Thèse Etude des Méthodes de Ranking dans le Classement des Universités H/F Doctorat.Gouv.Fr

Établissement : Université de Technologie de Compiègne École doctorale : Sciences pour l'ingénieur Laboratoire de recherche : Heuristique et diagnostic des systèmes complexes Direction de la thèse : Dritan NACE Début de la thèse : 2026-10-01 Date limite de candidature : 2026-09-30T23:59:59 Les systèmes de classement universitaire - QS, Times Higher Education, ARWU - sont devenus extrêmement influents, pourtant ils sont régulièrement critiqués pour surpondérer les indicateurs de recherche, produire des ordres contradictoires et manquer de transparence dans leur logique d'agrégation. Lorsque plusieurs parties prenantes (experts en accréditation, étudiants, employeurs, gouvernements) produisent chacun un classement différent des institutions, le problème de l'agrégation des rangs se pose : comment combiner ces classements en un ordre consensuel unique, justifié et équitable.
Cette thèse propose d'aborder ce problème à travers le prisme du Jugement Majoritaire (MJ), une méthode de vote et de classement formulée par Balinski et Laraki (MIT Press, 2011), qui demande aux évaluateurs d'évaluer chaque alternative sur une échelle linguistique commune plutôt que de comparer les alternatives par paires. Le consensus MJ est déterminé par la note médiane de chaque alternative, avec une règle de départage fondée sur les principes. Ce paradigme contourne le théorème d'impossibilité d'Arrow et minimise de manière démontrable la manipulation stratégique par rapport à toutes les autres méthodes basées sur la note. Tous les développements théoriques sont validés par des données d'ASCAL, l'Agence albanaise d'assurance qualité dans l'enseignement supérieur.
The Kemeny rank aggregation problem - finding the permutation ^* that minimises the total Kendall tau distance _i d_ (,_i) to all input rankings - is NP-hard. A 2025 arXiv paper proposes an Integer Linear Programming (ILP) framework for the generalised Optimal Bucket Order Problem (OBOP), extending Kemeny to weak orders (tied rankings) with fairness constraints.
This thesis will contribute:
ILP formulations that integrate MJ-specific constraints (median preservation, non-uniform tie-breaking) within the OBOP framework.
Branch-and-bound exact algorithms for moderate-size instances (20-100 programmes).
Investigating an approximation algorithm for fair rank aggregation under Kendall tau.
Competitive heuristics (simulated annealing, genetic algorithms) benchmarked against the algorithm study of Maystre & Grossglauser.
An exploratory study of Reinforcement Learning for rank aggregation, following recent Structured RL approaches to combinatorial optimisation.
méthode basée en recherche opérationnelle, avec essentiellement programmation mathématique et programmation dynamique