Conférencière : Marcela Baiocchi
Marcela Baiocchi est journaliste et bibliothécaire diplômée à l’EBSI. Elle travaille dans le domaine du web depuis plus de 15 ans, comme gestionnaire de projets et designer d’expérience utilisateur. Sa thèse doctorale, dirigée par Dominic Forest, porte sur la question de la diversité dans les systèmes de recommandation de nouvelles sur le web, et explore la fouille d'opinion pour la détection automatique d'articles qui véhiculent des opinions divergentes.
Résumé de la conférence :
Les plateformes de consultation d’articles de presse en format numérique (PRCAP) comme Google Actualités et Yahoo! Actualités sont devenues de plus en plus populaires pour la recherche et la lecture de l’information journalistique en ligne. Dans le but d’aider les utilisateurs à s’orienter parmi la multitude de sources d’information, ces plateformes intègrent des mécanismes de filtrage automatisés, tels que la recherche personnalisée et la recommandation d’articles. Ceux-ci agissent comme des « curateurs de contenu », aidant les utilisateurs à retrouver des ressources informationnelles qui correspondent davantage à leurs intérêts et goûts personnels, en prenant comme base des comportements antérieurs, par exemple, l’ensemble des documents déjà consultés.
Un certain nombre de chercheurs manifestent leur inquiétude à l’égard des conséquences sur la diversité d’idées et de perspectives politiques dans l’environnement informationnel créé par ces systèmes de recommandation. Ils argumentent que la génération de résultats de recherche ou de recommandations excessivement personnalisés, surtout dans le contexte de la presse en ligne, pourrait engendrer l’irruption de communautés isolées et fragmentées, l’émergence de foyers d’opinions extrémistes et la dégradation générale du débat dans les sociétés (Mutz et Young, 2011 ; Parisier, 2011 ; Sustein, 2007 ; Van Alstyne et Brynjolfsson, 2005).
Le but de notre recherche est de systématiser une méthode pour assister l’identification automatique d’articles véhiculant des opinions divergentes, issus d’une controverse médiatique. Nous voulons contribuer à une approche de fouille d’opinons pour classer les articles d’opinion dans des classes qui représentent les opinions opposées et explorer cette solution dans une perspective de recommandation qui prime sur la diversité de contenus dans les PRCAPs. Notre démarche méthodologique préconise l’étude linguistique du corpus préalablement à la tâche de classification, afin d’orienter la sélection des critères textuels qui peuvent contribuer à la performance de l’application. Elle explore des concepts théoriques formulés par la sémantique interprétative de François Rastier et utilise des techniques en textométrie pour l’analyse du corpus. Notre corpus est composé par des articles d’opinion sur la grève des étudiants de 2012 contre la hausse de frais de scolarités annoncée par le premier ministre Jean Charest.
