Analyser les Pratiques Informationnelles Numériques en Contexte – APINC

Ce projet de recherche porte sur les pratiques informationnelles des internautes et a pour ambition de les ré-inscrire dans une économie plus large des expériences médiatiques, politiques et symboliques. L’objectif est double : repenser d’une part l’articulation entre les pratiques médiatiques « en ligne » et « hors ligne », et parvenir d’autre part à situer socialement et politiquement ces pratiques. Cette recherche entend également se départir d’une posture consistant à discriminer les pratiques informationnelles selon un axe normatif – avec des pratiques jugées « dangereuses » (partage de fake news et théories du complot, etc.) opposées à des pratiques « vertueuses » (consulter des sources légitimes, recourir au fact checking, etc.) – pour mieux appréhender le sens que les internautes donnent à leurs pratiques, sans préjuger de leur cohérence ou de leur signification. Cette proposition invite ainsi à décentrer le regard des seules fake news, afin de mieux saisir les logiques informationnelles au prisme de la classe sociale, du niveau d’éducation, du genre et du lieu de vie des internautes.
Il s’agira pour ce faire de bâtir un dispositif d’enquête multi-méthodes innovant, articulant une approche de big data du réseau social Twitter avec une enquête par sondage et focus group. Le premier volet du dispositif consistera à identifier et caractériser des communautés de comptes sur le réseau social, via des techniques de clusterisation. Le deuxième volet reposera sur la réalisation de focus group, avec les membres de chaque cluster. L’objectif sera de mieux saisir le sens des pratiques observées en ligne. Enfin, le troisième volet reposera sur un sondage réalisé auprès d’un échantillon de la population française, afin d’analyser dans quelle mesure les résultats observés en ligne sont représentatifs de tendances plus globales. Ce projet vise in fine à analyser les nouvelles pratiques informatives à partir d’un prisme sociologique, à l’aide de techniques de big data.