Après plus de 100 jours et plusieurs centaines de milliers de tweets, le paysage médiatique et politique de la grève a bien changé. Quelques personnes sur twitter, facebook, par courriel ou de vive voix m’ont suggéré de mettre à jour la première visualisation avec des données plus récentes.
C’est ce que j’ai fait. En cliquant sur l’image, vous devriez obtenir l’image agrandie. Sinon, en cliquant ici, vous pourrez télécharger une version vectorielle en haute-résolution.
J’ai également fait une petite étude sur l’évolution des sujets (extraits algorithmiquement) présents dans les tweets traitant de la grève. On remarque que certains sujets sont transitoires et d’autres plus permanents.
Afin d’illustrer l’évolution des sujets liés à la grève étudiante, j’ai utilisé la version gratuite et publique de Tableau. Un logiciel très intéressant, mais la version web est un peu lente. À l’aide du logiciel, j’ai conçu une petite infographie interactive illustrant l’évolution des sujets des tweets. Cliquez sur le lien suivant pour y accéder: http://public.tableausoftware.com/views/Sujets-GGI/volutiondessujets?:embed=y
Les graphiques suivants ont été extraits de la visualisation interactive. Elles illustrent les sujets les plus intéressants ainsi que leur évolution dans le temps. Notez qu’un tweet peut traiter de plusieurs sujets, alors les tweets ont été fractionnés soit un tweet qui traite de trois sujets sera distribué dans une proportion de 33 % pour chaque sujet.
La manifestation (ou l’émeute) à Victoriaville est très évidente dans le graphique suivant (cliquez sur l’image pour agrandir le graphique):
Le rejet de la première entente (suivant le congrès du PLQ à Victoriaville) ainsi que les votes de reconduction de grève sont clairement illustrés:
Le graphique suivant montre le nombre de tweets traitant de Line Beauchamp. Le nombre de tweets atteint son maximum à sa démission, puis baisse tout à coup:
La réaction à la loi 78 est évidente et extrêmement puissante. En fait, il s’agit du plus gros pic sur le graphique:
Ensuite, le mouvement des casseroles suit très rapidement:
L’analyse temporelle des sujets est très intéressante. Elle permet de suivre l’évolution du conflit dans la twittosphere et ainsi voir les changements brusques dans l’agenda médiatique. Pour moi, c’est extrêmement intéressant, d’autant plus que mon sujet de maîtrise traitait du pouvoir d’agenda-setting des blogues politiques au Québec. J’ai presque le goût de refaire l’exercice avec les médias sociaux une fois la crise terminée. Presque.
Données:
greve_v3_status.tsv: Fichier contenant un identifiant, le texte du tweet, le nom et le nickname de l’utilisateur
greve_v3_data.tsv: Fichier contenant un identifiant et la date de publication du tweet
Avez-vous déjà publié l’ensemble du contenu de votre recherche ? Sinon, sera-t-elle publiée dans une “peer-review” prochainement ? Je suis très curieux de la lire 😛
Le corpus est immense et j’ai à peine commencé à creuser les données. Je ne crois pas avoir le temps d’écrire un article scientifique, mais je vais rendre mes données disponibles à ceux qui voudraient. 🙂
Elle m’intéresse assurément. En fait, nous sommes plusieurs à avoir hâte d’y jeter un coup d’oeil parmi mon réseau. Pour la plupart, nous sommes des étudiants de 2e et 3e cycles en science politique, communication et économie, des praticiens en informatiques et/ou des anciens du mouvement étudiants. Nous sommes fascinés par votre travail, tant pour son aspect académique et méthodologique que par curiosité ou passion pour les médias sociaux. La crise étudiante semble avoir offert le premier grand “laboratoire” pour étudier ce phénomène au Québec et notre travail nous a tous grandement intéressé !
*oups : votre travail
Bonjour Olivier,
J’apprécie beaucoup vos analyses graphiques. Très informatif et on peut découvrir des choses intéressantes parfois. Il n’y en a simplement pas assez pour informer le débat public! Merci et encore bravo!
Normand
Merci!
Yo, très cool!
I’m wondering about the pattern of dots shown in the background… They represent tweets if I’m not mistaken, and they appear to be clustered by topic (mots-clicks), but how?
Thanks.
The dot (tweets) are clustered by textual similarity. I use a force-feedback (with a bit of tweaking) layout.
There’s a translation of the Radio-Canada article here: The student conflict : Filtering the «twittersphere» (Radio-Canada)