X

Blog 21 : politiques, experts et journalistes

11 mars 2022

English

Carnet de recherche

Le projet de recherche 'Mixology' s’inscrit dans la perspective de l’open research. Son objectif est de sonder les opinions en période de crise, ici à partir d’un corpus collecté via l’API de Twitter, du 12 au 31 décembre 2021.

Trois mondes sociaux peuvent être considérés comme les principaux acteurs de la crise Covid : le politique, le scientifique et le médiatique. Ce volet de l’analyse de sentiment regroupe l’ensemble des tweets du corpus anglophone, soit 465.440 tweets publiés entre le 12 et le 31 décembre 2021. Le monde politique fait plutôt l’unanimité contre lui, avec un score moyen de 50,25%. Ce score moyen est comparable en ce qui concerne ses acteurs (50,62%).  C’est en France que le score est le plus élevé pour le sentiment de type négatif, avec 57,49%.

A l’inverse, le monde scientifique et ses acteurs obtiennent des scores majoritaires en ce qui concerne le sentiment de type positif, exception faite au Luxembourg où le manque de représentativité ne peut amener à conclure qu’il y aurait là une défiance considérable vis-à-vis de la science. En ce qui concerne les experts, les scores sont comparables d’un pays à l’autre. Les sentiments sont plus partagés en ce qui concerne les médias (attention aux scores luxembourgeois que l’on ne peut considérer comme représentatifs). Cependant, les résultats sont moins partagés en ce qui concerne la figure du journaliste : de 64,49% de sentiment positif en Autriche à 36,96% en Suisse.

Bien qu’une analyse de sentiment d’un corpus de tweets soit à portée limitée (représentativité/diversité des utilisateurs, temporalité limitée dans le temps, recherche réalisée sur un nombre déterminé de mots-clés, subjectivité d’une évaluation subjective), ils fournissent des indications quant à une perte de confiance généralisée envers le monde politique et de ses représentants, en tout cas en ce qui concerne la gestion de la crise Covid.

 

# # #

Lire aussi

Blog 21 : politiques, experts et journalistes

Blog 20 : pour la vaccination, contre les restrictions

Blog 19 : analyse de sentiment comparée

Blog 18 : une crise sanitaire et politique

Blog 17 : anatomie du sous-corpus « mesures politiques/sanitaires » (en)

Blog 16 : analyse de sentiment du sous-corpus ‘vaccination’ (en, part.2)

Blog 15 : analyse de sentiment comparée du sous-corpus ‘vaccination’ (en, part.1)

Blog 14 : un dictionnaire pour l’analyse de sentiment adapté à la crise Covid

Blog 13 : construire une liste de stop words

Blog 12 : principaux dictionnaires pour l’analyse de sentiment

Blog 11 : description statistique du corpus avec #RStats

Blog 10 : l’analyse de sentiment ou l’évaluation de la subjectivité

Blog 9 : modélisation thématique du corpus ‘vaccination’ (en)

Blog 8 : traitement linguistique et quantitatif du corpus ‘vaccination’ (anglais, part.2)

Blog 7 : traitement linguistique et quantitatif du corpus ‘vaccination’ (anglais, part.1)

Blog 6 : collecte du corpus et préparation de l’analyse lexicale

Blog 5: le package R « textclean »

Blog 4 : cibler la bonne requête et nettoyer des messy data

Blog 3 : Twitter API et rtweet

Blog 2 : collecte du corpus

Blog 1: le projet

Les enjeux de la recherche sur les usages médiatiques en temps de crise