Abstracts
Résumé
S’il est admis que les techniques d’enquête en sociologie — et les modes de raisonnement qui leur sont associés — sont étroitement liées à leurs contextes institutionnels et intellectuels d’apparition, comment le développement des écosystèmes numériques transforme-t-il actuellement les manières de savoir sur le social ? Dans cet article introductif, nous observons la façon dont les sciences sociales computationnelles (SSC) et les humanités numériques mettent en tension la sociologie. D’un côté, les sciences sociales computationnelles concurrencent la sociologie en traitant de ses objets les plus classiques, mais dans une perspective prédictive qui ne lui est pas familière. D’un autre côté, les humanités numériques s’imaginent comme le chapiteau des sciences sociales, mais avec une offre numérique qui s’inscrit dans la tradition méthodologique de l’exégèse textuelle de laquelle les sociologues cherchent à se distancier. La sociologie se trouve comme prise dans l’étau des sciences sociales computationnelles et des humanités numériques. Nous avons observé trois types de réactions face à cette situation — la protection, la conservation et l’adaptation — qui montrent à quel point le numérique pénètre progressivement la discipline sociologique, depuis son propre coeur. Pour que celle-ci devienne pleinement numérique, il convient néanmoins de faciliter les conditions d’accès aux données numériques, notamment en discutant le cadre juridique, économique et technique des écosystèmes numériques de la recherche publique.
Appendices
Bibliographie
- Abbott, A. (2014), Digital Paper : A Manual for Research and Writing with Library and Internet Materials, Chicago, University of Chicago Press.
- Abbott, A. (2016), « L’avenir des sciences sociales : entre l’empirique et le normatif », inAnnales HSS, vol. 71, n° 3, p. 575-596.
- Bakshy, E., S. Messing et L. Adamic (2015), « Exposure to ideologically diverse news and opinion on Facebook », Science, vol. 348, n° 3, 6239, p. 1130-1132.
- Barabasi, A.-L. et R. Albert (1999), « Emergence of Scaling in Random Networks », Science, vol. 286, n° 5439, p. 509-512.
- Battisti, M. et J. Schöpfel (2017), « Quel paysage juridique pour l’exploration de données ? », I2D — Information, données & documents, vol. 54, n° 2, p. 25-26.
- Baya-Laffite, N. (2017), Moving beyond the digitalised and natively digital divide. The case of the mapping of climate policy debates in multiple spaces, 3rd International Conference on Public Policy (ICCP3), Singapour.
- Beaude, B. (2014), Les fins d’Internet, Limoges, FYP.
- Beauguitte, L. (2015), ENSAI Cours 4 — L’analyse des réseaux complexes, groupe fmr, https://groupefmr.hypotheses.org/3644, consulté le 21 janvier 2018.
- Beer, D. et R. Burrows (2007), « Sociology And, of and in Web 2.0 : Some Initial Considerations », Sociological Research Online, vol. 12, n° 5, p. 1-13.
- Bessy, C. et F. Chateauraynaud (1995), Experts et faussaires. Pour une sociologie de la perception, Paris, Métailié.
- Beuscart, J.-S. (2017), « Des données du Web pour faire de la sociologie… du Web ? », inMenger, P.-M. et S. Paye (dir.), Big data et traçabilité numérique : Les sciences sociales face à la quantification massive des individus, Paris, Collège de France, p. 141-161.
- Beuscart, J.-S., É. Dagiral et S. Parasie (2016), Sociologie d’internet, Paris, Armand Colin.
- Boelaert, J. et E. Ollion (à paraître), « The Great Regression Machine Learning, Econometrics, and the Future of Quantitative Social Sciences », Revue française de sociologie.
- Borra, E. et B. Rieder (2014), « Programmed method : developing a toolset for capturing and analyzing tweets », Aslib Journal of Information Management, vol. 66, n° 3, p. 262-278.
