Un cadeau offert à la science politique, ou : mangeons du pain wébérien

Ce billet est écrit en pensant au très bon blog de Denis Colombi et aux personnes citées dans le texte du billet. Il s’agit d’une longue et verbeuse discussion d’une photo et d’un commentaire découvert un lundi matin dans mon fil Facebook, arrivé là par quelques amis engagés :

Screen Shot 2016-02-01 at 09.30.21

Mise à jour, quelques minutes après publication de ce billet : voici l’article initial du Journal Du Dimanche. Mentionnons bien que le graphique posté ci-dessus y est titré : “Des préjugés tenaces”, ce qui mériterait certainement d’infléchir certains passages du texte ci-dessous, que je préfère préserver en l’état.

Remarquons aussi que le “sondage” a été réalisé pour le compte de la Fondation du Judaïsme Français, ce qui le rend encore plus sociologiquement parlant du point de vue de la mise en compétition, espérons-le involontaire mais effective, des haines, le sondage devenant classement des groupes sociaux des “plus” au “moins” discriminés, avec tout ce que la sociologie des classements sait dire de ces objets, des réifications qu’ils “performent” (au sens sociologique du terme), et des frontières invisibles qu’ils font naître là où la stratégie inverse de la République indivisible me semblerait recommandable.

Brève digression

Si vous ne connaissez pas Sylvain Bourmeau, il s’agit de l’animateur de l’excellente émission “La suite dans les idées” sur France Culture.

De ce que je crois savoir sans me donner la peine de le vérifier, Sylvain Bourmeau est par ailleurs docteur en science politique, comme semble d’ailleurs en témoigner, selon moi, son choix d’invités, dans lequel le politiste peut lire, dans un fin filigrane, ses attaches intellectuelles1.

S’il fallait recommander un seul épisode récent, je recommanderais celui avec James C. Scott, mais abonnez-vous au podcast, tant qu’à y être.

Comme l’indique le titre de cette section, ce billet ne porte toutefois pas du tout sur Sylvain Bourmeau. Cette digression est une forme de salutation polie et appuyée à son excellent travail d’intermédiaire entre le champ universitaire et le champ médiatique. Ces “passeurs de sciences” sont peu nombreux, alors saluons-les quand on peut.

Enseigner Weber

Comme l’indique le titre de ce billet, ce “sondage d’opinion” est un magnifique cadeau offert par le JDD et par l’institut qui l’a produit (Ipsos, apparemment) à la science politique, et en particulier aux enseignants de première année chargés des cours d’introduction à la science politique.

Lorsque vient le temps d’enseigner Max Weber, Le savant et le politique, c’est-à-dire en général tout au début d’un cursus de science politique, il est toujours utile de disposer d’un exemple probant et actuel de différenciation entre le comportement du savant et le comportement du citoyen engagé dans la Cité, afin de pouvoir illustrer correctement la partie de l’ouvrage portant sur “le métier et la vocation de savant”2.

Au premier semestre, une étudiante de première année m’a rappelé l’importance cruciale de cette section du cours. Au cours d’une brève discussion en travaux dirigés, je me souviens juste d’elle poser cette question :

Mais Monsieur, la guerre, c’est toujours mal, non ?

Je lui ai répondu comme n’importe quel enseignant de sciences sociales le ferait face à un propos normatif dans un contexte pédagogique qui cherche à faire émerger une pratique du raisonnement scientifique : on peut avoir un point de vue sur la guerre, mais ce point est un jugement de valeur ; j’ai d’ailleurs moi-même un point de vue sur la question, mais que je ne partage pas en cours, car c’est tout l’enseignement de Weber—ce serait, au sens intellectuel, un mélange des genres.

Voici les trois “genres”3 auxquels je pense, sous forme de commentaires de taille inégale et numérotés, bien qu’il n’existe aucune hiérarchie entre eux, et que dans la réalité, ces “genres” ne se séparent jamais complètement : pour reprendre les idées de Weber, c’est un travail intellectuel que de les séparer, et un engagement professionnel que de s’y vouer.

1. Une lecture citoyenne

La lecture citoyenne de ce sondage va différer selon les individus, et ceux, qui toujours plus nombreux, qui croient que la France est un pays “d’immigration massive” assailli par les ennemis extérieurs comme intérieurs, vont très bien se retrouver dans le diagramme en barres du JDD.

De ce point de vue, le commentaire de Sylvain Bourmeau est on ne peut plus juste : l’extrême-droite française se trouve, à l’heure actuelle, dans une dynamique “gagnant-gagnant”, qui lui permet, comme beaucoup d’autres partis politiques populistes en Europe, à la fois de façonner l’air du temps et d’enregistrer de très bons succès électoraux.

On peut (et, selon moi, on doit) se désoler, comme je le fais régulièrement avec mes amis, de cette dynamique, par ailleurs beaucoup mieux expliquée qu’ici par mon estimé (et je oserais-même le dire, de plus en plus célèbre) co-blogueur Joël aux pages 42-43 de ce magazine, et dans le reste de ses travaux et interventions — coucou Joël, et toujours heureux de te lire et de te savoir lu :)

On peut, et l’on doit, surtout, je pense, chercher les moyens d’endiguer cette dynamique, quelle que soit le nom qu’on lui donne : personnalité autoritaire, “anti-mai 68”, “lepénisation des esprits”, populisme, ou proto-fascisme pour les plus catégoriques.

Personnellement, j’estime, comme Joël, que le scrutin à deux tours va nous sauver de “Marine présidente”, mais que cela ne règle pas le problème de fond de la crise de la représentation : pour me centrer sur la portion du champ politique qui “me parle”, à l’heure actuelle, la trahison des clercs de gauche me semble totale, au point que même un électeur socialiste “naturel” dans mon style, biberonné au jospinisme, ne se déplace plus aux urnes4.

À quoi participe, selon le petit citoyen engagé au fond de moi, la publication de ce “sondage” (et j’expliquerai bientôt les guillemets autour de ce mot) ? À produire, je dirais, l’équivalent français de la Hongrie de Viktor Orbán : une machinerie médiatique et politique de la haine de soi, ce qui a déjà de graves conséquences, et qui en aura d’autres que l’imagination d’un pacifique citoyen du monde d’aujourd’hui ne peut même pas produire.

Toujours de mon point de vue, je ne pense pas que tout cela se finira dans un bain de sang révolutionnaire ou contre-révolutionnaire : j’ai plutôt confiance dans l’Histoire pour injecter à nouveau, dans quelques années et de manière comme toujours provisoire, une bonne dose d’anesthésiant dans la partie reptilienne du cerveau collectif qui produit la stigmatisation des musulmans, des Roms et des autres. C’est le faux optimiste en moi qui parle ici.

Bref, malgré le JDD et autres stigmates du quotidien, je “souhaite”, si l’on peut dire, à mes amis musulmans et d’origine rom5 la même “trajectoire” historique que celles de mes amis homosexuels : après de longues et douloureuses années d’humiliation, enfin, une forme de libération par l’endiguement de la haine, libération jamais vraiment acquise, mais il me semble, heureusement bien avancée en ce qui concerne l’homosexualité—qui oserait aujourd’hui remplacer “origine maghrébine” par “homosexuelles” dans ce “sondage”, écrivons-le pour terminer ce commentaire, infect, produit et publié par les idiots utiles d’une impasse intellectuelle qui ne peut qu’évoquer de terribles souvenirs ?

Toutefois, comme l’illustre le travail de Joël et un blog comme celui de Christophe Bouillaud, l’un de mes anciens enseignants, les commentaires ci-dessus et les commentaires indignés que je lis sur Facebook ne doivent pas faire obstacle à la seule “bonne nouvelle” contenue dans ce sondage.

2. Une (très brève esquisse de) lecture professionnelle

La lecture professionnelle de ce sondage est la première qui m’est venue à l’esprit : quel cadeau nous fait-là l’actualité ! Un objet sociologique aussi parlant que cette production sondagio-médiatique, quelle illustration fantastique de Bourdieu, de Weber ! Les enseignants de science politique ont dû au moins esquisser un sourire.

En effet, le marché qui produit ces biens de consommation que l’on appelle les “sondages d’opinion” est ici parfaitement représenté, de même que sa conséquence première : la fabrique de l’opinion, un phénomène qu’il faut apprendre à objectiver dans l’espace et dans le temps—le travail d’une profession, celle de politiste, ou de sociologue/historien du politique, ces distinctions n’ayant à mes yeux aucune importance fondamentale, au moins au niveau de réflexion où je souhaite situer ce commentaire.

Bref, pour aller beaucoup plus vite que dans mon premier commentaire, j’ai sauvegardé la capture d’écran qui ouvre ce billet dans mon dossier “L1 – TD – Intro. sc. po.”, pour tester l’enseignement de cet exemple l’année prochaine. En attendant, un dernier commentaire.

