Navigation – Plan du site
Les liens de la mémoire

Annexe électronique : Pourquoi compter les mots ?

Margot Delon

Texte intégral

1Dans le cas de cette enquête sur le blog, le recours à des analyses de statistique textuelle a eu plusieurs avantages. Cela a d’abord constitué une aide importante à l’interprétation de ce corpus de taille conséquente (voir Tableau de présentation du corpus, infra). Repérer les répétitions, cooccurrences et distances entre les termes employés permet de rendre compte des registres narratifs et argumentatifs à l’œuvre sur le blog, et d’évaluer la part dévolue à l’expression des souvenirs, à la mobilisation mémorielle ainsi qu’à d’autres thèmes moins immédiatement perceptibles à la lecture.

  • 1 De manière non exhaustive, on peut citer les articles de Matthieu Paldacci sur des blogs (2006), de (...)
  • 2 La lemmatisation consiste à substituer une forme par une autre plus réduite, en remplaçant un pluri (...)
  • 3 Ces analyses n’ont cependant pas été reproduites dans cette annexe.

2C’est le sens de la méthode « Alceste » mise au point par Max Reinert (2007), et utilisée par de nombreux travaux en sociologie1. Le logiciel utilisé, ici Iramuteq, la version open-source d’Alceste développée par Pierre Ratinaud, établit d’abord un dictionnaire des formes du corpus, qu’il lemmatise2. Le corpus est initialement subdivisé en sous-corpus, ici les textes d’articles et de commentaires issus du blog. Ces textes connaissent ensuite un second découpage en segments d’une dizaine de mots. La méthode de Classification descendante hiérarchique permet d’identifier les répétitions et proximités entre les formes contenues dans les segments de texte, et d’en répartir la plus grande partie au sein de classes. Les classes sont ici créées de manière descendante, de manière à ce que « chaque ensemble soit le plus homogène possible en termes de vocabulaire utilisé et le plus différent possible de l’autre groupe » (Beaudouin & Pasquier, 2014, p. 135). Une analyse factorielle des correspondances est ensuite produite, ce qui permet d’analyser les relations entre les classes de vocabulaire qui ont été dégagées3.

3Il ne s’agit donc pas d’une procédure fondée sur une grille analytique préconçue : les classes de vocabulaire sont distinguées indépendamment de mots-clés qu’aurait pu identifier le chercheur. Ce dernier peut néanmoins introduire des variables pour préciser des éléments sur l’auteur des textes et le contexte dans lequel ils ont été produits. Ces variables (dites variables étoilées), intégrées dans la constitution du corpus, n’ont qu’une valeur illustrative, et n’interfèrent pas dans l’analyse. Dans le cas de l’enquête sur le blog, cette fonction m’a permis de repérer les différences de pratiques entre blogueurs et de les contextualiser. J’ai donc utilisé des variables temporelles indiquant la période de rédaction des articles et commentaires, le nom de l’auteur (en regroupant plusieurs catégories d’auteurs entre elles lorsque cela était nécessaire), son genre (pour le corpus constitué par les commentaires) et le nombre de commentaires (pour le corpus constitué par les articles). Lorsque cela a été possible, le profil des auteurs a été complété par des informations obtenues lors d’entretiens et d’observations. Des calculs sur la spécificité du vocabulaire associé à chaque modalité de ces variables ont été effectués. Il faut aussi préciser qu’Iramuteq, comme Alceste, prête attention à l’identification des marqueurs grammaticaux, et à leur sur- et sous-représentation dans chaque classe, ce qui donne dans une certaine mesure accès au « processus d’écriture » (Truc, 2011, p. 33) du texte (présence plus ou moins importante d’adjectifs, de pronoms personnels, de verbes …). Enfin, j’ai réalisé plusieurs séries de statistiques descriptives à l’aide du logiciel R.TeMiS développé par Gilles Bastin et Milan Bouchet-Valat (2014) pour représenter les logiques de distribution et d’évolution temporelle des corpus et pour mesurer la taille des commentaires et articles en fonction de leurs auteurs. Ces analyses m’ont notamment permis de repérer des profils distincts de blogueurs que j’ai ensuite pu contacter « hors ligne » afin de réaliser avec eux des entretiens. Dans les résultats qui suivent, j’ai rendu invisibles la plupart des prénoms et noms de blogueurs mentionnés, en remplaçant seulement les noms des personnes que je cite dans l’article par leurs pseudonymes. J’ai également changé plusieurs éléments concernant le nom de la cité.

