International | Page 5

Jeux vidéos Montréal

Venez créer votre (premier) jeu à Concordia! GAMERella: 10-11 Novembre 2018

Les 10 et 11 novembre prochains auront lieu GAMERella, le « brico-jeu » (game jam) gratuit et ouvert du centre de recherche sur la Technoculture les arts et les jeux de l’Université Concordia (TAG), une activité qui invite tout particulièrement les femmes auto-identifiées, les personnes non binaires, les personnes ayant des capacités différentes ainsi que toutes les personnes qui estiment qu’elles n’ont pas eu la chance de créer un jeu (vidéo ou de plateau). Les détails sont disponibles en anglais à cette adresse: https://tag.hexagram.ca/events/gamerella2018/

​Par ailleurs, je tiens à souligner l’excellent travail de l’infatigable coordonatrice de TAG, Gina Hara, qui a produit un fascinant documentaire sur la culture geek au féminin (http://geekgirlsfilm.com/disponible chez diffusion Multi-Monde) et une websérie documentaire en machinima sur YouTube à propos de chercheur.e.s sur Minecraft. Vous m’excuserez de souligner son travail qui offre un nouveau regard sur une sujet trop souvent articulé au masculin. Le carnet de Gina est ici: http://ginaharaszti.com

Éducation Québec Utilisation équitable

Pistes pour le droit d’auteur en milieu scolaire et universitaire

Voici quelques liens pour encadrer le droit d’auteur dans le milieu de l’éducation :

Le concept global constitut établir un cadre de gouvernance misant sur les forces du service du contentieux et de la bibliothèque pour travailler en collaboration.

Communautés Conférence France Histoire et sciences sociales Lettres Montréal

Pistes pour se lancer dans le réseau

Je profite de l’École thématique CNRS sur l’Analyse de réseaux et complexité, pour partager quelques pistes intéressantes pour se « lancer dans le réseau » ou, les moyens pour s’engager dans ce domaine intellectuel:

N’hésites pas à ajouter des pistes supplémentaires dans les commentaires de ce billet ou contactez-moi pour que je puisse renseigner cette liste.

Un grand merci à Guillaume Favre du LISST à Toulouse pour le partage.
Conférence France

Analyse réseaux complexes — Jour 5

J’ai l’énorme privilège de participer à l’École thématique CNRS sur l’Analyse de réseaux et complexité.

L’émergence des collectifs à partir des réseaux – Michel Grossetti

Objectifs: formalisation et application

Travaille sur un vocabulaire/ontologie

Entité

  • Personne : tout humain vivant; les autres entités (animaux…) sont des ressources
  • Ressources de coordination: sont impliquées dans les interactions entre les personnes
  • Processus d’émergence (découplage) ou de dissolution (encastrement) des entités relativement à ce qui les constitue ou ce qu’elles contribuent à constituer
    • Artistes encastrées dans un collectif (Beatles ensemble)
    • Découplage – they split up
  • Processus:
    • Activité
    • Action
    • Interaction – créé son propre contexte
    • Processus est une construction analytique regroupant des activités considérées comme liées entre elles
  • Collectifs et réseaux: composés de personnes et de ressources
    • Collectif: ensemble de personnes partageant des ressources (contraintes/enjeux). Construction analytique (collectif analytique)
    • Lorsque certaines des ressources produisent des coordinations spécifiques à l’ensemble concerné, un processus de découplage (d’émergence) s’enclenche. Au delà d’un certain niveau de découplage, un  collectif devient un collectif explicite
    • Analogue à « groupeÉ ; « classe sociale » ; « organisation
  • Sphères d’activité et institutions
    • sphère d’activité: implique un ensemble donné de ressources
    • Comme les collectifs, certaines sphères d’activités sont explicites, institutionnalisés. Elles regroupent de nombreuses ressources spécialisés. D’autres sont seulement analytiques
    • Les ressources de coordination spécifiques à une sphère ……