3. Quelques compléments

Ce troisième et dernier commentaire est une sorte de produit des deux premiers. Il s’agit réfléchir scientifiquement, à la fois comme professionnel de la science et comme citoyen engagé, à l’objet-sondage, et il me semble qu’il y a deux dimensions à prendre en compte :

  1. Commençons par la méthodologie pure, pourrait-on dire : d’un point de vue, ce “sondage” a-t-il la moindre valeur scientifique ?

    D’un point de vue quantitatif et statistique, probablement pas, l’industrie française des sondages n’étant pas en mesure6 de produire des enquêtes d’opinion, échantillonnées et modélisées plutôt que bricolées par quotas et redressements7.

    En revanche, d’un point de vue qualitatif, la valeur scientifique de ce sondage est évidente : pour des raisons sociologiques, politiques et historiques qui sous-tendent mon second commentaire, il est beaucoup plus socialement acceptable, aujourd’hui en France, de dénigrer les origines maghrébines que la confession juive ou les origines asiatiques.

  2. Terminons à présent sur une question de fond : faut-il tout de même essayer de produire des résultats robustes sur les confessions et les origines des individus, agresseurs comme agressés, pour reprendre le ton du “sondage” ici commenté ? L’enquête WVS ne tente-t-elle pas de mesurer la haine des voisins, et l’enquête ESS ne contient-elle pas des questions sur les discriminations subies dans les douze derniers mois ?

    La question me semble se poser car certain(e)s, du peu de que j’observe autour de moi dans le champ scientifique, persistent à défendre une science qualitative dédaigneuse des chiffres, à l’opposé d’ailleurs des figures tutélaires auxquelles elles et ils se réfèrent (je parle, évidemment, de Pierre Bourdieu). J’ai toutefois espoir dans cette sociologie de la quantification, qui a aujourd’hui le vent en poupe grâce, s’il ne fallait citer qu’un nom français, à l’héritage intellectuel d’Alain Desrosières, dont le point de vue me manque8.

    Le débat est complexe, et je change régulièrement d’opinion au sujet des statistiques ethniques et des autres dimensions de ce débat. Mais la plupart du temps, je penche nettement en faveur d’outils comme l’enquête TeO en ce qui concerne la mesure des “origines”, et pense généralement que l’on tirerait profit d’une activité scientifique de qualité – à l’heure actuelle marginale, mais les choses évoluent – sur ces questions, plutôt que de laisser le champ libre aux prêcheurs et prédicateurs.

Brève conclusion

Les lecteurs attentifs qui liront ce billet jusqu’à ces lignes jugeront peut-être que je travestis quelque peu la pensée de Weber dans ce billet, en séparant non pas la science et la politique, mais les métiers de savant et de politique, ce qui ne signifie pas la même chose, et qui n’a pas les mêmes conséquences pédagogiques.

Du point de vue du texte, le vrai fond du propos wébérien me semble bien être de distinguer des carrières, et pas des individus ou des pensées. C’est pourquoi je n’aime pas les sous-titres d’enseignements du type “science, politique et science politique”. En pratique, les étudiants sont déjà tous intuitivement de l’existence d’une distinction entre science et politique, ne serait-ce que par “pré-cognition” de la coexistence de différentes cités de justification, et pensent reconnaître cette distinction chez Weber, alors que le propos est plus fin.

D’un point de vue pédagogique, l’essentiel me semble en effet de trouver une manière de dire aux étudiants : soyez à la fois savants et politiques, portez ces deux “chapeaux” en conscience de cause, et considérez ces “chapeaux”, ces “casquettes”, comme des attributs culturels, intellectuels, éducatifs, et en définitive, professionnels, quelle que soit l’intitulé desdites professions (saluons ici une dernière fois le travail radiophonique de Sylvain Bourmeau, parmi d’autres).

Ma conclusion sera donc : toutes et tous que nous sommes, mangeons du pain wébérien. Regrettons ce que trahit, ce que traduit, ce que produit ce sondage, mais félicitons-nous qu’il existe des disciplines scientifiques dédiées à comprendre de tels objets, des journalistes disposés à diffuser cette compréhension, et servons-nous de ces objets pour changer le monde, car il sera toujours temps, comme l’écrit également Joël dans les dernières lignes de l’interview pré-citée, d’enrayer les cercles vicieux du présent et de se prémunir contre toutes les formes de violence inutiles.


Je profite de ce long texte pour souhaiter à tous les clients du Polit’bistro suffisamment patients pour lire ce dernier paragraphe une bonne année 2016, année qui a commencé de manière atypique de mon côté, ce qui explique peut-être la nature encore plus décousue et désordonnée du raisonnement et de l’écriture de ce billet, qui contient vraiment trop de guillemets, quelques passages certainement un peu trop personnels, et même un point Godwin.

  1. S’il fallait brièvement les qualifier, je parierais sur un penchant certain pour la socio-histoire et pour une partie bien spécifique de la science politique internationale. []
  2. La seule biographie de Weber ne constituant pas, à mon avis, une illustration suffisante pour les étudiants. Une autre illustration que je souhaite mentionner ici : cette très belle tribune de Virginie Guiraudon sur la déchéance de nationalité. []
  3. Le terme ne me convient pas, d’où les guillemets, faute de mieux. []
  4. Ma nouvelle parade lorsqu’on me reproche cette apathie est de dire que je suis un single-issue voter du droit de vote aux étrangers. Cette idée m’a été inspirée (mais pas suggérée) par un ami, Simon, qui se reconnaîtra s’il lit ces lignes. []
  5. D’ailleurs, qui a des amis rom ? En ai-je vraiment ? Le sais-je vraiment ? J’ai au moins un prénom en tête, un copain roumain de Pigalle, qui ne lira pas ce texte et ne se reconnaîtra donc pas, et pour être honnête, je ne sais pas s’il a du “sang rom”. Me poser cette simple question me révulse, et l’anti-autoritarisme primaire de mon copain me suffit amplement comme “réponse”. Salut à toi, Alex. []
  6. C’est un effet d’offre et de demande : personne, dans la clientèle des sondages, ne souhaitant lire de résultats robustes, il n’y a pas d’équivalent français de YouGov, et donc pas de Nate Silver français non plus. Au lieu ça, on a surtout des lecteurs de feuilles de thé, pour rester gentil. Le mode de scrutin me semble jouer un rôle important dans cette configuration des choses, mais c’est une autre histoire. []
  7. Un ami spécialiste vient d’ailleurs tout juste de poster sur Facebook : “Je viens de voir le sondage JDD-IPSOS. Les auteurs déclarent avoir travaillé avec des chercheurs du CNRS et de l’EHESS, on aimerai[t] bien savoir lesquels parce que c’est un tissu d’erreurs méthodologiques de l’échantillonnage à la formulation des questions”. []
  8. Personnellement, j’oserais même dire que le bonhomme me manque aussi. Je ne l’ai croisé que quelques fois, en séminaire et une fois dans un parc public parisien à côté de la Cité universitaire, d’où me reste ce souvenir d’une séance d’escrime improvisée avec une très jeune fille. Cet étalage de vie privée et de sentiments est peut-être excessif, et j’espère sincèrement que personne ne m’en voudra. En fait, je voulais juste écrire qu’Alain Desrosières me manque, et que j’ai toujours au moins l’un de ses textes à portée de main, au bureau comme à la maison. []

Hypothesosphère : le réseau des blogs d’Hypothèses, (presque) cinq ans plus tard

Il y a quelques années (en décembre 2010, pour être précis), Josquin Debaz avait rédigé un billet sur le réseau des blogs de la plateforme Hypothèses, “Hypothesosphère”, où il reconstituait le réseau des blogs indexés par la plateforme à partir des hyperliens entre les articles de ces blogs. Je me suis demandé si ça ne valait pas le coup d’actualiser son analyse, en récoltant des données permettant d’assembler ce réseau à différents points temporels, puis d’identifier les thèmes traités par les communautés qui forment ce réseau.

Le résultat montre qu’environ un tiers des blogs de la plateforme Hypothèses a, au moins une fois, renvoyé ses lecteurs vers un autre blog de la plateforme. Au cours des années 2009 à 2015, la plateforme s’est enrichie de nombreux blogs, ce qui donne, même lorsque l’on se concentre sur un échantillon de ces blogs, comme ci-dessous, un réseau qui contient de nombreuses “sous-communautés” (linguistiques, notamment), et quelques blogs (dont Polit’bistro !) nettement plus centraux que les autres :

hyponet

Cliquer le graphe ci-dessus pour la version PDF plus lisible, où l’on aperçoit clairement le blog des concepteurs de la plateforme (en plein milieu), ainsi que la partie germanophone d’Hypothèses (au sud). Ci-dessous, une longue notice technique, avec une visualisation temporelle du réseau à chaque année d’existence de la plateforme, et une modélisation des thématiques abordées dans les billets de chacune des communautés au fil du temps.

