Algorithmes et Sentiments
Quelles pièces ces auteurs ont-ils préférées ?
L’intérêt littéraire de cette question
Pour mieux comprendre les préférences esthétiques de chacune de ces deux communautés, j’ai voulu analyser ce qui constituait selon eux les « échecs » et les « succès » des spectacles auxquels ils avaient assisté. Dit autrement, la question directrice de cette partie était : « Quelles pièces ont-ils préférées / aimées le moins ? » Cette piste était pertinente pour mieux cerner leurs intérêts respectifs et pour comprendre le type de théâtre qu’ils mettaient en valeur. La critique journalistique favorise-t-elle des pièces du canon théâtral britannique ? Préfère-t-elle plutôt les drames ou les comédies ? A l’inverse, quel type de pièce est promulguée par la critique numérique ?
Quelles méthodes informatiques utiliser pour déterminer automatiquement les sentiments d’un texte ?
Souvent utilisée par les entreprises, l’analyse de sentiments permet de définir et de catégoriser des opinions, des attitudes ou des sentiments dans un texte. Ces techniques sont apparues dans les années 2000 et sont principalement utilisées sur des bases de données provenant de réseaux sociaux. Nous avons ainsi utilisé ces mêmes méthodes mais sur ce corpus théâtral.
L’algorithme effectue un premier ensemble de calculs qui permet de déterminer si le texte de la critique est considéré comme positif, négatif ou neutre. Ensuite, il détermine le pourcentage des sentiments suivants : la colère, la peur, la joie, la tristesse et la surprise. Une fois ces valeurs établies, il ne reste plus qu’à effectuer des calculs statistiques pour déterminer quelles critiques ont obtenu les scores les plus élevés (ce qui correspond aux « succès ») ou au contraire, les scores les plus faibles (ce qui correspond aux « échecs »).
