GDELT : la science politique devient une « big data science »

Ça vous dit, un jeu de données avec 200 millions d’événements géopolitiques de 1979 à aujourd’hui ? Mis à jour quotidiennement ? Suivez cet acronyme : GDELT, pour “Global Data on Events, Location and Tone”.

Mise à jour : il est vivement conseillé de lire cet autre billet avant de passer du temps sur les données GDELT.

Ça vient de sortir, c’est gratuit en ligne (attention, les données « réduites » prennent une demi-heure à télécharger), et ça fait l’événement, à juste titre : pour tous ceux qui travaillent sur les invasions militaires, les conflits armés ou les coups d’État, c’est une entrée dans la « big data science » (et apparemment, on peut également compter dessus pour d’autres types d’événements). Le codage repose en grande partie sur la grille d’actions qui suit :

CAMEO codes

Cela paraît l’occasion rêvée pour se lancer dans le machine learning, avec Coursera ou avec Drew Conway et John Myles White… À noter, enfin, que si les très grands jeux de données règlent les problèmes de puissance statistique bien connus dans les études cliniques, ils ne règlent rien d’autre, notamment au niveau théorique.

En aparté : nous discutions aujourd’hui avec Joël et une autre personne qui voulait se renseigner sur la « culture de la donnée » en sciences sociales. Je vous laisse faire le bilan ici : le premier jeu de données n’a ni licence, ni version. Sa présentation tient en un papier pas toujours très bien ficelé, et les premières analyses font circuler des fragments de données sans plus de précaution.

P.S. Un peu de code en Python pour analyser les événements Israël/Palestine.