Modélisation sensible aux émotions du discours scientifique informel à l'ère de la désinformation // Emotion-Aware Modeling of Informal Scientific Discourse in the Age of Disinformation

Le projet EMO-SCI (ANR – DFG) étudie la manière dont les émotions façonnent et déforment le discours scientifique informel en ligne — notamment les discussions sur les réseaux sociaux impliquant des affirmations, des références ou des contextes scientifiques. Le discours scientifique sur le web devient souvent décontextualisé, émotionnalisé ou manipulé, ce qui complique l'évaluation de la fiabilité des informations partagées. EMO-SCI relève ce défi en combinant le traitement automatique des langues (TAL), l'IA générative, la fouille d'arguments et l'interaction humain–information (HII), en contribuant par de nouveaux jeux de données, des taxonomies et des modèles pour l'analyse du discours scientifique en ligne sensible aux émotions.

Ce poste de doctorat porte sur la conception de taxonomies de la distorsion scientifique, la collecte et l'annotation de données, ainsi que le développement et l'évaluation de modèles pour l'analyse des émotions dans le discours scientifique en ligne.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The EMO-SCI (ANR - DFG) project investigates how emotions shape and distort informal scientific discourse online—such as discussions on social media involving scientific claims, references, or contexts. Scientific discourse on the web often becomes decontextualized, emotionalized, or manipulated, complicating efforts to assess the trustworthiness of shared information. EMO-SCI addresses this challenge through a combination of natural language processing (NLP), generative AI, argumentation mining, and human information interaction (HII), contributing new datasets, taxonomies, and models for emotion-aware analysis of online science debates.
This PhD position focuses on science distortion taxonomy design, data collection and annotation, and model development and evaluation for the analysis of emotions in scientific online discourse.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/03/2026

Financement d'une fondation pour la recherche française

Université de Montpellier

166 I2S - Information, Structures, Systèmes

Profil requis Master en informatique, en intelligence artificielle ou équivalent. Solide formation en traitement automatique des langues (TAL) et en apprentissage automatique. Expérience en annotation de données et en constitution de jeux de données. Intérêt pour la recherche sur les émotions et l'analyse des réseaux sociaux. Maîtrise de Python et familiarité avec les frameworks de TAL (par exemple HuggingFace Transformers, spaCy, PyTorch). Compétences souhaitées Expérience en recherche interdisciplinaire impliquant les sciences sociales ou de la communication. Première expérience dans l'analyse du discours en ligne et/ou des émotions. Excellente maîtrise de l'anglais à l'écrit et à l'oral ; d'autres langues, ainsi que le français, constituent un atout.
Required Qualifications Master's degree in Computer Science, AI or equivalent Strong background in natural language processing and machine learning. Experience with data annotation and dataset development. Interest in emotion research and social media analysis. Proficiency in Python and familiarity with NLP frameworks (e.g., HuggingFace Transformers, spaCy, PyTorch). Desirable Qualifications Experience in interdisciplinary research involving social or communication sciences. Prior exposure to online discourse and/or emotion analysis. Excellent written and spoken English; additional languages and French are a plus.