Persée.fr libère ses données !

Il y a bientôt deux ans, j’avais écrit un peu de code pour récupérer des informations sur le sous-espace éditorial constitué par les articles publiés dans les revues du portail de revues scientifiques Cairn.info.

À l’époque, j’avais aussi commencé à écrire le code pour faire la même chose avec Persée.fr, mais n’avais pas persévéré : le code HTML des pages était beaucoup plus lourd à manier que celui de Cairn.info, et les possibilités de chaînage entre les deux plateformes trop limitées.

Ces barrières techniques viennent de tomber : Persée a récemment lancé son portail « open data » (qui s’appelle, ne me demandez pas pourquoi, un « triple store« ), où l’on peut désormais récupérer toutes les métadonnées des articles publiés sur la plateforme dans un joli format RDF !

Les équipes de Persée.fr ont vraiment bien fait les choses : le portail peut être interrogé en SPARQL, et les identifiants des individus (auteurs, éditeurs, etc.) sont alignés sur le référentiel IdRef que l’on retrouve sur SUDOC et sur Thèses.fr (voir ce billet).

À l’heure où j’écris ce billet, je n’ai fait que lire la documentation du portail, qui explique très bien les choix (judicieux) de l’équipe à l’initiative de son lancement. Plus de nouvelles quand j’aurai un peu joué avec les données.

Quoi de neuf du côté de la mise sur agenda ?

Billet exhumé des brouillons de 2016 ; du coup, les références bibliographiques sont de l’an dernier. Je le publie ici sans l’avoir vraiment terminé ou mis à jour, mais je n’ai rien aperçu de notable dans les revues depuis les textes cités plus bas.


Les modèles de la mise sur l’agenda gouvernemental font partie de ces cadres analytiques souples dont on a besoin en « quali » comme en « quanti », et encore plus en « quali » ou « quanti » comparatifs.

Pour celles et ceux qui se demandent de quoi la mise sur l’agenda est faite d’un point de vue scientifique, allez voir cet article et ce chapitre d’ouvrage, tous deux de Patrick Hassenteufel, ou bien ce cas d’étude par Bastien Irondelle1. Notez au passage que la notion d’agenda se retrouve dans trois des dictionnaires des Presses de Sciences Po – , et –, et que la modélisation par « mise sur agenda » ne se limite pas au gouvernement : en voici un exemple.

Du côté quanti

En ce qui concerne les approches quantitatives de la mise sur l’agenda, on dispose régulièrement de travaux de synthèse, car les résultats sont très cumulatifs. En voici le dernier épisode, écrit par l’un des auteurs du bouquin qui fait office de traité fondateur pour ces approches :

agenda-setting-baumgartner

agenda-setting-gpw La table des matières du bouquin résumé par Frank Baumgartner montre par ailleurs très bien le côté cumulatif de ces recherches, qui tournent toutes sur une recette méthodologique suffisamment simple pour être utilisée à grande échelle—collecter et coder des données, les envoyer dans des modélisations de séries temporelles avec les ajustements nécessaires en fonction de leur distribution initiale, et comparer, de manière plus ou moins profonde, les résultats d’un pays à l’autre.

La recette a énormément de qualités, n’est évidemment pas exempte de défauts, qui sont loin de lui être propres—le nationalisme méthodologique, par exemple.

Du côté quali

Qu’en est-il, à présent, du côté « quali » ? On dispose de beaucoup de synthèses, mais qui me semblent beaucoup moins cumulatives, et c’est dommage, bien que prévisible : il est plus difficile de comparer la mise à l’agenda des réformes de l’armement parce que ces réformes sont plus difficilement comparables les unes aux autres, et problème lié, parce qu’il est plus difficile de savoir de quoi elles sont faites.

Voici, toutefois, un texte qui me semble faire exception, en « cumulant » au moyen d’une comparaison intersectorielle :

agenda-setting-boswell-rodrigues

Enfin, plaisante surprise, en cherchant les dernières publications de Nikoalos Zahariadis, qui a beaucoup, beaucoup publié sur la modélisation « quali » de l’agenda-setting dans la lignée du modèle par « flux multiples » de John Kingdon, je suis tombé sur ce handbook qui établit un joli état de l’art, à la fois « quali » et « quanti », de la question :

agenda-setting-nz

  1. Il y a des dizaines d’exemples d’excellentes études de cas utilisant les modèles de la mise sur agenda, mais j’ai tellement aimé ce que j’ai commencé à lire du bouquin de Bastien Irondelle (malheureusement décédé très jeune) que je profite de ce billet pour en faire la publicité. []

Mon exemple favori d’erreur écologique

Ce billet traînait depuis plus d’un an et demi dans les brouillons du blog : le texte date de mai 2015. Je le publie sans retouches, mais vous aurez bien noté que le « peu de temps » dont je parle au début renvoie à cette période, c’est-à-dire aux premiers mois ayant suivi l’attentat contre Charlie-Hebdo.

