MEDIALEX: Approche computationnelle des dynamiques d’influence entre agendas législatifs et médiatiques

Un projet de recherche coordonné par Sylvain Parasie, professeur de sociologie à Sciences Po et chercheur au médialab ; à l’INA par Nicolas Hervé, Responsable R&D, Service de la Recherche, et Agnès Saulnier, Ingénieure de recherche

Description

L’essor des technologies numériques a profondément déstabilisé l’espace public, en élargissant l’accès à la parole publique. Les transformations médiatiques, notamment liées à l’essor des réseaux sociaux, ont permis à un plus grand nombre d’acteurs d’alimenter en sujets le débat public. Dans ce contexte, le projet MEDIALEX vise à répondre à la question suivante : Dans quelle mesure la numérisation de l’espace public a-t-elle bouleversé la capacité des élus, des médias traditionnels et des publics à imposer les sujets prioritaires du débat public ? Autrement dit, comment les transformations de l’espace public et médiatique modifient-elles les dynamiques d’émergence, d’imposition et de circulation des thèmes dans le débat public ?

Méthodologie, données, traitements

Pour répondre à cette question, le projet MEDIALEX propose de développer des méthodes numériques originales, en combinant des compétences de sciences sociales, à la fois quantitatives et qualitatives, avec des compétences en modélisation et en traitement automatique de la langue. Il s’agit ainsi de traiter de grands corpus de données et de traces numériques, de façon à pouvoir identifier les dynamiques d’influence entre les mondes parlementaire, médiatique et la sphère publique.

L’INA concourt à plusieurs objectifs de MEDIALEX :

  • Collecter, extraire et gérer 6 corpus de données textuelles de natures très différentes : articles de presse, retranscriptions de présentations audiovisuelles, débats parlementaires, tweets et posts sur Facebook ou encore pétitions.
  • Détecter des thèmes, événements, petites phrases et citations qui peuplent ces différents sous-espaces. L’INA mobilise notamment ses compétences pour l’identification des événements sur Twitter, à l’aide d’une méthodologie s’appuyant sur la similarité thématique des tweets et de leur proximité temporelle((Béatrice Mazoyer, Julia Cagé, Nicolas Hervé, Céline Hudelot (2020), “A French Corpus for Event Detection on Twitter”)). Dans un second temps, il s’agira de thématiser ces événements, en les rapportant à des thèmes plus généraux (religion, sécurité, etc.). L’objectif est de déterminer si les événements se rattachant à une thématique donnée (la religion par exemple) génèrent des influences qui vont dans la même direction que les événements qui rattachent à une autre thématique (l’économie par exemple).
  • Qualifier précisément sur Twitter les trois grandes populations envisagées dans cette recherche : (1) les parlementaires ; (2) les médias ; (3) les publics.Une fois précisément identifiée, chaque population sera ensuite qualifiée selon son “profil événementiel”, c’est-à-dire selon son intérêt pour tel type d’événement se rattachant à telle thématique plus large.
  • Identifier des discours rapportés dans des corpus textuels volumineux et hétérogènes. L’analyse reposera sur l’utilisation de modèles de langage contextuels récents (typiquement, un des modèles BERT pour le français, Camembert ou Flaubert)
  • Identifier les acteurs qui jouent un rôle central dans la circulation des discours à l’occasion de deux projets de loi particuliers (par exemple une loi économique et une loi portant sur un sujet de société) : des parlementaires répétant des énoncés précédemment exprimés dans les médias ou sur les réseaux sociaux, ou des professionnels des médias ou activistes reprenant les énoncés des parlementaires.

Liens et bibliographie



Citer ce billet
Arthur Lezer (2022, 18 novembre). MEDIALEX: Approche computationnelle des dynamiques d’influence entre agendas législatifs et médiatiques. INA le lab. Consulté le 24 juin 2024, à l’adresse https://doi.org/10.58079/q4fl

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search