3-4 - « Vive les masques » ou « A bas les masques » ? Quand un algorithme a du mal à classer les sentiments
Notice bibliographique
Résumé
Il a été suggéré que les données provenant de médias sociaux pourraient être utilisées pour évaluer l'acceptation des mesures de santé publique (MSP) par la population. L'objectif de cette étude vise à évaluer la capacité d'algorithmes à identifier les sujets et les sentiments de gazouillis relatifs aux MSP. Nous avons extrait des gazouillis canadiens mentionnant des mots-clés liés à la COVID-19 (décembre 2020-août 2021). Les gazouillis ont été classés par sujet (port du masque, vaccination, distanciation sociale) grâce à un algorithme filtrant des mots-clés. Le sentiment face aux MSP a été déterminé en dichotomisant, selon différents seuils, la valence (échelle : 0 à 1) prédite par un modèle neuronal permettant de déterminer si un gazouillis est plutôt positif ou négatif. Les gazouillis ont également été classés par cinq annotateurs de la plateforme « Amazon MTurk ». Nous avons calculé la sensibilité (SE) et la spécificité (SP), et leurs intervalles de crédibilité bayésiennes 95%, des algorithmes et des annotateurs avec des modèles bayésiens de classe latente (BACL) hiérarchiques. Nous avons sélectionné 443 gazouillis pour la classification des sujets et 801 pour la classification des sentiments. La SP de l'algorithme pour classer tous les sujets était presque parfaite, mais la SE variait de 0,65 (0,55-0,74) pour la distanciation sociale à 0,82 (0,77-0,87) pour la vaccination. Par contre, l'algorithme pour classer les sentiments performait mal peu importe la valeur seuil utilisée. Par exemple, en utilisant une valeur de ≥ 0,45 pour un sentiment positif, l'algorithme avait une SE de 0,37 (0,30-0,45) et une SP de 0,71 (0,66-0,77) alors que le meilleur annotateur avait une SE de 0,84 (0,79-0,89) et une SP de 0,94 (0,91-0,97). Malgré la capacité de l'algorithme à classer les sujets, nos résultats démontrent qu'il serait prématuré d'utiliser celui classant les sentiments pour déterminer l'acceptation des MSP par la population.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».