La modélisation thématique du sous-corpus « mesures » en langue anglaise est fortement influencée par les mots-clés utilisés lors de la collecte des tweets. Par ailleurs, elle se distingue peu des résultats observés en ce qui concerne le sous-corpus « vaccination », quel que soit l’algorithme utilisé (LDA ou CTM, voir Blog 9). Deux axes principaux sont ici à retenir : les mesures politiques restrictives (lockdown, passeport vaccinal, couvre-feu et port du masque), la vaccination (booster, vaccination des enfants, effets secondaires et personnes non vaccinées).
Topic modeling LDA
Topic modeling CTM
Si l’on regarde le pourcentage obtenu pour chacun de ces axes, en termes de représentation dans le corpus (échantillon des 50 termes communs les plus fréquemment utilisés), le premier obtient un score de 43,9% et le second, un score de 56,1%. Dans le sous-corpus « vaccination », cette tendance était moins marquée, dès lors que le pourcentage de représentativité des mesures est seulement de 8,24%. Mais il ne s’agirait pas de cloisonner fermement ces deux concepts, dans la mesure où les campagnes de vaccination revêtent une forte connotation politique : la vaccination était alors un sésame pour obtenir un passeport sanitaire/vaccinal et, en Autriche, elle a été annoncée comme devenant obligatoire pour l’ensemble des citoyens.
Considérations politiques et sanitaires sont donc intrinsèquement liées. Elles sont également fortement liées à l’actualité (et donc aux informations publiées par les médias, lesquels relaient les mesures adoptées par les gouvernements). Ceci appelle une mise en contexte des mesures mise en œuvre, dans chacun des neuf pays observés, à une époque où la contagiosité du variant Omicron a fait craindre le pire. De plus, dans chacun de ces pays, des manifestations ont été organisées, en décembre 2021, pour protester contre les mesures mises en œuvre par les gouvernements.