuts d’une structuration professionnelle de cet univers, des critères de définition de l’expertise et de la qualité qui y ont cours ou encore des vertus politiques de la pratique du code).
La connaissance des modalités d’apprentissage des pratiques sociales inhérentes au monde du code a, quant à elle, donné lieu à moins de travaux. L’accent mis sur la dimension informelle des savoirs dans ce monde social a sans doute contribué à occulter cet aspect, de même que certaines formes d’essentialisation des qualités requises pour y entrer et y faire carrière. L’usage courant de termes comme « geek », « nerd » ou même « hacker » pour décrire ceux qui pratiquent le code participe aussi à cette occultation en suggérant que les dispositions nécessaires à la pratique de l’informatique ne s’apprennent pas.
Pourtant, depuis les années 1990 au moins, de nombreux travaux ont aussi mis en évidence des effets vraisemblables de la socialisation des acteurs sur le fonctionnement du monde du code. On peut penser à la question du genre et de l’inégale représentation des hommes et des femmes dans cet univers, ou encore à celle de la « méritocratie technique » qui y prend place (promotion plus juste sur la base de compétences techniques d’une part et compétition exacerbée entre individus d’autre part).
La thèse devra mettre en évidence ces effets de socialisation à partir d’une étude de cas portant sur les formations en IA et en analyse de données massives d’une grande université de recherche ayant récemment mis en place un institut visant à développer ce domaine de la recherche et de la formation. Les méthodes privilégiées relèveront de l’observation participante dans une formation en IA, de l’analyse d’entretiens biographiques et de l’analyse de données sur les trajectoires d’entrée dans le monde de l’IA des étudiant•es.
La thèse pourra notamment aborder les questions suivantes (liste indicative) :
- le lien entre aspects formels et informels de la socialisation professionnelle au code
- la fabrication des biais genrés et d’une culture masculine dans les collectifs étudiants
- la fabrication des critères de qualité et de performance dans ces collectifs
- la hiérarchisation de la valeur des différentes tâches à effectuer (par exemple l’écriture d’algorithmes vs le nettoyage des données)
- les engagements éventuels dans d’autres mondes en parallèle des études
- les effets propres du curriculum et de la pédagogie innovante sur la fabrication de dispositions professionnelles au travail algorithmique (par exemple les data sprints, hackathons…)
- les logiques de recrutement puis de placement des étudiants sur le marché du travail
- les motivations personnelles des étudiant•es pour faire carrière dans l’IA ou la science des données
- la fabrication précoce de la « juridiction » des data scientists sur l’IA et les conflits autour de ces juridictions, celle de leur expertise ou le « travail de frontières » avec d’autres savoirs sur les données
Comment candidater ?
Les candidat•es doivent être titulaires d’un master en sciences sociales (ou être sur le point d’en obtenir un) ou avoir un diplôme universitaire équivalent à un master européen dans ce domaine (durée de 5 ans).
Il est attendu qu’ils ou elles aient à la fois une très forte expertise des méthodes des sciences sociales et une bonne connaissance du monde informatique, ainsi que suffisamment de goût personnel dans ce domaine pour la réalisation de l’enquête (par exemple : suivre des cours en IA ou informatique et s’engager dans des discussions formelles ou informelles sur ce sujet).
Les candidatures sont attendues avant le 1er juin 2020 et doivent être envoyées à Gilles Bastin à gilles.bastin@iepg.fr. Les candidat•es doivent joindre :
- une brève lettre de candidature,
- leur dernier diplôme,
- un CV,
- une présentation du projet de recherche qu’ils ou elles souhaitent mener (5 pages max).
Ils ou elles peuvent également ajouter des lettres de recommandation.
Le comité de sélection informera les candidat•es de sa décision avant le 1er juillet 2020.
Pour toute autre question, merci de contacter Gilles Bastin à gilles.bastin@iepg.fr.
Plus d’informations
https://algorithmicsociety.github.io/
https://www.pacte-grenoble.fr/
https://miai.univ-grenoble-alpes.fr/
The PhD project : « Learning AI : The social production of expert algorithmic knowledge »
Social science research on the world of computing, algorithms and big data has been deeply renewed in recent years. While most research started focusing on IT innovation in organizations, it has gradually taken into account a broader vision of the social « ecologies » in which data and algorithmic work is carried out. Research laboratories and their « groupwares », short-term projects organizations in the field of free software, the discussion channels of those who present themselves as « hackers » have for instance been lately investigated. Our knowledge of the social practices behind the « code » has greatly benefited from that research (for example in terms of the personal ethics of coders, the organization of work among them, the beginnings of a professionalization process in that world, the criteria used to define the expertise and the quality of coding work or even the political virtues of practicing the code).
The process of acquiring the expertise required to access the coding world has nevertheless attracted less research. The emphasis placed on the informal dimension of knowledge in this world has undoubtedly contributed to obscuring the socialization and training issue. It is for instance striking that our understanding of the coding world is based on the essentialization of the qualities required to make a career in it (terms like « geek », « nerd » or even « hacker » participate in this concealment by suggesting that the provisions necessary for practicing computer code cannot be learned).
However, numerous studies have also highlighted, at least since the 1990s, the likely effects of the socialization of its actors on the functioning of the coding world. The issue of gender and the unequal representation of men and women in this universe is a good example of such concerns. Another example is the issue of « technical meritocracy » understood both as a fairer approach to individual promotion on the basis of technical skills and at the same time as a heightened competition between individuals.
The thesis should highlight these socialization effects. It will be based on a case study approach on the various training programs in AI and in data analysis that have been created within a large research university which has recently set up an institute aimed at developing this field of research. The methods will preferably include participant observation in AI training programs, biographical interviews with students and teachers and quantitative analysis of longitudinal data describing how one enters the coding world today. In particular, it may address the following questions (the list is not exhaustive) :
- the link between formal and informal aspects of professional socialization
- the production of gender bias and a male culture among students
- the production of quality and performance criteria among students
- how one learns to prioritize and valuate the various tasks to be performed (for example writing algorithms vs data cleaning)
- the possible commitments to other worlds in parallel with studies
- the specific effects of the curriculum and innovative teaching on the making of professional dispositions for algorithmic work (for example data sprints, hackathons, etc.)
- the recruitment of students and their placing on the job market
- students’ personal motivations for a career in AI or data science
- the fabrication of the « jurisdiction » of data scientists on AI and the conflicts around these jurisdictions, of their expertise and the « boundary work » with other approaches to coding data
How to apply ?
Applicants must hold a Master’s degree in social science (or be about to earn one) or have a university degree equivalent to a European Master’s in that field (5-year duration).
They are expected to have both a very strong expertise in social science methods and a good knowledge of the computing world, as well as enough personal taste for this world to be able to follow courses in AI and computing science, as well as participate in formal or informal discussions in that field.
Applications are expected before June 1st, 2020 and should be sent to Gilles Bastin at gilles.bastin@iepg.fr. Applicants should attach :
- a brief application letter,
- their last diploma,
- a CV,
- a short presentation of the research project they want to carry on (5 pages max).
They can also add recommendation letters.
The selection committee will inform applicants of its decision before July, 1st, 2020.
If you have any further questions about the position and the project, please contact Gilles Bastin at gilles.bastin@iepg.fr
More information :
https://algorithmicsociety.github.io/