Preuve de concept · Cette page présente la première version de CompaSciences, consacrée aux interventions d’universitaires sur la RTS. Cette version est archivée, et ses démonstrations ne sont plus en ligne. → Découvrir la version UNIL

Réseau sémantique d’une recherche sur le coronavirus, avec les expert·e·s qui interviennent sur le sujet

Explorer la médiation scientifique

  • CompaSciences est un moteur de recherche qui permet d’explorer les interventions d’universitaires sur la RTS.
  • Il aide à identifier rapidement des expert·e·s et à parcourir les archives de la RTS de manière inédite.
  • À partir d’un corpus et de métadonnées, CompaSciences permet d’explorer dynamiquement les relations entre ce qui est exprimé (vocabulaire, notions…) et le contexte de cette expression (auteur, discipline, émission, genre…).
  • Ce projet a été financé par l’Initiative for Media Innovation (IMI), en partenariat avec Avis d’experts (AdE) et les archives de la RTS.

 Recherche

Barre de recherche de CompaSciences

La barre de recherche interroge le corpus par terme, émission, expert·e, institution, genre et domaine.

Suggestions de la barre de recherche pour « cha » (termes, émissions et expert·e·s)

Exemples de recherche

Exemples sur la durabilité

Interface

Recherche

Limiter la recherche (période)

Permet de restreindre la recherche à une période.

Remplacer la recherche

Remplace la recherche par un terme de l’environnement sémantique.

Ajouter un terme

Ajoute directement un terme à la recherche depuis le réseau sémantique.

Supprimer un terme

Supprime directement un terme de la recherche depuis le réseau sémantique.


Vues

Vue du réseau sémantique

Lorsque le compte y est autorisé, permet de passer du Dashboard au réseau sémantique.

Vue du Dashboard

Lorsque le compte y est autorisé, permet de passer du réseau sémantique au Dashboard.


Légende

Ouvre la légende.

Fermeture du panel

Ferme le panneau d’information.


Recadrage automatique

Permet de recadrer automatiquement le réseau sémantique à la taille de l’écran.

Focus sur un terme

Met en évidence les termes reliés au terme choisi dans le réseau et fait défiler la liste des termes jusqu’à lui.


Spatialiser les termes

Positionne les termes selon leur proximité sémantique.

Spatialiser les documents

Positionne les documents selon leur proximité sémantique.

Spatialiser les métadonnées

Positionne dans le réseau de termes la métadonnée sélectionnée dans le panel. Privilégie la relation entre les termes et les expert·e·s. La relation entre les termes est donc moins fiable.


Réglages

Permet d’accéder au compte de connexion et aux réglages avancés.

  • Connexion (identifiant) et déconnexion
  • Langue de l’interface (français et anglais)
  • Paramètres avancés
  • Paramètres visuels
  • Paramètres de placement des nœuds
  • Paramètres de placement des métadonnées
  • Réexécution de la spatialisation (pour celles qui ont une composante aléatoire, comme UMAP).
  • Choix de l’algorithme de spatialisation (UMAP, ForceAtlas2 et MDS)

Panel

Sélecteur du panel (termes, expert·e·s et sujets)

Termes

Liste des termes du panel

Présente la liste des termes les plus pertinents pour les critères de recherche (cf. Recherche).

La pertinence correspond à l’association spécifique des termes et non à leur occurrence. Des termes très occurrents, mais peu spécifiques à cette recherche, seront donc moins bien classés que des termes moins occurrents, mais spécifiques à cette recherche.

  • La pertinence est représentée par la barre horizontale.
  • L’occurrence est représentée par l’intensité de la couleur.

Détails des termes
Icônes associées à un terme

Pour chaque terme, il est possible d’approfondir la recherche ou de disposer d’informations complémentaires.

  • Localise ce terme dans le réseau

  • Focus sur ce terme dans le réseau (n’active que les liens relatifs à ce terme)

  • Ajoute ce terme à la recherche

  • Remplace la recherche par ce terme

  • Informations sur ce terme

    Informations sur le terme « canicule »

    Présente le nombre de sujets avec ce terme pour la recherche considérée, le nombre d’occurrences et le score de pertinence pour ce terme (sur 100).

  • Liste des termes équivalents

    Termes équivalents à « canicule »

    Présente la liste des termes équivalents ainsi que leurs occurrences pour la recherche considérée. Le terme le plus occurrent est présenté comme terme de référence dans la liste et dans le réseau.

