Trucs et astuces informatiques

J’ai mis en ligne, il y a quelques jours, un repo GitHub contenant trois documents :

J’ai rédigé les deux premiers documents dans le cadre d’un module pédagogique à destination d’étudiants de Licence 2. Le module en question, sobrement intitulé « Atelier Culture Numérique », aborde de très nombreuses questions, de l’utilisation des feuilles de style à la « cyber-sécurité » : j’en avais déjà parlé il y a un peu plus d’un an.

Cette année, comme l’an dernier, ce sont les aspects les plus pratiques du module – quels logiciels utiliser, comment se débarrasser d’un malware, etc. – qui semblent avoir été les plus utiles aux étudiants. Les aspects plus techniques, comme par exemple le fonctionnement de Tor ou d’un tunnel VPN, n’ont rencontré aucun succès (« mais Monsieur, Tor, c’est illégal, non ? ») : je crois même avoir réussi à vider une moitié d’amphi lors de la session sur les protocoles de communication.

J’ai prévu de rédiger un document supplémentaire sur les navigateurs Internet que je connais (Chrome, Firefox, et puis peu, Brave ; je laisserai de côté Opera et Safari), afin de pouvoir rentrer dans les détails sur certains aspects de protection de la vie privée.

Vos commentaires, sur le fond et/ou sur la forme, sont naturellement les bienvenus.

Annals of Youtube Science 1(15): Data Analysis

Dans la suite des conférences sur la science des données et sur leur visualisation, voici une conférence de Roger D. Peng, « The Past and Future of Data Analysis », diffusée par Johns Hopkins Bloomberg School of Public Health dans sa série « Deans Lectures » :

Roger D. Peng est l’un des auteurs du génialissime blog Simply Statistics. C’est aussi l’auteur (ou le co-auteur) d’un nombre impressionnant de très bons bouquins sur l’analyse de données, bouquins qui présentent le double avantage d’accompagner des cours de la plateforme Coursera, et d’être gratuits : payez ce que vous voulez.

La conférence est souvent drôle, et intéressante de bout en bout.

Annals of Youtube Science 1(14): Survey Methods 101

Le Pew Research Center (chaîne Youtube), qui fournit d’excellentes données socio-démographiques sur la population américaine, a lancé une série de vidéos sur les méthodes d’enquête, dont voici le premier épisode sur l’échantillonnage aléatoire :

Cette vidéo tranche avec les erreurs et les approximations que l’on trouve malheureusement dans plusieurs autres descriptions « grand public » des méthodes d’enquête, ce à quoi il faudrait faire quelque chose, mais le temps manque.

Les autres vidéos de la série « Methods 101 » du Pew Research Center sont identifiables via leur blog Fact Tank, également présent sur Twitter.

Et pour un autre exemple de très bonne vidéo explicative sur les difficultés des enquêtes en population générale, voir « How Pew Research Center Conducted Its 2017 Survey of Muslim Americans », au sujet de cette enquête.

Annals of Youtube Science 1(13): Prévoir le terrorisme

J’ai pris le temps, ce mois-ci, d’accomplir un de mes rituels estivaux : aller voir sur quoi Aaron Clauset travaille en ce moment. J’ai redécouvert, à cette occasion, sa conférence sur « le futur du terrorisme », où il parle en réalité surtout de ses recherches sur le sujet, et en particulier de son papier « On the Frequency of Severe Terrorist Events ».

La vidéo est en assez basse qualité (la conférence date de 2010), et elle est hébergée par le Santa Fe Institute (chaîne Youtube) :

Il faut attendre la toute dernière partie de la conférence, lorsque sont rapidement abordés le terrorisme nucléaire et le cyber-terrorisme, pour réellement avoir affaire à une vision de « l’avenir du terrorisme », à compléter par les risques liés au terrorisme biochimique, qui n’est cité que dans les questions-réponses de la conférence.

Néanmoins, l’intérêt de la présentation ne réside pas, de mon point de vue, dans ces parties finales : ce que je trouve plus utile ici, c’est d’observer, avec 7 ans de recul, un chercheur qui ne disposait que d’un catalogue raisonné des attaques terroristes passées, et qui, à partir de ce catalogue (remplacé par un autre catalogue depuis), pouvait déjà esquisser une partie de la situation actuelle d’un strict de point de vue quantitatif.

Tout l’intérêt de la prédiction vient justement ici du fait qu’elle est largement indépendante du détail des événements étudiés : Aaron Clauset le dit clairement à la 55e minute de son intervention, et le répète par la suite en réponse à l’une des premières questions qui lui sont posées. Le raisonnement ne porte pas sur les origines (acteurs et motifs) des attaques étudiées, mais sur leur volume (le nombre) et sur la dynamique (le timing).

