L’Institut d’études avancées de Paris, en collaboration avec neuf autres instituts européens d’études avancées, lance l’appel à candidatures pour le programme « Constructive Advanced Thinking (CAT) » destiné à de jeunes chercheurs. Déposez vos candidatures avant le 1er septembre 2021.
IEA rassemble les grandes universités et établissements scientifiques situés en région parisienne : l’École des Hautes Études en Sciences Sociales, l’Ecole Normale Supérieure (Paris) École Pratique des Hautes Études, La Fondation Maison des Sciences de l’Homme, l’Institut National des langues et Cultures Orientales, Sorbonne Université, Université Paris Cité, l’Université Paris-Nanterre, l’Université Paris-Saclay et l’Université Sorbonne nouvelle Paris 3
L’Institut d’études avancées de Paris (IEA de Paris) est un centre de recherche transdisciplinaire qui accueille des chercheurs du monde entier dans les domaines des sciences humaines et sociales et des humanités. Il est également ouvert à d’autres disciplines, en particulier les sciences de la vie, dans le cadre de projets associant les sciences humaines et sociales, ainsi qu’aux recherches intersectorielles avec des acteurs de l’administration, de l’économie et des citoyens.
Objectif
L’objectif de « Constructive Advanced Thinking (CAT) » est d’encourager les réseaux d’excellents chercheurs de toute nationalité en début de carrière qui se consacrent à la conception de nouvelles idées pour comprendre et relever les défis sociétaux actuels ou émergents. CAT encourage la collaboration avec des acteurs extérieurs au monde universitaire (industrie, décideurs politiques, ONG…) qui sont prêts à soutenir ou à s’engager dans des initiatives de recherche innovantes.
Critères d’éligibilité :
- Le projet doit porter sur des questions sociétales émergentes.
- Le chercheur principal (chef d’équipe) doit avoir un poste de recherche stable dans un établissement d’enseignement supérieur et/ou de recherche européen (UE ainsi que Royaume-Uni et pays associés) pendant toute la durée du projet.
- Il/elle doit avoir obtenu un doctorat entre janvier 2012 et décembre 2020.
- Aucun membre de l’équipe ne doit avoir obtenu son doctorat avant janvier 2012. Les chercheurs doctorants peuvent également participer.
- Il n’y a pas d’exigence spécifique pour les représentants des organisations de parties prenantes.
- Chaque équipe doit comprendre des participants d’au moins deux pays différents (lieu de travail actuel, y compris les pays non européens ; toute nationalité).
- L’équipe de 3 à 5 personnes (parties prenantes incluses) doit être entièrement constituée, avec les CV de tous les membres nommés dans la proposition.
Comment candidater ?
Visitez le site d’IEA ici
Calendrier
La clôture est fixée au 1er septembre 2021.
À lire aussi
Nikos Paragios – Seeing the Invisible – Doing the Impossible: Reinventing Healthcare with Generative AI-powered diagnosis, treatment and beyond
Nikos ParagiosDecember 04, 2024Vulpian Amphitheater, 12 rue de l’École de Médecine (75006 Paris) Nikos Paragios (52) is distinguished professor of Mathematics (on partial leave) at Ecole CentraleSupelec, the school of engineering ofthe University of Paris-Saclay and...
Deeply Learning from Neutrino Interactions with the KM3NeT neutrino telescope
2022 PhD/ DIAI Projects @AstronomyParticle physics and graph neural networks Santiago PENA MARTINEZ Project Summary A new generation of neutrino experiments is in the horizon looking to explore many of the open questions on neutrino properties and searching for...
Alon Halevy – Well-being, AI, and You: Developing AI-based Technology for Well-being
Alon HalevyDecember 04, 2024Vulpian Amphitheater, 12 rue de l’École de Médecine (75006 Paris) Alon Halevy is a Distinguished Engineer in Google Cloud. From 2019 until November 2023, he was a director at Meta’s Reality Labs Research, where he worked on Personal Digital...
Shen Liang – Knowledge-guided Data Science
Shen LiangMay 18, 4 PM online (zoom) linkedinAbstract This tutorial presents an overview of knowledge-guided data science, a rising methodology in machine learning which fuses data with domain knowledge. We will present numerous case studies on this methodology...