Éléments de présentation des corpus

Corpus Articles : N = 206

Corpus Commentaires : N = 5750

71 959 occurrences

7090 formes

3342 hapax (4.64%des occurrences et 47.14% des formes)

Moyenne de 349.32 occurrences par texte

538 510 occurrences

21 100 formes

10 597 hapax (1.97% des occurrences et 50.22% des formes)

Moyenne de 93.65 occurrences par texte

20 formes actives les plus fréquentes (effectif) :

cité (459), blog (194), Nanterre (188), souvenir (175), enfant (171), pont (166), abdenbi (155), bidonville (155), famille (150), vie (149), temps (148), mémoire (140), histoire (132), grand (121), Viaduc (121), transit (113), aller (111), voir (108), passer (107), premier (105)

20 formes actives les plus fréquentes (effectif) :

Famille (2022), aller (1873), ami (1469), voir (1415), grand (1346), souvenir (1317), blog (1279), cité (1148), petit (1116), salam (1111), frère (1034), jour (967), passer (923), karim (875), allah (831), enfant (812), monde (797), Nanterre (794), venir (783), temps (765)

4   

Graphique 1 : Évolution du nombre de commentaires par mois (2012-2014)

Graphique 1 : Évolution du nombre de commentaires par mois (2012-2014)

5   

Graphique 2 : Évolution du nombre d’articles par mois (2012-2014)

Graphique 2 : Évolution du nombre d’articles par mois (2012-2014)

Un fort contraste entre les articles et les commentaires

6Les analyses conduites permettent de repérer plusieurs lignes de distinction entre les auteurs d’articles et de commentaires. En premier lieu, les textes des articles sont sensiblement plus longs que ceux des commentaires, et ils contiennent proportionnellement plus de mots longs et très longs (voir Tableau 1). Ce résultat est à mettre en relation avec les trajectoires de mobilité sociale ascendante des auteurs d’articles décrites dans le texte. L’analyse de classification descendante hiérarchique montre ensuite que la distinction entre articles et commentaires recoupe des principes importants de différenciation des mondes lexicaux du blog. Les première et seconde classes, liées aux commentaires, s’opposent en effet aux quatrième et troisième classes, liées aux articles (voir Graphique 3). Aux différences de fond et de forme entre ces classes, que j’explicite dans le texte, s’ajoutent des écarts de participation entre blogueurs : les femmes ont tendance à s’investir davantage dans l’écriture de commentaires, et les hommes dans l’écriture d’articles (voir Graphique 4). On repère également des différences à l’intérieur de ces catégories, avec des auteurs très caractéristiques de chacune des classes (voir Figure 1). Enfin, on peut noter que la troisième classe est celle qui rend le plus explicitement compte de la vocation mémorielle du blog, alors qu’elle n’est pas centrée sur les souvenirs du passé des blogueurs mais sur l’hommage à Abdenbi Guemiah (voir Graphiques 5 et 6).

