2.1.1 Métadonnées

Avant toute exploitation statistique des données, il peut être intéressant de montrer aux étudiants tout le détail du processus de réalisation du recensement en s’appuyant à la fois sur la documentation générale et sur le bulletin d’enquête proprement dit

Mais bien d’autres documents méritent également d’être analysés, notamment ceux relatifs aux procédures de recueil, saisie ou contrôle et ceux relatifs au coût financier de l’opération de recensement.

2.1.2 Rapports officiels

La relative ancienneté de ce recensement présente en fait l’avantage de montrer l’ensemble des exploitations officielles qui ont pu en être faites sous l’égide de l’INSAE, à destination des décideurs politiques de tous niveaux mais aussi des entreprises ou des citoyens. Le point commun de la majorité des rapports est de fournir un très grand nombre de tableaux croisés (tris à plat) qui présentent les dénombrement des populations et des ménages à touts les échelles. On notera à cet égard le grand intérêt de la collection des cahiers de village qui fournissent pour chacun des douze départements du Bénin des tableaux très précis des situations locales. Malheureusement, seule une partie d’entre eux fournit une cartographie des contours des arrondissements (niveau de découpage infracommunal) et il est en général impossible de localiser les villages qui sont le niveau géographique d’observation le plus fin. Notons enfin que les seules cartes fournies dans ces rapports le sont à l’échelle des départements mais pour ainsi dire jamais à l’échelles des communes et encoremoins à celle des arrondissements.

La cartographie locale semble donc être un enjeu très important pour l’école d’été CIST 2022, mais il ne semble pas forcément évident d’obtenir les contours des unités spatiales de collecte les plus petites (arrondissements, villages) ni même leur géolocalisation. Ces données ne sont en tous les cas pas disponibles sur le site du recensement que nous avons examinée. Elle relèvent probablement d’u autre organisme national (Insitut Géographique National ?) à moins qu’elles ne soient soumises à des règles de confidentialité.

2.1.3 Données individuelles

Nous avons découvert à notre grande surprise que les bulletins individuels de recensement des populations et des ménages sont librement accessibles dans le dossier d’archive mis à la disposition du public sous l’appellation “masque de saisie” en suivant ce lien. Plus précisément, on obtient un dossier contenant deux fichiers :

• le fichier de données INSAE_RGPH4_2013.dat (978 Mo) contient l’enssemble exhaustif des informations sur les points d’enquête (localisation en département, commune, arrondissement, village, bloc, numéro de ménage), les individus, les ménages et les décès survenus au cours des dernières années.
• le dictionnaire de métadonnées INSAE_RGPH4_2013.dcf (103 Ko) décrit de façon précise et détaillée les champs d’information et les codes de chacune des variables.

On peut lire le fichier en se servant d’un programme R, mais celui-ci est très lourd (près de 20 millions de lignes) et pour les utilisateurs débuutants de R il est plus simple de l’ouvrir avec le logiciel CSPro qui est l’application qui a été utilisée pour réaliser le recensement au Benin comme dans de nombreux pays africains.

2.2.1 Exemple d’utilisation

Nous utilisons ici un tableau qui a été réalisé à l’aide de CSPro en croisant les variables “Département de résidence actuel” et “Département de résidence antérieur”. Nous excluons de ce fait les mobilités internationales entrantes et nous ne prenons pas en compte l’ancienneté de la migration qui est variable puisque le recensement demande uniquement le dernier changement de domicile.

Commentaire : Les lignes correspondent au département de résidence précédente et les colonnes au département de résidence actuelle. La diagonale correspond aux individus présents dans un département n’ayant pas déclaré avoir résidé dans un autre. Les personnes recensées qui déclare avoir résidé à l’étranger sont exclues ce qui explique que le total général soit 9.62 millions d’habitants et non pas de 10 millions. On peut déduire de la somme des lignes et des colonnes (hors diagonale) la somme des départs et des arrivées, ce qui permet par la suite de calculer le volume des migrations et le solde migratoire. On peut enfin examiner pour chaque paire de département la quantité d’échanges bilatéraux ainsi que les transferts nets. Par exemple, on trouve 1319 migrants du département d’Atacora vers celui d’Alibori contre 3246 dans la direction opposée.