Avec très peu de variables à l’entrée, dont l’une des plus cruciales est que la plupart des attaques sont uniques (i.e. perpétrées par un seul groupe qui ne sera pas en mesure d’en conduire d’autres), le modèle utilisé par Clauset aboutit à une vision de moyen-long terme qui bat complètement en brèche la gestion quasiment au jour le jour des attaques terroristes, gestion dont on a pu observer, au cours des dernières années, la totale inutilité.

Sur le même sujet, je vous renvoie aux Annals of Youtube Science 1(1), sur les profils des jihadistes, 1(3), sur le Moyen-Orient, et 1(10), sur Daech.

Analyse de données en SHS : matériau Quantilille 2017 et autres bonnes adresses

Un bref billet pour rediriger nos lecteurs estivaux vers le blog d’ElementR, où Laurent Beauguitte a mis les slides qu’il a présentées, avec d’autres, à l’école d’été Quantilille il y a quelques semaines :

Les slides sont livrées avec plein de code R, ce qui vous permet de revivre la formation chez vous, avec un verre de jus de fruits à la main. Que demande le peuple ?

Quelques remarques

  • La séance sur l’analyse multivariée se concentre en réalité (et à moins que j’ai parcouru le code trop vite) sur la seule analyse géométrique, récemment très bien décrite par Julien Duval dans un long article sur le nouveau portail Politika, mais dont on ne dira jamais assez qu’elle est encore plus justiciable des accusations de « boîte noire » que l’analyse par régression (linéaire ou pas).

    Cette remarque n’est pas une critique du choix de l’auteur de ce module, qui utilise, de surcroît, l’excellent package FactoMineR. Ma remarque s’adresse plutôt aux petits rigolos qui s’amusent, dans certaines conférences de sciences sociales, à parler de « boîte noire » au sujet des analyses par régression, alors même qu’à peu près personne, parmi les utilisateurs de l’analyse géométrique, n’est capable d’expliquer, par exemple, comment s’extrait un eigenvector. À l’inverse, le principe d’une dérivée partielle est très vite compris et très fréquemment maîtrisé parmi les « boîte-noiristes » de la régression.

  • La séance sur la cartographie utilise le sublime package cartography de Timothée Giraud, déjà mentionné il y a peu. Excellente nouvelle par ailleurs : le package cartography se fondera, à partir de sa version 2.0, sur le package sf.

  • La séance sur l’analyse textuelle utilise plein d’outils, dont le plugin R Commander « R.TeMiS », qui dispose d’un blog sur Hypothèses.

    Je suis personnellement très peu enthousiaste à l’idée d’utiliser R via R Commander, dans la mesure où cela me semble éloigner l’utilisateur de l’objectif de reproductibilité des résultats, et de compréhension de la tambouille computationnelle qui les sous-tend. En même temps (expression à la mode), je n’y connais fichtre rien en analyse textuelle.

  • La séance sur les réseaux utilise notamment le package igraph, évoqué sur ce blog à plusieurs reprises. J’aurais également recommandé le package tnet, pour les situations, plus fréquentes que l’on ne le pense généralement, où il faut manipuler des réseaux pondérés.

Ce billet me fait réaliser que je n’ai pas contribué à « Introduction à l’analyse d’enquêtes avec R et RStudio » depuis bien longtemps, et que mon propre matériau de formation à R (en anglais, mais également pour des débutants en sciences sociales), qui date de 2013, a très sérieusement besoin d’une mise à jour… Voyons ce que j’arrive à faire cet été.

Enfin, pour terminer, je tiens à citer la désormais légendaire Introduction à R [et RStudio] de Julien Barnier, que les utilisateurs francophones de R seront nombreux à avoir lu. Julien Barnier enseignait dans le module Quantilille recensé dans ce billet.

Bonne lecture !

Stata était de passage à Paris

Je n’ai pas pu y assister, mais le premier French Stata Users Group Meeting s’est tenu hier à Sciences Po, à Paris.

Ce blog ne parle plus beaucoup de Stata, même si je continue, comme d’autres, à l’enseigner, et avec plaisir, car c’est un langage simple (au moins en surface ; sous le capot, en particulier lorsque l’on rentre dans Mata, c’est en réalité plus compliqué). L’installation est triviale, chaque ligne de code est une commande avec un résultat – généralement – visible à l’écran, et les étudiants arrivent à apprendre une cinquantaine de commandes assez rapidement, ce qui permet de couvrir beaucoup de sujets en un temps record. Cette facilité a un coût, et le langage est évidemment limité de plein de manières, la principale étant que Stata ne peut facilement manipuler qu’un seul objet.