Échantillonnage des données

Depuis le billet de Josquin Debaz, l’index d’Hypothèses s’est beaucoup enrichi, et a aussi certainement changé au niveau du code, car les “vieux” billets (ceux de la page 300, par exemple) n’y sont pas indexés comme les nouveaux. Du coup, pour actualiser l’Hypothesosphère, mieux vaut peut-être passer par le catalogue OpenEdition, qui recense actuellement 1 071 blogs dont on peut ensuite récupérer les articles :

openedition-catalogue

Pour effectuer cette dernière opération, j’ai simplement essayé de lire chaque “page” de chaque blog, de la première à la dernière. Certains blogs, comme celui-ci par exemple, n’utilisent pas de pagination (ce que l’on peut raisonnablement considérer comme un événement survenant de manière aléatoire parmi les blogs de la plateforme), et sont en conséquence exclus de l’échantillon que l’on va constituer1.

Dans un premier temps, il faut donc lister les blogs et essayer de lister tous leurs articles. En une demi-heure d’essais-erreurs avec le code HTML des blogs, qui tournent tous sur WordPress mais pas avec les mêmes gabarits et donc avec des balises HTML différentes, j’en suis arrivé à ce script, qui est certainement plus lent que celui qu’a rédigé Josquin Debaz (en Python), mais qui fonctionne suffisamment bien sur la plateforme Hypothèses actuelle.

Le résultat est un échantillon qui contient 622 blogs, soit 60 % du catalogue total d’OpenEdition, et un total de 77 608 articles, soit 124 articles par blog en moyenne2. Si l’on compare les années de création des blogs du catalogue OpenEdition à celles des blogs contenus dans l’échantillon, les différences de proportion de chaque année à l’intérieur de chaque groupe sont minimes et aléatoires, ce qui est plutôt bon signe pour la qualité de l’échantillon.

Année Catalogue % Échantillon %
2009 76 7 65 10
2010 81 8 61 10
2011 138 13 78 13
2012 282 26 149 24
2013 233 22 118 19
2014 126 12 61 10
2015 133 12 88 14

Construction des réseaux temporels

Dans un second temps, il faut ensuite scanner le contenu des articles des blogs sélectionnés, et en extraire les liens vers des adresses de blogs hébergés sur Hypothèses. Alors que l’opération précédente n’a pas demandé plus de quelques heures, celle-ci risquait de prendre beaucoup plus longtemps, étant donné la quantité de données à parcourir. Du coup, j’ai à nouveau échantillonné dans les données, en ne téléchargeant que 25% des 77 608 articles, soit 19 402 articles3.

Vu que l’on va vouloir observer la manière dont l’Hypothesesosphère a changé au cours du temps, on va ensuite scanner ces articles pour y trouver les inter-citations entre blogs, en notant également la date de parution des articles et le nombre d’inter-citations par article, qui pourra faire office de coefficient de pondération si besoin. Je ne vais pas jusqu’à sous-échantillonner pour limiter le nombre d’articles par blog, mais c’est envisageable4.

Enfin, on va écrire le code de visualisation de l’Hypothesesosphère de chaque année, en mettant des couleurs sur les huit “communautés” de blogs les plus larges, que l’on identifie grâce à un algorithme qui maximise la modularité (le degré de ségrégation) du réseau. Le code ressemble fortement à ce que j’ai déjà décrit dans plusieurs billets précédents, et notamment dans ce petit tutoriel, qui couvre aussi la récupération des données.

Ci-dessous, un exemple de visualisation produit par ce code. Je dis “exemple” car le placement des blogs est en partie aléatoire, comme l’exige n’importe quel algorithme de placement à force dirigée. À noter aussi : la visualisation ne montre pas que le réseau est dirigé, mais il suffit de faire attention à la couleur des liens pour la deviner (lorsque les liens sont plus foncés, c’est qu’ils sont réciproques : les blogs se font mutuellement référence).

hyponet

Pour obtenir un résultat plus exhaustif, il suffit d’augmenter le seuil précité de 25%, ce qui permettra de scanner un plus grand nombre d’articles, et donc potentiellement de rendre l’Hypothesesosphère de chaque année un peu plus dense. Le seuil que j’ai choisi devrait toutefois suffire pour se faire une première idée de ce à quoi ressemble le réseau complet des inter-citations entre les blogs de la plateforme.

Modélisation des communautés

Les réseaux présentés ci-dessus contiennent des blogs, liés entre eux par des articles. Chacun de ces articles contient des mots-clés, ou a minima une catégorie qui correspond, elle-même, à un mot-clé. La plupart des mots-clés sont en français, sauf dans les sous-communautés linguistiques d’Hypothèses, qui utilisent des mots-clés, en allemand, en anglais, en espagnol.

De plus, on a segmenté chaque réseau de manière algorithmique, en communautés optimales. Par conséquent, il est facile de créer des groupes de mots-clés correspondant à une communauté de blogs connectés par leurs inter-citations, ce qui est ici une manière de passer de la forme “réseau” à la forme textuelle en intégrant l’information structurelle du réseau dans la constitution du corpus textuel.

On va donc représenter les données de nos réseaux temporels sous la forme d’un corpus, où chaque document correspond aux mots-clés d’une communauté. Le corpus produit par cette opération contient autant de documents que n’apparaissent de communautés au fil des sept années d’existence de la plateforme, soit un corpus de 127 documents : 3 pour 2009, 7 pour 2010, jusqu’à 29 documents pour 2015.

On peut nettoyer des documents de manière approximative, en nettoyant les termes comme s’ils étaient tous français—ce qui n’est pas très grave : la langue va, quoique l’on fasse, fortement discriminer les communautés de blogs non francophones. Et enfin, on envoie ces documents à un topic model structurel, qui, un peu comme dans cet exemple, prend en compte l’année et la communauté de chaque document5.

Le résultat de cette opération sera un certain nombre de “thèmes” traités par les sous-communautés d’Hypothèses, identifiés à partir de quelque chose qui se rapproche d’un modèle multi-niveaux quant au type d’information qu’on fournit à l’estimateur. Le nombre de thèmes identifiés est arbitraire : j’ai choisi d’en identifier 20, un chiffre proche du nombre moyen de communautés identifiées dans chacun des réseaux (18)6.

Résultats : les thèmes de l’Hypothesesosphère

Dans les résultats ci-dessous, chaque ligne correspond à un regroupement thématique, ordonné du plus au moins fréquent dans le corpus, et représenté par ses trois premiers mots-clés (sans les suffixes, qui ont sauté au nettoyage). On aperçoit les thèmes constitués autour des billets en langue allemande, ou ceux créés autour de zones géographiques (“chin” ou “arab”) :

hypotopics

On aperçoit aussi, dans les thèmes, certains sujets bien précis : “polit” et “scienc”, par exemple, dans le thème n°2, correspond au séminaire “Politique des Sciences” de l’EHESS. Ce dernier constat est un peu embêtant : concrètement, le modèle que l’on a utilisé a “sur-identifié” certains sujets, plutôt que d’identifier des thèmes réellement transverses au corpus.

Le modèle fournit une probabilité d’occurrence de chaque thème dans chaque document, ce qui permet de connecter les thèmes entre eux en corrélant ces probabilités. On obtient ainsi, pour terminer, le réseau de thèmes suivants, où les couleurs correspondent à nouveau aux communautés optimales, et où l’on aperçoit distinctement l’espace thématique germanophone de la plateforme Hypothèses, de même que les thèmes les plus génériques (“actualités”, “lectures”, “colloques”, …) :

hyponet_topics

Pour améliorer cette visualisation, il faudrait déjà envisager d’augmenter l’échantillon des articles au-delà des 25% précités. Ensuite, il faudrait réfléchir à un découpage temporel plus intelligent que celui proposé ici. En effet, segmenter l’Hypothesesosphère par année civile n’est probablement pas très pertinent : on pourrait essayer d’utiliser plutôt les années universitaires, ou même un découpage plus fin se rapprochant des semestres.

Enfin, et surtout, une modélisation plus robuste des thèmes de l’Hypothesesosphère nécessiterait d’affiner trois des paramètres de la modélisation proposée ci-dessus : (1) le nettoyage des mots-clés en fonction de leur langue, (2) le nombre de thèmes à identifier, et (3) l’identification des thèmes, de manière à jouer à la fois sur la prévalence et le contenu des termes du corpus, comme l’explique la documentation du package stm :

stm-metadata

Ces améliorations demanderaient de passer plus de temps sur la collecte des données et sur le calibrage du modèle. Avis aux intéressé(e)s !

