Exploration du potentiel de la détection de points de repère pour minimiser la désorientation dans les cartes pan-scalaires

Les cartes pan-scalaires sont des cartes numériques interactives qui permettent aux utilisateurs de naviguer à travers l’espace et les échelles. Bien que ces cartes soient désormais courantes, il reste encore des possibilités d’améliorations en matière de conception. Le projet LostInZoom (LiZ) vise à améliorer la navigation dans ces cartes en optimisant leur contenu et leur affichage, et en explorant de nouvelles méthodes d’interaction. Dans le cadre du projet LiZ, cette thèse s’intéresse au concept de "landmarks panscalaires" — des éléments ou groupes d’éléments dans une carte qui sont saillants ou reconnaissables à plusieurs niveaux de zoom, et qui aident ainsi les utilisateurs à naviguer dans la carte. À travers une série d’expériences utilisateurs et d’entrainements de modèles d’intelligence artificielle, ce travail explore des méthodes pour détecter ces landmarks afin de fournir un retour aux cartographes et concepteurs de cartes sur les moyens d’améliorer leurs cartes. Ce faisant, ce travail offre également certains éclairages sur les processus cognitifs par lesquels les utilisateurs distinguent les landmarks des autres éléments cartographiques. La thèse s’articule autour de deux axes de recherche. Dans le premier axe, nous classons les ancres en différentes catégories et nous nous concentrons sur des catégories spécifiques. En particulier, nous menons une étude perceptuelle sur les périphériques urbains (ring roads) et discutons de la manière dont ce genre d’expériences peuvent contribuer à la construction de meilleurs modèles. Nous présentons ensuite une expérience visant à détecter des bâtiments remarquables dans une base de données en utilisant une approche multimodale combinant des données tabulaires et des images via un modèle d’apprentissage profond. Dans le second axe, nous adoptons une approche plus globale en entraînant des modèles de segmentation (U-Net et Segformer) pour détecter les ancres dans les images de cartes. Cela implique la création d’un jeu de données d’entraînement basé sur des cartes pan-scalaires existantes et la création d’une méthodologie pour évaluer la performance de ces modèles. Ce travail contribue au corpus croissant de recherches à l’intersection du design cartographique, de l’interaction humain-machine et des sciences cognitives, et se distingue notamment par l’utilisation de réseaux de neurones pour identifier des éléments cognitivement saillants dans des images de cartes. Plus largement, il réaffirme la nécessité d’intégrer davantage de considérations de design cognitif dans la conception des cartes utilisées dans des environnements numériques hautement interactifs