Des représentations des inégalités à géométrie variable : étude empirique des catégorisations ordinaires de la stratification sociale dans les médias français outillée par l’IA
Un projet de recherche porté par Benjamin Gilbert, doctorant en sociologie à Sciences Po/Université Paris Cité et lauréat de l’appel à projets du lab 2023-2024
Description
Les individus ont recours à une myriade d’éléments de langage pour catégoriser la structure sociale. Les discours qu’ils mobilisent sont socialement et historiquement situés et révèlent des positions idéologiques au regard de critères de justice sociale. Ce projet vise à quantifier, à l’aide de méthodes de traitement du langage naturel, les enjeux et l’évolution de la sémantique des termes utilisés dans l’espace médiatique pour décrire l’ordonnancement social. Il interroge l’importance relative des marqueurs de classe (revenu, diplôme, pratiques culturelles, etc.) dans les discours médiatiques, et la polysémie des termes servant à représenter des réalités socio-économiques. Il questionne aussi la performativité des sciences sociales dans les manières dont les médias dépeignent la stratification sociale. La réalisation de cette recherche nécessite des approches méthodologiques originales qui s’inscrivent dans le cadre des outils et données du lab INA.
Au dela d’éclairer une question théorique en sociologie, ce projet aspire aussi, dans la lignée de travaux innovants en sociologie quantitative (Cointet & Parasie, 2018; Do et al., 2022), à contribuer à démontrer l’exploitabilité de grands volumes de données de texte et de parole en sciences sociales, y compris lorsque ces données ne correspondent pas aux taches classiques d’apprentissage supervisé ou à des modélisations économétriques.
Méthodologie, données, traitements
Les jeux de données mobilisables pour cette recherche correspondent aux retranscriptions textuelles des journaux télévisés des chaînes TF1, France 2, France 3, Canal+, M6 et Arte, et de ceux de certaines émissions des chaînes d’information en continu. Deux possibilités sont envisagées : une période large couvrant les vingt dernières années et une période courte, se focalisant sur les extraits de journaux télévisés depuis 2019.
La méthodologie de recherche proposée pour ce projet repose en grande partie sur des avancées récentes en apprentissage profond appliqué à des données textuelles. Suite au développement des modèles de représentation vectorielle des mots word2vec (Mikolov et al., 2013) et GloVe (Pennington et al., 2014), de nombreuses approches de représentation sémantique des mots ont été proposées. L’apprentissage de ces représentations ne nécessite pas d’annotations et permet de positionner géométriquement des mots dans un espace multidimensionnel en fonction de leur sens grâce à leurs contextes d’utilisation. Le modèle BERT (Devlin et al., 2018), outillé par une architecture transformers (Vaswani et al., 2017) a été largement utilisé dans ce cadre (Jawahar et al., 2019). Des adaptations du modèle à la langue française ont par ailleurs été proposées (Martin et al., 2019). Des modèles de représentation sémantique contextuelle de phrases (Reimers & Gurevych, 2019) et de documents (Le & Mikolov, 2014) ont aussi été présentés. Ce projet propose d’utiliser ces méthodes de représentation sémantique des mots, phrases et documents conjointement avec les corpus de données de l’INA pour étudier la structure des descriptions de l’espace social présentes dans les discours médiatiques.
Liens et bibliographie
OpenEdition vous propose de citer ce billet de la manière suivante :
Arthur Lezer (20 juillet 2023). Des représentations des inégalités à géométrie variable : étude empirique des catégorisations ordinaires de la stratification sociale dans les médias français outillée par l’IA. INA le lab. Consulté le 13 novembre 2024 à l’adresse https://doi.org/10.58079/q4fu