Pour aller plus loin

Ce billet explique comment actualiser les données initialement imaginées par Josquin Debaz, et suggère de modéliser ces données à mi-chemin entre l’analyse de réseaux et l’analyse textuelle. Ce croisement méthodologique est assez fréquent : voir, par exemple, ce papier récemment présenté au Congrès de l’AFSP, qui étudie la “web-sphère” créée autour du hashtag #CharlieHebdo sur Twitter.

Quelques liens, donc, pour terminer.

Pour reproduire l’analyse, allez voir ce dossier, qui inclut la liste des blogs à partir de laquelle on a constitué l’échantillon, et l’exemple de corpus sur lequel on a travaillé pour ce billet. Le code n’est pas particulièrement compliqué, et il est facilement amendable (on pourrait, par exemple, étudier le réseau bipartite des blogs d’Hypothèses citant des articles publiés sur revues.org).

Pour analyser du texte, la méthode que j’ai employée (et que j’avais déjà évoquée ici et , notamment) n’est pas la plus simple, ni même la plus conclusive. Pour des alternatives aux topic models, cf. notamment les méthodes de classification hiérarchiques implémentées par Iramuteq, ainsi que ce billet d’Étienne, qui explique clairement ce qu’est un topic model et qui recense d’autres autres méthodes disponibles.

Pour visualiser des réseaux, je passe systématiquement par la fonction ggnet (voir le billet de présentation et d’autres exemples), mais vous voudrez peut-être passer par igraph (qui vient de passer en version 1.0.0 ! et le bouquin a l’air génial), ou par une librairie permettant de visualiser le réseau par périodes. Dans ces deux cas, jetez un coup d’oeil à cet excellent tutoriel de visualisation réseau, par Katherine Ognyanova.

Pour illustrer ce que l’on peut apprendre en lisant le tutoriel ci-dessus, voici un dernier graphe, qui montre la croissance cumulée de l’Hypothesesosphère, de janvier 2009 à juin 2015. Si vous utilisez Google Chrome, vous pouvez également jouer avec la version interactive, réalisée avec le package (encore très expérimental) ndtv, que j’ai découvert grâce au tutoriel.

hypodyn

Contrairement aux autres graphes du billet, ces deux animations utilisent un échantillon beaucoup plus large de presque 85 000 billets publiés sur la plateforme, au fil desquels 340 blogs ont renvoyé leurs lecteurs vers 484 blogs, pour un total de 605 blogs différents actuellement présents dans l’Hypothesesosphère.

  1. Le meilleur moyen de travailler sur l’intégralité de la base serait bien sûr de l’obtenir auprès de la plateforme (à laquelle je contribue très épisodiquement), mais le texte intégral pèse certainement trop lourd pour pouvoir être facilement transféré. De plus, la base intégrale doit contenir les brouillons des articles des blogs, ou ceux publiés de manière privée. Pour ne pas rentrer dans ces problèmes, je n’ai accédé qu’aux données publiques de la plateforme. []
  2. En relançant le script plusieurs fois pour pallier aux erreurs réseau, je suis arrivé jusqu’à 885 blogs et 104 844 articles, soit 118 articles par blog en moyenne. []
  3. Il est fortement recommandé, à ce stade, de laisser une seconde entre chaque téléchargement, pour ne pas stresser la plateforme. []
  4. Cette étape serait nécessaire si l’on souhaitait contrôler (éliminer) les différences de volume de publication d’une année sur l’autre, de manière comparer des probabilités d’occurrence (ou plutôt, des écarts par rapport à une hypothèse d’équiprobabilité, qui peut s’estimer de différentes manières) dans chacun des réseaux temporels. []
  5. Très grossièrement, un topic model structurel est un topic model (soit une technique de regroupement de termes discriminants en thèmes, ou topics) qui peut prendre en compte de l’information supplémentaire sur les documents (des “méta-données”, comme ici l’année de “parution” du document formé par les mots-clés, et la communauté qui a “produit” ce document cette année-là, au fil de ses billets de blogs). Pour des exemples de topic models, cf. cette synthèse, cet article, et ce projet, sur le même thème que ce billet. []
  6. À noter : il y a de plusieurs manières d’identifier le nombre de thèmes à rechercher dans un corpus. Certaines d’entre elles sont expliquées dans les documents cités dans la note précédente. []

Les revues de Cairn.info : mises à jour techniques

Add., juin 2015 : si les billets de la série “Cairn” vous ont intéressé, jetez un coup d’oeil à cette analyse textuelle de plusieurs revues de sociologie française, par Yves Gingras et Marc Bertin. J’en ai profité pour mettre à jour le code de l’analyse et ce billet.

Accès aux données

Depuis la publication de ma petite série de billets sur les revues de sociologie, la plateforme Cairn.info a légèrement modifié le code source de ses pages. Il n’est désormais plus possible d’accéder à la liste de toutes les revues d’une discipline : cette page, par exemple ne fournit plus – contrairement à ce qu’indique son adresse – la liste intégrale des revues de la discipline “Sociologie et société”, mais seulement les derniers numéros et les articles les plus consultés de cette discipline.

Du coup, voici une mise à jour du code et des données des billets précédents, qui contient les listes des revues de chaque discipline. La liste des revues de sociologie est à jour (mars 2015), de même que la page qui liste l’intégralité des revues de la plateforme. En revanche, les pages des autres disciplines datent de juillet 2014, ce qui fait qu’il manque quelques revues. J’ai récupéré ces pages sur archive.org, et n’ai rien trouvé dans les conditions d’utilisation de Cairn.info qui en interdise l’archivage.

Analyse complète de la plateforme

Si l’on suit la méthodologie du précédent billet pour mesurer le degré pondéré relatif de chaque revue de Cairn.info par rapport à toutes les autres, on obtient un résultat assez proche de celui déjà publié :

degree_all

Ce graphique est basé sur les connexions entre 423 revues, établies sur 16 217 articles par environ 116 800 auteurs différents, avec quelques doublons. Attention, il vous faudra pas mal d’espace-disque pour accomplir la même opération : les pages des numéros des seules revues de sociologie et de science politique pèsent déjà près de 400 MB, et la totalité de la plateforme requiert 1.7 GB d’espace disque.

Inter-disciplinarités des revues

On me demande dans l’oreillette si l’analyse tient lorsque l’on considère toutes les revues de la plateforme Cairn.info. Argument : l’espace des éditorial sciences humaines et sociales étant fortement pluridisciplinaire, il faut regarder au travers de toutes les disciplines pour y mesurer la tendance à l’entre-soi.

Réponse : pas complètement d’accord avec l’argument. Certaines disciplines sont plus transdisciplinaires que d’autres. On peut le quantifier en comptant les revues qui apparaissent dans plusieurs champs disciplinaires sur Cairn.info. Voici la liste des associations disciplinaires les plus fortes :

     geo,scpo       geo,soc histoire,scpo      scpo,soc 
            9            11             8             7

Par ailleurs, si l’on appelle revues “trans-disciplinaires” les revues qui apparaissent dans plus d’une discipline sur Cairn.info, on obtient un joli graphique qui résume bien la situation (lignes pointillées aux moyennes de chaque axe) :

trans-disciplinaires

De la même manière, si l’on fait passer la matrice des appartenances disciplinaires dans une analyse par composantes principales, on retrouve quelques-uns des champs les plus trans-disciplinaires.

Simplification du code de l’analyse

Le code disponible dans le dossier cité plus haut se contente d’analyser la distance pondérée du réseau éditorial des revues, connectées par le pourcentage d’auteurs qu’elles ont en commun. C’est beaucoup plus rapide et surtout beaucoup moins compliqué à mettre en oeuvre que le “stress test” du précédent billet, pour des résultats quasi-identiques mais intuitivement plus lisibles.

Publicité gratuite

Vous pouvez suivre la plateforme Cairn.info sur Twitter, où elle annonce qu’elle sera représentée au Salon du livre de Paris dans les jours qui viennent.

Un “stress test” des revues de sociologie connectées par leurs auteurs

Dans le billet précédent et dans celui d’avant, on a mesuré l’entre-soi éditorial de la sociologie, c’est-à-dire la tendance des revues à “capturer” leurs auteurs.

À partir de l’échantillon des revues “Sociologie et société” de la plateforme Cairn, on peut en effet montrer que beaucoup des auteurs de ces revues ne publient que dans un nombre très limité de revues, ce qui est particulièrement vrai de certaines revues très spécialisées, rédigées par des auteurs se comportant comme des “cliques” peu connectées au reste des revues de la discipline.

Mesurons à présent la même chose, mais de toute autre manière : quelles sont les revues les plus connectées aux autres revues de l’espace éditorial de la sociologie ?

