Une dernière avalanche de courbes sur les premiers tours, avec les données :
Je m’étais également promis de faire un peu de publicité à la conférence “La fabrique de la loi”, dont j’ai parlé ici en rapport à un projet d’extraction de données sur la production législative. Depuis, j’ai eu quelques retours de doctorants intéressés : manifestez-vous dans les commentaires, et quand on sera assez nombreux, on formera un parti de masse—ou peut-être juste un séminaire de recherche. À l’étranger, j’ai trouvé des scrapers pour l’Union européenne et le Congrès américain.
Les outils de web scraping et de text mining ont d’abord été appliqués à la production législative outre-Atlantique mais il y a également un public en France pour ces initiatives, fondées sur la transparence et l’ouverture des données. On parle du même milieu qui a porté, selon les époques, les licences libres ou Creative Commons, et qui s’est opposé à la loi DADVSI puis encore plus visiblement à la loi HADOPI. Côté recherche, je n’ai aucune idée de ce qui se fait hors de projets connexes comme Comparative Agendas, mais j’ai commencé un papier récent pour voir un peu ce qui se fait en dehors des frontières.
Du côté de la lexicométrie, cet intéressant projet de journée d’étude avec des applications de l’analyse de texte à la sociologie. J’ai posé une question sur les logiciels Alceste et Lexico, parce que je ne sais pas trop ce qui se fait ni où ça en est, mais il me semble que les approches non-paramétriques ont gagné du terrain, et qu’on peut désormais faire pas mal de choses avec R en matière de text mining. R présente aussi l’avantage d’être disponible pour d’autres tâches liées : web scraping, analyse de réseau des interlocuteurs (façon DNA), bref, ce que vous voulez. Et c’est libre.
Il y a un peu de tri à faire dans tout ce fatras : par exemple, je suis assez peu convaincu des résultats du wordscoring en général, et les données Comparative Manifestos ne me convainquent pas beaucoup non plus. Cela signifie juste qu’il y a beaucoup à faire, en lien avec les recherches qui peuvent exploiter ces données et les résultats d’analyses statistiques appliquées à la production (textuelle ou pas) des parlements.



