1. médialab Sciences Po
  2. Actualités
  3. MetAt - Journal de bord du 9 mai 2023

MetAt - Journal de bord du 9 mai 2023

Partager nos savoir-faire et pratiques méthodologiques.

Rendez-vous, Atelier

Qu’est-ce que le METAT ?

Le METAT est un atelier d’accompagnement aux méthodes de recherche : chaque mois, un créneau de trois heures pour vous aider à résoudre les difficultés d’ordre méthodologique que vous rencontrez dans le cadre d’un projet scientifique. 

À qui s’adresse le METAT ?

Le METAT s’adresse à toute personne souhaitant être accompagnée ponctuellement pour l’utilisation d’un outil ou d’une méthode de recherche. Tous les profils sont les bienvenus : étudiant-e-s, doctorant-e-s, chercheur-e-s, métiers de l’ingénierie de recherche ou autre, internes et externes à Sciences Po, sans restriction de statut ou d’affiliation.

Comment s’inscrire ?

L’inscription est obligatoire via le formulaire disponible sur la page du METAT

Séance du 09/05/2023

Lieu : Sciences Po

Nombre de participants : 7

Nombre d’encadrants : 14

Encadrants hors médialab : Blazej Palat (CDSP, Sciences Po), Yuma Ando (CEE, Sciences Po), Cyril Heude (DRIS, Sciences Po), Guillaume Levrier (LISIS, Université Gustave Eiffel)

Bibliométrie sur un champ de recherche émergent

Premier accompagnement d’un·e doctorant·e en histoire venu·e pour faire de la bibliométrie sur le sujet du réensauvagement. L’accompagnement a pris la forme d’un passage en revue des sources de données disponibles (Scopus, HAL, Google scholar, Ulrich web (à la BnF), FACTIVA, moteur de recherche Base) et de conseils méthodologiques quant à la comparaison de la couverture de ces bases de données entre elles. Après les premiers essais effectués pendant la séance, il s’avère que le champ de recherche sur le réensauvagement est émergent et donc pour le moment peu structuré. Le·la participant·e a été encouragé·e à diversifier les termes de sa recherche en regardant notamment les mots clés fournis par les auteur·ice·s des articles trouvés.

Récupération de métadonnées d’utilisateurs Twitter

Second accompagnement d’un·e étudiant·e en théorie politique qui revient pour discuter de l'avenir de la collecte de données sur Twitter au vue de la politique impactante de E. Musk et avoir de l'aide pour faire de l'analyse de réseaux sur des données Twitter déjà collectées sur les journalistes. La séance a servi à mettre à jour Minet, dédupliquer des listes d’identifiants de followers Twitter et à utiliser l’API pour récupérer les métadonnées de ces utilisateur·ice·s.

Classement automatique de vidéos vimeo

Accompagnement d’un·e ingénieur·e de recherche dans l’écriture d’un programme en Javascript avec Artoo.js pour étendre la bibliothèque de vidéos dans le backoffice de son site internet. Ajout d’une fonctionnalité permettant de sélectionner automatiquement les checkbox de chaque ligne correspondant à une vidéo dont l’identifiant se trouve dans la liste souhaitée. 

Représentation visuelle 3D

Premier accompagnement d’un·e doctorant·e en droit souhaitant saisir rapidement un grand nombre d’informations et les situer dans un outil de représentation 3D créé en amont de la séance. L’encadrement a pris la forme d’une réflexion sur les différentes méthodes de collecte de données selon sa problématique. Les encadrant·e·s ont aidé au codage de données sur les critères établis et à la mise à plat des implications entre ces codages, leurs justifications et les représentations visuelles possibles (matrices de chaleur, scatterplots, graphes…). Ces éléments ont ensuite été mis en pratique dans un tableur LibreOffice.

Entraînement de modèle de classification sur le jeu de données manifesto

Accompagnement d’un·e doctorant·e en sciences politiques pour faire du machine learning. Le travail a consisté à entraîner un modèle de classification pour détecter certains paramètres dans les phrases multilingues qui appartiennent au jeu de données européen manifestos. En utilisant le notebook The Augmented Social Scientist, des modèles pré-paramétrés pour l'anglais (BERT) et pour d'autres langues (XLM-RoBERTa) ont été utilisés afin de les entraîner sur les données des manifestos préalablement annotées par le·la doctorant·e. Le·la participant·e a ensuite été accompagné·e pour diviser des datasets en les téléchargeant sur le notebook puis en les lisant avec pandas.  

Traiter des données textuelles extraites de forums en ligne et les exporter au format csv

Second accompagnement dans le cadre d’un mémoire d’HDR. La première partie du travail a porté sur la compréhension d’une base de données contenant des extraits de discussions de forums en ligne. Les encadrant·e·s ont, ensuite, aidé à créer des fichiers csv selon des critères définis pendant la séance, et ont commencé la fusion de ces quatre fichiers sur R.

Analyse des données avec R 

Second accompagnement d’un·e élève de master 1 dans le cadre de son mémoire. Premièrement, les encadrant·e·s ont donné des conseils pour accéder à la base de données qui intéressait le·la participant·e. Ensuite, les encadrant·e·s ont aidé à utiliser le code R pour classifier les individus en fonction de variables socio-démographiques. La visualisation et l’interprétation des résultats s’est faite avec le package FactoMineR et explor. Enfin, la sortie de la fonction Imer a été utilisée pour interpréter les effets fixes et aléatoires des variables.