- News
Prix national Siemens Excellence Award: prenez part au vote public!
10.03.2023 Le Siemens Excellence Award entre dans sa prochaine phase: après avoir récompensé les travaux de fin d’études les plus remarquables à l’échelle régionale au cours de l’été et de l’automne derniers, et ce pour chaque haute école spécialisée, le jury du Siemens Excellence Award opère sa sélection à l’échelle nationale. Sophie Haug, diplômée du Bachelor en Informatique de la Haute école spécialisée bernoise et lauréate du prix régional doté de CHF 4000.–, figure en lice pour le prix national doté de CHF 10'000.– au total.
Jusqu’à présent, les gagnant-e-s du prix régional présentaient leurs travaux devant un comité d’expert-e-s composé de représentant-e-s des hautes écoles spécialisées participantes et de Siemens Suisse. En 2023, le montant du prix sera pour la première fois divisé entre les vainqueurs du vote public et du vote d’expert-e-s, soit CHF 5000.– chacun. Les gagnant-e-s du prix régional peuvent ainsi remporter deux fois un prix de CHF 5000.–.
En participant au vote public, vous soutenez la diplômée de la BFH, Sophie Haug, et renforcez ses chances de remporter le prix de CHF 5000.–!
Soutenez Sophie Haug en votant pour son remarquable travail de fin d’études «Natural Language Processing for Clinical Burnout Detection», dans lequel elle présente une solution permettant de détecter le burn-out clinique à partir de données textuelles grâce à l’apprentissage automatique et à l’analyse de données (Natural Language Processing, NLP).
Le vote est désormais ouvert et prendra fin le 31 mars 2023 à minuit. Les résultats du vote public seront publiés début avril 2023.
«Natural Language Processing for Clinical Burnout Detection»
Outre la performance scientifique, le jury a évalué le degré d’innovation, la portée sociale et le caractère concret du travail de Sophie Haug. Celle-ci a étudié les possibilités de détecter le burn-out clinique à partir de données textuelles grâce à l’apprentissage automatique et à l’analyse de données (Natural Language Processing). Ce modèle a permis d’obtenir des résultats prometteurs atteignant une précision globale de 81,6 %. Sa robustesse a été testée en masquant les mots-clés et en procédant à une validation croisée. En outre, des méthodes d’analyse des données ont permis d’identifier quelques marqueurs linguistiques intéressants spécifiques au burn-out et à la dépression. L’approche développée par Sophie Haug pourrait servir dans le milieu clinique pour soutenir les professionnel-le-s dans l’évaluation de la santé mentale. Les conclusions de ce mémoire de bachelor sont intégrées dans des projets de recherche en cours dans ce domaine au sein du département Technique et informatique.
