#SalaireMinimum : Comment la Twittosphère haïtienne traite les protestations ?

Article : #SalaireMinimum : Comment la Twittosphère haïtienne traite les protestations ?
Crédit: Micky-Love
21 février 2022

#SalaireMinimum : Comment la Twittosphère haïtienne traite les protestations ?

Ce bref billet s’appuie sur quelques techniques de la data science pour observer le comportement de la twittosphère haïtienne par rapport au mouvement des ouvriers pour la hausse du salaire minimum. Le constat est simple : les médias et les internautes publient peu de contenus malgré des mobilisations intenses.


Depuis le début du mois de février, les ouvrières et ouvriers des usines textiles exigent une augmentation de 300 % du salaire minimum journalier. Ils organisent plusieurs manifestations à Port-au-Prince, la capitale haïtienne. Mais le mouvement est peu soutenu par les politiques. Les médias, eux ils se contentent de rapporter les faits et certains journalistes se tiennent même en opposition au mouvement.

Factos !

La twittosphère haïtienne ne s’emballe pas non plus. Les tweets sont généralement des articles de presse. Rare sont les prises de position, les opinions.

La twittosphère haïtienne ne s’emballe pas non plus. Les tweets sont généralement des articles de presse. Rare sont les prises de position, les opinions.

L’écrasante majorité des tweets concernant le mouvement sont des « faits rapportés ». Les opinions représentent moins de 5 %. En effet, le sentiment exprimé tourne autour de 0, donc « neutre ». 

L’écrasante majorité des tweets concernant le mouvement sont des « faits rapportés ». Les opinions représentent moins de 5 %. En effet, le sentiment exprimé tourne autour de 0, donc « neutre ». 

Médias, médiums…

Les médias dominent la twittosphère au sujet du mouvement ouvrier. En fait, le réseau comprend 129 nœuds et 1798 liens. Les liens sont les users qui retweets. On peut distinguer 3 principaux clusters et un mini-cluster formé par les économistes @lalime_thomas, @drficauplab et @pharelkesner. 

Les médias dominent la twittosphère au sujet du mouvement ouvrier. En fait, le réseau comprend 129 nœuds et 1798 liens. Les liens sont les users qui retweets. On peut distinguer 3 principaux clusters et un mini-cluster formé par les économistes @lalime_thomas, @drficauplab et @pharelkesner. 

Le premier cluster comprend de politiques et d’hommes d’affaires. Il y a d’une part les comptes du gouvernement tels que @drarielhenry, @primatureht, @mastht et ceux d’autres politiciens. On retrouve également le compte de la Police nationale d’Haïti (PNH). De manière qualitative, cela ne signifie pas que la PNH et le gouvernement communiquent sur le sujet. Ils sont plutôt cités dans des faits ayant rapport à des actes de répression, ou pour leur mutisme. D’autre part, ce cluster comprend les hommes d’affaires, qui participent également au débat politique, comme @reginalboulos et @dimitrivorbe.

Le deuxième cluster comprend les journalistes et les médias. Les grands médias traditionnels sont peu présents, du moins ils sont incarnés par des journalistes. C’est le cas du @nouvelliste, qui occupe une part restreinte dans le réseau alors que ces journalistes y occupent une place centrale (@frantzduval, @robbygeff). Par ailleurs, les médias en ligne sont très présents : @ayibopost, @alterpresse, @clindoeilinfo.

Les twittos peu impliqués

Le troisième cluster contient des activistes. On y voit notamment les figures des luttes contre la corruption (@stop_koripsyon) et des petrochallengers (@emmadouyon, @velinaec, @gibszz, @samuelsimonis). 

Il y a très peu de tweets sur le « salaire minimum », ce qui explique la relative simplicité du réseau. Pour ce travail, j’ai scrapé avec l’API Twitter 2699 tweets avec les mots-clés « salaire minimum » et « salè minimòm », publiés entre 10 et 18 février. Je dois préciser que le rapprochement entre deux nœuds dans le réseau, comme la proximité entre deux politiciens, ne signifie pas qu’ils ont un lien dans la réalité. Les liens dépendent des mentions et des retweets communs. Je dois également préciser que la présence d’un user dans le réseau ne signifie pas qu’il supporte le mouvement. 


Méthodo : j’ai travaillé sur Python et utilisé les libraries textblob et nltk pour faire du pré-processing sur le corpus et réalisé la Sentiment Analysis. Pour le network, j’utilise Gephi (Nodes : mentioned, Edges : user, Algorithm : Force Atlas 2, Modularity : 0.672, Clustering Coefficient : 0.881).

Partagez

Commentaires