Ce tableau peut donc servir de base à une initiation à l’étude des migrations interne du pays, un premier exercice pouvant consister à en extraire les indicateurs de base sur les départements.

Commentaire : Si les chiffres du recensement sont exacts et si nous n’avons pas commis d’erreurs … le tableau met en évidence des évolutions démographiques très contrastées d’un département à l’autre en termes de mobilité et d’attractivité migratoire. Ainsi le département d’Alibori se caractérise apparemment par une très faible mobilité avec un taux d’émigration de 3.3% et un taux d’immigration de 1.5% soit un solde migratoire négatif de -15219 habitants. Le département de l’Atlantique est quant à lui le plus attractif avec un solde migratoire de +248063 habitant qui s’explique par un taux d’immigration exceptionnel (près du tiers de ses habitants actuels ont résidé antérieurement dans un autre département). A l’inverse, le département du Littoral est caractérisé par un solde migratoire de -246908 habitant qui s’explique par une très forte mobilité combinant une assez forte immigration (16%) et une très forte immigration (45%). On peut supposer que cela correspond à un phénomène de plaque tournante de la métropole de Cotonou qui attire et renvoie de nombreux migrants de tout le pays tout en s’étalant progressivement au delà des limites étroites de son département vers des périphéries urbaines situées dans les départements de l’Atlantique et de Oueme. Notons pour finir que le département de Bhttp://127.0.0.1:32566/rmd_output/0/#annexesorgou connaît également une évolution très positive liée à la croissance de la ville de Parakou, métropole du Nord.

2.3.1 Construction du tableau de données

1. Lieu (loc1) et (dat1) date de naissance de l’individu
2. Lieu (loc2) et date de départ (dat2) de la dernière résidence si elle est différente de la résidence actuelle
3. Lieu (loc3) et date de recensement (dat3) dans la résidence actuelle.

On peut en déduire trois autres variables booléennes indiquant l’existence de mobilités passées

• mob13 : migration durée de vie, si le lieu de naissance est différent du lieu de recensement
• mob23 : dernière migration, si l’individu a déclaré avoir résidé antérieurement dans un autre lieu
• mob12 : migration entre la naissance et le dernier lieu de résidence avant le lieu de recensement.

On peut ensuite ajouter au fichier autant de données que l’on souhaite relatives à l’individu ou au ménage. Ici, on a jouté à titre d’exemple uniquement deux variables :

• ref : indique si l’individu concerné est la personne de référence du ménage ou non.
• sex : indique si l’individu concerné est un homme ou une femme.

On choisit ici de retenir les individus qui ont déclaré avoir effectué à la fois une mobilité 1-2 et une mobilité 2-3, ce qui donne un tableau comportant 635051 observations. Il est probablement incomplet car beaucoup d’individus n’ont pas renseigné la seconde localisation ou bien l’ont fait de façon imprécise. Mais il offre néanmoins de nombreuses possibilités d’utilisation pédagogique :

dt<-readRDS("data/rp2013/mobind.RDS")
  dt<-data.table(dt)
  dt2<-dt[mob12+mob23==2 &is.na(dat2)==F]
  kable(head(dt2))

La première ligne du tableau ci-dessus correspond à un homme chef de ménage qui avait environ 34 ans lors du recensement de 2013. Il est né dans la commune de Dassa en 1979, puis a effectué au moins une migration qui l’a amené à un date inconnue à Abomey-Calavi d’où il est parti en 2005 pour Banikoara où il résidait en 2013. La seconde ligne du tableau correspond à une femme qui n’est pas chef de ménage et avait environ 30 ans lors du recensement de 2013. Elle est née en 1983 dans la commune de Banikoara puis est partie à une date inconnue à Cotonou qu’elle a quitté en 2008 pour revenir dans sa commune d’origine.

Comme on peut le voir avec les deux exemples précédents, le tableau permet de repérer soit des trajectoires complexes mettant en jeu trois lieux différents, soit des trajectoires d’aller et retour concernant des individus qui sont revenus dans leur commune de naissance après avoir séjourné dans une autre commune.

