Ressources : cartographie, ParisData, blog sur R

Un petit «billet bookmark» pour vous signaler trois ressources qui pourront intéresser certains :

  • ParisData est un projet résultant de la politique OpenData menée par la ville de Paris. Il permet d’accéder directement à des données relatives à la ville (listes d’équipements…) et à des fonds de carte (bâti, relief…), le tout sous une licence très ouverte.
  • Alea est un blog relatif à l’utilisation du logiciel R, plus particulièrement dans les sciences sociales (oui oui, il s’agit bien d’une séance éhontée d’autopromotion !).

Du nouveau du côté du Réseau Quételet : la base de questions

Le Réseau Quételet est chargé en France d’une mission extrêmement précieuse, puisque c’est l’organisme qui s’occupe de l’archivage et de la diffusion des bases de données des grandes enquêtes statistiques françaises. Grâce à lui, des dizaines d’enquêtes sont ainsi conservées, documentées, et mises à la disposition des chercheurs et des étudiants.

Après s’être doté d’un nouveau site internet (voir ce billet précédent), le Réseau Quételet se dote maintenant d’un nouvel outil, développé par le CDSP, et destiné à faciliter l’exploration des données : la « base de questions », puisque c’est ainsi qu’il s’appelle, permet la recherche dans le texte des questions, les modalités de réponse, les noms et les étiquettes de variables, d’une partie des enquêtes du catalogue de données. Les questions et les variables de la plupart des enquêtes archivées au CDSP sont notamment disponibles dans ce moteur de recherche.

Voici par exemple une recherche sur le terme « musique »…

Base de questions

A l’occasion du lancement de ce nouvel outil de recherche, le Réseau Quetelet organise une journée consacrée aux bases de questions. Ce workshop aura lieu le vendredi 28 janvier 2011 à Sciences Po Paris. Vous pouvez en trouver le programme et vous inscrire ici.

Google Ngram viewer

Google a entrepris depuis plusieurs années une vaste entreprise de numérisation d’ouvrages pour son portail Google Books. Cette numérisation a donné lieu à la création d’un gigantesque corpus de mots dans différentes langues, et à la possibilité notamment de quantifier les fréquences d’apparition des ces mots et de ces expressions au fil du temps.

D’après Jean Veronis, ces données représentent le plus gros corpus linguistique de tous les temps, 500 milliards de mots, 5 millions d’ouvrages, soit environ 4% des livres jamais publiés.

Google a récemment mis à disposition une partie de ce corpus sous la forme d’un outil, nommé Books Ngram Viewer, qui permet de représenter graphiquement les fréquences d’un mot ou d’une expression au cours du temps dans différentes langues, avec la possibilité de comparer plusieurs mots ou expressions, ce qui laisse la place à toutes sortes d’expérimentations. On peut par exemple comparer l’évolution des fréquences d’apparition de certaines disciplines en sciences humaines et sociales :

D’autres exemples, à titre purement illustratif :

Les possibilités sont multiples, d’autant que Google met également à disposition une partie des données brutes, exploitables directement avec les outils adéquats :

http://ngrams.googlelabs.com/datasets

Ces fichiers (très volumineux !) permettent d’accéder aux nombres d’occurrence par année et par langue des différents n-grams (groupes de n mots). Ceci permet par exemple de représenter graphiquement les différentes associations de mots :

On peut donc imaginer de très nombreuses exploitations possibles de cette masse gigantesque de données, ce qui ne va pas sans poser non plus de questions sur une démarche ou les données peuvent parfois précéder les interrogations scientifiques, sans parler des limites inhérentes aux données elles-mêmes et leur acquisition. Pour une lecture critique on pourra notamment se référer à l’article de Patrick Peccatte :

Spatial analysis, un blog (anglophone) sur l’analyse spatiale

Spatial Analysis est un blog en anglais édité par James Cheshire, un doctorant au Centre for Advanced Spatial Analysis de l’University College de Londres :

http://spatialanalysis.co.uk/

Le blog contient une série de billets très accessibles sur les représentations cartographiques et l’analyse spatiale. Parmi les billets intéressants on pourra noter :

Une partie du blog s’intéresse plus particulièrement à la cartographie avec le logiciel R :

Le site fait partie des blogs référencés sur l’aggrégateur R-bloggers, très utile pour suivre l’actualité de ce langage libre de manipulation et d’analyse de données.