Présentation des résultats de cartographie sociologique et technique de YouTube au @LIP6_lab.
Trois modalités de regroupement :
1. Co-recommandation par l’algo.
2. Commentateurs communs.
3. Abonné‧e‧s communs.
#disinformation
Trois modalités de regroupement :
1. Co-recommandation par l’algo.
2. Commentateurs communs.
3. Abonné‧e‧s communs.
#disinformation
@LIP6_lab YouTube indique que 30% des chaînes concentrent 90% des vues, et qu'il y a dans la longue traîne des 70% 137 millions de chaînes qui n’ont que 10% des vues. Cette distribution pose la question de l’échantillonnage.
Ici, catégorisation manuelle de 1500 chaînes de >1k abonnés.
Ici, catégorisation manuelle de 1500 chaînes de >1k abonnés.
Départ d’une liste des « 500 youtubeurs les plus influents » de @SocialBlade, puis snowball sampling en suivant les chaînes recommandées régulièrement par celles du corpus déjà établi et nettoyage manuel.
1400 chaînes au final par ce biais et complément de 100 fourni par @Wizdeo.
1400 chaînes au final par ce biais et complément de 100 fourni par @Wizdeo.
@SocialBlade @wizdeo Classification des chaînes en 12 catégories :
• Discours militant.
• Complotistes, confusionnistes, pamphlétistes.
• Gilets jaunes.
• Médiation, vulgarisation, décryptage.
• Communication relation publique.
• Médias traditionnels.
…
• Discours militant.
• Complotistes, confusionnistes, pamphlétistes.
• Gilets jaunes.
• Médiation, vulgarisation, décryptage.
• Communication relation publique.
• Médias traditionnels.
…
@SocialBlade @wizdeo …
• Informations sélectionnées, collectionnées, détournées, manipulées.
• Conférence.
• Informations locales.
• Humour, musique, satire.
• Enquête et investigation.
• Information spécialisée.
La différence entre « militant » et « complotiste », par exemple, est complexe.
• Informations sélectionnées, collectionnées, détournées, manipulées.
• Conférence.
• Informations locales.
• Humour, musique, satire.
• Enquête et investigation.
• Information spécialisée.
La différence entre « militant » et « complotiste », par exemple, est complexe.
Le choix retenu est de distinguer les sources pour lesquelles l’idée que « on nous cache quelque chose » est un moyen d’investiguer le réel (Ruffin, Mediapart…) ou un principe systémique sans limite (Lama Fâché…).
Cette ontologie a émergé de la combinaison de deux dimensions objectives de catégorisation :
• format (replay, vidéo fixe…) ;
• statut (individu, parti politique…) ;
suivi d’un travail sociologique sur le contenu du discours.
• format (replay, vidéo fixe…) ;
• statut (individu, parti politique…) ;
suivi d’un travail sociologique sur le contenu du discours.
Ces critères de catégorisation menaient initialement Mediapart et Le Média dans la catégorie « complotiste », ce qui était inacceptable pour le partenaire de l’étude et a mené à la création de la catégorie « enquête et investigation ».
Autres exemples difficiles : Rémi Gaillard, « militant » pour la cause animale ou « humour » ? Gilets Jaunes qui utilisent l’humour et le sarcasme ?
Les clusters obtenus par les matrices de co-commentateurs (i.e. même public réel) sont très différents de ceux obtenus par la recommandation algorithmique (i.e. ce que YouTube pense que vous devriez regarder en tant que nouvel usager).
« Il y a quelques pénétrations d’acteurs d’une catégorie dans les clusters des autres. Généralement, quelques militants d’extrême-droite au milieu des complotistes. »
RT est clairement un outlier : significativement plus recommandé que les autres et significativement plus vue que les autres.
La recommandation algorithmique redirige en premier lieu vers les « médias traditionnels », et dans une moindre mesure « militant », « complotiste » et « GJ » vers « complotiste ».
(On ne voit pas bien mais en X et Y on a les 12 catégories listées plus tôt, dans l’ordre)
(On ne voit pas bien mais en X et Y on a les 12 catégories listées plus tôt, dans l’ordre)
La limite principale de l’étude est cette ontologie arbitraire de 12 catégorie. Mais « elle est robuste car elle recoupe très bien les clusters de recommandation par les utilisateurs ».
Les pistes pour des études ultérieures sont :
• La différence « cold start » / recommandations pour utilisateur identifié.
• Les paramètres descriptifs du contenu (genre du locuteur, intensité lumineuse…).
• Analyse sémantique par la transcription des sous-titres.
• La différence « cold start » / recommandations pour utilisateur identifié.
• Les paramètres descriptifs du contenu (genre du locuteur, intensité lumineuse…).
• Analyse sémantique par la transcription des sous-titres.
• Économie de YouTube (tiens, poke #RapportCSALiRIS ).
Avis aux équipes de recherche qui liraient ce thread : possibilité de projet #ANR.
Avis aux équipes de recherche qui liraient ce thread : possibilité de projet #ANR.
À mon sens, le « cold start » n’existe par sur YouTube : on a au mieux un « lukewarm start » puisque les signaux IP, langue du système, appareil utilisé, vitesse de connexion… sont nécessairement transmis. On est donc prisonnier d’une catégorie sociale et d’un lieu.