Il y a peu de temps, Nonna Mayer et Vincent Tiberj ont pris le temps de fournir quelques résultats sérieux sur la sociologie des participants à la « marche républicaine » qui a suivi les attentats de janvier. Leur tribune répond au dernier ouvrage d’Emmanuel Todd, qui s’est basé sur différentes corrélations géographiques pour affirmer que les participants de la « marche » étaient… autant le laisser s’expliquer :

À la suite des travaux de Durkheim sur le suicide, ou de ceux de Max Weber, mon but, c’est de faire comprendre aux gens les valeurs profondes qui les font agir et qui ne sont généralement pas celles qu’ils imaginent. Quand on observe la carte des manifestations, la première chose qui frappe, c’est ce que l’Insee appelle avec élégance la prédominance des « cadres et professions intellectuelles supérieures ». C’est elle qui permet de comprendre l’importance qu’elles ont prise à Paris, Toulouse, Grenoble, etc.

Cette « chose qui frappe » s’enseigne d’ailleurs depuis des décennies en première année de sciences sociales : la participation politique (conventionnelle, comme le vote, ou pas, comme la manifestation) est inégalement distribuée en fonction, notamment, du plus haut niveau de diplôme obtenu. Mais c’est la suite du raisonnement qui contient le ressort argumentaire principal de Todd. Accrochez-vous :

L’autre variable qui, pour moi, d’une certaine manière, est encore plus importante encore, c’est la surmobilisation des vieilles terres issues du catholicisme. Là, il faut que je rappelle ma théorie des deux France, un modèle avec lequel je fonctionne depuis longtemps déjà. D’un côté nous avons la vieille France laïque et républicaine – le Bassin parisien, la façade méditerranéenne, etc. –, la France qui a fait la Révolution en somme. De l’autre, il y a la France périphérique : l’Ouest, une partie du Massif central, la région Rhône-Alpes, la Lorraine, la Franche-Comté. Ce sont les régions qui ont résisté à la Révolution et dans lesquelles l’imprégnation catholique est restée très forte jusqu’au lendemain de la Seconde Guerre mondiale. […]

Eh bien, ce qui a inspiré ma méfiance immédiate, c’est que le 11 janvier, la mobilisation a été du simple au double entre la France de tradition athée et révolutionnaire et cette France périphérique, historiquement antirépublicaine. Ce sont les régions les moins républicaines par le passé qui ont le plus manifesté pour la laïcité, avouez qu’il y a là quelque chose d’étrange. En somme, les bastions ex-catholiques sont les endroits où on a le plus milité pour le droit au blasphème. Si on compare Marseille et Lyon, on voit même que l’intensité des manifestations est du simple au double. Qu’on ne vienne pas me dire dans ces conditions qu’il s’agit de la même laïcité que celle d’hier !1

Nonna Mayer et Vincent Tiberj rappellent ce qui doit inspirer une « méfiance immédiate » dans ce type de raisonnement, en faisant référence à William S. Robinson et à l’inférence écologique, que j’adore illustrer (pour enseigner le paradoxe de Simpson) avec cette slide, qui est d’ailleurs précédée d’un rappel de l’exemple historique de Robinson, qui concernait l’illettrisme2 :

ei

La propension à la mobilisation au niveau régional

Bon, soyons charitable avec Todd. Supposons qu’il ait raison, et qu’une fois le niveau de diplôme pris en compte, la propension à se mobiliser « pour la laïcité » et « pour le droit au blasphème » le 11 janvier soit différente d’une région à l’autre, en rapport à l’héritage catholique régional. Après tout, la réponse que lui font Nonna Mayer et Vincent Tiberj ne dit rien de la géographie des participants.