- Borra, E., E. Weltevrede, P. Ciuccarelli, A. Kaltenbrunner, D. Laniado, G. Magni, … et T. Venturini (2014), « Contropedia — the Analysis and Visualization of Controversies in Wikipedia Articles », Proceedings of The International Symposium on Open Collaboration, p. 34 : 1.
- Boullier, D. (2015a), « Les sciences sociales face aux traces du big data », Revue française de science politique, vol. 65, n° 5, p. 805-828.
- Boullier, D. (2015b), « Vie et mort des sciences sociales avec le big data », Socio. La nouvelle revue des sciences sociales, n° 4, p. 19-37.
- Boullier, D. (2017), « Pour des sciences sociales de troisième génération (SS3G) : Des traces numériques aux réplications », inMenger P.-M. et S. Paye (dir.), Big data et traçabilité numérique : Les sciences sociales face à la quantification massive des individus, Paris, Collège de France, p. 163-184.
- Bourdieu, P. (1997), Méditations pascaliennes, Paris, Le Seuil.
- Bozio, A. et P.-Y. Geoffard (2017), L’accès des chercheurs aux données administratives : État des lieux et propositions d’actions, Paris, Conseil national de l’information statistique.
- Bruns, A. (2018), Facebook shuts the gate after the horse has bolted, and hurts real research in the process, Internet Policy Review, https://policyreview.info/articles/news/facebook-shuts-gate-after-horse-has-bolted-and-hurts-real-research-process/786, consulté le 28 mai 2018.
- Burrows, R. et M. Savage (2014), « After the crisis ? Big Data and the methodological challenges of empirical sociology », Big Data & Society, vol. 1, n° 1, p. 1-6.
- Caillol, H. (2015), « Ouverture des données de santé : l’expérience de l’Assurance maladie », Informations sociales, n° 191, p. 60-67.
- Callon, M. (2013), « Sociologie de l’acteur réseau », inAkrich M. et B. Latour (dir.), Sociologie de la traduction : Textes fondateurs, Paris, Presses des Mines, p. 267-276.
- Cardon, D. et A. Casilli (2015), Qu’est-ce que le Digital Labor ?, Paris, Institut national de l’audiovisuel.
- Cgeiet et Igf (2015), Rapport relatif aux données d’intérêt général : https://www.economie.gouv.fr/files/files/PDF/DIG-Rapport-final2015-09.pdf, consulté le 28 mai 2018.
- Chignard, S. et L.-D. Benyayer (2015), Datanomics Les nouveaux business models des données, Limoges, FYP.
- Cointet, J.-P. et S. Parasie (à paraître), « Ce que le big data fait à l’analyse sociologique des textes. Un panorama critique des recherches contemporaines », Revue française de sociologie.
- Dacos, M. (2011), Manifeste des Digital humanities, THATCamp Paris, Billet.
- Dacos, M. et P. Mounier (2014), Humanités numériques. État des lieux et positionnement de la recherche française dans le contexte international, Institut français.
- Eagle, N., A. Pentland et D. Lazer (2009), « Inferring friendship network structure by using mobile phone data », Proceedings of the National Academy of Sciences, vol. 106, n° 36, p. 15274-15278.
- Generationlibre (2018), Patrimonialité des données numériques, https://www.generationlibre.eu/data-a-moi/, consulté le 20 juin 2018.
- Haggerty, K. D. et R. V. Ericson (2000), « The surveillant assemblage », The British Journal of Sociology, vol. 51, n° 4, p. 605-622.
- Harcourt, B. E. (2015), Exposed : Desire and Disobedience in the Digital Age, Cambridge, Harvard University Press.
- Hargittai, E. et C. Sandvig (2015), « How to think about digital research », in : Hargittai E. et C. Sandvig (dir.), Digital Research Confidential : The Secrets of Studying Behavior Online, MIT Press, p. 1-28.
- Hofman, J. M., A. Sharma et D. J. Watts (2017), « Prediction and explanation in social systems », Science, vol. 355, n° 6324, p. 486-488.
