Chaque année, le Centre de recherche de l’Institut national de psychiatrie légale Philippe-Pinel organise un concours de bourses permettant à des étudiant·es de présenter leurs résultats de recherche à des congrès scientifiques internationaux. Forensia a le privilège d’intégrer ces présentations dans le cadre de sa programmation de conférences-midi, les 17 et 23 octobre 2024.
Cette conférence comprend deux présentations de 30 minutes.
12 h 00 à 12 h 30 : présentation # 1
Révéler les disparités : L’influence de l’identité autochtone et des biais cognitifs sur l’évaluation du risque
Léanne Dauphinais M. Sc
Étudiante au doctorat en criminologie, chargée de cours Université de Montréal. Coordonnatrice et auxiliaire de recherche, Centre international de criminologie comparée (CICC).
12 h 30 à 13 h 00 : présentation # 2
Prédiction du niveau de présence sexuelle en réalité virtuelle : Une approche innovante d’apprentissage machine basée sur des mesures physiologiques
Sara Saint-Pierre Côté, CPI, M. Sc. A.
Étudiante au doctorat en ingénierie, École de technologie supérieure
Présentation # 1
Révéler les disparités : L’influence de l’identité autochtone et des biais cognitifs sur l’évaluation du risque
Léanne Dauphinais, M. Sc.
Étudiante au doctorat en criminologie, chargée de cours, Université de Montréal. Coordonnatrice et auxiliaire de recherche, Centre international de criminologie comparée (CICC).
Les évaluations actuarielles du risque de récidive jouent désormais un rôle intégral dans le système de justice canadien. Les résultats à ces évaluations orientent plusieurs décisions concernant la prise en charge correctionnelle, notamment les besoins en matière de traitement et les possibilités de libération (Gutierrez et al., 2017). Considérant les implications importantes de ces évaluations, il est primordial de s’assurer de l’impartialité des instruments utilisés, sans quoi il est possible de perpétuer la discrimination systémique vécue par certains groupes ethnoculturels (Cour Suprême du Canada, 2018; Large et Nielssen, 2017; Shepherd, 2016). Au Canada, plusieurs études suggèrent que les outils actuariels sont moins efficaces pour prédire la récidive de contrevenant·es autochtones (e.g. Huang et al., 2021; Wilson, 2016; Wormith et al., 2015). Certains auteur·rices soutiennent que ces différences dans la capacité prédictive des instruments pourraient être dues à la présence de biais lors de l’évaluation (Shepherd et Lewis-Fernandez, 2016; Venner et al., 2021). Peu d’études se sont intéressées à l’effet des biais cognitifs des évaluateur·rices sur le processus d’évaluation. Ainsi, cette étude a pour objectifs d’étudier :
- L’effet de l’identité autochtone.
- L’effet des biais cognitifs des évaluateur·rices sur le processus d’évaluation et les décisions en matière de traitement.
Pour ce faire, 83 étudiant·es en criminologie ont été assigné·es aléatoirement à un agent virtuel autonome (AVA) pouvant prendre la forme d’un adolescent caucasien ou d’un adolescent autochtone. Ils ont dû procéder à l’évaluation du risque de récidive du personnage et à la rédaction d’un rapport d’évaluation dressant un plan d’intervention.
Les résultats soutiennent qu’il existe plusieurs différences dans le processus d’évaluation dépendamment de l’identité autochtone, en plus de suggérer que les biais cognitifs des participant·es ont un effet différentiel sur le processus d’évaluation selon l’identité du personnage.
Présentation # 2
Prédiction du niveau de présence sexuelle en réalité virtuelle : Une approche innovante d’apprentissage machine basée sur des mesures physiologiques
Sara Saint-Pierre Côté, CPI, M. Sc. A.
Étudiante au doctorat en ingénierie, École de technologie supérieure
Cette présentation introduit une méthode utilisant l’apprentissage machine pour prédire le niveau de présence sexuelle en réalité virtuelle, en se basant sur des mesures physiologiques telles que la pléthysmographie pénienne et vaginale, l’électroencéphalographie quantitative et les réponses oculométriques. Les fondements de l’apprentissage machine seront définis, mettant en lumière ses différences essentielles avec l’analyse statistique classique. Seront également abordés les défis spécifiques liés à la collecte et à l’analyse de données physiologiques dans un contexte virtuel.
L’approche pédagogique adoptée facilitera la compréhension des techniques avancées d’analyse de données, notamment :
- l’utilisation de modèles prédictifs;
- la sélection des variables d’intérêt;
- l’importance de l’interprétabilité des modèles.
Cette approche vise à fournir aux participant·es un cadre clair et accessible pour explorer comment les techniques avancées peuvent être appliquées dans des domaines tels que la psychologie et la psychiatrie légale, en utilisant un exemple concret d’application avec la prédiction du niveau de présence sexuelle.