Tableau 1 : Tableau lexical des textes selon leur type (par document)

Moyenne de termes

Pourcentage de hapax

Pourcentage de mots longs

Pourcentage de mots très longs

Longueur moyenne des mots

Articles

324,7

37,8

27,9

6,9

5

Commentaires

85,4

52,1

21,2

4,1

4,7

Moyenne du corpus

Moyenne du corpus

205

69,3

20,6

4,3

4,7

7   

Figure 1 : Classification descendante hiérarchique des segments d’articles et de commentaires

Figure 1 : Classification descendante hiérarchique des segments d’articles et de commentaires

En italiques : formes supplémentaires dans l’analyse (mots outils et variables étoilées)

8   

Graphiques 3 à 6 : Chi2 par classe des modalités des variables « type de texte », « sexe de l’auteur », et des formes « mémoire » et « blog »

Graphiques 3 à 6 : Chi2 par classe des modalités des variables « type de texte », « sexe de l’auteur », et des formes « mémoire » et « blog »

9

10

11

Modes de participation et d’écriture

12Comme je le montre dans le texte, la participation est bien plus diversifiée dans le corpus des commentaires que dans celui des articles, ne serait-ce qu’au seul niveau du nombre d’auteurs (voir Tableaux 2 et 3). Différentes analyses permettent d’expliciter davantage les lignes de clivage qui structurent l’écriture de commentaires.

13Le sexe des auteurs est une variable centrale : les écarts sont importants en ce qui concerne le volume de commentaires publiés (69% le sont par des hommes, voir Tableau 4) ainsi que les formes et les registres de la participation (voir Encadré). Alors que les hommes écrivent des textes se caractérisant par des formes collectives d’interpellation et par la référence à des liens et espaces extra-familiaux (ami, municipal, public, quartier), les femmes utilisent davantage de pronoms personnels (on, je) et convoquent dans leurs textes de liens familiaux (fille, mari, mère, maman) (voir Tableau 4). Il ne faudrait cependant pas tirer de ces résultats une vision trop figée des rôles genrés qui se sont constitués sur le blog. Si la contribution des femmes à l’entreprise est le plus souvent invisible, comme je le montre dans l’article, certaines contributrices ont pu être mises en avant par les administrateurs pour leur proximité avec le projet initial du blog. C’est le cas de Latifa, qui publie un nombre limité de commentaires (93) mais qui est la blogueuse qui rédige le plus d’articles, juste derrière Karim et Ali. Dans ses écrits, elle retrace avec précision et sensibilité la vie au quotidien dans les bidonvilles et cités de transit, ainsi que le parcours migratoire de la famille (voir Encadré). Un de ses textes, récompensé lors d’un jeu-concours organisé par le blog, fait le récit de son propre parcours tourné vers l’ascension de ses enfants par l’école, à qui Latifa tente de donner l’instruction qu’elle n’a pas eue. Elle promeut de la sorte une narration et des valeurs qui sont très proches de celles qu’espéraient les administrateurs au début du projet.

14Cette adéquation au projet initial est très liée à des dynamiques de positionnement social. Dans les commentaires de Karim, Ali et Samir (voir Encadré), qui ont connu les ascensions sociales les plus marquées, on remarque une tendance à se focaliser sur la mise en œuvre de l’entreprise numérique (Ali), sur l’exposition documentée des conditions de vie passée (Karim), et sur un débat d’idées plus général autour de l’exclusion en France (Samir). Les commentaires de ces trois auteurs sont également de taille sensiblement plus conséquente, et ils intègrent davantage de mots longs et très longs que les autres (voir Tableau 5).

15Des expériences militantes antérieures peuvent cependant conduire des auteurs disposant de peu de capital culturel à se mobiliser politiquement et à s’intégrer à l’entreprise animée par Karim et Ali. C’est le cas d’Ibrahim dont les textes montrent une capacité très forte à politiser l’hommage à Abdenbi (légitime, maire, exploitation, revendication, voir Encadré).

16La participation en ligne est enfin loin d’être équivalente à la participation hors ligne. Hakim, dont les commentaires reflètent surtout une insertion dans les échanges de sociabilité et de salutation quotidiens(voir Encadré), est en fait l’un des blogueurs les plus mobilisés hors ligne, dans les réunions, pour aider à la préparation et à l’installation du matériel lors d’événements, et sur d’autres scènes syndicales et politiques.

