La distribution des sentiments positifs et négatifs

Les histogrammes illustrent la fréquence des sentiments positifs et négatifs évalués à partir des tweets. Le sentiment négatif, représenté en rouge, affiche une moyenne de 1.13 avec un écart type de 1.6, suggérant une distribution avec une légère tendance vers des valeurs plus élevées. Inversement, le sentiment positif, en vert, montre une moyenne légèrement inférieure à 0.98 avec un écart type de 1.28, indiquant une dispersion moindre autour de valeurs plus basses. Ces distributions indiquent que les utilisateurs de Twitter exprimaient plus fréquemment des sentiments négatifs avec une intensité supérieure, par rapport aux sentiments positifs durant la période analysée.

La distribution conjointe des sentiments

La visualisation de la distribution conjointe des scores de sentiment positif et négatif révèle une tendance dispersée des données, avec un faible modèle de corrélation suggéré par la ligne de lissage. La position ‘jitter’ des points minimise les superpositions, permettant une meilleure distinction des observations dans les zones de forte densité. Cette répartition indique que les sentiments positifs et négatifs ne sont pas exclusifs et peuvent coexister dans les expressions des utilisateurs. Il serait intéressant d’étudier plus en détail la nature des tweets qui se trouvent dans les quadrants de forte intensité émotionnelle pour comprendre les contextes qui mènent à ces expressions mixtes de sentiments.

Evolution de la valence du sentiment du confinement

Ce graphique montre l’évolution des sentiments positifs et négatifs liés au confinement, ainsi que la valence résultante, heure par heure. Les variations suggèrent des réactions complexes qui vont au-delà d’une simple opposition entre les sentiments positifs et négatifs, reflétant une expérience collective nuancée.

Tweets par jour

Le graphique révèle une décroissance notable du nombre de tweets au fil des jours, mettant en lumière les dynamiques de l’engagement en ligne durant le confinement.

Evolution de la valence du sentiment du confinement (2)

Le graphique trace l’évolution de la valence des sentiments, suggérant une coexistence complexe de sentiments positifs et négatifs qui défie une interprétation simpliste basée sur une opposition directe. Ces observations invitent à une analyse plus nuancée des comportements sur les réseaux sociaux en période de crise.

Les émotions des tweets #ConfinementJour”

Ce graphique met en lumière la diversité et l’évolution des émotions exprimées sur Twitter pendant le confinement. Chaque panneau représente une émotion distincte, offrant ainsi une vue détaillée du paysage émotionnel. Les fluctuations quotidiennes soulignent les réponses variées des individus aux événements marquants, offrant un aperçu unique de l’état émotionnel collectif durant cette période.

Les émotions des tweets #ConfinementJour (2)

On se concentre sur les 8 facettes de l’émotion telle que conceptualisée par Plutchik (@plutchik_psychoevolutionary_1982), on reprend les définitions :

"la confiance va de l’acceptation à l’admiration
la peur va de la timidité à la terreur
la surprise va de l’incertitude à l’étonnement
la tristesse va de la morosité au chagrin
le dégoût va de l’aversion à la répugnance
la colère va de l’agacement à la fureur
l’anticipation va de l’intérêt à la vigilance
La joie va de la sérénité à l’extase".

Les émotions des tweets #ConfinementJour (3)

et les revoici sous une autre forme de visualisation graphique.

Spectre des émotions #ConfinementJour

Intensité des émotions #ConfinementJour

Ce graphique illustre l’évolution globale des émotions exprimées sur Twitter pendant le confinement. Les variations soulignent des réactions notables à des événements clés, avec un pic significatif vers le 20ème jour. Cela met en lumière l’impact des circonstances extérieures sur le moral collectif.

Corrélation des séries

Le graphique présente une matrice de corrélation des émotions détectées dans les tweets. Des corrélations positives notables émergent entre certaines émotions, suggérant des liens dans la façon dont les utilisateurs expriment leurs sentiments. Par exemple, la colère est fortement corrélée avec le dégoût et la tristesse, ce qui pourrait refléter une tendance à partager des expériences négatives. Cependant, il est important de noter que la corrélation ne signifie pas causalité; des facteurs externes pourraient influencer ces expressions simultanées.

Analyse factorielle

Une structure bifactorielle avec la surprise associée aux deux pôles positifs et négatifs : heureux/malheureux, joyeux/triste …

Convergence des indicateurs

Facettes et sentiments

Regardons les relations entre émotions et expérience via https://jokergoo.github.io/ComplexHeatmap-reference/book/a-single-heatmap.html

Analyse Factorielle

Corrélations entre les deux dimensions des émotions

Ce graphique en heatmap montre la corrélation entre différents sentiments et domaines de l’expérience émotionnelle. Les zones rouges indiquent une corrélation positive, tandis que les bleues indiquent une corrélation négative. On observe par exemple que l’anticipation est modérément associée aux sentiments négatifs, tandis que la surprise présente une légère corrélation négative avec le dégoût. Ces nuances de corrélation peuvent offrir des insights sur les intrications émotionnelles des expériences partagées sur Twitter.

End

Cette heatmap révèle la corrélation entre les émotions positives et divers sentiments négatifs. L’anticipation montre une corrélation modérée avec le sentiment négatif, suggérant que même l’attente ou l’espoir peut coexister avec des émotions négatives. Les autres émotions positives, comme la joie et la confiance, ont des corrélations faibles ou négatives avec les sentiments négatifs, ce qui est attendu puisqu’elles sont généralement opposées dans le spectre émotionnel.