Page 145 - 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. 145
la contr ibution de la linguistique dans l‘analyse de la dynamique sociale
société. Dans une première étape, il faudrait compiler des corpus de textes
sur l’actualité sociale (e. g. la pandémie du coronavirus, la problématique
des migrations ou celle de la législation familiale). Ensuite, on pourrait an-
noter ces corpus par des modèles computationnels et analyser comment
les différents auteurs s’expriment par rapport à la problématique sociale.
Cette technique de l’analyse de l’opinion pourrait être complétée par l’ana-
lyse automatique de différents profils d’auteurs, appelée le profilage d’au-
teur (Argamon et al. 2009, Prabhakara et al. 2014, Basile et al. 2017). Afin de
réaliser le profilage d’auteur, il faudrait tout d’abord utiliser les corpus exis-
tants qui comportent les informations sur les différents profils d’auteurs de
textes. Ce sont, pour le slovène, le corpus Janes (Fišer et al. 2016), le corpus
OPA (Zwitter Vitez 2013) et, pour les textes parlés, le corpus Gos (Verdonik
et al. 2013). Les corpus mentionnés comportent déjà des informations sur
le genre, l’âge, la région et le niveau de formation des auteurs et sont utiles
pour l’entraînement de modèles computationnels de classification. Ensuite,
on pourrait appliquer les modèles computationnels de profilage d’auteurs
sur les corpus de textes actuels.
Une fois que les techniques de l’analyse de l’opinion et du profilage
d’auteur seraient combinées, on pourrait voir comment les différents pro-
fils d’auteurs s’expriment par rapport aux différents événements de la dy-
namique sociale. Cela pourrait fournir des réponses relatives aux réactions
des hommes ou des femmes sur la problématique de la pandémie du coro-
navirus, leur rapport envers la problématique des migrations ou l’opinion
des auteurs jeunes ou plus âgés à propos de la législation familiale etc.
Discussion
L’objectif de la présente analyse était de dégager la structure linguistique des
tweets positifs et négatifs par lesquels les utilisateurs réagissent au change-
ment de la dynamique sociale. Nous avons analysé 30 tweets qui ont été
publiés en tant que réactions au développement du mouvement des Gilets
jaunes. L’analyse porte sur les niveaux textuel, syntaxique et lexical.
Les résultats montrent que les tweets positifs sont moins nombreux
que les tweets négatifs. Les tweets de support des Gilets jaunes ont tendance
à avoir une structure de phrases exclamatives simples, un vocabulaire de
soutien explicite. De l’autre côté, les tweets qui révèlent les émotions néga-
tives envers le mouvement des Gilets jaunes se caractérisent par une struc-
ture syntaxique complexe, des phrases interrogatives et un vocabulaire plu-
tôt neutre.
521
société. Dans une première étape, il faudrait compiler des corpus de textes
sur l’actualité sociale (e. g. la pandémie du coronavirus, la problématique
des migrations ou celle de la législation familiale). Ensuite, on pourrait an-
noter ces corpus par des modèles computationnels et analyser comment
les différents auteurs s’expriment par rapport à la problématique sociale.
Cette technique de l’analyse de l’opinion pourrait être complétée par l’ana-
lyse automatique de différents profils d’auteurs, appelée le profilage d’au-
teur (Argamon et al. 2009, Prabhakara et al. 2014, Basile et al. 2017). Afin de
réaliser le profilage d’auteur, il faudrait tout d’abord utiliser les corpus exis-
tants qui comportent les informations sur les différents profils d’auteurs de
textes. Ce sont, pour le slovène, le corpus Janes (Fišer et al. 2016), le corpus
OPA (Zwitter Vitez 2013) et, pour les textes parlés, le corpus Gos (Verdonik
et al. 2013). Les corpus mentionnés comportent déjà des informations sur
le genre, l’âge, la région et le niveau de formation des auteurs et sont utiles
pour l’entraînement de modèles computationnels de classification. Ensuite,
on pourrait appliquer les modèles computationnels de profilage d’auteurs
sur les corpus de textes actuels.
Une fois que les techniques de l’analyse de l’opinion et du profilage
d’auteur seraient combinées, on pourrait voir comment les différents pro-
fils d’auteurs s’expriment par rapport aux différents événements de la dy-
namique sociale. Cela pourrait fournir des réponses relatives aux réactions
des hommes ou des femmes sur la problématique de la pandémie du coro-
navirus, leur rapport envers la problématique des migrations ou l’opinion
des auteurs jeunes ou plus âgés à propos de la législation familiale etc.
Discussion
L’objectif de la présente analyse était de dégager la structure linguistique des
tweets positifs et négatifs par lesquels les utilisateurs réagissent au change-
ment de la dynamique sociale. Nous avons analysé 30 tweets qui ont été
publiés en tant que réactions au développement du mouvement des Gilets
jaunes. L’analyse porte sur les niveaux textuel, syntaxique et lexical.
Les résultats montrent que les tweets positifs sont moins nombreux
que les tweets négatifs. Les tweets de support des Gilets jaunes ont tendance
à avoir une structure de phrases exclamatives simples, un vocabulaire de
soutien explicite. De l’autre côté, les tweets qui révèlent les émotions néga-
tives envers le mouvement des Gilets jaunes se caractérisent par une struc-
ture syntaxique complexe, des phrases interrogatives et un vocabulaire plu-
tôt neutre.
521
