The Course of News Events: A Comparison of Bottom-Up and Top-Down Approaches for Collecting Text-Based Data about Disasters

Résumé technique : Le cours des événements d'actualité

Problématique
Dans les études socio-environnementales, les articles de presse constituent une source critique pour comprendre les impacts des catastrophes et l'adaptation. Cependant, un défi méthodologique fondamental réside dans la sélection d'un échantillon de données représentatif. Les chercheurs s'appuient généralement sur l'une des deux approches suivantes : une méthode descendante (top-down), qui interroge les bases de données d'actualités en utilisant des inventaires de catastrophes existants (ex. EM-DAT) comme vérité de terrain, ou une méthode ascendante (bottom-up), qui utilise le traitement du langage naturel (NLP) pour regrouper les textes d'actualité selon des caractéristiques temporelles et spatiales. Les deux approches possèdent des limites intrinsèques : les méthodes descendantes ignorent les événements non répertoriés dans les inventaires, tandis que les méthodes ascendantes peuvent capturer des événements jugés peu dignes d'intérêt par certains médias ou générer des faux positifs. Cet article examine comment ces décisions de conception influencent l'échantillon de presse résultant, notamment en ce qui concerne la couverture des événements, ce qui affecte les études sur les inégalités médiatiques, la surveillance des catastrophes et l'enrichissement des inventaires.

Méthodologie
L'étude utilise un ensemble de données d'environ 55 000 articles de presse allemands concernant les glissements de terrain à travers le monde, collectés entre 2000 et 2024. L'analyse compare deux stratégies de mise en correspondance d'événements :

1. Approche Ascendante (Bottom-Up) : Basée sur les travaux antérieurs de Madureira et al. (2026), cette méthode identifie 4 567 événements d'actualité dans 152 pays. Un « événement d'actualité » est défini comme une séquence d'articles faisant référence à des glissements de terrain dans le même pays, commençant le premier jour de la couverture et se terminant après $\theta = 5$ jours consécutifs sans couverture.
2. Approche Descendante (Top-Down) : Cette méthode extrait 2 014 événements de glissement de terrain de l'inventaire EM-DAT (couvrant 138 pays). Elle interroge la base de données d'actualités pour des articles dans une fenêtre temporelle spécifique par rapport à la date de début de l'EM-DAT.

Procédure de mise en correspondance des événements
Pour les comparer, les auteurs emploient une stratégie d'alignement temporel (illustrée par la Figure 2) utilisant les paramètres $\Delta_b$ (jours avant) et $\Delta_a$ (jours après) :

• Alignement Ascendant : Une entrée EM-DAT est considérée comme alignée si sa date de début tombe dans $[\Delta_b, \Delta_a]$ de la date de début de l'événement d'actualité. Pour cette approche, $\Delta_b = 5$ et $\Delta_a = 1$, reconnaissant que l'actualité peut rapporter un événement légèrement avant la date de début officielle, mais rarement après le premier rapport.
• Requête Descendante : Pour chaque entrée EM-DAT, le système interroge la base de données d'actualités pour les articles dans la fenêtre $[\Delta_b, \Delta_a]$. Ici, $\Delta_b = 1$ et $\Delta_a = 5$, permettant un délai dans le reportage des nouvelles internationales et tenant compte des erreurs potentielles dans les dates de début.

Résultats clés
La comparaison révèle des chevauchements non bijectifs significatifs entre les deux ensembles de données :

• Écarts de couverture : L'approche ascendante a identifié plus de deux fois plus d'événements (4 567) que l'inventaire EM-DAT (2 014). Cependant, seulement 16,1 % (737) des événements d'actualité ascendants s'alignaient temporellement avec une entrée EM-DAT. Inversement, les requêtes descendantes ont réussi à récupérer des actualités pour 42,2 % (851) des entrées EM-DAT.
• Exclusivité mutuelle :
  • 57,7 % des événements EM-DAT n'avaient aucune couverture médiatique pertinente dans la base de données allemande (requêtes vides).
  • 82,9 % des événements d'actualité ascendants ne s'alignaient sur aucune entrée EM-DAT.
• Biais spatiaux et économiques : Les échantillons résultants diffèrent considérablement en termes de distribution. L'approche ascendante a attribué 54,3 % des événements au Sud global, alors que les requêtes descendantes ont attribué 81,4 % au Sud global. Inversement, 47,7 % des événements ascendants faisaient référence à des pays à revenu élevé, contre 20,6 % pour les requêtes descendantes.
• Validité du contenu : La vérification manuelle de plus de 150 événements ascendants a révélé que beaucoup ne représentent pas des catastrophes spécifiques et en cours. Les catégories incluaient « concret mais passé » (souvenirs, décisions judiciaires), « indéfini » (avertissements généraux, études), « vague » (fictif/rhétorique) et « faux positifs » (géolocalisation erronée ou langage figuré).

Signification et contributions
L'article ne prétend pas qu'une approche est supérieure à l'autre ; il soutient plutôt qu'elles sont complémentaires et que le choix de la méthode façonne fondamentalement les résultats de la recherche.

• Aperçu méthodologique : L'étude démontre que s'appuyer uniquement sur des requêtes descendantes fait manquer la majorité des événements d'actualité (ceux qui ne sont pas dans les inventaires), tandis que s'appuyer uniquement sur le regroupement ascendant introduit un bruit important et capture des discussions thématiques générales plutôt que des occurrences de catastrophes spécifiques.
• Quantification des biais : Les résultats soulignent que la couverture médiatique et l'inclusion dans les inventaires ne sont pas aléatoires. L'EM-DAT se concentre sur les événements graves, tandis que l'attention des médias est influencée par la densité de population, la pertinence économique et l'intérêt public.
• Bonnes pratiques : Les auteurs concluent que l'extraction automatisée ne peut éliminer les faux positifs. Par conséquent, des analyses diagnostiques sont impératives pour exposer les lacunes des paradigmes du Big Data. Les chercheurs doivent faire des choix éclairés sur l'échantillon à utiliser en fonction de leurs objectifs spécifiques : les approches ascendantes sont adaptées à l'étude des modèles d'attention médiatique, tandis que les approches descendantes sont meilleures pour enrichir les bases de données de catastrophes existantes avec des données d'impact, à condition de reconnaître les biais inhérents à l'inventaire.