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.

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 :

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.

Annals of Youtube Science 1(8) : Edward Tufte

On ne présente plus Edward Tufte, s’exprimant ici en septembre 2016 sur « le futur de l’analyse des données » (la conférence étant, en réalité, un aperçu plus général que ça de ce que sont l’analyse et la visualisation de données) :

Visionnage très recommandé, ne serait-ce que pour les quelques citations marquantes que Tufte met en avant au fil de son exposé :

conf-tufte-1

conf-tufte-2

Si vous découvrez le personnage, son ouvrage le plus connu est probablement The Visual Display of Quantitative Information, qui est devenu une sorte de livre sacré de la visualisation de données.

Annals of Youtube Science 1(7) : Inégalités et post-démocratie

L’économiste Tony Atkinson, qui a immensément contribué à l’étude des inégalités économiques, est mort au tout début de cette année. Si vous avez déjà lu du Piketty, vous avez déjà lu du Atkinson. Pour un « obit » très bien ficelé, voir le blog de Béatrice Cherrier : « Remembering Tony Atkinson as the Architect of Modern Public Economics » – et pour des compléments, voir les notes d’Ingrid Robeyns et de Thomas Piketty.

En 2015, Tony Atkinson avait présenté son livre Inequality. What Can Be Done? dans tout un tas d’endroits, notamment à la London School of Economics (chaîne Youtube) :

La même année, il était intervenu dans une série de conférences en Allemagne, où intervenait également Colin Crouch, l’auteur de Post-Democracy :

Enfin, toujours sur le thème des inégalités, voici une conférence de Branko Milanovic à l’Oxford Martin School en 2016 (chaîne Youtube), sur la mesure des inégalités mondiales :

Je trouve intéressant d’écouter et de regarder comment des économistes comme Milanovic communiquent, parce que leur sujet d’étude est intimement lié à la visualisation des inégalités, à l’aide de graphiques comme celui-ci, qui utilise des centiles sur les deux axes :

conf-milanovic-1

À mon sens, Piketty et Milanovic ont très bien compris la capacité de séduction de ces graphiques de concentration, qu’il faut évidemment déconstruire. Le graphique de « l’éléphant » de Milanovic, par exemple, reproduit ci-dessous, a fait l’objet de critiques très précises :

conf-milanovic-2

Petit bilan éditorial

Je profite de ce septième billet « Annals of Youtube Science » pour faire un mini-bilan.

Cette série de billets est très facile à rédiger : je n’ai pas la télévision, je n’écoute la radio qu’en podcasts, et j’aime bien écouter les auteurs des bouquins que je n’ai pas le temps de lire. Enfin, et même si je n’ai pas encore commencé à l’utiliser, j’ai tout un stock de conférences que j’ai accumulées au fil du temps, principalement pour les recommander aux étudiants en travaux dirigés.

Par manque de temps, je ne publie quasiment aucun commentaire d’accompagnement avec les vidéos que je poste dans Annals of Youtube Science, mais si vous fouillez les archives de ce blog, vous trouverez souvent des billets sur les mêmes thématiques que les conférences que j’y mets en avant. Thomas Piketty, par exemple, doit faire partie des auteurs les plus cités sur le ‘Bistro.

Je prévois de continuer cette série de billets au rythme d’un billet tous les quinze jours environ. Si vous avez des suggestions, en français ou en anglais1, elles sont évidemment les bienvenues.

  1. J’ai tenté de suivre une conférence en allemand, pour voir ce qu’il me reste d’allemand après plus de quinze ans de désintérêt. Échec patent. []

Notes de travail sur les réseaux de collaboration législative

J’ai eu la chance d’intervenir, il y a dix jours, dans le séminaire interne du CEVIPOL, le laboratoire de science politique de l’Université Libre de Bruxelles. J’étais invité par Émilien Paulis, que je remercie au passage pour l’invitation, pour la logistique et pour l’accueil sur place.

Mon intervention portait sur l’étude des réseaux de collaboration législative. Les slides que j’ai utilisées sont proches de celles que j’avais présentées en juin 2016 dans une conférence d’utilisateurs de R, et que j’ai présentées à nouveau cette même année dans une conférence « quanti » à Lille et dans le séminaire du Médialab de Sciences Po.

Quelques extraits ci-dessous, à cliquer pour obtenir les slides au complet :

Magrit, une interface de cartographie thématique en ligne

Un outil qui fera date :

Le thème de la cartographie revient périodiquement sur ce blog : je n’y connais rien et me contente de bricolages approximatifs, mais Joël s’y connaît beaucoup, beaucoup plus, et produit régulièrement de très chouettes résultats cartographiques.