En revanche, pour que cette différence soit autre chose qu’un artefact, il faut qu’à niveau de diplôme égal et en dehors du contexte du 11 janvier, les habitants des différentes régions françaises aient la même propension à la mobilisation, sinon le lien avec la laïcité se retrouve pris dans un ensemble d’explications possibles au différentiel de mobilisation qu’observe Todd, sans distinction possible sinon de manière subjective.

On va donc prendre les données de l’European Social Survey (ESS) et regarder ça de plus près pour les années 2010 et 2012 (les années précédentes n’utilisent pas les mêmes regroupements géographiques, ce qui rendrait l’analyse plus longue qu’une pause-café). L’une des questions posées dans l’ESS (variable pbldmn) devrait faire l’affaire :

Il existe différents moyens pour essayer d’améliorer les choses en France ou pour empêcher que les choses n’aillent mal. Au cours des 12 derniers mois, avez‐vous fait l’une des choses suivantes ? … Avez‐vous pris part à une manifestation autorisée ?

On va vérifier, en langage Todd où les régions parlent d’elles-mêmes, que les différentes régions françaises répondent « oui » dans la même proportion à cette question. Voici la carte des « réponses régionales », en pourcentage des enquêtés et en tenant compte du schéma de pondération qui fait toute la qualité de l’enquête :

ess_pbldmn_1000_500

Comme on pouvait s’y attendre, la propension à manifester varie dans l’espace et dans le temps, selon des régularités qui ne s’observent pas au niveau régional : les cartes ne montrent pas les erreurs standard, qui sont conséquentes (certaines régions ne sont « représentées » que par quelques dizaines d’enquêtés), et ne disent rien du profil socio-démographique des résidents, qui varie (aléatoirement) d’une vague de l’enquête à l’autre.

On pourrait s’amuser à aller plus loin, mais pour quoi faire ? Les données ESS ne révèlent qu’une seule chose de manière stable, qui correspond à ce qu’expliquent Nonna Mayer et Vincent Tiberj à partir de données différentes : la propension à la mobilisation est nettement plus faible à droite, et plus nettement forte chez les diplômés (je ne montre pas les coefficients, mais vous pouvez faire tourner le modèle chez vous).

Pour détecter un effet géographique du style de ce que décrit Todd, il n’y a que deux manières de s’y prendre. La première consiste à réunir des données aussi granulaires que possible, de les faire passer dans un modèle multi-niveaux, et d’en tirer des conclusions prudentes sur tel ou tel prédicteur. La seconde consiste à avoir une théorie et beaucoup, beaucoup d’assurance.

  1. La dernière phrase est sublime, n’est-ce pas ? C’est extrait d’un entretien au Nouvel Obs du 30 avril 2015. Le journaliste lui sert d’ailleurs complètement la soupe. Je n’ose pas citer le site Internet sur lequel j’ai récupéré l’extrait. []
  2. Les états américains où l’illettrisme était le plus fort était ceux où il y avait le moins d’immigrés, alors que le fait d’être né à l’étranger est un prédicteur individuel de l’illettrisme. Le paradoxe du vote des riches et des pauvres aux États-Unis est un autre exemple. []

Qualifier et quantifier l’activité parlementaire : demandez le programme

En octobre dernier, vous avez pu lire sur ce blog l’appel à communications de la Section Thématique 38 du Congrès AFSP 2017, « Qualifier et quantifier l’activité parlementaire : données, méthodes et pratiques« .

La sélections des communications qui seront présentées dans la section est à présent terminée, et le programme de la section est désormais disponible sur le site Internet (temporaire) de la section :

st38-prog

Le programme est en anglais car la section aura lieu en anglais, histoire de permettre aux non-francophones de se sentir un peu plus à l’aise sous le soleil montpelliérain.

La sélection et ses suites

Le programme, élaboré avec Olivier Rozenberg, est résolument international, avec des papiers de plusieurs pays francophones mais aussi d’ailleurs. La sélection a été difficile : nous avons reçu 25 propositions d’un peu partout dans le monde1, et parmi elles, beaucoup étaient assez, voire très, pertinentes.

Remarque : trop peu de femmes

Mon seul vrai regret concernant les propositions que nous avons reçues : sur les 44 auteurs listés, on ne trouve que 5 femmes, et qu’une seule femme parmi les papiers retenus2. C’est peu, et probablement en-deçà de la présence des femmes dans les milieux scientifiques qui ont reçu notre appel à communications—du moins souhaitons-le !