Les présentations de Stata Paris 2017 montrent que le langage Stata est en pleine forme, avec de nombreux nouveaux packages publiés sur SSC, le serveur centralisé qui remplit la même fonction que CRAN et Bioconductor pour le langage R. À titre d’exemple, j’aperçois, dans les présentations, un package pour gérer le format SDMX –  équivalent R : package rsdmx ; voir aussi cette collection de connecteurs SDMX –, ainsi que de nouveaux estimateurs, qui renvoient à la base d’utilisateurs de Stata, composée principalement (à mon sens) d’économistes et d’économètres, puis d’épidémiologistes, de politistes et de sociologues, mais dans une moindre mesure.

Au passage : Stata 15 est pour bientôt sorti

Je remarque aussi, à l’occasion de ce billet, que StataCorp va bientôt sortir a sorti la version 15 de son langage/logiciel, dans laquelle on trouve vraiment plein de chouettes nouveautés, dont un nouveau préfixe bayes: qui fait exactement ce que vous pensez, et la possibilité de générer des documents HTML ou PDF avec Markdown + Stata.

Add. Merci à Alexis et Tristan pour la correction sur Stata 15, je laggue… !

Women Also Know Stuff, édition personnelle 2017/06

La suite de ce billet. Éditions précédentes : 2017/01, 2017/02, 2017/03, 2017/04, 2017/05. Cette série de billets fera sa première pause annuelle le mois prochain et redémarrera fin août.

  1. Laura Poitras, réalisatrice de The Oath et Citizenfour, sort son documentaire sur Julian Assange et WikiLeaks, Risk, cet été.

    Cette interview avec Vox donne plein de détails, et surtout m’apprend l’existence de son projet Field of Vision, qui contient toutes sortes de petites pépites cinématographiques, telles que The Moderators, sur les petites mains qui nettoient les réseaux sociaux, Relatively Free, sur Barrett Brown, ou Our New President, sur la tragicomique réception de Trump en Russie :

  2. Grace Hopper (1906-1992), « reine du code », a conçu le premier compilateur. Le langage qu’elle a largement contribué à développer, COBOL, reste le langage informatique le plus important pour l’industrie bancaire – ce qui commence d’ailleurs à poser problème.

  3. Lisa Mandel et Julie Pagis, qui suivent les élections avec des classes d’école primaire et de collège :

    La série précédente de dessins, réalisée avec Yasmine Bouagga, portait sur la « jungle » de Calais et sur les migrants réfugiés aux alentours ; elle se trouve à la même adresse, est tout aussi recommandable, et est récemment parue en album.

    Seul regret : aucun moyen – à ma connaissance — de facilement naviguer les archives de chaque série pour les lire dans l’ordre de parution.

  4. Elisabeth Moss et les autres actrices de la série The Handmaid’s Tale, basée sur le superbe roman dystopique de Margaret Atwood :

    Le compte-rendu qu’en a fait Emily Nussbaum dans le New Yorker est très bon, de même que le portrait d’Elisabeth Moss par Sarah Hughes dans The Observer.

  5. Samantha C. Tyner et Heike Hofmann, avec qui nous publions « Network Visualization with ggplot2«  dans The R Journal cette année, après un an ou presque de corrections au code.

    Comme je compte l’expliquer dans une note en anglais sur mon blog R lorsque l’article sera paru, Samantha C. Tyner a fait l’immense majorité du boulot, et l’intégralité du boulot sur les deux derniers rounds de révision : tous les honneurs lui reviennent donc.

  6. Dasha Rush, à nouveau, pour ce mix (parmi d’autres) :

  7. Gina Pollack, pour son documentaire sur les restrictions d’accès à l’avortement en Louisiane, diffusé dans l’excellente série Op-Docs du New York Times :

  8. Joni Lovenduski est la première femme à se voir décerner l’ECPR Lifetime Achievement Award, créé en 2005.

  9. J’ai complètement raté, à sa sortie, Mémoire vive, le livre de Sarah Gensburger sur le quartier du Bataclan après les attentats de 2015.

    Voir aussi cette émission de France Culture sur l’histoire des mémoires, où interviennent également Denis Peschanski et Christian Delage.

  10. Juste après l’élection d’Emmanuel Macron à la présidence de la République française, Pippa Norris cherchait à ramener tout le monde aux réalités du vote pour les partis populistes en Europe :

    So is the wave of populist nationalism finished? Hardly.