- Jessie, D., G. Karen et T. Mcmillan Cotton (dir.) (2016), Digital sociologies, Bristol, Policy Press.
- Kaplan, F. (2013), Lancement de la « Venice Time Machine », https://fkaplan.wordpress.com/2013/03/14/lancement-de-la-venice-time-machine/, consulté le 20 décembre 2017.
- Karsenti, B. et C. Lemieux (2017), Socialisme et sociologie, Paris, Éditions de l’École des hautes études en sciences sociales.
- Lanier, J. (2014), Who Owns the Future ?, London, Simon and Schuster.
- Latour, B. (2010a), Cogitamus : six lettres sur les humanités scientifiques, Paris, La Découverte.
- Latour, B. (2010b), « Tarde’s idea of quantification », inCandea M. (dir.), The Social after Gabriel Tarde : Debates and Assessments, London, Routledge, p. 145-162.
- Latour, B., P. Jensen, T. Venturini, S. Grauwin et D. Boullier (2013), « Le tout est toujours plus petit que ses parties », Réseaux, n° 177, p. 197-232.
- Lazer, D., A. Pentland, L. Adamic, S. Aral, A.-L. Barabasi, D. Brewer, … M.V. Alstyne (2009), « Computational Social Science », Science, vol. 323, n° 5915, p. 721-723.
- Leskovec, J. et E. Horvitz (2008), Planetary-Scale Views on an Instant-Messaging Network, arXiv : 0803.0939 [physics], https://arxiv.org/abs/0803.0939, consulté le 20 décembre 2017.
- Lupton, D. (2015), Digital Sociology, New York, Routledge.
- Marres, N. (2017), Digital Sociology : The Reinvention of Social Research, London, John Wiley & Sons.
- Mason, W. et D. J. Watts (2009), « Financial Incentives and the « Performance of Crowds » », in : Proceedings of the ACM SIGKDD Workshop on Human Computation, ACM, New York, p. 77-85.
- Maurel, L. et L. Aufrere (5 février 2018), Pour une protection sociale des données personnelles, – S.I.Lex –https://scinfolex.com/2018/02/05/pour-une-protection-sociale-des-donnees-personnelles/, consulté le 3 avril 2018.
- Mcfarland, D. A., K. Lewis et A. Goldberg (2016), « Sociology in the Era of Big Data : The Ascent of Forensic Social Science », The American Sociologist, vol. 47, n° 1, p. 12-35.
- Menger, P.-M. (2014), Le travail, sa valeur et son évaluation.https://www.college-de-france.fr/site/pierre-michel-menger/course-2013-2014.htm, consulté le 3 avril 2018.
- Merckle, P. (2016), Sociologie des réseaux sociaux, Paris, La Découverte.
- Merton, R. K. (1968), « The Matthew Effect in Science : The reward and communication systems of science are considered », Science, vol. 159, n° 3810, p. 56-63.
- Moretti, F. (2013), Distant Reading, London et New York, Verso.
- Ollion, É. (2015), « L’abondance et ses revers. Big data, open data et recherches sur les questions sociales », Informations sociales, n° 191, p. 70-79.
- Orton-Johnson, K. et N. Prior (2013), Digital Sociology : Critical Perspectives, Springer.
- Pailhes, B. (2018), « Comment définir et réguler les « données d’intérêt général » ? Enjeux numériques », n° 2, Annales des Mines, http://www.annales.org/enjeux-numeriques/2018/en-2018-02/EN-2018-06-9.pdf, consulté le 15 juin 2018.
- Parasie, S. et J.-P. Cointet (à paraître), « Comment se forment les publics d’une carte de crimes ? Une analyse computationnelle de traces textuelles », Réseaux.
- Pariser, E. (2012), The Filter Bubble : What The Internet Is Hiding From You, London, Penguin.
