Médias sociaux, circulation de l’information et haute fréquence

frédéric clavert
@inactinique@mastodon.social / frederic.clavert@uni.lu / inactinique.github.io
Doctoriales internationales en Études des Médias

14 septembre 2023

qui suis-je?

histoire des relations internationales

histoire numérique

digital memory studies

deux projets de recherche

#ww1 / le centenaire de la grande guerre sur twitter
#covid19 / commémorations de la fin de la Seconde Guerre mondiale en confinement (France / Italie)
Avec Deborah Paci (Modène)

quelles sources?

twitter
deux manières différentes de collecter

Si dans les deux cas, j’ai collecté des tweets via l’API de Twitter, les modalités techniques avaient radicalement changé entre les deux:

#ww1 - utilisation d’un API dite de streaming (v1.1). Permettait de collecter, sur la base de hashtags, 1% du firehose. Avait des avantages: jusqu’à 5 millions de tweets par jour (en théorie), permet de saisir des controverses dans toute leur ampleur, etc. Mais inconvénient: il faut des hashtags et il faut les anticiper
#covid19 - si au début, utilisation du même serveur (il était prêt), pour l’article dont je m’inspire avec D. Paci, nous avons utilisé une nouvelle version de l’API, avec un produit (gratuit) spécifique pour les chercheurs (après procédure de validation), permettant de collecter jusque 10 millions de tweets par mois. Le produit a existé de début 2021 à juin 2023. Avantage: on peut se poser pour définir la méthode de collecte. Inconvénient: collecte a posteriori donc risque que les controverses, par exemple, soient atténuées.

Dans les deux cas: collecte par hashtags, qui sous-estime la discussion.

Dnas les deux projets que je vous montre ici, il y a donc des similitudes (collecte par hashtags) mais aussi des divergences importantes et qui se situent dans les détails technique de l’API. Et derrière ces détails techniques, il y a la politique de twitter, y compris vis-à-vis des chercheurs et chercheuses.

quel objet de recherche?

Boullier Dominique, « Les sciences sociales face aux traces du big data », dans Revue française de science politique, vol. 65, nᵒ 5, 2015, http://www.cairn.info/resume.php?ID_ARTICLE=RFSP_655_0805 (consulté le 04/07/2016), p. 805‑828.

Quel est mon objet de recherche, finalement? Le projet sur le centenaire a été démarré « pour voir », presque pour le défi technique. C’est devenu dans un second temps un projet de recherche. Qui lie mémoire collective, commémorations, médias sociaux / twitter. In fine, l’un des aspects de ma recherche est de regarder les phénomènes mémoriels comme, sur twitter, une forme de circulation de l’information, ou du moins de regarder les liens circulation de l’information / commémorations.

L’un des moments emblématiques de cette collecte (et du Centenaire) a été la commémoration de Verdun et ses deux controverses, autour de BlackM et de la mise en scène de la commémoration. Et l’angle par les propagations fut ici plutôt convaincant.

Cela reste un angle parmi d’autres – fred en exposera d’autres. N’oublions pas non plus que l’on peut compléter tout ceci avec des éléments plus qualitatifs (interview, etc, mais aussi lecture proche de tweets particuliers).

lire les sources massives

lecture proche, lecture distante…

Vous voyez ici un tableau de Friedrich, mais peut-être aussi, un checheur ou une chercheuse face à une mer de données. Avec les archives du web ou des données issues du web d’une manière ou d’une autre, le risque – ou l’avantage – d’avoir un corpus pour ses recherches qui soit massif est grand.

Donnons ici au terme big data une définition simple: lorsque l’on ne peut plus lire soi-même ses sources.

Alors, on doit demander à l’ordinateur de lire pour nous: c’est la lecture distante proposée par Franco Moretti en 2007. Pour Moretti, il s’agissait de pouvoir faire une histoire de la littérature européenne qui soit plus complète, inègrant les oeuvres des auteurs et autrices oubliées mais aussi les œuvres oubliées des auteurs et autrices connues.

Par contre, je ne propose pas le même pacte avec le diable que Moretti: il ne s’agit pas d’abandoner l’analyse classique des sources pour une seule lecture distante.

L’opposition lecture proche / lecture distante est d’ailleurs une opposition issue plutôt du champs littéraire, et finalement pas nécessairement adaptée à la pratique d’autres sciences humaines et sociales.

…lecture multiscalaire

Clavert, Frédéric, and Andreas Fickers. ‘On Pyramids, Prisms, and Scalable Reading’. Journal of Digital History, no. jdh001, 2021, https://journalofdigitalhistory.org/en/article/jXupS3QAeNgb.

analyser

commémorer en confinement

enjeux et limites méthodologiques

choix des outils et choix historiographiques

dépendance aux grandes plateformes

« Les conversations sur les médias sociaux sont des expressions démocratiques qui ne sauraient être cachées à la recherche »’.
Le Monde.fr, 16 Juin 2023.

Voici une anecdote: nous avons, avec Hannah Smyth (UCL), préparé pour un site de mon centre de recherche appelé ranke2 une leçon sur la collecte de tweets et les analyses qui sont possibles. Nous avons pour cela pris l’exemple d’un service, appelé netlytic. Ce service ou un autre, cela n’a pas d’importance: le résultat aurait été le même.

pour des raisons multiples – un nouveau mode de publication des leçons – , la leçon a été publiée quelques temps après la fin de sa rédaction.

Et donc: Elon Musk. Depuis le 30 avril, la leçon, publiée la semaine dernière seulement, ne peut plus marcher. On va la modifier pour en faire un témoin de ce que, en tant que chercheurs et chercheuses, vous devez garder à l’esprit: l’instabilité de l’accès aux données.

Même l’accès qui avait été mis en place spécifiquement pour les chercheurs en 2021 (academic product track) a été fermé mardi dernier.

Bien évidemment, les conditions d’accès aux corpus varient selon la plateforme mais également selon les modes d’archivage du web. Les réseaux sociaux numériques sont toujours plus délicats que le web à archiver et la plupart du temps les collectes de tweets, de posts facebook, ont toujours fait appel à du bricolage.

Twitter n’est pas la seule plateforme à avoir fermé un accès gratuit à ses données, reddit est en train de la faire également.

en guise de conclusion

adaptation nécessaire aux logiciels (gephi et iramuteq ne sont pas là pour toujours)
adaptation nécessaire à la (aux) plateformes que l’on étudie ou que l’on utilise comme fournisseur de sources primaires
instabilité constante, risque de ne pas pouvoir terminer une recherche
le défi technique est une chose, le cadre disciplinire, théorique, méthodologique en est une autre
collaborez, discutez entre vous, échangez vos safoir-faire, rendez-vous des services

bricolage. braconnage. sabotage?