  • Lien vers la page Wikipédia du terme

Expert·e·s

Liste des expert·e·s du panel

Présente la liste des expert·e·s les plus pertinent·e·s pour les critères de recherche (cf. Recherche).

Options de classement des expert·e·s (présence et spécialisation)

Les expert·e·s peuvent être classé·e·s selon deux approches (leur présence ou leur spécialisation).

  • Présence : les expert·e·s sont classé·e·s selon leur présence dans les médias pour une recherche particulière (somme de leurs proximités avec le réseau sémantique).
  • Spécialisation : les expert·e·s sont classé·e·s selon leur spécialisation dans les médias pour une recherche particulière (moyenne de leurs proximités avec le réseau sémantique).

Détails des expert·e·s

Détails

Icônes associées à un·e expert·e

Pour chaque expert·e, il est possible d’approfondir la recherche et de disposer d’informations institutionnelles.

  • Ajoute cette métadonnée à la recherche

  • Remplace la recherche par cette métadonnée

  • Recherche cette métadonnée sur Google

Sujets

Liste des sujets du panel

Présente la liste des sujets les plus pertinents pour les critères de recherche (cf. Recherche).

Options d’organisation des sujets

Les sujets peuvent être organisés selon quatre logiques (détails, groupe, tri et ordre).


Options d’organisation des sujets
  • Détails
    • Compact : seul le titre des émissions est affiché.
    • Détaillé : les métadonnées relatives aux sujets sont affichées (émission, expert·e·s, institutions et domaine). Sujet affiché en mode détaillé
  • Groupe
    • Sans : les sujets ne sont pas regroupés.
    • Date : les sujets sont regroupés par date.
    • Mois : les sujets sont regroupés par mois.
    • Émission : les sujets sont regroupés par émission.
    • Genre : les sujets sont regroupés par genre.
    • Institution : les sujets sont regroupés par institution.
    • Section : les sujets sont regroupés par section.
  • Tri
    • Pertinence : les sujets sont triés selon leur proximité avec le réseau sémantique.
    • Date : les sujets sont triés par date.
  • Ordre
    • Décroissant : les sujets sont triés dans l’ordre décroissant selon la méthode de tri choisie (pertinence ou date).
    • Croissant : les sujets sont triés dans l’ordre croissant selon la méthode de tri choisie (pertinence ou date).

Dashboard

Le Dashboard permet d’explorer le corpus selon ses métadonnées (personnes, émissions, genres, institutions, domaines), en considérant les documents retenus pour une recherche particulière.

Pour chaque métadonnée, le Dashboard présente le nombre de documents observés et le nombre de documents attendus (si la recherche était représentative de l’ensemble du corpus). Par exemple, une institution ou une émission qui rassemble beaucoup de documents dans l’ensemble du corpus peut être très présente dans les résultats, même si elle traite relativement peu du sujet. Cet indicateur permet de faire la différence entre sa présence absolue (nombre de documents observés) et relative (nombre de documents attendus). Cette précision est notamment très pertinente pour le genre, les femmes étant globalement beaucoup moins représentées dans les médias. Elles peuvent ainsi être minoritaires sur un sujet, tout en l’abordant bien plus qu’attendu au regard de leur présence dans l’ensemble du corpus (voir l’exemple ci-dessous sur les adolescents).

Exemple pour une recherche sur les adolescents

Dashboard d’une recherche sur les adolescents, avec les documents observés et attendus par institution, genre et personne
Lire l’analyse de l’exempleMasquer l’analyse

Dans cet exemple, on voit que :

  • Le CHUV est l’institution la plus représentée (plus de 90 sujets), mais qu’elle est aussi beaucoup plus présente sur le sujet qu’attendu, au regard de sa présence dans l’ensemble du corpus (un peu moins de 40 sujets étaient attendus). Inversement, l’UNIGE, très présente aussi (52 sujets), est pourtant beaucoup moins présente qu’attendu au regard de sa présence dans l’ensemble du corpus (94 sujets). Le CHUV est donc non seulement l’institution qui intervient le plus sur le sujet, mais aussi la plus spécialisée dans le domaine.
  • Les hommes sont ceux qui interviennent le plus sur le sujet (97 sujets contre 94 pour les femmes), mais ils interviennent pourtant moins sur le sujet que ce que l’on pourrait attendre au regard de leur présence dans l’ensemble du corpus (144 sujets, contre 49 pour les femmes). Les femmes interviennent ainsi légèrement moins que les hommes sur le sujet, mais beaucoup plus qu’attendu si l’on considère l’ensemble de leurs interventions dans le corpus. Proportionnellement à leur présence dans le corpus, elles parlent donc bien plus des adolescents que les hommes.
  • La surreprésentation des femmes sur le sujet est aussi clairement perceptible lorsque l’on considère les personnes qui interviennent. Anne Edan (service de psychiatrie de l’enfant et de l’adolescent des HUG) est non seulement la personne qui intervient le plus, mais elle intervient de surcroît beaucoup plus sur le sujet qu’attendu si l’on considère l’ensemble de ses interventions (17 interventions, alors que 5 seraient attendues). Inversement, Raphaël Heinzer (pneumologue au CHUV) intervient beaucoup sur le sujet (12 interventions), mais bien moins qu’attendu au regard de sa présence dans l’ensemble des interventions à la RTS (19 seraient attendues sur le sujet).