Tableau 2 : Effectifs et pourcentages cumulés d’articles par auteur

Auteurs

Articles

%

% cumulés

laredaction

105

50,7

50,7

Karim

38

18,4

69,1

Ali

19

9,2

78,3

Ali et Karim

1

0,5

78,7

Latifa

13

6,3

85

Samir

10

4,8

89,8

[nom de bloggeur]

6

2,9

92,7

Extérieur

5

2,5

95,2

[nom de blogueuse]

3

1,4

96,6

[nom de blogueur]

2

1,0

97,6

[nom de blogueur]

1

0,5

98,1

Rabia

1

0,5

98,6

Farid

1

0,5

99

[nom de blogueur]

1

0,5

99,5

[nom de blogueuse]

1

0,5

100

Total

206

100

17   

Tableau 3 : Effectifs et pourcentages cumulés de commentaires par auteur

Auteurs

Effectif

%

% cumulés

Hakim

552

9,6

9,6

Fred

544

9,5

19,1

Ibrahim

413

7,2

26,2

Karim

356

6,2

32,4

Meryem

324

5,6

38,1

[nom de blogueur]

280

4,9

42,9

Fatima

229

4,0

46,9

Samir

167

2,9

49,8

Rabia

165

2,9

52,7

[nom de blogueur]

161

2,8

55,5

Ali

145

2,5

58,0

[nom de blogueuse]

126

2,2

60,2

Farid

105

1,8

62,0

Latifa

93

1,6

63,7

[nom de blogueuse]

82

1,4

65,1

10a19

328

5,7

70,8

61a79

303

5,3

76,1

2a4

259

4,5

80,6

50a69

243

4,2

84,8

21a30

230

4,0

88,8

unique

217

3,8

92,6

31a49

214

3,7

96,3

5a9

214

3,7

100,0

Total

5750

100

18   

Tableau 4 : La participation aux commentaires selon le sexe

Hommes

Femmes

3 972 commentaires (69% du total)

1 778 commentaires (31% du total)

24 hommes ont rédigé plus de 20 commentaires entre 2012 et 2014 (plus de 80 : 9 hommes)

15 femmes ont rédigé plus de 20 commentaires entre 2012 et 2014 (plus de 80 : 6 femmes)

En moyenne, textes de 80 mots (+ de hapax, mots longs et très longs)

En moyenne, textes de 90 mots

Termes les plus caractéristiques : asalam, arleikom, ami, d, un, car,, ici, par, l, nôtres, dans, [nom de blogueur], de, cher, tres, espagnol, municipal, salut, ça, rmou, public, quartier, baroudeur (Chi2 entre 59 et 9)

Termes les plus caractéristiques : on, cela, ne, je, espérer, fille, tout, toujours, me, monde, embrasse, pré, pas, aleikoum, très, faire, mari, mère, tm, souvenir, gens, rire, maman (Chi2 entre 54 et 9)

19   

Tableau 5 : Tableau lexical des commentaires selon différents profils d’auteurs (moyennes par document)

Nombre de termes

Pourcentage de hapax

Pourcentage de mots longs

Pourcentage de mots très longs

Longueur moyenne des mots

Profil d’études secondaires et/ou supérieures, professions intellectuelles et supérieures

Samir

156,9

59,3

30,1

9,9

5,5

Karim

75,2

70

31,5

10,1

5,2

Ali

73,7

66,6

30,2

10

5,2

Profil d’absence d’études secondaires, professions d’exécution dans le domaine des services

Rabia

61,3

66,4

22,6

5

4,8

Ibrahim

47,7

73,3

23,4

5,2

4,8

Hakim

43,1

75,2

22,4

7

5

Moyenne du corpus

Moyenne du corpus

82,4

77,8

26,7

7,5

5,1

20   

Encadré : Spécificités des commentaires selon leurs auteurs

Ali : article, nous, blog, participation, également, questionnaire, ou, bienvenue, vos, Meryem, anecdote, effectivement, effet, apprécier, 3ème, génération, blogueurs, réponse, [nom de blogueur], recevoir, ton, celles, de, suivant, agir, discussion, nostalgie, [nom de blogueur], poster… (Chi2 entre 18 et 5)

