ANALYSES
Sur cette page nous vous présentons les différentes analyses auxquelles nous avons eu recours. Comme nous l’avons déjà explicité sous l’onglet base de données, nous avons utilisé Python afin de trier nos données : élimination des portraits, tri par géolocalité, filtrage par les mots-clés Ouchy et Flon… Une fois le tri effectué et notre problématique fixée, nous avons exploité différentes méthodes afin de « faire parler » nos données, nos images et de pouvoir répondre à notre question de recherche : comment l'infrastructure du funiculaire Lausanne-Ouchy a changé le rôle, la relation et le regard des deux sites ? Suite à cela nous avons encore affiné notre base de données en scindant notre corpus en avant/après 1877 (inauguration du funiculaire) pour les deux sites concernés.
Ainsi ci-dessous vous trouvez une explication concernant les cartes que nous avons produites, la fréquences des mots-clés à travers des groupes thématique ainsi que le réseau de centralité.
LES CARTES
Afin de mettre en avant notre fond iconographique et de le rendre accessible, nous avons créé quatre cartes. Ces dernières ont été réalisées à l’aide de Python, toujours selon notre fil rouge, c’est-à-dire avant ou après l’inauguration du funiculaire. Nous avons également superposés des cartes historique correspondantes afin de permettre une meilleure illustration « temporelle » pour nos images. Nos réalisations offrent à ses utilisateurs la possibilité de découvrir les images dont nous avons bénéficiés pour établir notre projet ainsi que leur localisation. Ces derniers peuvent également accéder à un bouton permettant d'enlever la carte historique superposée ainsi que les informations disposées sur la carte.
Cependant, il est important de souligner que notre base de données ne comprend pas toujours de géolocalisation exacte. Par exemple, nous pouvons avoir le nom d’une rue mais pas le numéro exacte de cette dernière. Nous ne pouvons donc affirmer la géolocalisation de ces photographies avec exactitude.
LA FRÉQUENCE
Un de nos autres choix méthodologique a été de recourir à une analyse de la fréquence des mots-clés. Précisons que ces derniers ont été produits de façon arbitraire par les personnes ayant contribué à la création de la base de données. Rappelons qu’à ce stade du projet nos données sont constituées de plus de 3'000 éléments : un corpus avant/après 1877 à propos du Flon et d’Ouchy. Comment mettre en place notre analyse de fréquence et comment faire parler les occurrences ? Pour ce faire, nous avons exploité nos données afin d’en faire une analyse selon des groupes thématiques ainsi qu’un réseau de centralité. Nous vous invitons à prendre connaissance de ces différents procédés plus bas.
GROUPEMENTS THÉMATIQUE
Afin de faire parler nos mots-clés à travers leurs fréquences, nous avons utiliser des semantic clusters (Moretti et Pestre : 2-4, 2015) puis nous les avons représentés sur une carte. Ainsi, nous avons procédés comme pour les cartes décrites plus haut. Nous avons créé six différents groupes thématiques : Industrie, Maritime, Nature, Social, Tourisme et Transport (un tableau présent sur la page consacrée à nos cartes explicite chaque catégorie). Ces différents sujets ont été choisis de façon arbitraire, selon les mots-clés dont nous disposions ainsi que des thématiques en lien avec notre sujet. Par exemple, nous avons vu à travers l’histoire du Flon qu’avant les transformations morphologique majeures, c’était un lieu plein de nature, de verdure. Nous avons également constaté qu’Ouchy était synonyme de tourisme et que nous pouvions parler de sphère maritime à cause du lac.
Cette méthode nous a permis de générer des cartes avec des cluster selon la fréquence des différents groupes avant et après 1877 au travers de la ville de Lausanne. Ceci donne non-seulement un aperçu temporel mais également visuel de l’accroissement ou du décroissement des différentes catégories.
 |  |  |
|---|
RÉSEAU DE CENTRALITÉ
Les mesures de centralités permettent la mise en avant de l’importance ou non-importance des nœuds dans un réseau. L’analyse d’un réseau de centralité « assigns an importance score based simply on the number of links held by each node » (Disney, Social network analysis 101 : centrality measures explained). Dans le cadre de notre projet, une telle analyse nous permet de visualiser les différentes connexions entre les mots-clés, s’il en existe des centraux ainsi que l’importance de ces derniers selon l’épaisseur des lignes représentant la fréquence. Nous pouvons constater les éléments les « plus » connectés ou a contrario, ceux n’ayant aucun lien voire très peu. De telles informations nous permettent de faire parler les données, elles nous donnent des clés d’analyse concernant les informations quantitatives qui se cachent derrière chaque images présente dans notre base de données.
Suite à des problèmes logistiques nous ne pouvons malheureusement pas rendre accessible nos différents réseaux pour le moment.