Processus d’émergence et de collectifs

3 scénarios

  1. Polarisation externe
    1. (Classes sociales de Marx)
    2. Théorie des marchés de Harrison White: phase 2: équivalence structurelle  où chaque firme contracte avec chaque client d’un marché; le marché comme ensemble d’entreprises s’ajustant collectivement aux clients, comme des bancs de poisson – équivalence structurelle – revues spécialisées;
  2. Densification
    1. Mullins, Howard Benker, etc.
    2. Étape 1: réseau relativement ouvert, peu dense; Étape 2: groupement par densification des liens par des associations professionnelles ou industrielles, revues, etc. ; Étape 3: émergence de collectif par fragmentation de collectifs existants, sous-disciplines, spécialisation, voir polarisation interne: Mulkay et Edge, Andrew Abbott.
  3. Fragmentation
    1. Andrew Abbott. Ce dernier propose 3 types de fragmentation dans Chaos of disciplines, 2001: fragmentation simple, fractale, fractale avec reformulation

Entrepreneur de collectif: personnes ayant projets relativement au collectif

Émergence: permet d’aller au delà du binaire (existe/n’existe pas) pour un continuum de situations intermédiaires, ce qui est nécessaire pour étudier la constitution de collectifs; permet de mieux cerner les dynamiques; demanderait à être mieux précisée et équipée de critères empiriques

Modèles multi-agents et simulation – Paola Tubaro

Comment la structure des réseaux sociaux affecte-t-elle le travail d’équipe sur mars? ; Manzo et al. (2018) – la diffusion inégale d’innovation techniques – appartenance religieuse ; Casilli et al 2014 anorexie en-ligne ; … beaucoup d’autres exemples

Principes de fond

  • On regarde les interactions sociales ; on s’intéresse aux propriétés émergentes ( c-a-d résultant des interactions) et, éventuellement, usage de simulation informatiques en l’absence de solutions analytiques (Axelrod & Tesfatsion 2006)
  • « Générer des histoires » (Tesfatsion 2006), commerncer par des postulats concernant les agents et leurs interactions; puis, simuler les comportements d’un système où ces postulats s’appliquent; observer les conséquences dynamiques de ces postulats; produire des « expériences » …

Manzo, 2014b: usages des modèles multi-agents ; voir aussi Epstein 2006

Logiciels:

  • Netlogo
  • RNetlogo (Thiele et al, 2014)
  • GAMA = dponnées spatiales
  • OpenMole pour explorer les modèles

Visualisations de réseaux par matrices d’adjacence et représentations hybrides – Jean-Daniel Fekete

Logiciel de visualisation généalogique: http://aviz.fr/~fekete

Viz: Card & Mackinlay & Shneiderman: Readings in information 1999

Où se place la viz dans la chaîne scientifique? À quel endroit la positionner dans la structure épistémo-herméneutique / cadre théorique et conceptuel… ?

  • 1. Théorie/loi en haut => 2. modèle => 3. statistiques descriptives => 4. faits ou mesures
  • Entre modèle et statistiques descriptives: accommodement pour contradictions; « fits » ; Induces
  • La visualisation se situe au niveau des données statistiques

Prof. Fekete positionne la visualisation de données au niveau des statistiques descriptives

Visual Patterns, logiciel NodeTrix : https://github.com/IRT-SystemX/nodetrix

Réseaux dynamiques: Boyandin et al. 2012

Beaucoup d’exemples de visualisation dynamiques: Animation visuelle: Maray & Eades 2001 ; TempoViz ……………….

Visualizing Dynamic Networks with Matrix Cubes [CHI] aviz.fr/cubix

Interactive Visualizations for Dynamic and Multivariate Networks: vistorian.net

Analyse multiniveaux et réseaux – Emmanuel Lazega & Julien Brailly

Voir: Multilevel network analysis for the social sciences : theory, methods and applications / Emmanuel Lazega, Tom A.B. Snijders, editors.

Exemples:

  • système socio-sémantique (« éléments de connaissance » connectés à des « inventeurs »)
  • système socio-écologiques Bodin et al. 2016 Theorizing benefiits…
  • Système d’action multi-niveau Lazega 2007 Revue Française de sociologie aussi, Breiger 1974

Brailly 2016: dynamic networks of trade fairs, journal of economic geography

Europe des juges Dehousse, Forum de venise 2009

Multi-niveau et gestion des communs: gestion de l’eau en commun au Sénégal: Faye & Brailly

 

Table ronde : Analyse complexe et réseaux : quels enjeux interdisciplinaires ?