La méthode générale

On change ici une partie essentielle du raisonnement : l’objectif devient de recréer le réseau sous-jacent à cet espace éditorial, et d’y connecter les revues entre elles en fonction de la propension de leurs auteurs à publier dans d’autres revues. Au niveau technique, cette opération requiert d’établir un protocole de construction du réseau éditorial, qu’on résumera de la manière suivante :

  1. On commence par extraire tous les auteurs ayant publié dans une revue initiale X donnée. Cela nous donne une liste plus ou moins longue d’auteurs.
  2. On identifie ensuite tous les articles de ces auteurs, qu’ils aient été publiés dans la revue en question ou pas. Cela nous donne une liste d’articles.
  3. On regroupe ces articles par leur revue de publication : cela nous donne un nombre total d’articles par revue, qui est très élevé pour la revue initiale X, et plus faible pour les autres.
  4. On normalise le nombre d’articles par revue en le divisant par le nombre d’articles dans la revue initiale X : cela nous donne une fraction théoriquement bornée entre (0, 1], du moment où la revue initiale est celle qui concentre le plus de publications.
  5. Enfin, on se sert de cette fraction pour établir un lien pondéré entre la revue initiale X et chacune des autres revues identifiées par les étapes précédentes.

Illustration de la méthode :

  1. On extrait tous les auteurs ayant publié (dans les limites de l’échantillon) dans la Revue française de sociologie : il y en a 348.
  2. On identifie les articles de ces auteurs : il y en a 1 651, répartis dans 84 revues, ce qui est beaucoup, et qui va nous donner 84 liens différents au final.
  3. On regroupe ces articles par revue de publication, et l’on observe que ces 348 auteurs ont publié 352 articles dans la Revue française de sociologie, mais aussi 83 articles dans la Revue européenne des sciences sociales, par exemple :
    1                      francaise-de-sociologie  352
    2             europeenne-des-sciences-sociales   83
    3                      societes-contemporaines   68
    4                                   mouvements   67
    5                         l-annee-sociologique   63
  4. On divise ces totaux par 352, puis l’on retire la Revue française de sociologie pour ne pas créer de lien entre la revue et elle-même, ce qui n’aurait pas de sens. On obtient des coefficients de pondération entre 0 et 1 :
    1 europeenne-des-sciences-sociales 0.2357955
    2          societes-contemporaines 0.1931818
    3                       mouvements 0.1903409
    4             l-annee-sociologique 0.1789773
    5            informations-sociales 0.1562500
  5. Enfin, on crée un lien d’intensité 0.23 entre la Revue française de sociologie et la Revue européenne des sciences sociales, et de même pour les 83 autres revues suivantes.

Laissez reposer la pâte quelques heures, et c’est prêt.

Le schéma de pondération

Cette méthode produit un réseau très dense, qui connecte 96 revues entre elles par des liens d’intensité très variable. D’ailleurs, dans quelques rares cas, ces liens sont d’intensité supérieure à 1, lorsque le pool d’auteurs d’une revue a moins publié dans cette revue que dans une autre. C’est ce que l’on peut voir en dessinant la fonction de répartition empirique de ces liens, en les classant par leur intensité :

weights_ecdf

Quels sont ces cas particuliers ? Ils sont peu nombreux et explicables : par exemple, les auteurs de la revue Clio ont plus publié dans la revue Clio. Femmes, genre et société que dans la revue Clio. Ce n’est pas surprenant : il s’agit d’une seule et même revue, qui a juste changé d’identifiant sur Cairn… Quant aux autres cas particuliers, il s’agit de revues publiées par le Ministère de la Culture, ne contenant qu’un seul article par numéro.

> filter(e, w >= 1)
                    i                          j        w      ecdf
1                clio clio-femmes-genre-histoire 1.032182 0.9981329
2    culture-chiffres           culture-methodes 1.225000 0.9988798
3      culture-etudes           culture-methodes 1.258824 0.9992532
4      culture-etudes        culture-prospective 1.035948 0.9985063
5      culture-etudes                    reseaux 1.332244 0.9996266
6    culture-methodes                    reseaux 1.000545 0.9977595
7 culture-prospective                    reseaux 2.669935 1.0000000

On va laisser de côté ces cas particuliers, et se concentrer sur le reste des liens, d’intensité variant entre 0 et 1. Commençons par un exemple : où se trouvent, parmi tous ces liens, ceux qui relient la revue Genèses à d’autres autre revues ? La réponse est que ces liens se trouvent un peu partout dans la distribution : les auteurs de cette revue ont publié dans plusieurs autres revues, parfois peu, parfois beaucoup :

ecdf_geneses

Les liens les plus forts de la revue Genèses la relie aux revues Politix, Sociétés contemporaines et Actes de la recherche en sciences sociales – ce qui ne surprendra pas les politistes (ou “sociologues du politique”), qui publient fréquemment dans ces trois revues et contribuent ainsi à les rapprocher dans le réseau que l’on a construit :

                                           i                       j         w      ecdf
1                                    geneses                 politix 0.4652329 0.9973793
2                                    geneses societes-contemporaines 0.3591092 0.9910146
3 actes-de-la-recherche-en-sciences-sociales                 geneses 0.3445658 0.9887683
4                                    geneses             savoir-agir 0.3008793 0.9839012
5                                    geneses              sociologie 0.2491052 0.9734182
6                                    geneses     le-mouvement-social 0.2359327 0.9689255

Quid de la revue Sociétés, qui a servi de point de départ à ces billets ? Cette revue est également connectée à d’autres, mais par des liens beaucoup plus ténus, soit parce que ses auteurs ont beaucoup publié dans Sociétés, soit parce qu’ils ont peu publié ailleurs, ce qui revient au même dans notre schéma de pondération :

                     i        j          w      ecdf
1       communications societes 0.16422287 0.9359790
2             societes   volume 0.07563025 0.8169225
3 l-annee-sociologique societes 0.06060606 0.7663796
4              diogene societes 0.05665375 0.7472857
5              reseaux societes 0.05206477 0.7263197
6 ethnologie-francaise societes 0.05197472 0.7255709

Lorsque l’on va chercher à visualiser ces liens, on va tenir compte de leur intensité pour ne faire apparaître que les liens les plus forts : pour cela, on se servira de leur distribution cumulée pour créer un “effet de seuil”, qui nous permettra de ne visualiser, par exemple, que les 20% des liens les plus forts. Cela permettra de visualiser un réseau moins dense, plus lisible, et surtout plus significatif.

Les réseaux

Voici le réseau constitué à partir de l’échantillon de revues dont on dispose, à des valeurs différentes du seuil évoqué ci-dessus. On commence à un seuil de 0 (réseau complet), que l’on augmente ensuite par incréments de 0.1 pour retirer les liens les plus faibles, puis par incréments de 0.01 lorsque l’on atteint 0.9, de manière à ne garder que les liens les plus forts entre les revues les plus intensément connectées à d’autres :

full

Au fur et à mesure que le seuil augmente, on ne garde que les liens les plus significatifs entre les revues. L’animation permet de percevoir cet effet de composition, mais ne permet pas de scruter le réseau de manière précise. Du coup, voici une version statique du réseau, où l’on n’a retenu que les 2.5% des liens les plus forts entre les revues (cliquer pour la version PDF) :

example_975

Que trouve-t-on parmi les liens les plus forts entre les revues de sociologie ? Beaucoup de relations qui font sens si l’on connaît un peu cette littérature, comme par exemple :

  • des liens forts entre les revues Clio, Nouvelles questions féministes et Travail, genre et société (tout en haut du graphe ; vous aurez deviné le thème) ;
  • des liens forts entre Genèses, Politix, Actes de la recherche en sciences sociales et Savoir/agir (au centre ; pas de surprise non plus) ; et
  • des liens forts entre des revues généralistes : L’Année sociologique, la Revue française de sociologie, Sociologie et la Revue européenne des sciences sociales.

Jusque-là, tout va bien. Regardons à présent les différentes positions prises par la même revue au fil des graphes. On commence avec la revue Sociologie, que vous voyez ci-dessous sous la forme d’un point rouge. Au fur et à mesure que l’on éclaircit le réseau en n’en retenant que les liens les plus forts, la revue devient de plus en plus centrale, jusqu’à l’avant-dernière étape, où elle disparaît (effet de seuil à 0.99) :

sociologie

Voyons à présent la revue Sociétés. Dès le départ, la revue occupe une position plus périphérique, étant moins connectée aux autres revues que ne l’était la revue Sociologie. Sa relégation à la périphérie de l’espace éditorial devient de plus en plus claire au fur et à mesure qu’on augmente le seuil en-dessous du lequel on ignore les liens entre revues. Sociétés disparaît du réseau lorsque le seuil d’intensité atteint 0.93 :

societes

La méthode de mesure

Bien. Faisons le bilan.

Pour chaque revue, on dispose de réseaux pondérés qui exprime la propension de la revue à être connectée aux autres revues de l’espace éditorial sociologique, mesuré sous une forme limitée à l’échantillon des revues Cairn. Les différents réseaux pondérés de chaque revue sont obtenus en augmentant graduellement le seuil d’intensité des liens qui y figurent.