- Passeron, J.-C. (2006), Le raisonnement sociologique : Un espace non poppérien de l’argumentation, Paris, Albin Michel.
- Pentland, A. (2015), Social Physics : How Social Networks Can Make Us Smarter, New York, Penguin.
- Pentland, A. (1er avril 2012), The New Science of Building Great Teams, Harvard Business Review, https://hbr.org/2012/04/the-new-science-of-building-great-teams?referral=00134, consulté le 15 juin 2018.
- Pentland, A. (1er novembre 2013), Beyond the Echo Chamber, Harvard Business Review, https://hbr.org/2013/11/beyond-the-echo-chamber, consulté le 15 juin 2018.
- Rieder, B. (2013), « Studying Facebook via Data Extraction : The Netvizz Application », in : Proceedings of the 5th Annual ACM Web Science Conference, ACM, New York, p. 346-355.
- Rieder, B., A. Matamoros-Fernandez et Ò. Coromina (2018), « From ranking algorithms to « ranking cultures » : Investigating the modulation of visibility in YouTube search results », Convergence, vol. 24, n° 1, p. 50-68.
- Rieder, B. et T. Röhle (2012), « Digital methods : Five challenges », in : Understanding Digital Humanities, London, Palgrave MacMillan, p. 67-84.
- Rogers, R. (2013), Digital Methods, Cambridge, MIT Press.
- Salganik, M. J. (2017), Bit by Bit : Social Research in the Digital Age, Princeton, Princeton University Press, 448 p.
- Salganik, M. J. et D. J. Watts (2009), « Web-Based Experiments for the Study of Collective Social Dynamics in Cultural Markets », Topics in Cognitive Science, vol. 1, n° 3, p. 439-468.
- Savage, M. et R. Burrows (2007), « The Coming Crisis of Empirical Sociology », Sociology, vol. 41, n° 5, p. 885-899.
- Travers, J. et S. Milgram (1969), « An Experimental Study of the Small World Problem », Sociometry, vol. 32, n° 4, p. 425-443.
- Turco, C. J. et E. W. Zuckerman (2017), « Verstehen for Sociology : Comment on Watts », American Journal of Sociology, vol. 122, n° 4, p. 1272-1291.
- Venturini, T. (2010), « Diving in magma : How to explore controversies with actor-network theory », Public Understanding of Science, vol. 19, n° 3, p. 258-273.
- Venturini, T. (2012), « Building on faults : how to represent controversies with digital methods », Public Understanding of Science, vol. 21, n° 7, p. 796-812.
- Venturini, T., N. Baya-Laffite, J.-P. Cointet, I. Gray, V. Zabban et K. D. Pryck (2014a), « Three maps and three misunderstandings : A digital mapping of climate diplomacy », Big Data & Society, vol. 1, n° 2, p. 1-19.
- Venturini, T., L. Bounegru, J. Gray et R. Rogers (2018), A reality check(list) for digital methods, New Media & Society, http://journals.sagepub.com/doi/abs/10.1177/1461444818769236, consulté le 15 juin 2018.
- Venturini, T., D. Cardon et J.-P. Cointet (2014b), « Présentation », Réseaux, n° 188, p. 9-21.
- Watts, D. J. (2004), Six Degrees : The Science of a Connected Age, New York, W. W. Norton & Company.
- Watts, D. J. (2013), « Computational social science : Exciting progress and future directions », The Bridge on Frontiers of Engineering, vol. 43, n° 4, p. 5-10.
- Watts, D. J. (2014), « Common Sense and Sociological Explanations », American Journal of Sociology, vol. 120, n° 2, p. 313-351.
- Watts, D. J. et S. H. Strogatz (1998), « Collective dynamics of « small-world » networks », Nature, vol. 393, n° 6684, p. 440-442.
- Weltevrede, E. et E. Borra (2016), « Platform affordances and data practices : The value of dispute on Wikipedia », Big Data & Society, vol. 3, n° 1, p. 1-16.