Conférence France

Analyse réseaux complexes — Jour 4

J’ai l’énorme privilège de participer à l’École thématique CNRS sur l’Analyse de réseaux et complexité.

Analyses longitudinales et réseaux – Claire Bidart

Ce matin, jeudi, j’ai pris 15 minutes de retard (juré!) car j’ai bouquiné au tabac du très sympathique village de Cargèse, il y avait une chouette sélection de bandes dessinées corses, alors j’ai manqué le début de la première session. En guise d’intermède, je vous balance la moitié de la 2e partie de ma thèse, où je traite du concept des réseaux du point de vue de la sociologie du droit. Pour lire l’ensemble de celle-ci, vous pouvez la télécharger depuis l’archive institutionnelle de l’Université de Montréal: Émergence de normes dans les systèmes économiques et sociaux d’oeuvres numériques protégées par droit d’auteur par Olivier Charbonneau 

Très intéressante interprétation de visualisations basées sur une variable temporelle, où l’on peut voir différents graphes selon les moments de la vie d’un.e jeune diplômé.e.

Modèle comparables : trajectoires France, Québec, Argentine // les liens perdus sont rapidement oubliés.

Compléter le longitudinal avec des entretiens, études qualitatives

Graphes attribués dynamiques – Yoann Pitarch

Approche méthodologique, à nous d’utiliser ces outils pour notre discipline.

Graphe attribué: en plus de la structure, dirigé ou non, les noeuds du graphe sont équipés d’attributs. Ces attributs sont numériques, ordinaux ou catégoriels.

Dynamiques: séquence de graphes. Les noeuds changent de valeur d’attribut et les liens évoluent entre les lieux.

Graphe attribué dynamique (GAD), comme: médias sociaux; Loisirs; bibliométrie; biologie….

Dans l’ensemble de l’analyse de réseaux, on fait de la fouille de graphes. Il y a deux sous-ensembles, qui se recoupent légèrement par certains aspects:

  • dynamiques, temporels, longitudinal: visualisation; détecter des communautés évolutives; évolution des indicateurs topologiques
  • ainsi que attribués et multivariés: extraction de motifs; détection de communautés homogènes
  • La présentation se situe à l’intersection de ces deux sous-ensembles.

Plan: Stocker et générer; Analyser: extraire des motifs caractéristiques, extraire communautés; visualiser

Gephi permet de visualiser et manipuler des GAD à travers le fichier .gexf

Stockage:

  • Mouvance NoSQL
  • Noe4j + langage d’interrogation Cypher (proche du SQL et SPARQL)
  • Possibilité d’attribuer les sommets et les relations
  • Mécanismes d’interrogation assez puissants mais sophistiqués
  • Bases de données orientées graphes
  • Problème de la modélisation du temps: les attributs deviennent des sommets; problème informatique difficilement résoluble

Générer les données

  • DANCer [Benyahia et al. 2016]

Extraire des données

  • Extraire des motifs dans les GAD: règles d’attribution [Agrawal et Srikant 1994], motifs séquentiels [A & S 1995], sous-graphes fréquents [Yan et Han 2002]

Analyser les motifs

  • Cohesive co-evolution patterns: Desmier et al. 2012
  • Motifs de déclenchement: Kayttoue et al. 2015 [what effects topological changes in dynamic graphs]
  • Vers la co-construction de nouveaux types de motifs et de nouvelles contraintes entre les SHS et les informaticiens
  • Détection des communautés: Bello et al. 2016 [community detection…]

Saisir le temps : les usages archéologiques de l’analyse de graphes – Clara Filet & Sébastien Plutniak

Sémantique de graphes archéologiques: Feugnet et al. 2017 [co-presence analysis and economic patterns…]

Mesures de (Dis)similarité: Mills et al. 2013 [transformation of social networks…]

Analyse des interactions temporelles avec les flots de liens (Matthieu Latapy)

http://complexnetworks.fr/
Pas réseau: interaction (événement à un moment donné) plutôt que relation entre des entités d’un réseau

Conférence France

Analyse réseaux complexes — Jour 3

J’ai l’énorme privilège de participer à l’École thématique CNRS sur l’Analyse de réseaux et complexité. Voici quelques notes.