Nous avons tous les deux été impressionnés – et comme le montrent les premiers retours sur les listes de diffusion, nous ne sommes pas les seuls – par la qualité de Magrit, qui permet de faire de la cartographie thématique depuis une interface interactive très bien documentée. Les résultats sont proches de ceux que permet d’obtenir le package cartography, et pour cause, c’est en partie la même équipe qui produit les deux outils.

Plus de détails sur le site de l’UMS RIATE, où officie Timothée Giraud, que je suspecte d’être le gentil organisateur des deux communautés de développeurs du package cartography d’un côté, de Magrit de l’autre.

Exemple de carte tirée de la galerie Magrit :

À suivre sur Hypothèses

La plateforme Hypothèses est définitivement the place to be pour suivre ce qui se fait en cartographie avec R (et d3.js, et autres trucs associés). Je vous conseille :

Encart publicitaire : encore plus de cartographies réticulaires

Si vous avez aimé l’exemple de « cartographie réticulaire » publié il y a un mois au sujet des théories du complot, vous en trouverez naturellement plein d’autres sur ce blog, mais aussi dans mes notes sur R, en anglais (voir l’encart publicitaire précédent).

L’une de mes dernières notes sur R porte sur la construction d’un petit réseau de co-occurrences de mots-clés, dont voici le premier résultat :

réseau de co-occurrences

Les mots-clés que vous voyez ci-dessus m’ont été fournis par une classe de cobayes gentils étudiants du Master Governing the Large Metropolis, qui est objectivement le Master le plus chouette de la planète1. Les (17) étudiants étaient tenus de lister leurs centres d’intérêt intellectuels, ce qui a donné ce petit réseau de co-occurrences.

Ce graphe repose, à peu de choses près, sur la même méthodologie que celle utilisée pour cartographier les théories du complot, à ceci près que la note qui l’accompagne contient plus de détails techniques, notamment sur la pondération des liens dans les réseaux de co-occurrence2.

À ce stade, je n’ai pas eu recours à la détection de communautés pour classer les mots-clés en fonction de leurs co-occurrences : une lecture rapide du graphe m’a suffi. En revanche, dans une seconde note utilisant les mêmes données, je me suis amusé à reprendre le réseau bipartite initial des étudiants et de leurs mots-clés :

réseau bipartite

Or, si l’on réduit ce graphe à des liens entre étudiants plutôt qu’entre mots-clés, alors la détection de communautés devient assez intéressante, puisque l’on va pouvoir s’en servir pour repérer les clusters d’étudiants partageant les mêmes centres d’intérêt, en utilisant le même algorithme de détection de communautés que dans ma cartographie des théories du complot :

réseau unipartite avec clusters

Remarquez que j’ai la composition réelle des groupes de travail qu’ont formé les étudiants suivant mon cours, et qu’elle ne correspond pas du tout, mais alors pas du tout, à celle qui apparaît ci-dessus… Autrement dit, dans l’immense majorité des cas, les étudiants ont formé leurs groupes de travail en se fondant sur d’autres critères que leurs centres d’intérêt communs.

  1. J’aime vraiment beaucoup enseigner dans ce Master où l’on trouve, dès la deuxième semaine de cours, un exemplaire de Seeing Like A State dans les sacs des étudiants. []
  2. Voir aussi cette autre note sur la pondération des liens dans des réseaux de co-auteurs. []

Une carto du complot

En fouillant les archives du ‘Bistro, je n’ai pas trouvé trace d’un billet évoquant cette petite cartographie des théories du complot, établie à partir des archives de trois blogs français documentant ce phénomène :

cartographie du complot

Le code pour produire le graphe est déjà vieux d’un an, mais il devrait tourner avec quelques ajustements mineurs. Je m’en sers parfois comme « demo » de ce que l’on peut faire avec un minimum de scraping et de visualisation de réseaux avec R.

Construction et résultats

Le graphe est un simple réseau de co-occurrence des mots-clés choisis par les auteurs des blogs pour thématiser leurs billets. Les groupes de mots-clés en gris correspondent aux différentes communautés du graphe, détectées à partir de l’algorithme de Louvain, et les mots-clés les plus foncés sont simplement les plus centraux.

