Page 137 - Lazar, Irena, Aleksander Panjek in Jonatan Vinkler. Ur. 2020. Mikro in makro. Pristopi in prispevki k humanističnim vedam ob dvajsetletnici UP Fakultete za humanistične študije, 2. knjiga. Koper: Založba Univerze na Primorskem.
P. 137
la contr ibution de la linguistique dans l‘analyse de la dynamique sociale
Image 1. Le tweet du profil Les Gilets Jaunes
ou @GiletsToulouse, existent encore en 2020, mais certains parmi eux ne
publient quasiment plus de tweets. Nous avons pris en analyse le profil Les
Gilets Jaunes @soutiengj qui a plus de 13 mille followers et qui semble com-
muniquer avec le public le plus large (Image 1).
Nous avons pris en compte les 34 premiers messages publiés en tant
que réactions au tweet du profil Les Gilets Jaunes. Ensuite, nous avons éli-
miné 4 messages qui étaient hors sujet ou qui faisaient partie d’un débat in-
terne, comme démontré par l’exemple où un utilisateur pose la question
sur les possibilités de joindre le mouvement à l’aide de plateformes diffé-
rentes (1) :
(1) Comments adherer aux gilets jaunes ? Sur twitter je trouve pas,
facebook je suis pas fan et google ne sort que des articles de presse...
Le corpus, traité pour l’analyse, compte 30 tweets qui témoignent
d’une grande polarisation émotionnelle des usagers.
3.2 Annotation de l’opinion
Nous avons manuellement attribué une opinion (positive ou négative) aux
30 tweets du corpus. Suivant la méthodologie présentée dans l’étude Zwitter
Vitez (2020, sous presse), la catégorie positive a été nommée « Accord » et
la catégorie négative « désaccord ». Nous avons consciemment opté pour
513
Image 1. Le tweet du profil Les Gilets Jaunes
ou @GiletsToulouse, existent encore en 2020, mais certains parmi eux ne
publient quasiment plus de tweets. Nous avons pris en analyse le profil Les
Gilets Jaunes @soutiengj qui a plus de 13 mille followers et qui semble com-
muniquer avec le public le plus large (Image 1).
Nous avons pris en compte les 34 premiers messages publiés en tant
que réactions au tweet du profil Les Gilets Jaunes. Ensuite, nous avons éli-
miné 4 messages qui étaient hors sujet ou qui faisaient partie d’un débat in-
terne, comme démontré par l’exemple où un utilisateur pose la question
sur les possibilités de joindre le mouvement à l’aide de plateformes diffé-
rentes (1) :
(1) Comments adherer aux gilets jaunes ? Sur twitter je trouve pas,
facebook je suis pas fan et google ne sort que des articles de presse...
Le corpus, traité pour l’analyse, compte 30 tweets qui témoignent
d’une grande polarisation émotionnelle des usagers.
3.2 Annotation de l’opinion
Nous avons manuellement attribué une opinion (positive ou négative) aux
30 tweets du corpus. Suivant la méthodologie présentée dans l’étude Zwitter
Vitez (2020, sous presse), la catégorie positive a été nommée « Accord » et
la catégorie négative « désaccord ». Nous avons consciemment opté pour
513
