博士研究生岗位 F/M：地理数字孪生中数据资源的可信度与偏差可视化研究

该项目旨在研究众包地理数据中的错误与偏差的可视化与分析方法。通过应用人工智能技术，研究旨在自动识别数据缺陷并量化其影响程度，从而推动数字孪生技术的发展，进而优化数据的呈现方式。

[会员信息] 本招聘课题面向专注于可视化和数据分析、并具备人工智能背景的学生。研究并非仅聚焦人工智能 AI。另请注意，我们仅考虑以英语提交的申请。 迄今为止，在可视化领域，数据不确定性的可视化一直是核心研究问题之一[例如，1]。然而，以往工作常常默认数据不确定性（主要）源自测量不确定性，或与对已采集数据值所做的统计分析有关。直到较近时期，关于隐含错误概念[4]或数据直觉[3]的问题才进入这一普遍问题的讨论；这些涉及可能由多种来源产生的数据不精确性，例如测量或数据记录形式的差异、人们获取数据方式中的偏差，甚至人为故意引入的错误。例如，空间地理数据不仅可能来自经过系统控制的数据源，也可能来自采用不同采集政策的多家机构所提供的多个数据集、公众贡献，甚至社交媒体。这自然会使空间数据的质量和可信程度呈现多种不同水平。有时，专家了解这些数据局限（即使专业采集的数据集也可能存在），我们可以尝试将其可视化[3–5]；但在其他情况下，数据采集方式使这些知识无法获得，例如从最初并非（主要）为了记录这些数据而创建的数据源中回溯采集数据，此时我们必须寻找方法，在无法获取真实值的情况下回溯恢复这些信息[2]。例如，Flickr 等图片汇集网站的部分图片带有地理位置，由此可以提取某些关注对象的位置。在这个具体例子中，我们曾从图片分享平台发布的图片中恢复物种分布数据，并发现这些地理数据存在多种偏差和错误。然而，迄今为止，这项数据分析[2]仍是人工过程，也只能提供数据错误和偏差存在的零散证据。在本博士研究项目中，我们将考察这些结果是否适用于其他类型的空间数据（例如遥感影像中自动检测到的特征、其他志愿地理信息，以及其他形式的 2D 和 3D 空间数据）。随后，我们将研究如何自动识别错误与偏差，并通过某种可信程度度量来量化其存在情况，再在数字孪生中加以可视化[6]。 本博士论文由 EDT 项目资助（[会员链接]）。 研究任务： 分析并可视化众包和/或异构地理数据的可信程度；使用人工智能自动分析数据错误与偏差。数字孪生[6]是真实世界产品、系统或过程的虚拟表征，可支持仿真、集成、测试、监测和维护。它们在优化复杂系统中发挥关键作用，应用领域广泛，涵盖工业制造、能源、环境监测和医疗卫生等。 知识产权由所有合作方共享，科研成果将在国际期刊和/或国际会议上发表。其他背景信息请参阅摘要。 更详细的说明：[会员链接] 主要活动： 方法：采用人机交互 HCI 和可视化研究中普遍使用的需求分析—设计—实现—评估方法。 预期成果： 在 EDT 项目背景及框架下开展的原型实现（[会员链接]）、研究结果和科学出版成果。

技能要求： * 对交互式数据可视化与分析有浓厚兴趣的积极进取的学生 * 具备良好的英语写作与口语能力，能够参与研究团队内的交流互动，与领域科学家开展合作，并能在科研出版物中发表研究成果。 * 在实际手动编程（非依赖AI的）方面的卓越技能 * 在机器学习和人工智能应用方面的经验 * 数据可视化方面的经验（但不一定是学术背景） * 具有人机交互（HCI）与实证评估经验为优先，但不作强制要求 * 优先偏好已有出版成果，但非必需 英语水平：高级

福利包： 补贴餐食 公共交通费用部分报销 休假安排：每年7周的年假 + 因RTT（法定工作时间减少）额外享有10天假期 + 可能享受特殊休假（如照顾生病子女、搬家等） 远程工作与灵活工作时间安排的可能性 提供专业设备（视频会议、计算机设备借用等） 社会、文化和体育活动及项目 获取职业培训机会 社会保障覆盖范围 薪酬： 税前月薪：2,300欧元 申请该职位 分享 Facebook 领英 Twitter 电子邮件

申请说明： 国防安全：本岗位可能位于受限区域（ZRR），此类区域依据保护国家科学技术潜力（PPST）的第2011-1425号法令界定。根据2012年7月3日关于PPST的法令，在主管部门作出批准决定后，由单位负责人授予区域准入许可。对于位于ZRR内的岗位，若主管部门作出不予批准的决定，将取消聘用。 招聘政策：作为多样性政策的一部分，法国国家信息与自动化研究所（Inria）的所有岗位均向残疾人士开放。