Cette visualisation permet de repérer d’un coup d’oeil les différents éléments du conspirationnisme français tel que documenté par les blogs utilisés comme sources des mots-clés : extrême-droite (et extrême-gauche), « 11 septembre », anti-sémitisme, et « politique étrangère » à base d’empire états-unien et de conflit israélo-palestinien.

On retrouve aussi ces éléments dans le conspirationnisme « off-line », par exemple chez les négationnistes français, dont l’idéologie est aussi une sorte de syncrétisme permettant d’expliquer l’ordre mondial à partir des Juifs et de leurs alliés dans la fabrication de mensonges destinés à tromper les masses.

Données et références

La principale source du réseau présenté ci-dessus est le blog Conspiracy Watch de Rudy Reichstadt, qui a aussi signé une note sur le conspirationnisme pour la Fondation Jean Jaurès. Ce blog fournit l’immense majorité des données utilisées pour construire le réseau.

Mon cher co-blogueur Joël avait aussi signé un rapport sur le conspirationnisme en France, ainsi qu’une très utile visualisation en ligne des différentes composantes de la nébuleuse conspirationniste francophone sur Internet (cliquer sur l’image pour la version interactive) :

joel-complosphere

L’analyse de la « complosphère » n’en est qu’à ses débuts, mas il y a déjà quelques travaux là-dessus, et vu l’actualité prise par ce sujet depuis l’irruption de Dieudonné et d’Alain Soral dans cet espace d’expression, il y aura aussi une section thématique sur la « Sociologie politique du conspirationnisme » au prochain Congrès de l’Association Française de Science Politique1.

  1. La section (ST 52) sera co-animée par Philippe Aldrin, qui a récemment signé une Sociologie politique des rumeurs, et Pierre France. []

Collecte et visualisation de données législatives avec R

Le groupe d’utilisateurs R du Muséum national d’Histoire naturelle de Paris (le groupe “Sémin-R”) organise une conférence R demain. Cliquez sur l’image ci-dessous pour le programme complet :

JourneeR-2016-Programme

J’y présenterai les slides résumées ci-dessous (cliquez sur n’importe quelle image pour la version PDF complète, ou utilisez la version en ligne), et si tout se passe bien, j’aurai un court papier technique à partager sur le sujet dans moins d’un mois :

Briatte_R_MNHN_2016-2

Briatte_R_MNHN_2016-3

Briatte_R_MNHN_2016-4

La présentation reprend, en substance, une brève note que j’ai récemment publiée dans Network Science. Cliquez sur l’image ci-dessous pour accéder au preprint ou lisez directement son annexe pour le détail des données :

Briatte_NWS_published

Comme d’habitude, le code et les données sont en ligne — j’en ai déjà parlé à plusieurs occasions cette année, et vous risquez d’en entendre encore parler dans les années qui arrivent (plus de détails quand il y en aura à partager).

Affaire à suivre, donc, mais bon, c’est pas comme si je ne vous avais pas déjà un peu cassé les pieds avec R et la visualisation de réseaux de collaborations législatives depuis quelques temps déjà.

J’en profite pour saluer amicalement les collègues suisses, et Marion Deville en particulier, qui participent à la Semaine de la démocratie de Genève, et qui ont prévu d’utiliser certains de mes graphiques dans une présentation de leurs travaux lors d’un hackathon organisé le 23 septembre. Je n’ai pas beaucoup plus d’informations là-dessus, mais vous pouvez écrire à Marion si vous êtes intéressés.

En attendant, il reste quelques places pour la conférence de demain : écrivez aux gentils organisateurs (leurs coordonnées sont sur le site du Sémin-R), ou faîtes-moi très vite signe, et je ferai suivre. À demain !

Mise à jour, le jour même : malgré un léger gros problème qui m’a fait rater la matinée, je peux confirmer que la journée R du MNHN était, comme prévu, hyper-chouette, le cadre du Muséum d’Histoire Naturelle étant très agréable par ailleurs.

À noter dans les présentations, qui seront bientôt en ligne sur le site du RUG MNHN :

  • les dernières améliorations du package FactoMineR – et Factoshiny
  • l’utilisation de scripts R sur un serveur Apache
  • la visualisation de cartes auto-organisatrices
  • un exemple d’interfaçage R + Java
  • la sonification (!) de graphiques R/ggplot2

La dernière présentation, par Jérôme Sueur (l’un des deux organisateurs de la journée, avec Amandine Blin) était très divertissante. Pour comprendre pourquoi, jetez un coup d’oeil au package playitbyr.