Accueil » À la Une

Archives de catégorie : À la Une

Suivez-nous

LinkedIn
RSS

Évènements à venir

Restons en contact

Big data, machine learning et évaluation : 4. Prédire les contraventions impayées de la ville Détroit

La data science au service des administrations

4. Prédire les contraventions impayées de la ville Détroit

En 2017, la ville de Detroit a lancé une compétition publique pour l’aider à résoudre son problème de contraventions impayées (Kaggle 2019). Il s’agit plus précisément des blight tickets, des contraventions infligées aux résidents qui manquent à préserver le bon état de leur propriété (détérioration, graffitis, insalubrité, etc.). Malheureusement, la plupart de ces contraventions demeurent impayées à la fin du délai légal, entraînant des procédures administratives lourdes et coûteuses pour les autorités. La ville a donc cherché à accroître le respect du paiement des contraventions (dit aussi compliance). Pour en comprendre les déterminants, une étape visait à identifier les meilleurs prédicteurs de la compliance. La ville a ainsi publié ses données en vue d’obtenir un modèle prédictif performant.

Évaluation du Congrès SEVAL GREVAL 2020 : 3. Le machine learning au service de l’évaluation

3. Le machine learning au service de l’évaluation

Dans la partie précédente, nous avons présenté les résultats des données récoltées, i.e. les profils et les retours des répondants. Dans cette partie, nous utiliserons le machine learning (ou apprentissage automatique) pour automatiser l’analyse des commentaires.

Theory of change : penser le changement

Pourquoi penser le changement ?

Dans le cadre de l’évaluation d’une intervention, d’un programme ou d’une politique publique, il est usuel de construire, au terme de l’étude préparatoire, une description du fonctionnement de l’objet évalué. Cet effort d’explication peut avoir des objectifs variés dépendant de ce qui est attendu de l’évaluation. Il garde cependant une utilité fondamentale : réduire la complexité et permettre une compréhension aisée et rapide de la logique du programme. En d’autres termes, il s’agit de mettre en lumière comment et pourquoi les actions de l’organisation sont censées participer aux effets attendus. L’exercice bénéficie tant aux évaluateurs pour leur réflexion qu’aux gestionnaires du programme qui peuvent ainsi valider la compréhension de l’objet.