Au niveau de l’âge, nous avons reçu un bon mélange de « juniors » et de « seniors » ; mais au niveau du sexe, notre créneau thématique (les études parlementaires) me semble terriblement masculin… Peut-être est-ce aussi la conséquence de la coloration « méthodologique », voire « quantitativiste », de notre thème de section.

Je ne citais pas directement la « ST 38 » dans ce billet, mais vous aurez fait le rapprochement.

À noter également : la « ST 37 »

Pour celles et ceux qui seront à Montpellier, notez également l’existence de la Section Thématique 37, « Dans l’ombre de la loi. Travail au parlement et vie politique », organisée par Sébastien Michon et Étienne Ollion.

See you in Montpellier!

  1. Plus exactement, nous avons reçu des propositions de chercheurs établis dans 13 pays différents, en excluant une proposition totalement hors-sujet (la seule) en provenance des Philippines. []
  2. Toujours si l’on exclut la seule proposition complètement hors-sujet, qui nous a été envoyée par deux jeunes étudiantes. La différence de proportion est non significative, mais cela reste regrettable. []

De Google My Maps à ggplot2 en quelques secondes

J’avais brièvement évoqué, en juin dernier, la version 1.0.0 du package R xml2, qui permet de lire du XML dans R en permettant d’y mobiliser la librairie libxml. Voici un petit bricolage basé sur cette chaîne d’outils.

Les données : Google My Maps

Au hasard d’une recherche sans rapport avec le schmilblick, je suis tombé sur cette carte des morts violentes à Barbès et à la Goutte d’Or. La carte a été réalisée par Jean-Raphaël Bourge, qui fait un superbe travail de recherche sur le quartier.

En fouillant un peu, j’ai également retrouvé cette carte des églises africaines qui font leur publicité à la Goutte d’Or. La carte a été réalisée par Baptiste Coulmont, qui a amplement documenté le phénomène, et qui a publié un très chouette article sur le sujet.

Enfin, en creusant encore un peu, je découvre une autre carte : « Gangs of Los Angeles« , et son complément sur les gangs hispaniques. Les graffiti que laissent les gangs de Los Angeles font l’objet d’une recension aussi systématique que possible sur Instagram, et il existe des tonnes de cartes très détaillées des territoires de ces gangs1.

Le problème : KML et ggplot2

Je me suis demandé comment je pouvais réutiliser les données de ces cartes. Google My Maps est un outil très pratique qui peut être utilisé sans compétence technique par un nombre illimité d’utilisateurs, ce qui en fait un excellent support pour le recueil de données géolocalisées ; mais comment réexploiter ces données ?

Google My Maps permet d’exporter les informations d’une carte au format KML, ce qui est pratique, mais l’utilisation de ces données par des outils tels que les packages R rgdal ou sf n’est pas facile, surtout si l’on souhaite utiliser les packages du « tidyverse » (dyplr et ggplot2 en particulier) pour manipuler les données et les visualiser.

La solution (limitée) : tidykml

Histoire de passer rapidement d’un fichier KML à un jeu de données qui puisse être utilisé avec ces packages, j’ai codé un petit package, tidykml, qui importe les éléments KML les plus simples (les géométries de base et leurs métadonnées). Tous les détails sont dans le README du package, et voici un exemple de résultat :

gangs

Le package est très limité : il ne gère pas les « géométries multiples » (les multi-polygones qui permettent de visualiser des îles, par exemple), et il n’a été testé que sur les cartes listées plus haut, plus quelques autres exemples de cartes issues de Google My Maps. En attendant mieux, le package permet de réaliser des cartes comme celle-ci :

sherman

L’exemple ci-dessus, qui ne demande que quelques lignes de code dont la plupart sont des réglages graphiques réalisés dans ggplot2, apparaît également dans ce billet en anglais, un peu plus technique.

Pour aller plus loin

Mon objectif, avec tidykml, était de raccourcir autant que possible le code allant de l’import d’un fichier KML à un graphique réalisé avec ggplot2, histoire de faciliter la réutilisation de données Google My Maps sur d’autres supports, et sans passer par des solutions de cartographie plus sophistiquées.

Pour aller plus loin, il faudrait avant tout que je trouve un moyen de prendre en compte les « géométries multiples » évoquées plus haut, et aussi que je documente l’énorme répertoire d’outils cartographiques pour R, comme par exemple l’excellent package cartography de Timothée Giraud et al..