Ce schéma d’observation permet de mesurer, pour chaque revue, son degré de centralité dans l’espace éditorial sociologique, qui peut être très élevé, auquel cas la revue est “centrale” dans cet espace éditorial, ou très faible, auquel cas cette revue est périphérique dans ce même espace. Ce degré de centralité est mesurable à différents seuils contenus entre 0 et 11.

Du coup, voilà ce qu’on va faire :

  1. On construit les relations de chaque revue à tous les seuils compris entre 0 et 0.99, par incrément de 0.01 (soit 100 réseaux par revue) ;
  2. Dans chaque réseau, on mesure le degré de centralité pondéré de la revue2, que l’on divise par le degré de centralité maximal observé dans le réseau ;
  3. Puis l’on met toutes ces données sur un même graphique, pour comparer les revues entre elles à partir de leur degré de centralité relatif.

Que va-t-il se passer lorsque l’on va appliquer cette méthodologie ?

  • Les revues centrales de l’espace éditorial vont se distinguer par un degré de centralité élevé, qui va rester élevé jusqu’à des niveaux de seuil eux-mêmes élevés, lorsque l’on en considère plus qu’une fraction des liens les plus forts entre les revues.
  • Les revues périphériques de l’espace éditorial vont se distinguer par un degré de centralité plus faible, qui va s’effondrer au fur et à mesure que l’on limite le réseau à ses liens les plus intenses, jusqu’à disparaître à des niveaux de seuil élevés.

C’est donc une forme de “stress test” que l’on va faire subir aux revues de la sociologie : à partir de 100 valeurs différentes, on va tester leur centralité dans l’espace éditorial disciplinaire constitué par les revues de la plateforme Cairn, et voir lesquelles se maintiennent à des niveaux élevés dans cet espace, même lorsque l’on “épure” le réseau pour n’en retenir que les liens les plus forts, c’est-à-dire ceux qui représentent plusieurs articles, rédigés par plusieurs auteurs navigant d’une revue à l’autre.

Ce “stress test” va identifier certaines revues “centrales”, qui publient plusieurs auteurs actifs dans d’autres revues. À l’inverse, il va aussi identifier les revues dont les auteurs se comportent comme des “cliques” : ces revues vont en effet assez rapidement disparaître du réseau connectant les revues entre elles, de par l’absence d’activité éditoriale soutenue de leurs auteurs dans d’autres revues.

Les résultats

Voici les résultats de la méthode de calcul décrite plus haut appliquée aux 96 revues de l’échantillon. Chaque ligne représente le degré de centralité relatif d’une revue, et l’on a fait ressortir quelques revues par des couleurs distinctes :

degree_all

Dans ce graphique, on observe le degré de centralité relatif de deux revues centrales de la sociologie : Actes de la recherche en sciences sociales et la Revue française de sociologie. Ces revues correspondent à des écoles : la première est d’influence bourdieusienne, la deuxième d’influence durkheimienne3. Mais cette filiation n’empêche pas leurs auteurs d’être acceptés pour publication dans d’autres revues, d’où leur fort degré de centralité dans l’espace éditorial.

Il en va de même pour Genèses, Réseaux et Sociologie : ces revues sont également connectées à de nombreuses autres par l’intermédiaire de leurs auteurs. Pourquoi ? Il y a plusieurs explications possibles : Réseaux, par exemple, est une revue centrale pour les études communication, qui est connectée à plusieurs revues moins centrales dans ce sous-domaine des recherches sociologiques, comme la revue Télévision, ce qui lui procure une position avantageuse dans l’espace éditorial4.

De la même manière que ces résultats permettent de repérer les revues dont les auteurs cherchent à se positionner au centre de l’espace éditorial sociologique, ils permettent aussi d’identifier les revues dont les auteurs sont beaucoup plus isolés dans cet espace. Nota bene : dans une structure en réseau, l’isolement se traduit par un positionnement en périphérie ; l’isolement et la marginalité y sont donc structurellement équivalentes. Je vous laisse appliquer cinquante nuances de subtilité à ce glissement conceptuel.

J’ai ainsi fait exprès de faire figurer la revue Recherches en soins infirmiers, qui est très illustrative de cette position structurale : de par sa nature hyper-spécialisée, cette revue attire des auteurs extérieurs au champ universitaire, qui ne cherchent pas à s’imposer dans l’espace éditorial sociologique, et qui publient par conséquent peu dans le reste des revues de la discipline. La position marginale de la revue s’explique donc très bien.

Il nous reste, enfin, la revue Sociétés, dont le sous-titre est : “Revue des sciences humaines et sociales”. Dans le billet précédent et dans celui d’avant, cette revue apparaissait déjà parmi les revues les plus caractéristiques d’un entre-soi éditorial ; l’analyse par réseaux permet de compléter cette observation en renforçant le constat de marginalité de ses auteurs dans l’espace éditorial sociologique.

Conclusion

À partir des résultats accumulés au cours des trois derniers billets, on peut désormais affirmer que l’on a établi la nature marginale de la revue Sociétés dans l’espace éditorial sociologique, entendu encore au fois au sens limité de l’échantillon des revues hébergées sur la plateforme Cairn. Cet échantillon est par définition incomplet, mais il est tout de même suffisamment large pour que l’on ait confiance dans ce résultat.

Quand les auteurs du canular publié par la revue Sociétés affirment que cette revue publie des auteurs qui “restent entre eux” au lieu d’aller confronter la validité de leur démarche scientifique au reste de la profession, on ne peut que leur donner raison, et constater avec eux que la revue Sociétés publie un groupe d’individus qui ne bénéficie que de connexions très faibles au reste de l’espace éditorial sociologique.

Qu’est-ce que cela signifie ? Ce n’est pas un jugement de fond : ni le contenu des articles, ni leurs citations, n’ont été mobilisés dans l’analyse. Toutefois, les liens que tissent les sociologues en publiant dans plusieurs revues renvoient aux alliances, aux coopérations et aux soutiens qui s’expriment entre différents segments de la discipline universitaire : c’est cette caractéristique du travail éditorial qui sous-tend les réseaux que l’on a fait apparaître, et qui permet de discriminer les revues centrales des revues périphériques.

De ce point de vue, et dans la limite de démonstration imposée par l’échantillon, la revue Sociétés est une revue structurellement marginale dans la discipline sociologique, ce qui n’est pas le cas, loin s’en faut, de toutes les revues représentant un courant d’analyse spécifique—à condition de considérer, bien sûr, que les publications de cette revue méritent le titre de courant d’analyse, ce que Manuel Quinon et Arnaud Saint-Martin remettent très justement en cause (et ils ne sont pas les seuls).

Pour aller plus loin

Voici le code complet de l’analyse. Le code permet très facilement d’inclure d’autres espaces disciplinaires représentés sur la plateforme Cairn.info ; en revanche, inclure les revues des plateformes Persée.fr, Érudit.org ou Revues.org demanderait beaucoup, beaucoup plus de travail.

Cette analyse pourrait être développée pour faire un petit article à destination d’une revue comme le Bulletin de méthodologie sociologique ; merci de laisser un commentaire si vous êtes intéressé.

  1. Au seuil 0, on considère tous les liens qui peuvent exister entre les revues par l’intermédiaire des auteurs qui publient dans plusieurs d’entre elles ; au seuil 0.99 approchant 1, on ne considère que les liens les plus forts. []
  2. Suivez ce lien pour comprendre la méthode de calcul. J’ai utilisé un paramètre de pondértion alpha de 1, ce qui signifie que j’ai utilisé la généralisation de Barrat pour pondérer le degré de chaque revue. []
  3. Si vous êtes spécialiste du sujet (je ne le suis pas), donnez-moi de meilleurs qualificatifs dans les commentaires. []
  4. On observera avec amusement que la revue la plus centrale au seuil le plus élevé est justement la revue… Réseaux. Autrement dit, cette revue est la mieux connectée aux autres par le biais des publications de ses auteurs : pas surprenant pour une revue trans-disciplinaire qui se situe à la frontière entre sociologie et “sciences de l’info.-comm.”. []

Quelques mesures de la concentration éditoriale en sociologie

Dans le précédent billet, on a utilisé les 96 revues indexées par la plateforme Cairn et classées dans la discipline “Sociologie et société” pour produire une première mesure de l’entre-soi éditorial dans les revues de sociologie.

Cette première mesure visait à vérifier que les auteurs du canular visant (Michel Maffesoli et) la revue Sociétés avaient raison de penser que cette revue publie surtout les travaux d’un groupe auto-référentiel et isolé dans l’espace éditorial scientifique. Les premiers résultats ont confirmé cette vision des choses.

Allons un peu plus loin en cherchant à valider ce résultat par plusieurs mesures concurrentes de la concentration éditoriale des revues de l’échantillon. On va en produire trois, en allant de la mesure la plus simple à la mesure la plus compliquée (mais qui reste très simple).

