Un projet de recherche porté par Vincent Verger, doctorant au sein du CREST (Institut Polytechnique de Paris) et lauréat de l’appel à projets du lab 2024-2025.

Description

La littérature académique montre que les chômeurs sont stigmatisés, c’est à dire qu’ils sont discrédités et assimilés à une unique caractéristique déviant de la norme sociale (Goffman, 1963; Major & O’Brien, 2005).

En économie, le stigma a principalement été étudié sous l’angle de son effet sur les recruteurs, alors que celles sur les demandeurs d’emplois l’ont encore peu été. Les études réalisées en sociologie et en psychologie sur ce sujet montrent que les demandeurs d’emplois sont conscients de la représentation stigmatisante du chômeur typique, ce qui peut les rendre plus actif dans leur recherche d’emplois mais aussi les dissuader de candidater pour des allocations chômages.

Ce projet part du postulat que la perception du stigma associé à la position des demandeurs d’emplois, mais également la stigmatisation elle-même est aux prises de dynamiques sociales plus large, particulièrement celle de la couverture médiatique. Il cherche à établir un lien causal entre la stigmatisation des demandeurs d’emplois et les comportements sur le marché du travail, particulièrement ceux des demandeurs d’emplois. Il propose donc d’étudier la couverture médiatique des chômeurs dans les principaux médias français, en termes de cadrage et de ton. Il s’agira ensuite d’analyser simultanément, dans une approche particulièrement novatrice, cette couverture médiatique à grande échelle et les comportements sur le marché du travail à l’échelle micro, en utilisant des données fournies par France Travail.

Méthodologie, données et traitements

Concernant les données de l’INA, le corpus sera composé des retranscriptions textuelles et des notices des programmes diffusés aux heures de grande écoute par les grandes chaînes de télévisions françaises et radios depuis 2014.

A partir de ces données, il s’agirait d’abord de construire des indicateurs quantitatifs visant à décrire le corpus (nombre d’occurrences des différents sujets en relation avec les chômeurs), puis d’utiliser le traitement automatique du langage naturel, notamment des grands modèles de langue (LLM) afin de construire des indicateurs de sentiments (positif ou négatif), de catégoriser les sous sujets mis en avant (comme les allocations chômage ou la pauvreté) et de créer une typologie des cadrages et récits. Ces indicateurs, ainsi que les données de France Travail seront ensuite utilisés au sein de modèles économétriques.