Détecter des communautés scientifiques, à grande et petite échelle – Yves Gingras & Béatrice Milard

Yves Gingras & la grande échelle

Prof. Gingras propose un survol de ses résultats qui sont disponibles sur la plateforme DigitalHistoryOfScience.org pour le domaine économique. Il utilise des données bibliographiques pour représenter l’agglomération de diverses entités autour de disciplines. Ces entités peuvent être les auteurs ou certaines de leurs propriétés tels leur institution d’attachement, leur ville… Les liens sont surtout les co-auteurs d’articles, les citations.

Béatrice Milard & la petite échelle

À partir d’entretiens et d’un corpus de leurs publications internationales, prof. Milard vise à découvrir les entourages sociocognitifs et la structure des mondes scientifiques. Entre autres éléments, elle désire explorer les liens affectifs entre les auteurs des articles cités (connaissez-ils – car c’est surtout des hommes – ceux que vous citez).

Détecter les communautés disciplinaires et les ponts inter-disciplinaires – Pablo Jensen

Titre réel: Limites des communautés scientifiques

Quelle unité pour les systèmes complexes? « faire des patates » – de beaux réseaux avec des sommets en tailles variées. Qu’est-ce qui fait lien entre ses communautés? voir: Grauwin et al, JASIST (2012)

Atelier 1 – statistiques des réseaux

Hypothèse globale des statistiques: indépendance des observation

Hypo de la stat des réseaux: traquer la dépendance => on inverse l’hypo de base. Pauvreté des données (une seule vague de données), grandeur (nombre de dyades)

Avant les outils, 3 questions: que veut-on expliquer?; Quelles sont les variables explicatives  Variables indépendantes) c-a-d lien, attributs, les deux?; 3. réseauxdynamiques ou statiques

Outils statistiques

  • Analyse descriptives
    • mesures de centralité sur l’acteur => source de centralité
    • étude sur la structure globale => modèles de blocs ou blockmodels (voir première partie de la présentation)
  • Analyse explicatifs (stochastique) – c.f. QUANTITATIVE MODELING
    • étude de la variable performance selon les attributs des acteurs et leurs relations (modèles ALAAM)
    • Étude des effets d’attributs non structuraux sur l’existence d’un lien entre acteurs (modèles LRQAP) => voir 2e partie de la présentation (logistical regression)
    • Étude de la structure globale par un positionnement à l’échelle du voisinage relationnel (modèle ERGM)
  • Demain, autre atelier: modèle SCIENA: dynamique, mélange, le réseau est la variable

Avantage des modèles longitudinaux: on capte beaucoup de données et on décide ensuite les variables dépendantes ou indépendantes.

Blockmodeling et équivalence structurale

Mesure descriptive (de moins en moins présente) mais que le présentateur veut défendre

Simplifier et dégager les caractéristiques fondamentales des réseaux (un peu comme l’analyse factorielle)… enlever le bruit et de garder la structure essentielle

Sources du blockmodel

  • Lorrain & White : structural equivalence
  • White, Boorman, Breiger
  • R. Burt : positions in networks
  • Interprétation: Borgatti & Everett (1992) / Faust Wasseman (1992)

Logiciels

  • Pajek.imfm.sl/doku.php
  • Packages R
    • blockmodeling (un peu ancien
    • blockmodels (JB Leger)
    • Celui de pierre barbillon à Paris…
  • Blocks (Snijders)

L’équivalence structurale:

  • des noeuds ont la même position dans le réseau;
  • identifier des rôles sociaux, des groupes. Regrouper les acteurs en blocks (ou positions).
  • De Lorrain & White, 71
  • Exemple: deux individus ont les mêmes relations, mêmes amis et ennemies = ces noeuds sont équivalents
  • Simplification des noeuds par classe de participants homogènes; structurellement équivalents; mêmes flux de relations; fonctionne bien sur les réseaux dirigés mais peut s’appliquer au non-dirigé

2 notions (faust et wasserman) ppour sortir du paradigme de la dynamique du centre et de la périphérie