On rappellera tout d’abord que l’échantillon est limité aux revues indexées par Cairn : l’analyse ne porte donc que sur un fragment de l’espace éditorial. Toutefois, ce fragment est assez large pour faire apparaître des différences marquantes entre les revues, qui trouvent de plus des explications qualitiatives intéressantes.

Le code pour produire les graphiques suivants (dans un ordre différent) est en ligne, avec le code pour récupérer les métadonnées de base.

Mesure 1 : le pourcentage d’auteurs “mono-revues”

Le nombre d’articles publiés par les auteurs du corpus varie de manière très importante : 74% des auteurs n’ont publié qu’un seul article dans une revue indexée par Cairn, alors que d’autres, comme les directeurs de revues qui signent les éditoriaux de chaque numéro, en comptent plusieurs dizaines1.

En plus de cette variation, explicable par des différences d’avancement de carrière et de productivité, certains auteurs n’ont publié que dans une seule des revues indexées par Cairn. Appelons ces auteurs les auteurs “mono-revues”, et mesurons leur pourcentage parmi les auteurs de chaque revue.

Cette première mesure donne le résultat suivant, qui converge très fortement avec celui du billet précédent (cliquer pour la version PDF) :

revues_mono_rank

On retrouve la revue Sociologie dans les revues dont les auteurs sont très souvent “pluralistes” : 80% de ses auteurs ont publié dans une autre revue indexée par Cairn. Et tout en bas, on retrouve les revues isolées dans le champ éditorial, comme Africultures. La revue maffesolienne Sociétés est en haut du dernier quartile.

Mesure 2 : la concentration de la production écrite

Émettons à présent une critique basique de la mesure précédente : certes, 60% des auteurs d’Actes de la recherche en sciences sociales ont publié dans une autre revue, mais cette mesure ne nous dit pas s’ils ont publié un seul article ailleurs, et tous les autres dans cette revue.

Pour répondre à cette critique, reprenons une idée du précédent billet, en calculant le pourcentage moyen de la production écrite des auteurs qui se trouve “capturée” par chaque revue. L’idée fondamentale consiste ici à penser les auteurs comme une clientèle plus ou moins “captive” de chaque “entreprise” éditoriale.

Le résultat ci-dessous est, encore une fois, très fortement corrélé au(x) précédent(s) : le coefficient de corrélation linéaire est proche de rho = .94.

revues_conc_rank

Sur cette deuxième mesure, les Carnets de notes sur les maltraitances infantiles sont encore mieux séparés du reste des revues, et “capturent” la quasi-totalité des articles des auteurs y ayant publié au moins un texte. La revue étant hyper-spécialisée et périphérique à la sociologie universitaire, ce n’est pas surprenant.

Mesure 3 : l’indice de Herfindhal-Hirschman

L’indice de Herfindhal-Hirschman (oui, c’est le même Hirschman) est un taux de concentration construit à partir des parts de marchés des plus grosses firmes d’un secteur industriel, élevées à la puissance 2. Je m’en sers en cours pour illustrer l’augmentation de la compétitivité sur le marché des navigateurs Internet.

Cet indice n’est plus un pourcentage, mais une somme de carrés de fractions dont la somme fait 1 : en conséquence, elle varie sur l’intervalle (0, 1], où 1 désigne une situation de monopole. Son intérêt par rapport aux mesures précédentes est de prendre en compte toute l’information dont on dispose sur les publications de chaque auteur.

Comme les mesures précédentes, l’indice de Herfindhal-Hirschman se calcule par auteur ; on prend ensuite la moyenne de cet indice pour tous les auteurs d’une revue. On peut même s’amuser à prendre la moyenne pondérée de cet indice, en fonction du nombre d’articles qu’a signé chaque auteur dans la revue2.

Voici l’indice moyen de chaque revue, entouré d’un intervalle correspondant à ± 1 écart-type des indices des auteurs. Cliquer pour la version PDF.

revues_hhi_rank

Encore une fois, on observe très, très peu de variations avec les mesures précédentes : la corrélation avec le pourcentage d’auteurs “mono-revues” est même quasi-parfaite. Le “classement” des revues, de la plus à la moins “monopolistique”, est quasiment inchangé.

Qu’a-t-on établi ?

La multiplication des mesures permet de valider le spectre de l’entre-soi éditorial identifié au billet précédent :

  • à l’extrémité gauche du spectre, on trouve des revues généralistes, accueillant des auteurs qui publient aussi dans d’autres revues ; et
  • à l’extrémité droite du spectre, on trouve des revues très spécialisées, accueillant des auteurs qui publient presque exclusivement dans cette revue.

C’est exactement ce que suggèrent les auteurs du canular visant la revue Sociétés : celle-ci est spécialisée dans la publication, et apparemment sans aucune validation scientifique, de ce que l’on appelle une “clique” en analyse de réseaux – ou encore une “secte” ou une “chapelle”, quand on veut être plus critique.

Je cite ces derniers termes à dessein : ils sont souvent utilisés pour critiquer tel ou tel sous-groupe de sociologues, pour faire passer l’idée que ce groupe est auto-référentiel. Ses membres peuvent, par exemple, se citer beaucoup les uns les autres, ou même s’auto-promouvoir les uns les autres dans certains cas extrêmes…

On reviendra donc, dans un prochain billet, sur d’autres aspects de la “clique maffesolienne”, et des autres cliques que l’on pourrait identifier dans le corpus.

Et cette fois-ci, il y aura des réseaux, promis.

  1. C’est notamment le cas d’Alfred Sauvy, personnage important pour la structuration du sous-champ scientifique auquel il appartenait (la démographie), et de sa revue centrale (Population), qu’il dirige jusqu’en 1975. Alfred Sauvy apparaît sous son nom complet ou sous les initiales “A. S.” dans les notules de fin de numéro []
  2. Le code permet de constater que la pondération de l’indice donne quasiment les mêmes résultats. []

L’entre-soi éditorial des revues de sociologie

Un autre blog de la plateforme Hypothèses a récemment lancé une “affaire Sokal à la française” en publiant un article absurde dans la revue de la chapelle Maffesoli. Je ne donne pas plus de contexte : allez lire, c’est assez amusant. Et si vous ne connaissez pas le personnage, il y a tout ce qu’il faut sur Wikipedia.

Les deux auteurs du canular critiquent aussi bien la “méthode” maffesolienne, qui fait penser au générateur automatique de textes post-modernes, que l’absence d’évaluation scientifique par la revue ciblée, Sociétés. L’une de leurs critiques porte sur “l’entre-soi [éditorial] maffesolien” qui s’incarne dans la revue :

Les autres articles du volume [contenant l’article-canular] fonctionnent sur le même schéma référentiel que celui mis en place en introduction. Les auteurs sont, pour la plupart, des habitués de la revue Sociétés pour laquelle ils publient presque exclusivement […]. Pour certains auteurs, comme le montre la base de données de Cairn.info, Sociétés est la seule revue dans laquelle ils publient. L’expérience pourrait être répétée à l’envi pour les autres numéros de la revue, et il est probable que nous retrouvions en permanence les mêmes noms (produisant le même type d’article).

Ce passage ne demande qu’à être vérifié : dans quelle mesure les sociologues ont-ils tendance à ne publier que dans une seule et même revue ?

Les données

On va tenter de répondre à cette question en prenant l’échantillon, assez large, de toute les revues de la catégorie disciplinaire “Sociologie et société” de la plateforme Cairn. Le téléchargement prend une centaine de lignes à coder. Il faut ensuite une bonne heure et demie pour obtenir toutes les pages contenant les identifiants des auteurs.

Le résultat est un jeu de données qui contient 57 298 auteurs, répartis sur 3 813 numéros de 96 revues contenant 50 640 articles. Le corpus est évidemment assez hétérogène, car les revues varient sur de nombreux paramètres. Voici par exemple les revues indexées sur les plus longues périodes, avec leur nombre total de numéros et d’auteurs :

                            revue  min  max numeros auteurs annees
1                      population 1946 2014     302    2096     69
2                         reseaux 1983 2014     170    1073     32
3            cultures-et-conflits 1990 2014      79     548     25
4             espaces-et-societes 1990 2014      71     830     25
5             le-mouvement-social 1990 2014      94     628     25

La méthode

Pour ce billet introductif, on va faire simple :

  1. On commence par extraire les identifiants uniques des auteurs1 publiés dans chaque numéro, et pour éviter de sur-valoriser les numéros spéciaux où l’introduction et la conclusion sont rédigées par le(s) même(s) auteur(s), on ne compte chaque auteur qu’une fois par numéro.
  2. On compte ensuite, pour chaque auteur, le nombre de revues de la plateforme dans lesquelles il a publié ; puis l’on établit, pour chaque revue, la moyenne et l’écart-type de cette quantité. Les revues qui correspondent à un “entre-soi” éditorial auront une moyenne très proche de 1, et un écart-type très proche de 0.