Mention spéciale pour la chanteuse iranienne Sahar Mohammadi, pour ce magnifique concert diffusé par France Musique, dans l’émission « Ocora Couleurs du monde » de Françoise Degeorges :

Annals of Youtube Science 1(11) : Sur la science des données

Numéro un peu spécial des Annals, car ce n’est pas une (ou plusieurs) conférences que je recommande ici, mais une série d’interviews, les « DataChats » de la plateforme de formation DataCamp (chaîne Youtube), qui propose des cours de Python et de R en ligne. Les entretiens sont réalisés avec certains des enseignants qui font le catalogue de cours de DataCamp, et qui est probablement l’un des meilleurs catalogues de cours en ligne pour se former en « science des données »1.

Voici le sixième épisode de la série, avec la statisticienne Jo Hardin, qui présente son cours sur le bootstrapping :

Je vous conseille vraiment toute la série d’entretiens (15-20 minutes chacun), dont voici les cinq premiers :

  1. Max Kuhn, le créateur du package R caret

  2. Garrett Grolemund, l’un des data scientists de RStudio, et le co-auteur, avec Hadley Wickham, de R for Data Science

  3. Charlotte Wickham, qui a un superbe CV d’enseignante en statistiques

  4. David Robinson, data scientist chez Stack Overflow, le site de programmation où quelqu’un a (presque) toujours une réponse à votre question (si elle est bien posée), et l’auteur d’un de mes packages R favoris, broom (brève présentation)

  5. Ron Pearson, qui donne un cours de visualisation de données avec R, et qui a tout un tas de concepts intéressants à partager (in-liers, disguised missing data), en plus d’une réflexion très intéressante sur le machine learning.

  1. Je n’ai évidemment aucune action chez DataCamp, mais j’aime beaucoup leur catalogue (sans rien avoir acheté chez eux), et j’apprécie d’autant plus qu’ils ont mis en ligne une version « light » de leur plateforme d’enseignement. []

Notes supplémentaires sur l’analyse de réseaux

J’ai récemment présenté mes recherches sur les réseaux de collaboration législative à Marseille, où j’ai aussi donné, grâce à Joël, une formation à l’analyse de réseaux.

Les slides de la première présentation, donnée au RUG Aix-Marseille, sont en ligne sur le site Internet de Datactivi.st, et sur Google Slides ; il s’agit d’une traduction de notes déjà présentées, et qui m’a permis de récolter plusieurs idées et commentaires très utiles pour améliorer mes recherches.

Quant aux slides de la formation en analyse de réseaux, qui m’a permis de rencontrer ou de revoir les amis du Centre pour l’édition électronique ouverte, sont ci-dessous, et aussi sur Google Slides.

La plupart des illustrations de ces slides proviennent de l’excellent manuel de Mark E. J. Newman sur les réseaux.

J’y mentionne aussi cette liste de ressources sur l’analyse de réseaux, dont j’ai fait la publicité ici et ailleurs, l’excellent tutoriel de visualisation de réseaux de Katherine Ognyanova (mentionné ici et ), un autre manuel de graph mining avec R, et évidemment, l’excellent guide à l’utilisation du package igraph, par Eric D. Kolaczyk et Gábor Csárdi.

Journée d’étude « réseaux » à Lille, jeudi 8 juin 2017

Jeudi 8 juin à Lille, nous organisons, avec Sylvain Mignot et Fabien Éloire, une journée d’étude qui vise à fédérer les chercheurs en sciences humaines et sociales intéressés par l’analyse de réseaux.

Le programme (anglais, français) est en ligne, et les inscriptions se font avec ce formulaire, ou auprès de moi par email, comme indiqué dans l’affiche. Attention, les places sont limitées, donc inscrivez-vous vite si vous souhaitez venir !

La journée est co-financée par le Groupement de recherche Analyse de réseaux en sciences humaines et sociales (GDR AR-SHS), à qui nous enverrons un compte-rendu de la journée pour publication sur son blog.

L’un des objectifs à moyen terme de cette journée est de monter un collectif de recherche en analyse de réseaux sur Lille, puis de connecter ce collectif à des équipes de recherche idoines dans la région, à Paris ou en Belgique.

Si le projet vous intéresse, idem, écrivez-moi !

La même annonce est disponible sur le site Internet d’ESPOL, qui co-finance et co-organise l’événement avec quelques autres unités de recherche basées à Lille – l’Anthropo-Lab, la FGES et le CLERSÉ.