  • position
  • rôle

Exemple: Doreian et al. 2005 pour un salon de chaîne de télévision en Afrique

  • Ceux qui ont des relations « entre eux » permettent de distinguer les groupes entre eux
  • On représente ces relations « entre eux » par une boucle récursive entre les entités du réseau blockmodelisé
  • Un peu comme de « Analyse factorielle sur le clustering « 

Super pour faire émerger des domaines sémantiques dans un corpus de documents se citant en appliquant le « blockmodeling général » plutôt que la branche stochastique

Blockmodeling vs détection de communautés == pas utile pour détecter communautés

The Louvain algorithm

Deux types d’équivalence: voir Beaugritte 2011

Étapes: 1. Matrice d’adjacente; 2. permutation algorithmique; 3. matrice image

Batagelj 2002 == types de blocs

Interprétation du blockmodel, 3 possibilités (Faust & Wasserman 1992), aussi utilisé par Lazega en 2001 pour parler de niches sociales, positions denses

  1. Description des attributs des acteurs dans chaque block
  2. Description des positions (comment chacune des positions est reliée aux autres?), c-a-d est-ce que les block reçoivent ou envoient des liens
  3. Description de l’ensemble du blockmodel, description de sa structure

L’autre présentation de Julien

Trois trucs

  1. Tests statistiques simples: est-ce que mes données collent à un modèle? Par exemple, le tirage d’un dé est-il aléatoire? Hypothèse est oui. Est-ce que les observations sont significativement différentes d’un modèle => suivent la loi normale (ou non). On connaît déjà la loi/distribution que l’on veut utiliser (chi-2, student, poisson…)
  2. LRQAP test: on ne connaît pas la loi de probabilité – il faut « deviner » la loi de dépendance car on ne la connaît pas exactement
    1.  voir Krackardt 1987
      1. Modèle de régression logistique
      2. variable dyadique
      3. permutation des variables pour obtenir des coefficients de beta pour voir si on a un effet significatif
    2. on tente de créer de l’aléatoire pour dessiner la dépendance
Conférence France

Analyse réseaux complexes — Jour 2

J’ai l’énorme privilège de participer à l’École thématique CNRS sur l’Analyse de réseaux et complexité. Voici quelques notes.

Collecte de données – Marie-Pierre Bès; Guillaume Favre; Claire Lemercier

Guillaume Favre

Types de collecte: questionnaires sur les relations; questionnaires sociométriques; expérimentation; entretiens: narrations qualifiées; traces de pratique ou sources écries; observations: plus rare?

Exemples:

  • Héran (1988) sociologue français sur les égoréseaux
  • ISSP 1986, 2001, 2017 dans « social networks »
  • Panel ELLIPSS – capital social des individus
  • Grossetti (2005, 2007) dans social networks – avec générateurs de noms (champs pré-populés avec options de type à choix multiples)
  • American Global Social Survey de McPherson et al en 2006
    • Résultats controversés (Fisher 2009, Wang…….

Marie Pierre Bès

Classes d’informations ou de questionnaires ou d’approches théoriques

Claire Lemercier

Utilisation des « traces » comme source. Les traces peuvent être des documents (d’archive, images, vidéos, etc.), des médias sociaux, …

Idée: extraire les juris de thèse à partir de la page de couverture <- travail à faire ->

Le potentiel est infini quand on explore les sources: à condition d’être spécifique sur les relations ou types de liens que nous allons explorer (parfois, être exhaustif étourdit et distrait)

Coda: quelle population étudier: toujours se demander à propos de quoi on veut et on a les moyens d’être systématique

Analyser un système urbain à partir de son réseau viaire et de son réseau parcellaire – Claire Lagesse & Cécile Rivals

Claire: Morphologies des villes – extraire le réseau de rues – sommets aux intersections – rues les arcs

Cécile: parcelles de terres (arpenteurs) – relations mitoyennes sont les arcs et les parcelles sont les noeuds

Claire: univers de la théorie des graphes: regarder les relations des réseaux des voies et des parcelles

Cécile: exemple des sources historiques : plan et registre fiscal du 18e et 19e siècle – avant, on perd les plans mais on a les Compoix et les Terriers – registres fonciers où l’on peut obtenir les réseaux parcellaires.

