Thèse soutenue

Analyse du capitalisme social sur Twitter

FR  |  
EN
Auteur / Autrice : Nicolas Dugué
Direction : Jean-Michel Couvreur
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance le 29/06/2015
Etablissement(s) : Orléans
Ecole(s) doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....)
Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique fondamentale d'Orléans (Orléans ; 1987-....)
Jury : Président / Présidente : Clémence Magnien
Examinateurs / Examinatrices : Jean-Michel Couvreur, Clémence Magnien, Jean-Loup Guillaume, Emmanuel Viennet, Frédéric Moal, Julien Velcin, Anthony Perez
Rapporteur / Rapporteuse : Jean-Loup Guillaume, Emmanuel Viennet

Résumé

FR  |  
EN

Le sociologue Bourdieu définit le capital social comme : ''L’ensemble des ressources actuelles ou potentielles qui sont liées à la possession d’un réseau durable de relations''. Sur Twitter, les abonnements, mentions et retweets créent un réseau de relations pour chaque utilisateur dont les ressources sont l’obtention d’informations pertinentes, la possibilité d’être lu, d’assouvir un besoin narcissique, de diffuser efficacement des messages.Certains utilisateurs Twitter -appelés capitalistes sociaux - cherchent à maximiser leur nombre d’abonnements pour maximiser leur capital social. Nous introduisons leurs techniques, basées sur l’échange d’abonnements et l’utilisation de hashtags dédiés. Afin de mieux les étudier, nous détaillons tout d’abord une méthode pour détecter à l’échelle du réseau ces utilisateurs en se basant sur leurs abonnements et abonnés. Puis, nous montrons avec un compte Twitter automatisé que ces techniques permettent de gagner efficacement des abonnés et de se faire beaucoup retweeter. Nous établissons ensuite que ces dernières permettent également aux capitalistes sociaux d’occuper des positions qui leur accordent une bonne visibilité dans le réseau. De plus, ces méthodes rendent ces utilisateurs influents aux yeux des principaux outils de mesure. Nous mettons en place une méthode de classification supervisée pour détecter avec précision ces utilisateurs et ainsi produire un nouveau score d’influence.