Pas d’empressement toutefois : les outils de cartographie avec R sont en discussion et pourraient évoluer de manière à rendre mon package obsolète dans les mois à venir. Tant mieux.

  1. Voir notamment cette conversation sur Reddit. []

Bonnes résolutions 2017, édition « science des données »

En toute probabilité, cette année, vous n’allez ni arrêter de fumer, ni commencer à manger et à dormir de manière équilibrée, ni vous astreindre à un planning hebdomadaire de passages à la piscine. Enfin, cette année, vous n’allez certainement pas réguler votre dose quotidienne de café1.

En revanche, cette année, vous pouvez prendre dix bonnes résolutions pas très compliquées, sur recommandation des nerds derrière le comptoir. Ces résolutions tournent autour de la « science des données », la fameuse data science, dont on ne sait pas encore exactement ce que c’est—mais ce n’est pas grave.

  1. Boycottez Elsevier

    Il faut continuer à signer la pétition The Cost of Knowledge, et encourager les réseaux de bibliothèques universitaires qui ont pris des initiatives de désabonnements massifs de certains « bouquets » de revues aux prix prohibitifs.

    Ce n’est pas compliqué, et c’est nécessaire si l’on veut mettre le minimum de pression nécessaire sur l’édition scientifique. Malheureusement pour la science politique, il y a d’excellentes revues chez Elsevier : Electoral Studies et Sociologie du travail2. Pour l’analyse de réseaux, c’est pire, la revue centrale est chez Elsevier.

    Mise à jour : un gentil commentateur m’apprend que Sociologie du travail s’apprête à quitter Elsevier pour rejoindre Revues.org. Double excellent choix ! L’éditorial de Didier Demazière sur le sujet est très intéressant à lire en entier.

  2. Désactivez Flash

    L’année 2016 n’a pas manqué de hacks (ou de révélations d’anciens hacks) spectaculaires, et si vous avez un compte LinkedIn ou Yahoo!, vous êtes concernés. Pour faire le point, voir l’excellent service Have I Been Pwned?

    Pour réduire les risques, cette année, vous pouvez notamment abandonner Flash, en le désactivant dans les préférences de votre navigateur Internet. C’est totalement indolore : l’industrie a abandonné ce format, et les sites Internet que vous consultez ont déjà fait leur transition vers autre chose.

  3. Apprenez R

    C’est le bon moment pour apprendre R. Comme tous les langages, il est périssable, mais en ce moment, il est à son apogée : les outils de base de la science des données (import/export, manipulation, visualisation) sont robustes, et les innovations quasi-quotidiennes3.

    L’offre de formation à R est aussi à son apogée : on trouve presque tout sur Internet, sur Stack Overflow notamment, et les formations hors-ligne s’organisent aussi—j’en dirai plus cette année, ici ou ailleurs. Surtout, c’est dans ce langage que se mènent, en ce moment, certaines des discussions les plus intéressantes sur comment analyser quelles données (Julia et Python comptent aussi, bien sûr).

    Si vous êtes data-journaliste ou aspirant à l’être, et/ou si vous vous levez le matin pour analyser des données, apprenez R, et le reste suivra.

  4. Utilisez Youtube

    En 2016, j’ai enfin réussi à faire comprendre à Youtube que je n’étais pas intéressé par les vidéos d’Alain Soral et Jean-Luc Mélenchon, ce qui m’a permis d’utiliser Youtube pour remplacer l’écoute de France Info à mes heures perdues.

    Pour cela, j’ai dû m’abonner à tout un tas de « canaux » Youtube, histoire de les faire peser dans l’algorithme de recommandation. Voici quelques exemples de canaux recommandables :

    Médias
    Arte, Arte+7, Arte – Tracks, Mediapart ; Mediapart, en particulier, publie de longs et excellents débats quasi-nocturnes : je recommande en particulier ceux de la série « Moyen-Orient Express« 
    Universitaire
    British Academy, Center for European Studies, Paris School of Economics, London School of Economics (and Political Science), Lee Kuan Yew School of Public Policy
    Autres
    Oxford Union Society, Alan Macfarlane, Bycome, Reactions, On The Top of Damavand for ever, DEFCONConference
  5. Apprenez HTML

    Bilan d’une conversation avec un ami : dans la vie, ce sont les langages qui vous amènent quelque part. Dans mon cas, ce fut l’anglais, le web design valide et accessible, et la programmation statistique, avec Stata puis avec R.