2.3.2 Exemple des mobilités depuis ou vers Cotonou

Etudions à tire d’exemple le cas de l’ensemble des personnes qui ont déclarées être présentes dans la commune de Cotonou (code 081) a un moment ou un autre de leur parcours migratoire. On peut distinguer 8 cas

1. Résidence permanente à Cotonou (loc1 = loc2 = loc3 = Cotonou)
2. Arrivée à Cotonou sans relais (loc1 = X, loc2 = X, loc3 = Cotonou)
3. Arrivée à Cotonou avec relais (loc1 = X, loc2 = Y, loc3 = Cotonou)
4. Départ puis retour à Cotonou (loc1 = Cotonou, loc2 = X, loc3 = Cotonou)
5. Départ de Cotonou sans relais (loc1 = loc2 = Cotonou, loc3 = X)
6. Départ de Cotonou avec relais (loc1 = Cotonou, loc2 = X, loc3 = Y)
7. Aller à Cotonou puis retour (loc1 = X, loc2 = Cotonou, loc3 = X)
8. Aller à Cotonou puis départ (loc1 = X, loc2 = Cotonou, loc3 = Y)

com<-"081"
  cas1<-dt[loc1==com][loc2==com][loc3==com][,cas:=1]
  cas2<-dt[loc1!=com][loc2==loc1][loc3==com][,cas:=2]
  cas3<-dt[loc1!=com][loc2!=loc1][loc2!=com][loc3==com][,cas:=3]
  cas4<-dt[loc1==com][loc2!=com][loc3==com][,cas:=4]
  cas5<-dt[loc1==com][loc2==loc1][loc3!=com][,cas:=5]
  cas6<-dt[loc1==com][loc2!=loc1][loc3!=com][loc3!=loc2][,cas:=6]
  cas7<-dt[loc1!=com][loc2==com][loc3==loc1][,cas:=7]
  cas8<-dt[loc1!=com][loc2==com][loc3!=loc1][loc3!=com][,cas:=8]
  tabcom<-rbind(cas1,cas2,cas3,cas4,cas5,cas6,cas7,cas8)
  tabcom$cas<-as.factor(tabcom$cas)
  levels(tabcom$cas) <-c("1. Résidence permanente" ,
                         "2. Arrivée sans relais " ,
                         "3. Arrivée avec relais"  ,
                         "4. Aller et retour"      ,
                         "5. Départ sans relais"   ,
                         "6. Départ avec relais"   ,
                         "7. Passage puis retour"  ,
                         "8. Passage puis départ")
  
  res<-tabcom[,.(nb=.N),.(cas)]
  restot<-data.table(cas="Total",nb=dim(tabcom)[1])
  res2013<-data.table(cas="Résidents 2013 (1+2+3+4)",nb=sum(res[1:4]$nb))
  
  res[c(1,4,5,6),sum(nb)]

[1] 616450

natifs<-data.table(cas="Natifs (1+4+5+6)",nb=sum(res[c(1,4,5,6)]$nb))
  res<-rbind(res,res2013,natifs,restot)
  res$pct<-100*res$nb/restot$nb
  kable(res,digits = c(NA,0,2),caption = "Cotonou dans le système migratoire du Bénin (RP 2013)")

Cet exemple montre que près d’un million de personnes recensées au Bénin en 2013 (soit environ 10% de la population) sont “passées” à un moment ou un autre de leur parcours migratoire par Cotonou. On remarque aussi que le nombre de natifs de Cotonou présents au Bénin en 2013 (613450) est supérieur à la population de la commune à cette date (581352). il s’agit donc d’une plaque tournante migratoire majeure pour le pays, mais dont l’espace est saturé et qui redistribue plus de population vers le reste du pays qu’elle n’en reçoit.