En code, ça donne :

d %>%
  group_by(auteur) %>%
  mutate(n = n_distinct(revue)) %>%
  group_by(revue) %>%
  summarise(mu = mean(n), sd = sd(n)) %>%
  arrange(-m) %>%
  data.frame

Pour rappel, l’échantillon n’est pas parfait : Cairn n’indexe qu’une fraction du champ éditorial, les revues n’ont pas la même fréquence de publication, le même nombre d’années d’archivage sur Cairn, le même nombre moyen d’auteurs par numéro, etc. Mais la taille de l’échantillon devrait être suffisante pour séparer les revues.

Le résultat

Cette méthode renvoie une jolie fonction de répartition empirique, avec tout en bas, les revues dont les auteurs ont publié dans une ou deux revues, et tout en haut, les revues qui attirent des auteurs qui publient dans trois ou quatre revues. Étant donné que Cairn n’indexe pas toutes les revues, cette fourchette est une estimation basse.

En faisant ressortir quelques revues de la distribution, on y voit bien les profils très différents d’une revue comme Population, revue de l’INED presque seule à représenter la démographie, et Sociologie, revue récente qui attire des auteurs souvent déjà publiés :

revues_ecdf

Le bas de la distribution est composé de nombreuses revues très spécialisées, comme Recherches en soins infirmiers ou Carnet de notes sur les maltraitances infantiles, qui publient des sous-champs communiquant peu avec le reste de la sociologie. Avec une moyenne de 1.4 revues par auteur, Sociétés est au 74e rang sur 96.

Le problème reste que les revues sont peu comparables entre elles. Lesquelles sont raisonnablement comparables à Sociétés. On va prendre deux revues ayant le même nombre d’années d’existence à ±2 ans près, et le même nombre d’auteurs différents à ±10 auteurs près :

                        revue  min  max numeros auteurs annees

1                     geneses 2000 2014      60     456     15
2 cahiers-d-etudes-africaines 2001 2014      43     450     14
3                    societes 2001 2014      56     453     14

revues_comparable

À ce stade, on peut raisonnablement conclure que l’entre-soi n’est pas qu’une fonction des caractéristiques de la revue : des revues aux “morphologies” comparables attirent des auteurs aux stratégies éditoriales différentes. L’écart-type confirme, par ailleurs, les différences observées :

revues_mu_sd

Rentrons, pour terminer, dans le détail de la revue Sociétés. Lorsque “ses” auteurs publient ailleurs, où vont-ils le plus souvent ?

t = unique(d[ d$revue == "societes", "auteur" ])
t = as.data.frame(table(d[ d$auteur %in% t, "revue" ]))
arrange(t, -Freq) %>% head(., 5)

                                         Var1 Freq
1                                    societes  657
2 archives-de-sciences-sociales-des-religions   18
3                        ethnologie-francaise   18
4                                     reseaux   18
5                              communications   14

L’entre-soi éditorial est ici évident : le pool d’auteurs qui a publié dans Sociétés ne publie que très peu ailleurs. On peut même le calculer assez précisément : la revue Sociétés regroupe 75% de leur production éditoriale dans les revues de Cairn.

Discussion

A-t-on pris en compte tous les paramètres possibles ? Non : il faudrait des tonnes d’information sur les auteurs, un système de pondération intelligent pour standardiser les quantités, bref, plein de choses que l’on n’a pas pris le temps de mettre en place ici.

Reste que l’observation initiale des deux auteurs du canular semble tenir : la revue Sociétés fait partie d’un ensemble de revues “de niche”, dont les auteurs restent largement “entre eux” si l’on se place du point de vue de leur propension à aller publier dans d’autres revues que celle-ci.

On essaiera d’aller un peu plus loin dans un prochain billet, en estimant plus précisément la propension des revues à se former des “clientèles captives” parmi les auteurs. Et évidemment, comme il s’agit d’auteurs et d’articles, on aura tout le nécessaire pour tenter une visualisation des collaborations scientifiques entre auteurs… avec des réseaux.

  1. Cairn possède une système d’identifiant unique par auteur : pas de risque, donc, d’homonymes. []

Utiliser les résultats électoraux du ministère de l’intérieur

Toux ceux qui ont eu à utiliser un jour ou l’autre les fichiers de résultats électoraux diffusés par le ministère de l’Intérieur français savent que ceux-ci nécessitent un assez lourd travail de mise en forme afin d’être exploitables, en tout cas pour les élections pour lesquelles l’offre électorale n’est pas homogène sur le territoire (c’est-à-dire toutes sauf les présidentielles). En effet, les fichiers Excel diffusés par le ministère comprennent une ligne par territoire (commune, par exemple), et autant de colonnes que nécessaires pour mettre les résultats de tous les candidats. Il serait pourtant tellement simple de mettre le fichier en format « long », c’est-à-dire une ligne par combinaison territoire/candidat… Mais il faut croire que personne au ministère n’a jamais eu à lire un de leur fichier dans R ou un autre logiciel de statistiques (ou de cartographie). Au passage, on peut regretter que le site data.gouv ne demande ni même ne suggère à ses contributeurs de fournir les données en format tabulaire…

Quoi qu’il en soit, ceux qui ont à utiliser ces données ont généralement créé leurs petites routines pour traiter ces données. Sous Excel, le processus est particulièrement douloureux. Je me rappelle avoir fait planté des ordinateurs en faisant tourner des macros VBA…

Ayant eu à bricoler un script sous R pour importer ce genre de fichiers, j’ai décidé de le diffuser – ce qui a le mérite de m’obliger à le nettoyer un peu, et ce qui permettra, je l’espère, que d’autres l’améliorent. J’ai donc créé un tout petit package (il n’a qu’une fonction !) que j’ai mis sur mon compte Github.

Précision importante : le script, à l’heure actuelle, agrège les résultats en fonction des étiquettes attribuées par le ministère de l’Intérieur. C’est une limite importante, mais qui suffit à la plupart des utilisations courantes.

C’est une version 0.1 mais qui est fonctionnelle. À l’heure actuelle, traiter le fichier de résultat des européennes par communes (36762+ lignes, 227 colonnes) prend de l’ordre de cinq minutes sur un ordinateur de bureau classique. Ce n’est pas dramatique mais c’est un peu long. À l’avenir, je vais essayer d’accélérer cela – a priori en codant le cœur du script en C++, ce qui me forcera à m’y mettre. Mais peut-être d’autres auront-ils d’autres pistes – je ne suis pas sûr que mon algorithme soit optimal.

Sur ma todolist également : construire une application Shiny autour du package, pour que ceux qui n’utilisent pas R puissent quand même l’utiliser pour transformer leurs données.
Autre idée : permettre d’agréger les résultats autrement que par étiquette. C’est techniquement assez trivial, mais ça pose des problèmes de fond, du fait de l’hétérogénéité territoriale de l’offre électorale. Mais on pourrait imaginer la possibilité, par exemple, que l’utilisateur fournisse au script une sorte de « dictionnaire » associant les listes ou candidats à une nomenclature spécifique.

Je suis preneur en tout cas de tous les retours et suggestions des utilisateurs ! Et j’espère que ce sera utile à quelques uns !

Enseigner en français / Résister à la colonisation

Parmi les nombreuses réactions que l’actuel projet de loi sur la réforme de l’Université suscite, et sans avoir le temps de commenter plus avant, une brève émission radio m’a laissé sans voix.

Au micro de France Info, Michel Serres analyse en toute sagesse l’introduction de la langue anglaise dans l’enseignement universitaire français. Ce faisant, il mobilise les plus forts symboles que l’on puisse imaginer quand on est né en France dans la seconde moitié du vingtième siècle : la Résistance avec un grand « R », et la lutte contre l’impérialisme colonisateur.

À écouter, car l’argument va certainement se retrouver rapidement un peu partout dans la communautés des intérêts universitaires, dans des versions plus ou moins bien étayées, mais certainement tout autant chargées symboliquement.

(Disclosure of interest : j’enseigne en français et en anglais, et ma propre position sur le sujet tient en deux mots qui forment un nom et résument une manière de voir les choses en matière linguistique : George Steiner.)

Analyse textuelle et professions de foi en science politique : « beta in progress »

Découvert grâce à un commentaire de Claire Lemercier en rapport à une conférence d’analyse textuelle, Iramuteq pose une interface logicielle libre sur des librairies R pour faire de l’analyse textuelle, et notamment pour répliquer l’algorithme d’Alceste. Voici un graphe de cooccurrences réalisé à partir de quelques professions de foi pour le prochain conseil d’administration de l’Association française de science politique :

La suite sur Iramuteq !