    J’ai appris HTML5 et CSS2/3 il y a quinze ans, à une autre époque, celle de Jeffrey Zeldman, Mark Pilgrim et Eric Meyer. À l’époque, il fallait y rajouter un peu de Javascript et PHP/MySQL ; aujourd’hui, il faut rajouter beaucoup de Javascript, librairies et frameworks inclus (Angular, Node, jQuery). Je conseille d’apprendre les bases avant tout.

  6. Défendez RSS

    La fermeture de Google Reader, qui fut, je pense, l’une des plus grosses erreurs jamais commises par Google/Alphabet, a condamné l’utilisation de masse des flux RSS ; mais les blogueurs, journalistes et autres geeks connaissent RSS, et veulent continuer à l’utiliser.

    Le standard est menacé de disparaître : il n’y a pas de flux RSS (ou Atom) sur Twitter (solution alternative), par exemple, et la nouvelle plateforme d’édition scientifique de Cambridge University Press, Cambridge Core, n’a plus de flux RSS pour ses revues4 Il faut protester quand l’occasion se présente.

  7. Envisagez Linux

    Voici la seule recommandation de cette liste que je n’ai pas encore prise.

    Il y a trois ans, si j’avais fait la liste des choses qui me manqueraient si je passais de Mac OS X à Linux, la liste était longue ; aujourd’hui, elle est de plus en plus courte. À l’inverse, la liste des choses agaçantes et/ou inutiles sur Mac OS X – maintenant macOS, mais vu que je n’ai pas l’utilité des nouvelles fonctionnalités du système, je suis encore sous Mac OS X 10.9 – s’est allongée.

    Il reste trop de choses génialement conçues sur Mac OS X pour que j’envisage un « switch » immédiat, mais j’hésite désormais autant à installer Xubuntu qu’à installer macOS. La dernière itération du MacBook, qui est un gros jouet plutôt qu’un ordinateur, me conforte dans cette tendance.

  8. Hebdomarisez Facebook

    Ce n’est évidemment pas l’usage que Facebook souhaite que ses utilisateurs aient du service, mais de mon point de vue, Facebook devrait une sorte d’hebdomadaire. En 2016, Facebook a d’ailleurs inauguré son équivalent des marronniers sur l’islam ou les Francs-Maçons, avec le phénomène des « fake news.

    Les outils pour transformer Facebook en « revue hebdomadaire » restent à inventer – consulter Facebook une fois par semaine ne suffira pas5 –, mais c’est l’une des choses que j’aimerais voir se développer cette année, après dix ans d’utilisation et quelques pauses de désintoxication.

  9. Documentez une API

    Cette résolution est peut-être la plus importante de ma liste. Elle est sous-rédigée, mais j’essaierai d’y revenir plus tard cette année.

    Il y a de plus en plus de sources de données, mais le nombre d’individus qui les documentent est à peu près stable. C’est un problème, car pour que la « science des données » décolle et produise un vrai saut qualitatif, il faudra de la main d’oeuvre, et elle doit être aussi diverse que possible6.

    À l’heure actuelle, les données disponibles sous la forme d’APIs sont documentées par les développeurs de ces APIs, ou par quelques-uns de leurs utilisateurs7. Cela ne suffira pas : comme sur Wikipedia, il faut différentes categories de contributeurs pour créer un écosystème. Ma conviction est que l’écosystème actuel des APIs est trop homogène, trop uniforme : il faut des journalistes, des chercheurs, des informaticiens, mais aussi des étudiants, des cartographes, des bureaucrates, bref un peu de tout, et ce mix est rarement présent aujourd’hui.

    Conclusion : si vous avez un intérêt dans la data science, qui sera probablement mon thème pour 2017 sur ce blog et ailleurs, participez à documenter une API.

  10. Bloguez sur Hypothèses

    On est bien sur Hypothèses, et le ‘Bistro a déjà un billet de prêt (ou en préparation) jusqu’à début mars, au rythme d’un billet tous les trois ou quatre jours. Le planning pourra évidemment changer si nécessaire, mais un rythme de deux billets par semaine me semble être un bon rythme de croisière.

    Venez sur Hypothèses, et meilleurs voeux à toute l’équipe !