2.3.3 Exemple des mobilités depuis ou vers Parakou

Le programme précédent peut être transformé en fonction applicable à n’importe quelle commune du Benin et ultérieurement implanté sous forme de site web pour apprécier les différences de fonctionnement des territoires. A titre d’exemple, considérons justes le cas de Parakou (code 045), métropole en pleine croissance qui polarise le nord du pays.

com<-"045"
  cas1<-dt[loc1==com][loc2==com][loc3==com][,cas:=1]
  cas2<-dt[loc1!=com][loc2==loc1][loc3==com][,cas:=2]
  cas3<-dt[loc1!=com][loc2!=loc1][loc2!=com][loc3==com][,cas:=3]
  cas4<-dt[loc1==com][loc2!=com][loc3==com][,cas:=4]
  cas5<-dt[loc1==com][loc2==loc1][loc3!=com][,cas:=5]
  cas6<-dt[loc1==com][loc2!=loc1][loc3!=com][loc3!=loc2][,cas:=6]
  cas7<-dt[loc1!=com][loc2==com][loc3==loc1][,cas:=7]
  cas8<-dt[loc1!=com][loc2==com][loc3!=loc1][loc3!=com][,cas:=8]
  tabcom<-rbind(cas1,cas2,cas3,cas4,cas5,cas6,cas7,cas8)
  tabcom$cas<-as.factor(tabcom$cas)
  levels(tabcom$cas) <-c("1. Résidence permanente" ,
                         "2. Arrivée sans relais " ,
                         "3. Arrivée avec relais"  ,
                         "4. Aller et retour"      ,
                         "5. Départ sans relais"   ,
                         "6. Départ avec relais"   ,
                         "7. Passage puis retour"  ,
                         "8. Passage puis départ")
  
  res<-tabcom[,.(nb=.N),.(cas)]
  restot<-data.table(cas="Total",nb=dim(tabcom)[1])
  res2013<-data.table(cas="Résidents 2013 (1+2+3+4)",nb=sum(res[1:4]$nb))
  
  res[c(1,4,5,6),sum(nb)]

[1] 194345

natifs<-data.table(cas="Natifs (1+4+5+6)",nb=sum(res[c(1,4,5,6)]$nb))
  res<-rbind(res,res2013,natifs,restot)
  res$pct<-100*res$nb/restot$nb
  kable(res,digits = c(NA,0,2),caption = "Cotonou dans le système migratoire du Bénin (RP 2013)")

Cet exemple montre qu’environ 300 000 de personnes recensées au Bénin en 2013 sont “passées” à un moment ou un autre de leur parcours migratoire par Parakou. On remarque aussi que le nombre de natifs de Parakou présents au Bénin en 2013 (194345) est supérieur à la population de la commune à cette date (239026). A l’inverse de Cotonou, cette commune de Parakou retient donc plus de migrants qu’elle n’en redistribue vers le reste du pays. Il s’agit d’un pôle d’accumulation.

2.3.4 Exemple de modèle de choix conditionnel : Parakou ou Cotonou ?

Pour répondre à la demande de France et Mouftaou de construire des applications des modèles logistique ou multi-niveau, on peut construire un exemple simple de modèle de choix en considérant les personnes chef de ménage et âgées de plus de 18 ans en 2013 qui ont quitté leur commune de naissance pour se rendre respectivement à Cotonou (0) ou à Parakou (1). On trouve 128473 individus répondant à ces critères parmi lesquels on tire au hasard un échantillon de 1000 personnes :

sel<-dt[!loc1 %in% c("045","081")][loc3 %in% c("045","081")][dat1<1995][ref=="O",.(sex,age = 2013-dat1,ori=loc1_name,dest=as.character(loc3_name))]
  kable(head(sel))

tabcont<-table(sel$sex,sel$dest)
  test<-chisq.test(tabcont)
  chi<-round(test$statistic,2)
  pval<-cut(test$p.value,breaks=c(0,0.001,0.01,0.1,1))
  levels(pval)<-c("***","**","*","n.s.")
  res<-paste("Chi-2 = ", chi, ", df = ",test$parameter,"sign = ", pval)
  plot(tabcont,col=c("lightyellow","orange"), main = "Les femmes préfèrent Cotonou ?", sub=res)

sel$age2<-cut(sel$age,breaks=c(18,25,35,45,55,65,100))
  tabcont<-table(sel$age2,sel$dest)
  test<-chisq.test(tabcont)
  chi<-round(test$statistic,2)
  pval<-cut(test$p.value,breaks=c(0,0.001,0.01,0.1,1))
  levels(pval)<-c("***","**","*","n.s.")
  res<-paste("Chi-2 = ", chi, ", df = ",test$parameter,"sign = ", pval)
  plot(tabcont,col=c("lightyellow","orange"), main = "Les jeunes préfèrent Parakou ?", sub=res)