Karim : de, doute, cliché, d, l, photo, bâtiment, jamaa, rédaction, bienvenue, logement, sans, quant, bât, prochainement, par, haj, nombreux, celle_ci, cage, complice, ces, élève, désormais, évidemment, [nom de blogueur], dont, escalier, sur, poursuivre… (Chi2 entre 48 et 9)

Samir : [ses initiales], e, par, citoyen, lorsque, d, doux, samir, exclusion, cette, agréable, de, l, population, public, dans, injustice, s, seulement, proposer, idée, sembler, solidarité, politique, devoir, les, qui, expression, proposition, élu… (Chi2 entre 31 et 7)

Ibrahim : halikoum, nôtres, nots, salem, frère, amicalement, ami, [son nom de famille], halakoum, u, suivre, abdenbi, désolé, mon, légitime, pour, maire, leurs, nôtre, exploiter, revendication, et, te, monsieur, inch_allah, souhaiter, sur, remerci, nôtres, mois… (Chi2 entre 103 et 8)

Hakim : arleikom, était, avoir, rmou, ça, étais, très, espère, sœur, frère, lol, ole, salut, j’espère, [nom de blogueur], [nom de blogueuse], aujourd’hui, ah, ma, tu, été, tchao, j, voiler, après, années… (Chi2 entre 276 et 16)

Farid : [son nom], Farid, biz, citer, ami, [nom de blogueur], bonjour, qrp, 30 ans, notre, calife, histoire, bonsoir, sauver, mére, jouer, Nanterre, arc, alias, enfant, l, construire, travers, voiler, andalousie, 0, apres, [nom de blogueur], ou, cote… (Chi2 entre 73 et 4)

Fred : ça, être, y, j, ici, c, aussi, là, hermana, il, un, voilà, m, sûr, quelqu’un, je, chose, soir, quand, espagnol, moi, olé, Espagne, mais, aller quelqe, en, Fatima, on, où… (Chi2 entre 167 et 13)

Fatima : on, cela, ne, tout, monde, toujours, souvent, il, pas, faire, qu, gens, pré, aller, quand, là, je, falloir, dire, ils, mari, moi, hermano, fois, espérer, manger, fred, seine, devoir, bord… (Chi2 entre 147 et 14)

Latifa : bidonville, même, les, eau, madame, bois, baraque, leurs, femme, être, cour, rahmo, ruelle, soleil, beurre, nos, cantonnier, vie, neige, sac, nous, mur, étaient, méditerrannée, berge, coter, tête, charbon, interdire, midi… (Chi2 entre 21 et 5)

Meryem : je, ça, très, toi, tu, Hakim, trop, me, j, affectueusement, [nom de blogueur], embrasse, el, [nom de blogueuse], Karim, te, souvenir, t, [nom de blogueuse], avouer, merci, reposer, [nom de blogueuse], connaître, haj, presque, espérer, [nom de blogueuse], tellement… (Chi2 entre 23 et 6)

Rabia : you, salem, tm, amine, me, tous, ses, [nom de blogueur], [nom de blogueur],mr, vous, [son nom de famille], merci, et, bravo, [le nom de famille d’Ali et Karim], Abdenbi, [nom de blogueuse], blogueurs, encore, ali, mes, grave, [nom de blogueuse], tousser, bisou, famille, pensée, dieu, [nom de blogueur]… (Chi2 entre 66 et 6)

21   

Haut de page

Bibliographie

Bastin, G., & Bouchet-Valat, M. (2014), « Media Corpora, Text Mining, and the Sociological Imagination », Bulletin of Sociological Methodology, 122(1), 5–25.

Beaudouin, V., & Pasquier, D. (2014), « Organisation et hiérarchisation des mondes de la critique amateur cinéphile », Réseaux, 183(1), 125–159.