Représentation des sources historiques dans une base de données – reconstitution de cartes à la main (travail de moine)

Registres fiscaux: base de données Tercomp : matrice d’adjacence des parcelles: graphe d’adjascence des parcelles: comparer pour ….. [trop rapide]

Analyse de corpus de décisions juridiques : quel apport de la science des réseaux ? – Fabien Tarissan

Voir les publications de Fabien Tarissan.

Création du Cour pénale internationale (CPI) en 2002 et premier jugement en 2012. Masse importante de documents; procédures longues et complexes; chaînes de décisions techniques; pas de recueil de jurisprudence.

Réseau dirigé; acyclique; statique; biparti (articles de loi et jugements)

Toutes les décisions: http://www.legal-tools.org

Questions de la science du réseau: quelle place pour les réseaux juridiques; interprétation des métriques habituelles; nouveau schémas relations/modèles; structure biparties et unimodal

Juridiques, entre autre: modèles droit civil et common law

Analyse statique

Distribution des degrés

Pour l’interprétation des impacts juridiques, voir: 

« réutiliser des métriques classiques, connues »

Évolution de l’importance au cours du temps (CJUE)

Comment tenir compte du temps?

Graphe orienté acyclique (CAG)

Temps versus degré: les décisions récentes ont moins d’occasion d’être citées; les décisions importantes continuent d’être citées au cours du temps

Deux variations proposées:

  • Au lieu du degré entrant on regarde le degré relatif: relie le nombre de citations au nombre de citations possibles; valeur entre 1 et 0
  • Longévité: distance temporelle moyenne séparant deux décisions

Quand on regarde le degré relatif: on constate des décisions que les juristes n’ont pas nécessairement relevé mais pertinente pour le cas

Longévité moyenne: les décision procédurale importante qui n’est pas commentée par les juristes

AUTRE ÉTUDE
Est-ce que la citation reflète l’importance réelle; est-ce que les métriques réseaux……… [trop vite]

Exploiter les structures uni- et biparties

Inférer le contenu d’une décision: comment identifier les décisions dont la citation d’un article de loi ne concerne pas la cause principale?

Regarder le sous-graphe de l’égoréseau dirigé autour de la décision cible pour identifier les articles cités par les décision subséquentes. Définir le profil d’un jugement

Mesurer la polyvalence: cristalliser un raisonnement juridique particulier plutôt que son « sujet » en droit ou son domaine juridique == regarder aussi les PARAGRAPHES importants, polyvalents en plus des jugements

Formes des réseaux personnels sur Facebook – Raphaël Charbier

Application AlgoPol

Les 30 graphlets de taille 5 ou moins sans îlots – la couleur représente la centralité des petits réseaux – analyse de l’émergence de ces structures dans l’égoportrait d’un réseau d’ami d’un participant à une étude de ses données d’amis sur Facebook, associé à la CNIL.

Table ronde : Sources et réseaux : quels enjeux interdisciplinaires ?

Discussion sur les perspectives épistémologiques et herméneutiques des participants de la matinée.

Atelier de l’après-midi: Gephi, Cytoscape, R

Gephy – Fabien Tarissan

Importer les données; aller dans Layout et choisir l’algorithme de visualisation « ForceAtlas2 » – jouer avec les paramètres

Demander la distribution des degrés sous Statistics > Network overview ; aussi Betweenness, Eccentricity Distribution

À chaque fois que l’on demande des données à Gephy via ce menu, le logiciel ajoute des colonnes de données à la Data Table (table de données sur les noeuds et sur les liens)

Ensuite, export table en CSV

Comment importer les données? File > Open. Mais, il faut préparer le fichier avant. Le plus simple, c’est une liste de liens (deux sommets liés). Ceci dit, le graph résultant n’aura pas beaucoup de détail.

Cytoscape

Introduction rapide

RStudio

Pour aller plus loin : http://kateto.net/network-visualization
Traduit en français ici : https://arshs.hypotheses.org/403

Conférence France

Analyse réseaux complexes — Jour 1

J’ai l’énorme privilège de participer à l’École thématique CNRS sur l’Analyse de réseaux et complexité. Voici quelques notes.