La méthode pour établir cette représentativité est simple. Prenons une métadonnée, par exemple une personne, une institution ou une émission. Sa présence dans le corpus correspond à un pourcentage du total des interventions, disons 1,2 %. Si cette métadonnée traitait un sujet de manière neutre, elle serait présente dans la même proportion pour ce sujet particulier. Ainsi, pour 356 interventions concernant les adolescents, on s’attendrait à ce que 1,2 % de ces interventions, soit 4,3 interventions, concernent cette métadonnée. Cette approche permet de comparer le nombre d’interventions effectives avec le nombre attendu si la répartition était similaire à celle de l’ensemble du corpus.

Généralisation à d’autres corpus

Le concept de CompaSciences peut être étendu à d’autres corpus de données. À partir des données et des métadonnées fournies, CompaSciences génère automatiquement un environnement d’exploration interactif, intégrant le vocabulaire, les métadonnées et les documents associés. La recherche, avec ses suggestions, devient immédiatement opérationnelle.

Cette approche a été testée sur divers corpus, tels que l’intégralité du journal Le Temps ainsi que les versions francophone et anglophone de Wikipédia. Pour la médiation scientifique, une version complémentaire à celle dédiée aux interventions médiatiques exploite la base de données « Recherche de projets » du Fonds national suisse (FNS).

Recherche de projets du FNS

La version FNS de CompaSciences se distingue par l’utilisation d’une base de données multilingue et par la possibilité de tester l’interface dans une autre langue. La base Recherche de projets recense tous les projets financés par le FNS. Elle contient des informations (titre, résumé, description, etc.) disponibles en français, allemand, italien ou anglais. Les données non anglophones ont été traduites automatiquement en anglais.

Cette version de CompaSciences repose donc sur un vocabulaire tout autre, aussi bien sur le plan thématique que linguistique. Elle démontre la capacité de CompaSciences à s’adapter à des corpus de langues et de domaines différents.

 Équipe de recherche


CompaSciences est un projet de recherche qui a été financé par l’Initiative for Media Innovation (IMI). Il est à présent soutenu par l’UNIL, afin d’identifier rapidement des expert·e·s de domaines spécialisés. Son équipe rassemble de multiples compétences.


Boris Beaude

Pr Boris Beaude (UNIL)

Direction du projet
- Conceptualisation
- Analyse et traitement des données
- Interface et communication

Ogier Maitre

Dr Ogier Maitre (UNIL)

Responsable informatique
- Supervision
- Développement de l’interface

Mathieu Pavageau

Mathieu Pavageau (UNIL)

Développeur sénior
- Développement de la version de production
- Extraction et structuration des données


Personnes ayant contribué à la version expérimentale du projet

Le pilote de ce projet est associé à une recherche qualitative, menée en relation étroite avec des journalistes de la RTS. L’équipe de cette recherche a contribué à la pertinence de CompaSciences. Elle a aussi collaboré avec le projet Avis d’experts (AdE).


Agathe Chevalier

Agathe Chevalier (AdE)

Responsable d’Avis d’experts et de la coordination du projet (→ AdE)

Philippe Gonzalez

Philippe Gonzalez (UNIL)

Direction de la composante qualitative
- Entretiens avec les journalistes
- Pertinence des environnements sémantiques

Ulrich Fischer

Ulrich Fischer (MemoWays)

Coordination et collaboration avec Avis d’experts et la RTS (→ MemoWays).

Marine Kneubühler

Marine Kneubühler (UNIL)

Responsable des entretiens et de l’analyse qualitative

Matthieu Devaux

Matthieu Devaux (UNIL)

Développeur junior
- Développement du prototype