26: Twitter : Quel intérêt ?

Sommaire

• 1. Quel intérêt des messages sur Twitter ?
• 2. Les réseaux Twitter sont calqués sur le trafic aérien
• 3. Twitter prédit l’avenir
• 4. Video : Demography is everything
• 5. Articles cités

Cette lettre avait été envoyée par email le 7 mai 2012 : Abonnez-vous pour les recevoir en temps réel

1. Quel intérêt des messages sur Twitter ?

Twitter c’est 500 millions d’inscrits (11 en plus à chaque seconde) et 175 millions de “tweets” (messages) par jour (plus de 2 000 par seconde).

Dans la Lettre 17 (“1. “Réseaux sociaux” : les deux types d’utilisateurs”) nous avions vu que Naaman et al. (2010) avaient pu distinguer parmi les utilisateurs de Twitter 80% de “Meformers” contre seulement 20% d'”Informers” à partir du classement de leurs tweets.

André et al. (2012) ont repris cette classification et ont demandé à un grand nombre d’utilisateurs de noter les tweets qu’ils recevaient, et d’expliquer leur notation. De l’ensemble des réponses ils ont extrait 4220 tweets et ont obtenu les résultats suivants :

La Figure 1 ci-dessus montre qu’il y a toujours environ 40% de neutres, la Figure 2 montre que l’important est d’être “Informatif” et de ne surtout pas être “Ennuyeux” (“Boring”).

Qui est le plus intéressant : le Meformer ou l’Informer ?

L’importance affichée pour les tweets “Informatifs” incite à penser que les “Informers”, plus orientés vers ce genre de tweets, seraient globalement jugés plus intéressants, c’est-à-dire comme émettant plus de tweets intéressants. Les chiffres ne le montrent cependant pas.

Pour le vérifier il suffit de reprendre les chiffres des deux études et de les intégrer. Hélas, les chiffres précis ne sont pas indiqués précisément, mais en se basant sur la lecture des graphiques on obtient :

Lecture : Les tweets classés Information Sharing (IS) représentent 8% de ceux émis par les Meformers (ME), 53% de ceux émis par les Informers (IN) et ils sont notés Intéressants (+) pour 32% d’entre eux, Neutres (N) pour 40% d’entre eux et Inintéressants (-) pour 28% d’entre eux.

Il suffit dès lors de faire quelques multiplications pour obtenir la comparaison voulue :

Lecture : 30,3% des tweets des Meformers (ME) sont notés intéressants (+), 43,36% neutres (N) et 26,34% inintéressants (-), soit un taux moyen de 51,98%, la moyenne (Moy.) étant obtenue en ajoutant la moitié des Neutres au Positif.

Hormis peut-être pour une plus grande neutralité de la notation des tweets des Meformers, on ne constate aucune différence d’intérêt entre les tweets des Meformers et ceux des Informers, les 0,26 points d’écarts étant largement inférieurs à la marge d’erreur de départ. Le fort intérêt affiché pour les tweets Informatifs ne se retrouve donc pas dans les chiffres.

Pour aller plus loin, il faudra attendre une analyse multi-niveaux, comme celle décrite dans la Lettre 20 (1. Qu’est-ce qu’un produit parfait ?)

Image et Lien : “Vision Statement: What Makes a Great Tweet” by Paul André, Michael Bernstein, and Kurt Luther – HBR – May 2012

2. Les réseaux Twitter sont calqués sur le trafic aérien

Dans son interview sur Evopsy en 2004, Charles Murray remarquait :

“Une nouvelle idée qui m’a été suggérée il y a quelques mois : l’élite cognitive est transnationale. Par exemple, l’élite cognitive française se sent plus de points communs avec les membres des élites cognitives italiennes et allemandes qu’avec par exemple les routiers et les boulangers. Non ?“

Et bien selon Takhteyev et al. (2011), si Twitter aide bien aux relations distantes, il ne révolutionne rien. Slate synthétise l’étude :

“Après analyse de plus de 480.000 tweets, des chercheurs de l’université de Toronto ont d’abord découvert que la majorité des connexions Twitter se font à une échelle locale. Et ensuite, que les plus lointaines sont très liées à la fréquence des vols entre deux lieux. En réalité, d’après le rapport, le meilleur moyen de pronostiquer les connexions Twitter de longue distance est de regarder le trafic aérien entre les villes.“

Lien : “Les réseaux Twitter sont calqués sur le trafic aérien” Adam Sneed (Trad. Agathe Ranc) – Slate – 22 février 2011

3. Twitter prédit l’avenir

L’énorme masse de tweets envoyés à chaque instant permet des analyses quantitatives fiables.