Pierre Mercklé – Introduction à l’analyse en réseaux

Surtout, la perspective sociologique des réseaux sociaux [personnels], son histoire et son émergence:

Pierre Bourdieux, La Distinction 1979 p.140-141; Raisons pratiques

Blogue: mondegeonumérique.wordpress.com Thierry Joliveau

John Scott, 2012, Social Network Analysis: A Handbook, Sage, p.12

Freeman, Development of Social Network Analysis: a Study in the Sociology of Science, Empirical Press, 2004, p.131

Moreno, Who Shall Survive, 1934

John Barnes, Classes sociales et réseaux dans une Île de Norvège, Réseaux, 2013 [1954], p.217 : pour une distinction terminologique entre web et réseau, « tisser » et réseau social, réseau informel, points reliés par des lignes

S. Milgram, 1967, « the small world problem » Psychology Today, 1, pp. 62-67

Merklé, Sociologie des réseaux sociaux, Paris, La Découverte

Bertrand Jouve – Introduction à l’analyse des réseaux complexes

« Ce que j’ai envie de faire »  « comme matheu » : s’attacher à comprendre la structure et sa dynamique, en mesurant, en construisant des modèles qui les reproduisent: variables pertinentes, dépendances…

1. Introduction

Mathématicien et physicien: apportent des outils différents

Math sont moyens pour simplifier un problème avec des outils génériques: approche formelle suppose des hypothèses même bien cachées derrière des équations

Un système complexe est constitué de nombreuses entités dont les interactions conduisent à l’apparition d’un comportement global dit « émergeant » qui peut être expliqué en considérant uniquement les propriétés individuelles de ses constituants. Nécessité d’identifier: des interactions multi-échelles, des boucles de rétroaction, des bifurcations, des phénomènes en cascade.

Par ailleurs,

Réseau complexe: système complexe dont les interactions interindividuelles sont dyadiques

Et

Réseau social (complexe) : réseau complexe dont les interactions sont régies par des liens sociaux

(Green & Sadedin, 2014)

(Alan Kirman)

Les SHS [sciences humaines et sociales], SDV [science de la vie], SPI [sciences pour ingénieurs] abordent différemment le traitement de la complexité ;  l’objectif doit maintenant être de construire la continuité des concepts, méthodes et outils sur des objets partagés.

L’objet est de comprendre les logiques qui sous-tendent la dynamique du réseau et d’en construire un modèle simplifié

Que doit-on disposer pour étudier un réseau cokmplexe

  1. Identifier et décrire l’hétérogénéité des noeuds (sommets, vertex)
  2. Identifier et décrire la diversité des interactions entre les noeuds
  3. Analyser la structure du réseau et identifier les échelles perfinentes
  4. Caractériser la dynamique et les logiques qui la sous-tend

(3) et (4) sont fortement liés: la structure des interactions entre les individus est une contrainte importante sur la dynamique et donc l’existence de comportement émergents du système. (épidémies)

2. Réseaux complexes

  • Ce qui nous intéresse c’est quand la structure globale d’un réseau observé s’écarte d’une structure « classique » , appelé modèle nul
  • Un modèle nul est un ensemble de graphes qui ont le même nombre de sommets que le graphe étudié et qui conservent un certain nombre de caractéristiques locales (degré, clustering, …)
  • Il faut donc être capable de produire des graphes avec ces propriétés voulues
  • et de les comparer au graphe initial (en général, on vérifie seulement si la propriété globale est conservée)

Donc, on se trouve à générer une multitude de graphes ayant les mêmes propriétés pour les sommets afin de voir si notre graphe est « surprenant » ou non. Il s’agit de

  • « modèles de référence » ou graphes élémentaires:
  • réseau réguliers; graph Erdos-Rényi (nombre de sommets fixés, les arêtes sont tirées indépendamment suivant une loi uniforme de paramètre p) dans ce cas, on obtient une distribution des probabilités des degrés.
  • The configuraiton model: nombre de sommets fixés, distribution de degrés fixés [Fosdick, 2018, SIAM]

3. Des modèles statistiques des réseaux sociaux

En fixant de plu en plus de contraintes sur les modèles nuls, on va in fine basculer dans une autre logique qui est de chercher un modèle statistique générique qui explique assez bien l’observation qu’on a. On s’intéresse au codage, dans le modèle, de configuration récurrentes (ie. dépendances dans des données relationnelles)

[il saute le reste de la partie 3 et blitz la partie 4]

4. Quid des modèles génériques?

Small world, scale free, …

Watts-Strogatz model

Barabasi model

5. Big data

bertrand stigler sur canal-u.tv

On fouille pour trouver ce qu’on cherche – La data Science doit servir la science (des concepts).

