Outil interactif d’analyse des mots-clefs du Répertoire des géographes.
GNU AFFERO GENERAL PUBLIC LICENSE v3
Les données sont issues de cinq éditions du Répertoire des géographes, répertoire professionnel produit par la laboratoire Intergéo, devenu UMR 8586 Prodig, depuis 1969.
Ces données ont été numérisées et enrichies par S. Cuyala et H. Commenges. Chaque édition du répertoire comporte un index de mots-clés déclarés par les géographes recensés. Les index de mots-clés ont été scannés et océrisés pour cinq éditions du répertoire (1973, 1980, 1989, 1998, 2007). Ils sont ensuite transformés en graphes : les mots-clés sont les noeuds du réseau, ils sont reliés s’il y a co-occurence au sein des centres d’intérêt des géographes recensés. Par exemple, si un géographe déclare “urbanisme” et “transport”, un lien de poids 1 est créé entre ces deux mots-clés. Les données initiales sont enrichies de mesures calculées sur les graphes : degré degré des noeuds, poids des liens, communautés de mots, etc.
Téléchargement des données structurées : cinq graphes correspondant aux cinq éditions du RG sous forme de liste d’objets igraph au format RData et cinq graphes au format graphml.
Téléchargement des données brutes : cinq fichiers texte issus de l’océrisation des cinq éditions du RG.
Toutes les analyses sont disponibles pour les cinq éditions du Répertoire (RG1973, RG1980, RG1989, RG1998, RG2007).
1. Résumé de l’information
Informations sur les noeuds et sur les liens :
2. Communautés
Communautés de mots-clés fortement reliés entre eux. Pour chaque édition du Répertoire un algorithme de détection de communautés est appliqué sur le réseau (voir détails ci-dessous) qui produit des groupes de mots fortement reliés entre eux et peu reliés avec le reste du réseau.
Le graphique peut être paramétré avec différentes variables : taille des noeuds uniforme, ou fonction du nombre de géographes (NB_AUTH), ou fonction du degré ; épaisseur des liens fonction du poids observés ou du résidu.
3. Réseau d’ego
Le réseau d’ego est un graphe créé à partir d’une sélection d’un seul mot. Un sous-réseau est créé qui comprend le mot choisi (ego), tous ses voisins, les liens entre ego et ses voisins et les liens au sein des voisins.
Le graphique peut être paramétré avec différentes variables : taille des noeuds uniforme, ou fonction du nombre de géographes (NB_AUTH), ou fonction du degré ; épaisseur des liens fonction du poids observés ou du résidu.
4. Aire sémantique
L’aire sémantique est une représentation dérivée du réseau d’ego qui montre une relation préférentielle. La base est un sous-réseau qui comprend le mot choisi (ego), tous ses voisins, ainsi que les liens entre ego et ses voisins. À la différence du réseau d’ego présenté plus haut, les liens au sein des voisins sont supprimés. Ego est placé au centre du cercle et ses voisins sont placés à une distance proportionnelle à l’étroitesse du lien avec ego. Plus précisément cette distance est inversement proportionnelle au résidu (RESIDU, voir détails ci-dessous).
La taille de la police de caractères peut être paramétrées. Celle-ci est fonction du poids du mot, c’est-à-dire du nombre de géographes le citant.
Les noeuds du réseau sont dotés de deux attributs : le nombre de géographes qui citent le mot et le degré du mot, c’est-à-dire l’ensemble des liens reliant ce mot aux autres mots (pas de distinction entre degré entrant/sortant puisque le graphe est non dirigé).
Les liens du réseau sont dotés de deux attributs. Le premier est le poids observé: pour deux mots A et B, le poids observé est le nombre de géographes qui co-citent ces deux mots. Le second est un attribut de résidu relatif qui est calculé comme le rapport entre le poids observé du lien et le poids espéré ou théorique. Ce poids espéré est conçu comme la probabilité d’occurrence de deux tirages successifs d’un noeud d’origine puis d’un noeud de destination. La probabilité de tirer un noeud d’origine puis un noeud de destination est l’intersection de deux probabilités dépendantes. La probabilité de tirer un noeud i d’origine est égale à où est le poids du noeud i (degré pondéré) et w la somme des poids (sur la moitié de la matrice de poids). Puis la probabilité de tirer un noeud j de destination est égale à car les deux évènements ne sont pas indépendants.
La probabilité d’existence d’un lien de i vers j s’écrit donc :
La probabilité d’existence d’un lien de j vers i, qui n’est pas forcément égale à celle de i vers j s’écrit :
La probabilité d’existence d’un lien entre les deux noeuds, tous sens confondus (i.e. non dirigé) est l’union des deux :
Finalement, le poids espéré est :
La plupart des algorithmes utilisés en théorie des graphes s’appuient sur une mesure de modularité. Pour un graphe dans lequel on distingue plusieurs communautés ou clusters, la modularité est forte quand les liens intracommunauté sont forts et les liens intercommunauté sont faibles. Cette mesure (Q) est définie comme la différence entre la proportion observée de liens intracommunauté et la proportion que l’on observerait dans un graphe aléatoire conservant la distribution de degrés du graphe originel.
Où m est la somme de la matrice de poids, où est le poids du lien entre i et j et où la fonction est une fonction qui renvoie 1 si i et j font partie de la même communauté et 0 sinon.
La modularité peut être utilisée comme mesure de la qualité d’une partition réalisée a priori mais aussi comme une fonction à maximiser par un algorithme pour produire une partition cohérente. C’est sur ce principe que fonctionne l’algorithme utilisé ici, développé par V. Blondel et al. (2008), dit “méthode de Louvain”. Il produit une partition du graphe qui correspond à un optimum de modularité.