Traqueur de Sentiment Narratif
Un outil de recherche pour suivre la valence émotionnelle dans les narratifs publics au fil du temps, permettant aux chercheurs de visualiser comment le sentiment évolue à travers les arcs narratifs du discours politique et social.
Research Question
Comment le sentiment évolue-t-il à travers les arcs narratifs du discours politique ?
Data Source
Jeux de données de médias sociaux publics (anonymisés)
Limitations
Corpus en anglais uniquement, les modèles de sentiment peuvent manquer les nuances culturelles
Vue d'ensemble
Le Traqueur de Sentiment Narratif (NST) est un outil de recherche expérimental conçu pour mesurer et visualiser comment la valence émotionnelle évolue au fil de l'arc des narratifs publics. Contrairement à l'analyse de sentiment statique, qui note les documents individuellement de manière isolée, le NST cartographie les trajectoires de sentiment — la forme du changement émotionnel à mesure qu'une histoire, un débat ou un événement politique se déroule dans le temps.
L'outil comble une lacune fondamentale dans l'analyse du discours. La plupart des outils de sentiment traitent les textes comme des points de données indépendants. Mais les narratifs publics sont séquentiels et cumulatifs : le poids émotionnel d'un discours politique dépend de ce qui l'a précédé, et l'impact d'un cycle médiatique est façonné par l'arc qu'il suit. Le NST capture ces dynamiques en modélisant le sentiment comme une série temporelle et en identifiant les points d'inflexion où le ton émotionnel change de manière significative.
Fonctionnement
Les utilisateurs fournissent un corpus de textes horodatés — tweets, articles de presse, déclarations parlementaires ou tout discours ordonné chronologiquement. Le NST traite cette entrée en trois étapes.
Premièrement, chaque unité de texte reçoit un score de valence émotionnelle à l'aide de l'analyse de sentiment VADER, complétée par les caractéristiques linguistiques de spaCy pour tenir compte de la négation, des intensificateurs et de la structure rhétorique. Deuxièmement, les scores sont agrégés dans des fenêtres temporelles (configurables par l'utilisateur) et lissés pour révéler les tendances sous-jacentes plutôt que le bruit. Troisièmement, l'outil applique des algorithmes de détection de points de rupture pour identifier les moments de changement significatif du sentiment — les points où un narratif bascule.
L'interface Streamlit fournit des visualisations interactives qui permettent aux chercheurs d'explorer les trajectoires de sentiment, de zoomer sur des périodes spécifiques et de superposer des événements externes pour le contexte. Les points d'inflexion annotés sont mis en évidence avec des intervalles de confiance.
Applications de Recherche
Le NST a été utilisé dans des études pilotes examinant les arcs de sentiment dans des campagnes électorales, des communications de santé publique lors d'événements de crise et des débats législatifs sur des questions sociales controversées. Les résultats préliminaires suggèrent que les trajectoires de sentiment narratif suivent un ensemble limité de formes récurrentes, faisant écho à la théorie narrative littéraire. Identifier ces formes tôt dans un cycle discursif peut aider les praticiens à anticiper l'escalade émotionnelle et à concevoir des interventions opportunes.
L'outil est actuellement en phase bêta. Nous accueillons les retours des chercheurs travaillant en sciences sociales computationnelles, communication politique et études des médias.