Dalud-Vincent, M. (2011), « Alceste comme outil de traitement d’entretiens semi-directifs : essai et critiques pour un usage en sociologie », Langage et société, 135(1), 9–28.

Hamidi, C. (2009), « Le scandale n’aura pas lieu ou l’affaire Pechiney saisie par la presse », Revue française de sociologie, 50(1), 91–121.

Marpsat, M. (2010), « Écrire la rue : de la survie physique à la résistance au stigmate. Une analyse textuelle et thématique du journal d’Albert Vanderburg, sans domicile et auteur de blog », Sociologie, 1, 95–120.

Paldacci, M. (2006), « Le blogueur à l’épreuve de son blog », Réseaux, (4), 73–107.

Reinert, M. (2007), « Postures énonciatives et mondes lexicaux stabilisés en analyse statistique de discours », Langage et société, 121–122(3), 189.

Truc, G. (2011), « Analyser un corpus illisible ? Le logiciel Alceste confronté à des registres de condoléances », Langage et société, 1(135), 29–45.

de Verdalle, L. (2012), « Une analyse lexicale des mondes de la production cinématographique et audiovisuelle française », Sociologie, 3(2), 179–197.

Haut de page

Notes

1 De manière non exhaustive, on peut citer les articles de Matthieu Paldacci sur des blogs (2006), de Camille Hamidi sur le traitement par la presse de l’affaire Péchiney (2009), de Maryse Marpsat sur le journal en ligne d’une personne sans-domicile (2010), de Gérôme Truc sur des registres de condoléances (2011), de Monique Dalud-Vincent et Laure de Verdalle sur différents entretiens (2011; 2012) ou encore de Valérie Beaudouin et Dominique Pasquier, sur les critiques cinématographiques amateur (2014).

2 La lemmatisation consiste à substituer une forme par une autre plus réduite, en remplaçant un pluriel par un singulier, un verbe conjugué par un infinitif ou encore en retenant une racine commune à plusieurs mots.

3 Ces analyses n’ont cependant pas été reproduites dans cette annexe.

Haut de page

Table des illustrations

Titre Graphique 1 : Évolution du nombre de commentaires par mois (2012-2014)
URL http://sociologie.revues.org/docannexe/image/2990/img-1.png
Fichier image/png, 26k
Titre Graphique 2 : Évolution du nombre d’articles par mois (2012-2014)
URL http://sociologie.revues.org/docannexe/image/2990/img-2.png
Fichier image/png, 17k
Titre Figure 1 : Classification descendante hiérarchique des segments d’articles et de commentaires
Légende En italiques : formes supplémentaires dans l’analyse (mots outils et variables étoilées)
URL http://sociologie.revues.org/docannexe/image/2990/img-3.png
Fichier image/png, 219k
Titre Graphiques 3 à 6 : Chi2 par classe des modalités des variables « type de texte », « sexe de l’auteur », et des formes « mémoire » et « blog »
URL http://sociologie.revues.org/docannexe/image/2990/img-4.jpg
Fichier image/jpeg, 20k
URL http://sociologie.revues.org/docannexe/image/2990/img-5.jpg
Fichier image/jpeg, 24k
URL http://sociologie.revues.org/docannexe/image/2990/img-6.jpg
Fichier image/jpeg, 16k
URL http://sociologie.revues.org/docannexe/image/2990/img-7.jpg
Fichier image/jpeg, 40k
Haut de page

Pour citer cet article

Référence électronique

Margot Delon, « Annexe électronique : Pourquoi compter les mots ? », Sociologie [En ligne], N° 1, vol. 8 |  2017, mis en ligne le 03 octobre 2016, consulté le 23 juillet 2017. URL : http://sociologie.revues.org/2990

Haut de page

Auteur

Margot Delon

Articles du même auteur

Haut de page

Droits d’auteur

© tous droits réservés

Haut de page