Archives par étiquette : corpus

Un réseau géomédiatique à partir du Corpus Géomédia

Peut-on obtenir une vue cohérente du monde géopolitique à partir des flux RSS récoltés dans le cadre de l’ANR Géomedia ? Un travail, que nous avons présenté à la conférence ECTQG 2015, montre que oui. Nous avons construit un réseau de co-citations géomédiatiques en utilisant un extrait des flux récoltés en 2014. Le principe est simple : nous établissons une liste d’entités géographiques (comme des pays) et, pour deux entités données, nous regardons combien de fois elles ont été citées ensemble dans la base RSS. La combinaison de ces éléments est un objet appelé graphe.

Ce type d’objet inclut beaucoup d’informations mais est généralement trop dense pour être analysé « à la main ». Une stratégie classique dans ce cadre est de rechercher des blocs d’entités très connectées entre elles et faiblement connectées avec le reste du réseau (on parle de « détection de communautés » dans les réseaux complexes). Le but est de simplifier le réseau en utilisant ces blocs. On peut également chercher à savoir si ces groupes ont du sens d’un point de vie thématique et/ou géographique.

 consensus_graph_component2

Nous avons utilisé différentes méthodes pour rechercher ces blocs et comparer les résultats. Bien que ces derniers varient, on trouve une cohérence d’un point de vue thématiques dans les blocs détectés. Pour rendre compte des résultats et offrir une image utile du réseau, nous avons filtré les liens entre entités géographiques n’étant pas à l’intérieur d’un bloc quelque soit l’algorithme utilisé (voir image ci-dessus).

Le Corpus Géomédia pourrait ainsi être utilisé pour étudier l’évolution de la représentation géopolitique du monde selon différents critères, par exemple en fonction de l’origine géographique des médias ou selon différentes époques. Vous trouverez les liens vers les jeux de données ci-dessous, n’hésitez pas à les utiliser !

Plus de détails : F. Queyroi, L. Beauguitte et H. Pecout « RSS Flows, World Structure & Community Detection », ECTQG 2015

Papier : queyroi2015_communities_geomedia

Dataset : ectqg2015_cocitations_dataset

Création de sous-corpus de flux RSS à partir de la base Géomédia : note méthodologique

Par Benjamin Loveluck (post-doctorant Géomédia, université Paris Diderot) avec la collaboration de Hugues Pecout (ingénieur d’étude, GIS-CIST)

L’application Géomédia, dont une courte description a déjà été proposée, collecte un nombre important de flux RSS (plus de 250) qui proviennent d’un vaste corpus de journaux (plus de 160). Ces flux sont très hétérogènes, et il n’est donc généralement pas pertinent de travailler avec l’intégralité de la base. Nous proposons ici d’expliciter les principaux critères qui permettent au chercheur de construire des sous-corpus cohérents, en fonction des hypothèses à tester, de l’événement auquel on s’intéresse, des objectifs et des priorités de l’étude.

Il s’agit ainsi de déterminer les caractéristiques des flux que l’on souhaite analyser, qui varient en fonction de six dimensions principales :

  1. Les attributs médiatiques des journaux collectés (hard news vs soft news, public visé, positionnement politique etc.)
  2. Les différentes langues de publication
  3. La représentativité géographique, dans la mesure où le nombre de flux collectés varie significativement d’un pays à un autre : pour beaucoup de pays, la base ne collecte les flux que d’un seul journal, alors que pour un petit nombre de pays le nombre de journaux représentés est plus important (entre 2 et 11 journaux différents)
  4. La temporalité de la collecte, qui n’est pas uniforme puisque tous les flux n’ont pas été « branchés » au même moment, et certains ont été interrompus
  5. Les différents types de flux collectés, qui correspondent à des rubriques ou à des catégories d’information différentes (international, breaking news etc.)
  6. Enfin les spécificités techniques des flux, qui peuvent diverger de manière importante aussi bien sur le plan du « contenu » (richesse et pertinence des titres et des descriptions etc.) que sur celui de la « forme » (régularité, débit etc.)

Continuer la lecture