La méthodologie employée se base le plus souvent que sur l’analyse automatique de la positivité / négativité des tweets (Saif et al., 2012, ont obtenu 83,6% de validité à ce classement). D’autres méthodes sont parfois employées (exemple : Zangerle et al, 2012, ont utilisé les tweets générés automatiquement pour prédire la recommendation de musique).

Les résultats sont déjà impressionnants :

• Santé : Golder & Macy (2011) ont pu suivre l’évolution de l’humeur en fonction du jour, de l’heure et de la période de l’année ;

• Politique : Tjong et al. (2012) ont montré que Twitter était aussi valide qu’un sondage pour les élections sénatoriales aux Pays-Bas ;

• Bourse : Bollen et al. (2010) ont obtenu 87,6% de validité dans leur prédiction via Twitter de si le marché allait être haussier ou baissier.

4. Video : Demography is everything

Le début du film Idiocracy, en version française : en 3 minutes le rappel hilarant que l’évolution est une question de natalité différentielle, pas de progrès (voir la lettre 11: La Compétition Sexuelle en Marketing).

A noter que l’évolution à la base d’Idiocracy est peut être bien entamée : la capacité crânienne humaine a déjà brutalement chuté de 10% de son volume au cours des 50 000 dernières années (Hawks, 2011), et (contrairement à ce que l’on croyait) l’évolution humaine s’accélère (Hawks et al., 2007) :

A noter que cette chute vient en faveur de l’approche que l’espèce humaine se serait “auto-apprivoisée” (voir notamment : Clark, 2009).

Graphique : “Slouching toward idiocracy?” by Razib Khan. GNXP. 27th Dec. 2010

Video Dailymotion : Introduction Idiocracy (3’08”)

5. Articles cités

André, P., Bernstein, M. S., & Luther, K. (2012). Who Gives A Tweet ? Evaluating Microblog Content Value. Proc. ICWSM.

Bollen, J., Mao, H., & Zeng, X.-jun. (2010). Twitter mood predicts the stock market. Computer, 1-8. doi:10.1016/j.jocs.2010.12.007

Clark, G. (2009). The Domestication of Man: The Social Implications of Darwin. ArtefaCToS, 2(Diciembre 2009), 64-80.

Golder, S. A., & Macy, M. W. (2011). Diurnal and seasonal mood vary with work, sleep, and daylength across diverse cultures. Science (New York, N.Y.), 333(6051), 1878-81. doi:10.1126/science.1202775

Hawks, J., Wang, E. T., Cochran, G. M., Harpending, H. C., & Moyzis, R. K. (2007). Recent acceleration of human adaptive evolution. Proceedings of the National Academy of Sciences of the United States of America, 104(52), 20753-8. doi:10.1073/pnas.0707650104

Hawks, J. (2011). Selection for smaller brains in Holocene human evolution. Arxiv preprint arXiv:1102.5604, 1-20.

Naaman, M., Boase, J., & Lai, C.-H. (2010). Is it really about me?: message content in social awareness streams. Computer Supported Cooperative Work, 189-192.

Saif, H., He, Y., & Alani, H. (2012). Alleviating Data Sparsity for Twitter Sentiment Analysis. Making Sense of Microposts {(#MSM2012)} (pp. 2-9).

Takhteyev, Y., Gruzd, A., & Wellman, B. (2011). Geography of Twitter networks. Social Networks, 1-26. doi:10.1016/j.socnet.2011.05.006

Tjong, E., Sang, K., & Bos, J. (2012). Predicting the 2011 Dutch Senate Election Results with Twitter. 13th Conference of the European Chapter of the Association for Computational Linguistics (pp. 65-72).

Zangerle, E., Gassler, W., & Specht, G. (2012). Exploiting Twitter’s Collective Knowledge for Music Recommendations. Making Sense of Microposts {(#MSM2012)}.