3.2.1 Métadonnées

Le dossier des limites administratives du Benin fourni par HDX (cliquer ici) est accessible au format shapefile et comporte différentes couches correspondant aux différents niveaux administratifs. Sa datation laisse augurer qu’il s’agit de la situation la plus récente: les fichiers datent de juin 2021 mais leur nom comporte la séquence “20190816” qui doit plutôt correspondre au 16 Août 2019. En pratique, les limites sont celles du recensement de 2013.

N.B. nous avons toutefois découvert une erreur importante dans le code de la commune d’Adjara qui est noté BJ0101 alors que le code exact est BJ1001. Nous avons également constaté une variabilité des noms de vraiables désignant les codes dans la base OCHA. C’est pourquoi nous avons préféré harmoniser les fichiers.

adm0<-st_read("data/admin/ben_adm0.shp",quiet = TRUE)
  adm1<-st_read("data/admin/ben_adm1.shp",quiet = TRUE)
  adm2<-st_read("data/admin/ben_adm2.dbf", quiet = TRUE)

3.2.2 Exemple d’application

Pour vérifier la qualité des fichiers nous effectuons un calage sur un fonds de carte OpenStreetMap à l’aide du package leaflet :

map <- leaflet() %>% 
              addTiles() %>%
              setView(lat = 8, lng=2.1, zoom = 6) %>%
                addPolygons(data = adm2,
                            label = ~ADM2_NAME,
                            highlightOptions = TRUE,
                             fill = TRUE,
                             color = "orange",
                             weight = 3 ) %>%
               addPolygons(data = adm1,
                          fill = FALSE,
                          color = "red",
                          weight = 2) %>%
               addPolygons(data = adm0,
                          fill = FALSE,
                          color = "black",
                          weight = 1) 
    
  
  map

3.3.1 Métadonnées

Un dossier du HDX accessible ici fournit les populations par âge et par sexe en 2019 au niveau des communes, départements ou pays entier. Il s’agit naturellement d’estimations mais les données n’en sont pas moins très utile pour toute analyse travaillant sur les situations présentes. Les classes d’âges sont suffisamment détaillées (tranches de 5 ans de 0 à 80 ans) pour procéder à des analyses démographiques intéressantes.

3.3.2 Exemple d’application

A titre de vérification, on réalise une analyse factorielle des correspondances AFC sur la pyramide des âges des 77 communes

don<-read.table("data/pop2019/ben_adm2_pop.csv", sep=";",header=T, encoding = "UTF-8")
  don2<-don[,c(11:44)]
  row.names(don2)<-don$ADM2_PCODE
  
  afc<-CA(don2,ncp = 10,graph = FALSE)
  library(explor)
  res <- explor::prepare_results(afc)
  explor::CA_var_plot(res, xax = 1, yax = 2, lev_sup = FALSE, var_sup = FALSE,
      var_sup_choice = , var_hide = "Row", var_lab_min_contrib = 0, col_var = "Position",
      symbol_var = NULL, size_var = NULL, size_range = c(10, 300), labels_size = 10,
      point_size = 56, transitions = TRUE, labels_positions = "auto", xlim = c(-0.234,
          0.332), ylim = c(-0.187, 0.38))

On enchaîne par une CAH (sur les axes de l’AFC) :

cah <- HCPC(afc,nb.clust = 5,graph = FALSE)
  plot.HCPC(cah,choice = "tree")

Type de structures par âge et sexe des communes du Benin en 2019 (source : OCHA)

plot.HCPC(cah,choice = "map", label.cex=0.3)

Position des classes de la CAH sur les axes de l’AFC (source : OCHA)

