Cet atelier offre un aperçu des éléments essentiels du sommeil et de son lien fondamental avec la santé mentale. Les participants exploreront l’impact du sommeil sur le bien-être général et découvriront des conseils pratiques pour améliorer la qualité de leur sommeil. La séance proposera également des ressources supplémentaires pour les cas où les stratégies de base ne suffisent pas, permettant aux participants de progresser vers un sommeil réparateur.

Participer à une conférence ne se résume pas à partager vos recherches ; c’est aussi une occasion de rencontrer des personnes et de tisser des liens. Des réseaux solides peuvent déboucher sur des collaborations, du mentorat, des opportunités d'emploi et vous aider à vous sentir intégré à une communauté. Que vous participiez à votre première conférence ou que vous ayez déjà une certaine expérience, cette session vous proposera des conseils et stratégies pratiques pour réseauter en toute confiance. Écoutez les témoignages d'autres étudiants, découvrez ce qui fonctionne et partagez vos propres expériences lors de cette présentation interactive.

Le paysage informationnel actuel peut sembler de plus en plus accablant. Avec Google Scholar, ChatGPT, APA PsycInfo, Omni, PubMed, par où commencer et quand s’arrêter? Cet atelier pré-conférence présente deux outils intéressants pouvant aider les chercheurs avancés à repérer des références supplémentaires et à approfondir leur compréhension. Research Rabbit (https://www.researchrabbit.ai/) permet de découvrir et de cartographier des réseaux savants grâce aux liens visuels entre des articles clés, tandis que SciSpace (https://scispace.com/) aide à comprendre, résumer et analyser des articles de revues savantes. Les participants verront également comment ces deux outils s’intègrent à Zotero afin de faciliter la gestion des références et les flux de travail en recherche. La session comprendra une démonstration des deux outils à l’aide d’exemples concrets et proposera des conseils pour les intégrer aux activités de recherche d’information et de lecture.

Cet atelier s’adresse aux étudiant.e.s au baccalauréat, à la maîtrise ou au doctorat ayant peu ou pas d’expérience et rédaction et révision d’articles scientifiques. Si vous souhaitez affiner votre compréhension des étapes menant à la publication d’une recherche et améliorer vos compétences rédactionnelles, cet atelier interactif est conçu pour vous! Lors de cet atelier, les caractéristiques propres aux différents types de manuscrits (p.ex., articles empiriques et théoriques) vous seront présentées. De plus, toutes les étapes que traverse un manuscrit scientifique, de sa rédaction à la publication, en passant par la révision par les pairs, seront détaillées. À la suite de cette première partie de théorie, un atelier pratique visant à évaluer un manuscrit et à proposer des modifications visant à améliorer celui-ci vous sera proposé. Cet exercice vous permettra de consolider les concepts précédemment appris et de les appliquer à un article réel. Votre participation à cet atelier vous permettra non seulement de renforcer vos compétences en écriture scientifique, mais aussi d’acquérir une meilleure compréhension du processus de révision menant à la publication d’un article scientifique et des exigences des évaluateurs

La stimulation magnétique transcrânienne répétitive (SMTr) est un traitement efficace pour la dépression majeure, mais il subsiste une importante variabilité en termes de réponses cliniques. Pourquoi des patients recevant la même intervention présentent-ils des résultats nettement différents? Cette présentation soutient que la réponse au traitement est intrinsèquement multifactorielle et est façonnée par l'interaction de facteurs biologiques, liés au mode de vie, et neurophysiologiques. Je vais commencer par un bref survol de la SMTr pour le traitement de la dépression, et je vais ensuite présenter un essai clinique en cours qui compare la stimulation thêta burst unilatérale et bilatérale (l'essai UBD). À partir de cette contextualisation, je vais examiner des déterminants clés de la réponse au traitement. En m'appuyant sur des travaux récents de notre groupe, je vais souligner l'importance de deux facteurs qui influencent les résultats de traitement, soit le sexe biologique et l'activité physique de base. De récents résultats suggèrent que ces facteurs interagissent, potentiellement à travers des différences d'anatomie corticale, d'organisation de réseaux et de modulation de plasticité liée aux hormones. Enfin, je vais présenter des approches de SMT-EEG pour sonder l'excitabilité et l'inhibition corticales, en soulignant la composante N100 comme biomarqueur potentiel de réponse. Mis ensemble, ces résultats soutiennent un passage vers la neuromodulation de précision, où la stratification, la stimulation en fonction de la dose, et les marqueurs cérébraux guident les stratégies de traitement individualisées.

