Webinar Coffee and Learn - Comprendre et Apprendre le Social Listening sur Twitter , le #confinement des Français. Analyse et Présentation des approches de mesures du sentiment dans les médias sociaux. 👉 LE REPLAY ICI 👉 https://bit.ly/3fb6ckC L'invité du Coffee and Learn du 20 Avril 2020, est Le Professeur Christophe Benavent, Université Paris Nanterre. Il montre Comment Mesurer le Sentiment, les opinions sur Twitter. Il applique les méthodes à l'analyse du hastag #Confinement sur la période du 18 Mars au 20 Avril 2020. Les résultats montrent la capacité des méthodes à mesurer, anticiper, l'évolution des émotions au travers une analyse lexicale et sémantique du tweets. L'approche est aussi réplicable sur les images. Elle utilise que des codes en "open source". Les champs d'application sont importants : - le suivi de l'opinion - le suivi des discours et des images sur les marques - le suivi de la réputation des entreprises et l'impact sur l'évolution de leurs cours de bourse par exemple. - etc. D'un point de vue plus technique, l'analyse est centrée sur l'analyse du sentiment via les méthodes NCR, LSDfr et LIWC. Pour accéder aux codes sources : https://github.com/BenaventC/Barometr... Contactez: LAURENT FLORES pour participer au Prochain WEBINAR Coffee and Learn, et rejoignez le groupe Linkedin: https://www.linkedin.com/groups/8926073/ ABONNEZ VOUS A LA CHAINE - LIKE - Merci !

1. 1

3. Laboratoire du confinement
#confinementJour35
Sophie Balech - Christophe Benavent - Mihai Calciu - Julien
Cloarec - Mehdi Elmoukhliss - Jean-Fabrice Lebraty -
Valentin Mesa - Julien Monnot - Paul Ngobo ….
https://github.com/BenaventC/BarometreConfinement

4. Le process
un hashtag : #confinementjour1, ….
( et d’autres en préparation #confinement, #deconfinement, #11mai, sexe et
confinement )
Extraction journalière
(rtweet et api rest twitter)
Annotations:
-nrc
-liwc
-lexicoder fr
-emoji
- wordvector
Analyses
- baromètrie du sentiment
- contributeurs
- impact d'événements
- evolutions des topics
- ...
Parallélisation :
(Cluster HPC / HTC -lille -32
noeud)

5. Evolution du corpus :
La production des tweets et des RT.
On concentre l’analyse sur les tweets,
citations et reply.

6. Une première idée des contenus

7. Le contexte théorique
La riche littérature du “desaster
management” qui accorde une
grande importance au
comportement des populations.
Trois variables clés :
● le degré de participation à
l’atténuation (gestes
barrières, respect du
confinement)
● La capacité de rebond
psychologique -résilience
(applaudissement)
● L’état de préparation
(capacité au télétravail…)

8. le cycle de vie du désastre :
Des hypothèses sur l’évolution de l’état émotionnel des
populations civiles

9. Evolution du sentiment

10. La convergence des indicateurs de sentiments
● Les valences positives et
négatives sont
indépendantes.
● les indicateurs convergent
(alpha ~=0.8)
● =>utilisation d’un indicateur
synthétique.

11. Tester l’effet du discours du 13 mars
Series: coredata(ts)
ARIMA(1,0,2) with non-zero mean
Coefficients:
ar1 ma1 ma2 mean
0.5621 -0.2213 0.1654 0.7859
s.e. 0.0794 0.0820 0.0511 0.0109
sigma^2 estimated as 0.01659: log likelihood=409.87
AIC=-809.73 AICc=-809.64 BIC=-787.37

12. Tester l’effet du discours du 13 mars

13. Comparer les twittos

14. Les superposteurs sont super négatifs

15. Plus on twitte, moins on dit je, et plus on parle de santé

16. Emotions et domaines de l’expérience

17. Projets en développement
● Traitement des emojis et intégration dans l’indicateur synthétique de
sentiment
● Vectorisation du corpus et développement de concepts
● Traitement de la photogrammétrie
● question du tagage des images
● analyse du herding.

18. Emoji
Trois postures autour des
breaking news :
- la distance du rire
- la gravité cérébrale
- les larmes de la
désolation

19. Emoji

20. Le sentiment des emoji
Utilisation du dictionnaire
“Emoji sentiment Ranking”
http://kt.ijs.si/data/Emoji_sentiment_ra
nking/index.html

21. Vectorisation du lexique (80 000 ngram)
Analyse du vecteur
(Lutte+solidarité)
Les termes les mieux corrélés.