  1. Ce ne sont que des exemples, hein. Ne dîtes rien à mes parents, s’il vous plaît. Par ailleurs, êtes-vous déjà allé en Norvège ? C’est fantastique, les gens boivent du café à toute heure du jour et de la nuit. Autre question : êtes-vous déjà rentré dans une boutique Nespresso ? C’est terrifiant, les employés se présentent comme des « collaborateurs ». []
  2. De mon point de vue, la meilleure revue francophone de sociologie des organisations. Moment nostalgie ce Noël, quand j’ai retrouvé L’acteur et le système et Le pouvoir et la règle dans mes étagères. []
  3. À suivre cette année, les progrès en manipulation de données spatiales. Les cartographes utilisant R sont très bien organisés, et les derniers exemples de réalisations dans le domaine sont très prometteurs. []
  4. J’ai déjà râlé à ce sujet auprès des développeurs, et espère que Cambridge Core introduira des flux RSS pour ses revues cette année, même si je n’en ai actuellement aucune garantie. []
  5. Idée : une extension pour navigateur Internet qui ouvrirait des combinaisons d’onglets différents selon le jour de la semaine. []
  6. Au niveau professionnel, mais aussi au niveau sociologique, évidemment. []
  7. Voici un exemple : quelques APIs suédoises, listées par un data-journaliste de SVT.se. []

Women Also Know Stuff, édition personnelle 2016

how_it_works

En travaillant sur le programme définitif d’un panel de conférence (j’en reparlerai en temps voulu), j’ai réalisé que nous avions, avec mon co-équipier, éliminé toutes les communications incluant des femmes parmi les auteurs, sauf une. Tous les organisateurs et discutants de l’événement seront des hommes.

Autre contexte : en comité de rédaction, l’un des deux éditeurs d’une revue qui sort bientôt son n°1 (j’en reparlerai aussi) nous annonce que le pourcentage de femmes parmi les auteurs est hyper-bas. Je me souviens que nous avions déjà fait tout notre possible pour féminiser le comité de rédaction.

Autre contexte : une amie m’explique qu’elle postule à un financement dans une agence nationale. Elle m’explique qu’elle sait que ses chances de succès sont plus faibles : elle est jeune, et femme. Les chiffres sont là pour le prouver, et des biais similaires existent pour la publication en revue scientifique.

Ces inégalités sont difficiles à corriger. Si je scanne vite fait mes liens et lectures du jour, je dois en être à 80-90% d’hommes, aussi en sciences sociales qu’en trucs informatiques1. En science politique, sur certains sujets, et alors même qu’il y a de l’offre, on passe très facilement à 100% d’hommes2.

La liste ci-dessous ne changera rien, mais voici dix femmes dont j’ai découvert ou redécouvert les travaux/oeuvres cette année.

  1. Masha Gessen, pour « The Putin Paradigm » et « Autocracy: Rules for Survival » (sur Donald J. Trump)

  2. Dasha Rush, pour toute sa production musicale (le mix ci-dessous commence à proprement parler vers 2:30)

  3. Julia Silge (qui vient d’être embauchée par Stack Overflow), pour Tidy Text Mining with R (avec David Robinson)

  4. Jenny Bryan, pour Happy Git and GitHub for the useR

  5. Isis Lovecruft, du Tor Project, pour cette conférence sur les systèmes anonymes

  6. Jocelyn Pook, pour l’album Untold Things et la chanson « Yellow Fever Psalm » en particulier (ci-dessous ; à écouter aussi à l’envers)

    Je ne m’attarde pas sur le sujet, mais tous les amateurs de musique ambient savent qu’il y a plein de femmes parmi les pionniers du genre, à l’époque du bidouillage de synthétiseurs analogiques pesant super lourd ; allez donc écouter Else Marie Pade en 1962 ou Laurie Spiegel en 19793.

  7. Joan C. Williams, pour « What So Many People Don’t Get About the U.S. Working Class » – où l’on trouve un paragraphe qui mériterait à lui seul six heures de cours sur la stratification socio-éducative :

    One little-known element of that gap is that the white working class (WWC) resents professionals but admires the rich. Class migrants (white-collar professionals born to blue-collar families) report that “professional people were generally suspect” and that managers are college kids “who don’t know shit about how to do anything but are full of ideas about how I have to do my job,” said Alfred Lubrano in Limbo. Barbara Ehrenreich recalled in 1990 that her blue-collar dad “could not say the word doctor without the virtual prefix quack. Lawyers were shysters…and professors were without exception phonies.” Annette Lareau found tremendous resentment against teachers, who were perceived as condescending and unhelpful.