Le domaine de l'intelligence artificielle en éducation a une longue histoire de construction et d'évaluation de systèmes de tutorat intelligents (STI), soit des technologies qui fournissent des conseils personnalisés et de l'échafaudage aux étudiants durant des activités éducatives. Traditionnellement, ces systèmes requéraient d'importants efforts de mise en place de la part de nombreux partis, incluant les programmeurs et les instructeurs. En revanche, les grands modèles de langage (GML) sont des outils à usage général qui peuvent automatiquement générer des explications, des indices et des solutions. Ceci soulève une question importante: les STI sont-ils encore pertinents? Avant l'arrivée des GML, l'accent était mis sur la conception et l'évaluation d'interventions pédagogiques à même les STI qui fournissaient des activités structurées visant à encourager le raisonnement constructif. Notre travail récent se penche sur la manière dont les étudiants utilisent les GML dans des contextes moins restreints, ainsi que sur la possibilité que des designs relativement légers exploitant des fonctionnalités des GML puissent encourager l'engagement constructif. Globalement, dans le cadre de cette présentation, je maintiens que bien que les GML augmentent l'accès à l'assistance et au contenu pédagogique, les designs de type STI demeurent nécessaires pour promouvoir l'engagement constructif dans le cadre d'activités pédagogiques.

Marcher en parlant est une activité quotidienne. Vous pourriez présumer que vous n'avez pas besoin d'énormément d'attention ou de ressources cognitives pour accomplir cette activité. Un grand nombre d'études suggèrent que lorsque votre attention est partagée, des problèmes peuvent survenir (ex : vous pourriez trébucher et tomber, vous pourriez arrêter de parler lorsque vous marchez, etc.). À l'aide de la spectroscopie proche infrarouge fonctionnelle, ou SPIRf, une technique de neuroimagerie portable innovative, il est possible d'obtenir un aperçu de ce qui se déroule dans le cerveau lorsque vous complétez ces activités. Nous pouvons utiliser ces informations pour mieux comprendre des processus neuronaux, des différences entre divers groupes d'âge, de potentiels marqueurs de risque de déclin physique/cognitif et pour surveiller des améliorations en santé cognitive post-intervention.

Ce séminaire soulignera de récents résultats du programme de recherche du Prof. Andrew Nicholson à l'Université d'Ottawa, Canada. La présentation débutera avec des études de neuroimagerie sur les différents corrélatifs neuronaux du trouble de stress post-traumatique (TSPT) et son sous-type dissociatif, en soulignant comment ces informations pourraient façonner des approches de traitement plus personnalisées. Nicholson partagera ensuite de récents résultats concernant le neurofeedback en tant qu'intervention non invasive pour le TSPT, qui illustrent comment les individus peuvent apprendre à autoréguler des motifs d'activation cérébrale perturbés suite à un traumatisme. Les résultats d'un récent essai randomisé contrôlé (ERC) de neurofeedback seront présentés, montrant des réductions cliniquement significatives de symptômes de TSPT ainsi qu'une progression vers la normalisation de la connectivité pathologique de réseaux neuronaux. La portion finale de la présentation se penchera sur la neurobiologie du stress minoritaire, en soulignant comment l'oppression et la discrimination contribuent aux symptômes liés au traumatisme, à la blessure morale, et à des résultats négatifs en termes de santé mentale. Globalement, en reliant ces domaines de recherche, cette présentation démontrera comment les techniques de neuroimagerie peuvent être employées pour faire progresser la compréhension des conditions de santé mentale touchant les populations traumatisées et marginalisées, et pour guider le développement d'interventions plus efficaces et équitables.

Cette présentation offrira un bref survol du développement de technologies de support à domicile intelligentes au groupe de recherche Capteurs et analytique de suivi mobilité-mémoire (SAM3). Cette présentation examinera pourquoi ces technologies sont importantes, comment elles peuvent aborder certains défis liés au vieillissement et comment l'intelligence artificielle lie le tout.

