Abstract:
The study of the innovation diffusion offers an insight to predict its adoption by a particular community. The diffusion of innovation theory was introduced as a general framework to expound and analyze this social phenomenon. Despite the fact that several studies have been conducted about the innovation diffusion and the richness of literature, little attention has been given to modeling innovation nature and individuals’ characteristics that generate different behaviors toward this innovation. The evolutionary algorithm was chosen to deepen the evolution of the adoption decision, as a gradual process affected by exposure to the adoption of neighbors or to innovation itself because of the urgent need to include as many of these important concepts as possible. The current thesis proposes two original models to account this limitation, which are sustained with the theory of innovation diffusion; two types of experimentations were carried out. To better describe the impact of information exchange, a simulation with three forms of social structure lattice, ring and random network, as a first type was performed. The use of data from Facebook platform was the second type. Indeed, the research focused on the relationship between the micro-level behavior and the macro-level diffusion patterns. Namely, different simulation scenarios were conducted using a probabilistic foundation, which demonstrated the influence of every represented notion. The model, therefore, proves an explicit diffusion pattern and the ability to determine the early adopters without the need of historical data. The results show that there is a consistency of representation inspired from innovation diffusion theory - reinforced by individuals’ gradual acceptance model – along with the features of evolutionary algorithms. This outcome constitutes a promising area for further exploratory researches.
Keywords diffusion of innovation, evolutionary algorithm, gradual acceptance, innovation characteristics, individuals’ heterogeneity, social network, Facebook datasets.
Description:
L'étude de la diffusion de l'innovation offre un aperçu rigoureux pour prédire son adoption par une communauté particulière. Pour modéliser et analyser ce phénomène social, la théorie de la diffusion de l'innovation a été utilisée comme un cadre général. Malgré le fait que plusieurs études ont été menées sur ce phénomène social et la richesse de la littérature, très peu d'attention a été accordée à la modélisation de la nature de l'innovation et aux caractéristiques des individus qui génèrent des différents comportements à l'égard de cette innovation. En partant du besoin urgent d'inclure le maximum de ces concepts importants, les algorithmes évolutifs ont été choisis pour simuler l'évolution de la décision d'adoption, en tant que processus d’acceptation graduelle affecté par l'exposition aux voisins qui sont déjà adoptants ou l'innovation elle-même. Pour tenir compte de cette limitation, cette thèse propose deux modèles originaux qui reposent sur la théorie de la diffusion de l'innovation. Dans ce sens, nous faisons appel à deux types d’expérimentation. Une simulation à trois formes de structure sociale : réseau en torus, anneau et aléatoire, afin de décrire l'impact des échanges d'informations, dans un premiers temps, suivi par l’utilisation des données de la plateforme Facebook comme un deuxième type. En effet, le travail se concentre sur la relation entre le comportement au micro-niveau et les modèles de diffusion à macro-niveau. À savoir, différents scénarios de simulation ont été réalisés à l'aide d'une base probabiliste qui a démontré l'influence de chaque notion représentée. Les résultats, par conséquent, prouvent un modèle de diffusion explicite et la capacité de déterminer les premiers adoptants sans avoir besoin de données historiques. Finalement, une observation a attiré l'attention, en d'autres termes, les résultats montrent une cohérence entre la représentation inspirée de la théorie de la diffusion de l'innovation - renforcée par le modèle d’acceptation graduelle des individus - avec les caractéristiques les algorithmes évolutifs. Cette conclusion constitue un domaine prometteur pour d'autres recherches exploratoires.
Mots-clés la diffusion d'innovation, algorithme évolutif, acceptation graduelle, caractéristiques d'innovation, hétérogénéité des individus, réseau social, données Facebook.