Atelier 1 – Claire Lemercier

Format du fichier « classique » en réseau: entité 1 + entité 2 + lien + source

Deux inspirations:

  • réfléchir aux classes distinctes d’entités au-delà du classique personne, place, temps, objet. Pour mes recherches, je crois que les liens sémantiques en droit sont très pertinents
  • explorer et chercher le moment « woah hoo » donc, viser l’itération d’hypothèses ou de versions de réseaux sans trop s’embêter avec la conceptualisation théorique de l’approche. Peut-être une approche inductive en amont.

Suggestions de lecture personnelles par Claire pour l’idée de l’analyse en réseau du droit :

Atelier 2 – Guillaume Cabanac et Gilles Hubert

Récupération de données bibliographiques du web.

  1. Données par tabulation: base bibliographique Web of Science tout est payant, sauf si votre institution est abonné; limite de 500 notices à la fois; téléchargement et utilisation de la fonction de « text to columns » de votre tableur préféré; utiliser l’outil Voyant Tools pour traiter rapidement le corpus rapidement.
  2.  Données structurées JSON, outil http://www.altmetric.com : permet de générer certaines de mesures de popularité pour un article scientifique selon une certaine quantité de sources de données; permet d’interroger le système via l’API selon le DOI d’un article; utilisation de « ./jq » pour interroger l’arbre JSON pour les données que l’on désire dans le schéma
  3. « Web scraping » (sic) ou moissonnage ou aspirateur de site web. Structure des pages: Document Object Model; idée: demander à archive.org d’indexer une page web pour avoir un permalien afin de publier celui-ci comme source dans une bibliographie d’un article; visualisation des chercheurs dans un labo de recherche oeuvrant dans divers thèmes et axes avec Gephi

Question de la salle:

 

Exceptions au droit d'auteur Jugement Livre et édition Québec Universités

Entente à l’amiable entre l’Université Laval et Copibec

Selon un communiqué émis par l’Université Laval via le site CNW, Copibec et l’Université Laval concluent une entente hors cour en matière de droits d’auteurs. Bien sûr, il faudra attendre encore un peu pour obtenir les détails de cette entente – il faut être prudent et patient avant d’analyser la situation.

 

Voici le texte complet du communiqué de presse, une utilisation équitable de ce contenu protégé par le droit d’auteur pour communication de nouvelle:

 

QUÉBEC, le 19 juin 2018 /CNW Telbec/ – Copibec et l’Université Laval annoncent qu’elles entendent mettre un terme définitif au litige qui les oppose concernant la gestion des droits des auteurs dans le cadre des activités d’enseignement et de recherche de l’Université Laval.

Au terme de leurs échanges, les parties ont conclu une entente à l’amiable, laquelle demeure cependant sujette à l’approbation de la Cour. Les modalités exactes de cette entente seront donc rendues publiques ultérieurement, après que la Cour ait eu l’opportunité de les examiner.

Cette entente de règlement hors cour a été conclue sans admission quelconque, dans le but d’éviter des frais et déboursés additionnels importants pour toutes les parties, lesquelles préfèrent consacrer leurs énergies et leurs ressources à la défense des droits des auteurs dans la perspective de leur mission respective.

Copibec et l’Université Laval sont heureuses d’avoir trouvé une solution à l’amiable à leur différend qui, à leur avis, respecte à la fois les besoins du milieu universitaire et les droits des titulaires de droits d’auteur. Elles reconnaissent toutes deux que la gestion collective offre des avantages et favorise la liberté académique.

Veuillez prendre note que Copibec et l’Université Laval n’émettront pas de commentaires additionnels avant l’approbation de l’entente par la Cour.