Offre de post-doctorat : Projet ADRESSE : Application pour la Détection et la Régulation du Stress et des Émotions lors de missions spatiales Informations généralesIntitulé de l’offre : Application pour la Détection et la REgulation du StresS et des ÉmotionsLieu d’accueil : Laboratoire Lorrain de Psychologie et Neurosciences de la Dynamique des Comportements (2LPN), EA 7489, http://2lpn.univ-lorraine.fr/Lieu de travail : UFR SciFa – Campus de Bridoux, MetzDate de publication : lundi 8 juillet 2024Type de contrat : CDDDurée du contrat : 24 moisDate d’embauche prévue : 7 octobre 2024Quotité de travail : Temps completFinancement : Centre National d’Études Spatiales (CNES)Rémunération : Le salaire brut mensuel entre 2500€ et 3000€ selon expérience.Niveau d’études souhaité : Niveau 8 – (Doctorat)Expérience souhaitée : 2 à 7 ansChamps scientifiques : Traitement du signal (Signaux physiologiques) ; Intelligence Artificielle (machine learning, deep learning, computer vision), Science des donnéesChamps scientifiques secondaires (appréciés) : Informatique, Sciences cognitivesCandidature : transmettre CV détaillé et lettre de motivation à benoit.bolmont@univ-lorraine.frContact : Benoit Bolmont, 2LPN, université de Lorraine, tel 03 72 74 90 13, courriel ci-dessusPost-doctoral position offer :ADRESSE project: Application for Detection and REgulation of the StresS and Emotions on space missionsGeneral informationOffer title : Application for Detection and REgulation of the StresS and EmotionsLocation : Laboratoire Lorrain of Psychology and Neuroscience of the Behaviour Dynamics (2LPN), EA 7489, http://2lpn.univ-lorraine.fr/Workplace : UFR SciFa – Campus of Bridoux, Metz – FranceDate of publication : 8 July 2024Type of contract : FTC scientistContract period : 12/24 monthsExpected date of employment : 7 October 2024Proposition of work : Full timeFunding : National Center for Space Studies (CNES; French: Centre National d’Études Spatiales)Remuneration : The gross monthly salary is between 2300€ et 3000€ depending of experienceDesired level of education : Level 8 – PhDExperience required : 2 to 8 yearsScientific fields : Applied Mathematics, Data Science, Computer Science, Electronics, Automatics, Neuroscience, Cognitive Science, Physiology, Measurement Systems, Signal Processing, ImagingApplication: Send detailed CV and covering letter to bolmont.benoit@univ-lorraine.frContact : Benoit Bolmont, 2LPN, university of Lorraine, phone 03 72 74 90 13, e-mail above.
Contexte
Le fonctionnement psychologique d’un individu repose sur des dimensions cognitives et affectives. Ces états affectifs se caractérisent par des réponses psychologiques, physiologiques, cognitives, biologiques, comportementales, expressives… Ces réponses sont réciproquement influencées par la nature et l’intensité de l’état affectif ressenti. En apesanteur, les états affectifs et les différentes réponses associées seraient modifiés . Il est alors crucial d’examiner le décalage entre les états « terrestres » et les états « spatiaux ». L’objectif du projet ADRESSE est de modéliser les états mentaux d’individus et notamment d’astronautes en conditions de microgravité et au sol, sur la base de différentes caractéristiques (psychologiques, physiologiques, cognitives, biologiques, comportementales, expressives…). Cette modélisation constituera à terme l’élément principal de fonctionnement d’une application pour détecter et évaluer les états mentaux tout en proposant des régulations en microgravité.
Mission et activités
Le but global est d’identifier une méthode d’élaboration de modèle personnalisé des états mentaux, notamment par des méthodes d’apprentissage automatique, adaptable à différents contextes (e.g., différences gravitaires, différents signaux d’entrée) sur la base de mesures hétérogènes. Avec l’aide de l’équipe, la personne recrutée enregistrera différents types de données issues de capteurs, avec et sans contacts, dans différentes situations (standardisées de laboratoire, écologiques et d’apesanteur). La modélisation permettra de détecter, à partir de features identifiées et valorisées, les états mentaux et leur évolution dans le temps (à court et long terme).
Les tâches à effectuer seront :
• L’identification et l’utilisation de systèmes de mesure et de diverses variables à mesurer ;
• La constitution de protocoles en vue d’acquisitions standardisées ;
• L’acquisition de données en situations écologiques et standardisées à la fois en conditions terrestre et spatiale ;
• L’analyse de la qualité des signaux ;
• Les pré-traitement et traitement des données/signaux ;
• Les modélisations notamment par apprentissage automatique, classique et/ou profond ;
• Les tests et sélections de modèles à la fois en environnement terrestre et spatial ;
• Le développement et la gestion d’une base de données ;
• Le développement d’une application idoine avec le support de partenaires du CNES.
Profil et compétences
Titulaire d’un diplôme de doctorat dans le domaine des mathématiques appliquées, de l’automatique, de l’électronique, de l’informatique ou dans des domaines connexes, vous avez de l’expérience dans l’acquisition et l’analyse de données physiologiques, mentales et comportementales. De plus :
• Vous êtes capable de mettre en œuvre des protocoles expérimentaux sur l’humain ;
• Vous avez des compétences en science des données : acquisition, stockage, traitement, modélisation, prédiction, test, évaluation et visualisation ; notamment sur les différents concepts de machine learning (apprentissage fédéré, continu, par transfert…) et sur leur application. Des connaissances en statistiques et en mathématiques appliquées seraient appréciées.
