Search results

International audience ; Les données des réseaux sociaux sont de plus en plus utilisées pour en extraire de la valeur, dans des domaines tels que le marketing, la politique ou la sociologie. Celles-ci peuvent être représentées sous forme de graphes, en modélisant précisément les interactions à travers des liens dirigés et pondérés. Dans l'analyse des données des réseaux sociaux, l'étude des communautés est une étape essentielle. Toutefois, pour une interprétation fine des phénomènes, il est également nécessaire d'étudier leurs interactions et de pouvoir détecter des traces de polarisation. Nous proposons une méthode qui permet d'évaluer l'antagonisme des communautés et d'identifier leurs frontières dans des réseaux pondérés et dirigés. Notre méthode s'accompagne d'une implémentation disponible en accès libre. Nous validons expérimentalement notre proposition par l'étude des théories complotistes autour de tweets liés à la vaccination contre la COVID-19. ABSTRACT. Social network data are increasingly used to extract value from them, in different domains such as marketing, politics or sociology. These data can be represented by graphs which model the interactions between individuals through directed and weighted links. The detection and study of communities in online social networks are important tasks to understand the behavior of users. However, for a detailed interpretation of a phenomena, it is also necessary to study their interactions and to be able to detect and evaluate polarization of communities. We propose a method which allows to evaluate the antagonism of the communities and to identify their boundaries in weighted and directed networks. An implementation is available in open access. We experimentally validate our proposal by studying conspiracy theories around tweets related to COVID-19 vaccines.

International audience ; Les données des réseaux sociaux sont de plus en plus utilisées pour en extraire de la valeur, dans des domaines tels que le marketing, la politique ou la sociologie. Celles-ci peuvent être représentées sous forme de graphes, en modélisant précisément les interactions à travers des liens dirigés et pondérés. Dans l'analyse des données des réseaux sociaux, l'étude des communautés est une étape essentielle. Toutefois, pour une interprétation fine des phénomènes, il est également nécessaire d'étudier leurs interactions et de pouvoir détecter des traces de polarisation. Nous proposons une méthode qui permet d'évaluer l'antagonisme des communautés et d'identifier leurs frontières dans des réseaux pondérés et dirigés. Notre méthode s'accompagne d'une implémentation disponible en accès libre. Nous validons expérimentalement notre proposition par l'étude des théories complotistes autour de tweets liés à la vaccination contre la COVID-19. ABSTRACT. Social network data are increasingly used to extract value from them, in different domains such as marketing, politics or sociology. These data can be represented by graphs which model the interactions between individuals through directed and weighted links. The detection and study of communities in online social networks are important tasks to understand the behavior of users. However, for a detailed interpretation of a phenomena, it is also necessary to study their interactions and to be able to detect and evaluate polarization of communities. We propose a method which allows to evaluate the antagonism of the communities and to identify their boundaries in weighted and directed networks. An implementation is available in open access. We experimentally validate our proposal by studying conspiracy theories around tweets related to COVID-19 vaccines.

Summarization: The financial health of local governments has attracted considerable interest over the past couple of decades. In this study, we follow a benchmarking perspective and introduce a multi-attribute financial evaluation model that allows peer assessments to be made, including comparisons over time, while differentiating between managerial performance and the effect of the external environment. The model is applied to a large database involving the entire population of French municipalities over the period 2000–2012 to assess how the reforms implemented over the past decade (taxation and decentralization) have affected the financial performance of local governments in France. The findings are of particular interest to both the academia and policymakers including local public authorities and central governments. ; Presented on: European Journal of Operational Research