  8. Béatrice Cherrier, pour son blog The Undercover Historian [of Economics]

  9. Casey, pour l’ensemble de ses albums (extrait du dernier ci-dessous), et pour ses concerts à Gennevilliers et à Paris cette année

  10. Sonia Kronlund, pour Les Pieds sur terre (France Culture)

Mention spéciale à Katherine Ognyanova, pour « Network visualization with R » (tutoriel découvert au moment de sa première publication l’an dernier, mais mis à jour depuis).

  1. Le biais sexiste en informatique est moins fort que prévu, si j’en crois mes dernières lectures (langage R). []
  2. Les biais varient d’un pays et d’un sujet à l’autre. Comparer, par exemple, la France et les États-Unis, ou bien la couverture médiatique et scientifique de l’État islamique avec celles de la Russie. []
  3. Le biais masculin varie aussi selon les styles musicaux. Jetez un coup d’oeil, par exemple, à la jungle/drum and bass. []

ArchiPolis : des entretiens plein les tiroirs

Plus tôt ce semestre, un email de la liste de diffusion du réseau MATE-SHS m’a informé des avancées du projet ArchiPolis, qui vise à rendre accessible les matériaux bruts des enquêtes qualitatives en science politique, et que j’avais rapidement évoqué cet été :

archipolis-dataverse

Le catalogue ArchiPolis est désormais consultable en ligne, et c’est un veritable trésor d’enquêtes qualitatives – des entretiens réalisés sur les cinquante dernières années ! – qui est désormais accessible sur demande :

archipolis-catalogue

Le catalogue utilise Dataverse. Le reste des détails est à lire sur le blog d’ArchiPolis, hébergé, comme tant de choses chouettes, sur Hypothèses (Where else?).

Bravo aux acteurs du projet, et aux nombreux laboratoires de science politique qui y participent !

Ce soir au Tank à Paris : R et la data science au service de l’action publique

r-action-publique-2016-11-15-1

Joël et Samuel, avec qui nous enseignons le cours « Open Data in Urban Research » et qui sont en train de lancer leur entreprise, Datactivist, m’ont gentiment invité à intervenir ce soir dans cette conférence qu’ils co-organisent avec Open Data France :

conf-tank

La description complète de la conférence, qui fait partie du programme de la Semaine de l’innovation publique, suit, avec quelques liens et retours chariot supplémentaires :

La data science promet une transformation en profondeur de l’action publique. Comment fait-on parler les données publiques ? La data science doit-elle rester une affaire de spécialistes ?

Depuis la nomination d’Henri Verdier en tant qu’administrateur générale des données, de nouvelles organisations publiques annoncent régulièrement la nomination d’un Chief Data Officer en charge de l’application des méthodes de la data science aux données, en particulier ouvertes, de l’administration.

Mais concrètement comment fait-on parler les données publiques ? Avec quels outils ? La data science doit-elle rester une affaire de spécialistes ?

À l’occasion de la publication d’une formation d’introduction au logiciel R, véritable « couteau suisse » de la data science, la coopérative datactivi.st et l’association Open Data France proposent de discuter concrètement des outils et des méthodes qui permettent de « faire parler les données », autour d’une table ronde avec notamment :

Diane Beldame, data scientist, formatrice à R chez ThinkR

François Briatte, vétéran de la ligne ferroviaire TGV surtarifée Paris-Lille à des horaires tardifs ou matinaux

Jean-François Eudeline, administrateur de l’Insee, chef du service des études et de la diffusion à l’Insee Normandie

Christophe Libert, Responsable du service innovation numérique de la région Ile de France

Voici ma très brève présentation, qui évoque notamment les réseaux de collaboration parlementaire dont j’ai souvent parlé sur ce blog depuis quelques années. Quelques slides tirées de la présentation ci-dessous :

r-action-publique-2016-11-15-2

r-action-publique-2016-11-15-3

r-action-publique-2016-11-15-4

Ça se passe au Tank, la salle de Spintank, à 19h. Pensez à réserver sur Meetup !

r-action-publique-meetup

Mise à jour : tout était filmé ! Si j’avais su, je serais passé chez le coiffeur. Vidéo ci-dessous, avec plein de choses intéressantes de la part des intervenants et de Joël.

J’ai manqué de précision sur plusieurs des choses que je mentionne dans ma présentation, mais les liens que je fournis dans les slides devrait suffire à reconstituer l’essentiel.

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. []