HAL: Hyper Article en Ligne
Not a member yet
3816344 research outputs found
Sort by
APPRENDRE À VIVRE AVEC SON LOGEMENT APRÈS UN PARCOURS SANS DOMICILE :MIEUX COMPRENDRE POUR ENRICHIR LES PRATIQUES D’ACCOMPAGNEMENT
No full textEdition 2025Les principes du logement d’abord sont d'attribuer directement un logement pérenne aux personnes sans domicile, et de proposer un accompagnement centré sur l'habitant. Cette recherche s’appuie sur le concept d’identité-logement (IL), prônant que l’habitant développe un rapport singulier avec son logement constitué d'habitudes, de perceptions, de projections. Cette IL se construit grâce au développement de capabilités, définies comme la capacité, et la liberté à utiliser les ressources à disposition pour choisir son propre mode de vie (Sen, 1992). Les objectifs de l'étude sont de définir une liste de capabilités liées à l'IL chez des locataires ayant connu un parcours sans domicile et d'identifier dans l'accompagnement global, des facteurs limitant ou favorisant le développement de ces capabilités. Cette recherche comprend une première phase impliquant des résidents isolés, logés au sein des pensions de famille de l’ALFI et ayant connu préalablement un parcours sans domicile. La seconde phase cible des familles monoparentales hébergées à l’hôtel et relogées dans le parc social d’Antin Résidences. La recherche est collaborative et associe des personnes concernées à toutes les étapes du protocole. Les résultats proposent une liste de 10 capabilités liées à l'identité-logement ainsi qu'un outil d'identification des facteurs permettant de convertir les ressources en capabilités. Ces facteurs sont de nature sociale, spatiale, personnelle et temporelle, et permettent de mieux orienter l'accompagnement global vers un développement de l'IL des habitants
Classe, race au Sud des États-Unis: Essais sur l'économie politique de la race en l'honneur du travail de Michael Goldfield
No full textInternational audienc
Les chauffeurs d’Aden. Document sur une filière migratoire de Djibouti aux États-Unis
No full textInternational audienc
Thermal-solutal convection-induced low-angle grain boundaries in single-crystal nickel-based superalloy solidification
No full textInternational audienc
Individualisation et individualisme en Europe: Note de synthèse sur les résultats français de l'enquête sur les valeurs des Europeéns (EVS)
No full textTraduction de l’espagnol vers le français de micro-récits, micro-fictions et micro-poèmes pour la version bilingue de Carolina Fonseca (coord.), ¡Basta! Panamá, 100 mujeres contra la violencia de género, Panama, Modus Ludicus Editorial, 2017 (sous presse)
No full textCarolina Fonseca (coord.), ¡Basta! Panamá, 100 mujeres contra la violencia de género, Panama, Modus Ludicus Editorial, 201
Véra Korène
No full textVerbete sobre a atriz francesa Véra Korène, exilada no Brasil de 1940 à 1944, durante o governo de Vichy em França
Towards privacy-preserving and fairness-aware federated learning framework
No full textInternational audienceFederated Learning (FL) enables the distributed training of a model across multiple data owners under the orchestration of a central server responsible for aggregating the models generated by the different clients. However, the original approach of FL has significant shortcomings related to privacy and fairness requirements. Specifically, the observation of the model updates may lead to privacy issues, such as membership inference attacks, while the use of imbalanced local datasets can introduce or amplify classification biases, especially for minority groups. In this work, we show that these biases can be exploited to increase the likelihood of privacy attacks against these groups. To do so, we propose a novel inference attack exploiting the knowledge of group fairness metrics during the training of the global model. Then to thwart this attack, we define a fairness-aware encrypted-domain aggregation algorithm that is differentially-private by design thanks to the approximate precision loss of the threshold multi-key CKKS homomorphic encryption scheme. Finally, we demonstrate the good performance of our proposal both in terms of fairness and privacy through experiments conducted over three real datasets