• Vous avez des connaissances et des compétences en analyse et en traitement de signaux de différents types. Ces signaux temporels ou discrets peuvent provenir de capteurs physiologiques, cognitifs, biomécaniques ou vidéos ;
• Vous maîtrisez les principes et concepts du développement et de la programmation informatique, en différents langages, en vue du développement de logiciel(s) : élaboration, tests unitaires et fonctionnels, intégration, maintenance… ;
• Vous avez des notions dans les technologies de développement d’applications portables et web ;
• Vous maîtrisez les outils de constitution et de gestion de bases de données (SQL, MySQL, MongoDB, InfluxDB, Prometheus voire Blockchain…) ;
• Vous maîtrisez les outils de versioning (git, svn…) et d’intégration continue (IC) ;
• Vous avez le goût pour l’innovation et pour des solutions originales ;
• Vous êtes capable de travailler à la fois en équipe et en autonomie dans un environnement pluridisciplinaire . Vous avez un bon relationnel et une bonne capacité d’adaptation.
Avantages
• Prise en charge à 75% de l’abonnement aux transports en commun de Lorraine ;
• Participation à la mutuelle à hauteur de 15€/mois ;
• Des offres loisirs, sport et culture pour tous les personnels ;
• Forfait « mobilités durables » sur trajet domicile – travail ;
• Parcours d’accueil et formations.
Context
An individual’s psychological functioning is based on cognitive and affective dimensions. These affective states are characterized by psychological, physiological, cognitive, biological, behavioural and expressive responses. These responses are reciprocally influenced by the nature and intensity of the affective state experienced. In weightlessness, affective states and the various associated responses would be modified. It is therefore crucial to examine the discrepancy between « terrestrial » and « space » states. The aim of ADRESSE project is to model individual mental states, particularly astronauts, in microgravity conditions and on the ground, basis of different characteristics (psychological, physiological, cognitive, biological, behavioural, expressive, etc.). This modelling will eventually form the main operating element of a future application to detect and evaluate mental states, while proposing regulations for microgravity.
Mission and activities
The overall aim is to identify a method for building a personalized model of mental states, including machine learning methods, adaptable to different contexts (e.g., gravitational differences, different input signals) on the basis of heterogeneous measurements. With the help of the team, the person recruited will record different types of sensor data, with and without contact, in different situations (standardized laboratory, ecological and weightless). Modelling will make it possible to detect, from identified and valued features, mental states and their evolution over time (short and long term).
The tasks to be carried out will be:
• Identification and use of measuring systems and various variables to be measured;
• Protocol implements for standardized acquisitions;
• Data acquisitions in ecological and standardized situations, both on land and in space context;
• Signal quality analysis;
• Data/signal pre-processing and processing;
• Modelling, in particular through automatic, classical and/or deep learning;
• Tests and selections of models, both on land and in space context;
• Database development and management;
• Development of a suitable application with the support of CNES partners.
Profile and skills
With a PhD in applied mathematics, automatics, electronics, computer science or related fields, you have experience in acquiring and analysing physiological, mental and behavioural data. In addition:
• You are able to design experimental protocols on humans;
• You have skills in data science: acquisition, storage, processing, modelling, prediction, testing, evaluation and visualization; in particular in the various machine learning concepts (federated, continuous, transfer learning etc.) and their application. You also have knowledge of statistics and applied mathematics.
• You have knowledge and skills in analysing and processing of various type signals. These temporal or discrete signals may come from physiological, cognitive, biomechanical or video sensors;
• You master the principles and concepts of computer development and programming, in various low and high-level languages, in order to develop software: design, unit and functional testing, integration, maintenance etc.;
• You are familiar with and have already used portable and web application development technologies;
• You are familiar with database creation and management tools (SQL, MySQL, MongoDB, InfluxDB, Prometheus or even Blockchain);
• You are familiar with versioning (git, svn…) and continuous integration (IC) tools;
• You have a taste for innovation and original solutions;
• You are able to work both as part of a team and independently in a multidisciplinary environment. You have good interpersonal skills and you are adaptable.
Benefits
• 75% reimbursement of Lorraine public transport subscription;
• Mutual insurance contribution of €15/month;
• Leisure, sports and cultural activities for all employees;
• « Sustainable mobility » package for commuting;
• Welcome and training courses.
Références
[1] Collado A., Monfort V., Hainaut JP., Rosnet E., Bolmont B. (2013) Personality traits of people attracted by parabolic flight. Aviation, Space and Environmental Medicine. 84: p1-5.
[2] Collado A., Langlet C., Tzanova T., Hainaut J.-P., Monfort V., Bolmont B. (2017) Affective states and adaptation to parabolic flights. Acta Astronautica.134: p98-105.
[3] Collado A, Hainaut JP, Monfort V, Bolmont B. (2018) Sensation Seeking and Adaptation in Parabonauts. Frontiers in Psychology (9) 296.
[4] Nicolas M, Bolmont B. (2020). Les défis psychologiques ; sous la direction de Custaud M.-A., Blanc S., Gauquelin-Koch G., Gharib C. L’humain & l’espace – ses adaptations physiologiques, pp 223-238.
[5] Zhang B., Sieler L., Morere Y., Bolmont B., Bourhis G., (2018). A modified algorithm for QRS complex detection for FPGA implementation. Circuits, Systems, and Signal Processing, 37:7 (3070-3092).
[6] Zhang B., Morere Y., Sieler L., Langlet C., Bolmont B., Bourhis G. (2016) Stress recognition from heterogeneous data. Journal of Image and Graphics, 4(2):116-121.
[7] Zhang B., Morere Y., Sieler L., Langlet C., Bolmont B., Bourhis G. (2017) Reaction Time and Physiological Signals for Stress Recognition. Journal of Biomedical Signal Processing and Control. 38: p100-107.