Où est-ce que les gens se tournent lorsque l'information relative à la santé dont ils ont besoin est manquante, négligée ou difficile d'accès? De plus en plus, la réponse à cette question est la technologie. Cette transformation est particulièrement importante dans le domaine de la santé des femmes, qui a longtemps été sous-représenté en recherche, en éducation et en communication de santé publique. Les médias sociaux, les plateformes virtuelles, les applications de suivi du cycle menstruel et d'autres outils de santé numériques sont devenus d'importantes sources d'information sur des sujets tels que la santé menstruelle et reproductive, les conditions hormonales et le bien-être général. Pour de nombreuses femmes, ces technologies offrent des manières accessibles et valorisantes d'en apprendre plus sur leur corps et leur santé. Cependant, ces technologies améliorent-elles réellement la compréhension, ou bien créent-elles une illusion de connaissance et contribuent-elles à la propagation de la désinformation? Cette présentation explore comment la technologie transforme présentement l'éducation en santé des femmes à travers les médias sociaux, les informations en ligne sur la santé et les outils numériques. En se basant sur de récents résultats de recherche, cette présentation examine comment ces plateformes pourraient influencer les connaissances perçues et objectives sur des thèmes reliés à la santé des femmes. Cette présentation souligne aussi des projets et initiatives en cours qui utilisent la technologie pour combler des lacunes de connaissances, élargir l'accès à l'information exacte et rendre la recherche sur la santé des femmes plus accessible. En somme, cette présentation offre un aperçu opportun sur la manière dont l'innovation façonne le futur de l'éducation et de la littératie en santé des femmes.

La conduite est une activité quotidienne qui exige une attention constante, des prises de décisions et la capacité de réagir aux conditions routières changeantes. Bien qu'elle puisse paraître automatique, les recherches montrent que lorsque l'attention est divisée ou que les exigences cognitives augmentent, les performances de conduite peuvent être affectées. Face à l'augmentation du nombre d'accidents, les chercheurs ont commencé à identifier des facteurs de protection susceptibles de réduire leur probabilité et d'améliorer la sécurité routière, notamment en lien avec l'évolution des fonctions cognitives tout au long de la vie. Des simulateurs de conduite ont été développés pour étudier le comportement des conducteurs dans un environnement sûr et contrôlé. En reproduisant des scénarios de conduite réels et en permettant aux chercheurs de manipuler des paramètres tels que la circulation et la configuration des routes, les simulateurs permettent d'examiner les réactions des conducteurs dans des situations qu'il serait difficile, voire dangereux, d'étudier sur de vraies routes. Cette présentation mettra en lumière l'utilisation des simulateurs de conduite dans des domaines tels que les facteurs humains et la recherche médicale pour étudier le comportement des conducteurs dans des conditions comme la distraction, l'augmentation des exigences mentales et les changements cognitifs liés à l'âge. Elle examinera également comment le temps de réaction est utilisé pour comprendre les réponses des conducteurs à la pression et aux dangers potentiels, démontrant ainsi comment les simulateurs permettent de mieux comprendre le comportement des conducteurs et la sécurité routière.

Le rappel d’un récit reste une méthode principale d’évaluation de la mémoire épisodique, mais la notation manuelle des réponses des participants peut être laborieuse et prendre du temps. Les méthodes de calcul offrent une alternative efficace, évolutive et automatisée pour le score des rappels. Nous avons demandé si deux approches computationnelles pouvaient correspondre à la notation humaine traditionnelle du rappel d’histoire. La première approche a utilisé un pipeline classique de traitement du langage naturel (TLN) en utilisant des techniques basées sur des règles, y compris l’extraction n-gram, la reconnaissance d’entités nommées et l’analyse de dépendances (Python Natural Language Toolkit). La deuxième approche a exploité les capacités avancées de compréhension des langues des grands modèles de langage (GML). Nous avons utilisé la méthode classique de TLN et deux GMLs (GPT-4o d’OpenAI et Gemini 2.0/2.5 de Google) séparément pour noter n = 160 jeunes et n = ~95 personnes âgées, le rappel immédiat et retardé de paires d’histoires créées par Taler et al. (2021). Les réponses ont été classées comme véridiques (c.-à-d. mot pour mot), essentielles (c.-à-d. idée générale) ou déformées (c.-à-d. clairement erronées). Remarquablement, les deux approches correspondaient étroitement à la notation humaine du rappel véridique. Le pipeline classique du NLP n’a pas réussi à saisir les scores de l'essentiel et de distorsion, tandis que les GMLs ont montré des corrélations modérées avec les évaluations humaines sur les deux dimensions. Nous avons exploré différentes méthodes d’incitation GML et obtenu des résultats similaires à chaque fois. Les méthodes de calcul se rapprochent des performances humaines dans l’évaluation du rappel véridique de la mémoire, bien qu’elles aient encore besoin d’amélioration pour saisir les subtilités des erreurs de mémoire. La poursuite du développement de ces outils automatisés contribuera à rendre les tests cognitifs et neuropsychologiques plus efficaces et plus accessibles, et pourrait être particulièrement utile avec de grands ensembles de données.