PhD Defense: Youssef Oubelmouh

Résumé de la thèse en français : 
 

La mobilité des employés est un défi important, surtout dans les entreprises de services du numérique telles que Devoteam. Les démissions des employés sont influencées non seulement par le moment de la démission, mais aussi par la séquence des événements qui façonnent la carrière d'un employé. Cette thèse aborde l'attrition en examinant conjointement ses dimensions temporelles et séquentielles. Nous illustrons d'abord l'importance du temps dans la compréhension de l'attrition. Ensuite, nous explorons la séquence des événements et leur temporalité en combinant l'extraction de motifs séquentiels et l'analyse de survie. Ce travail définit les \textit{motifs contextuels}, qui sont pertinents pour caractériser les séquences en fonction de leur survie et de leur forme. Nous proposons alors d'extraire les motifs séquentiels qui influencent la survie des séquences contenant ces contextes. Nous les appelons motifs affectant la survie (\textit{survival-changing patterns}). Enfin, nous introduisons un nouvel outil de visualisation conçu pour faciliter l'analyse des séquences au regard de ces motifs. Cette approche représente une nouvelle contribution au domaine de l'extraction de motifs séquentiels exploitant l'analyse de survie. Elle fournit des informations aux ressources humaines concernant les sous-séquences d'événements qui peuvent expliquer ou retarder les démissions des employés.
 

Résumé de la thèse en anglais:
 

Employee mobility is an important challenge, especially in IT companies such as Devoteam. Employee resignations are driven not only by the timing of quitting but also by the sequence of events that shape an employee’s career. This thesis addresses attrition by jointly examining its temporal and sequential dimensions. We first illustrate the importance of time in understanding attrition. Then, we explore the sequence of events and their timing by combining sequential pattern mining and survival analysis. This work defines the contextual patterns, which are relevant for characterizing sequences according to both their survival and their shape. Then, we propose to extract sequential patterns that influence the survival of sequences containing these contexts. We call them survival-changing patterns. Finally, we introduce a new visualization tool designed to facilitate the analysis of sequences with respect to these patterns. This approach represents a new contribution to the field of sequential pattern mining exploiting survival analysis. It provides human resources with information on subsequences of events that may explain or delay employee resignations.
 

Le jury sera composé des membres suivants :