Il reste à visualiser les classes. On crée pour cela une fonction assez complexe de comparaison entre le profil de celles-ci et le profil du Bénin, inspirée d’un programme trouvé sur un forum du CIRAD

Profils moyens des classes (source : OCHA)

• la classe 1 : correspond à une population beaucoup plus jeune que la moyenne du pays avec un excédent de 0-9 ans et un déficit de 30 ans et plus. C’est la partie du pays où la transition démographique semble être la plus tardive
• la classe 2 : présente également un profil de population jeune avec un excédent de 5-14 ans, mais se caractérise par une réduction relative des 0-4 ans qui témoigne soit d’une baisse de la fécondité, soit d’un exode rural des jeunes ménages avec enfants.
• la classe 3 correspond au profil moyen du pays.
• la classe 4 est caractérisée par un excédent de personnes âgées et un déficit à la fois de jeunes enfants et de jeunes adultes. Elle correspond à des zones de vieillissment relatif de la population, soit sous l’effet de l’exode rural, soit en raison d’une baisse de la fécondité.
• la classe 5 est caractérise par une forte surreprésentation des jeunes adultes et des persones âgées, associée à un net déficit des enfants jeunes de 0 à 14 ans. Il s’agit vraisemblablement de zones urbaines caractérisées par une fécodité plus tardive et une meilleure espérance de vie.

On peut visualiser la distribution de ces cinq classes sur une carte :

Distribution spatiale des classes (source : OCHA)

3.4.1 Métadonnées

Ce fichier qui est accessible sur HDX en suivant ce lien a été mis à disposition par l’organisation Translators without borders mais l’analyse des métadonnées montre qu’il s’agit en fait de données extraites du recensement géénral de population du Bénin de 2013 :

Created by Translators without Borders, Uploaded on Jun-21, Version 1

Notes and caveats

• All data is drawn from government survey results and is subject to any associated limitations or distortions present in the source data.
• Literacy was measured as the ability to read and write in any language. Languages with population shares less than 0.01% or under 1,000 people (whichever is greater) have been aggregated into the “Other” field.
• All decimal values have been rounded to a maximum of 3 decimal places. As a result language shares may not total 100%.
• Empty values represent non-existent data and should not be treated as zero values. Data is available under an Attribution NonCommercial ShareAlike 4.0 International license (CC BY NC SA 4.0)

Copyright and terms of use

• You are free to share and adapt the data subject to requirements for attribution and non commercial use.
• Any derivative work must be distributed under the same license as the original. Full terms at https://creativecommons.org/licenses/by nc sa/4.0/

Les fichiers fournies comportaient de petites erreurs ou des difficultés de formatage rendant compliquée leur importation dans R. Il a donc fallu les corriger un peu avant de les utiliser. Une fois cela effectué, on a vérifié que les données pouvaient se cartographie en effectuant une jointure avec le fichier administratif au niveau communal.

N.B. nous avons retrouvé l’erreur dans le code de la commune d’Adjara qui est noté BJ0101 alors que le code exact est BJ1001. Nous avons donc reconstruit les fichiers en les harmonisant avec les fonds de carte.

3.4.2 Exemple d’application

Le fichier comporte un ensemble de variables concernant le niveau d’alphabétisation des hommes et des femmes de plus de 6 ans en 2013. Voici à titre indicatif les valeurs par département et pour l’ensemble du pays :

dep<-read.table("data/langues/ben_lang_adm1_correct.csv", sep=";",header =TRUE, dec=",")
  dep<-dep[,c(1:2,77:82)]
  kable(dep)

Ce tableau se prêtera particulièrement bien à des exercices d’initiation à la statistiques et la cartographie sous R puisqu’il comporte à la fois des stocks (population par sexe), des taux (% de population alphabétisée par sexe) et une possibilité de les combiner pour retrouver le nombre de personnes alphabétisée. Il s’inscrit par ailleurs pleinement dans la thématique des inégalités territoriales.

On peut à titre d’exemple construire une cartographie du niveau d’alphabétisation des hommes et des femmes par département du Bénin en 2013 (carte choroplèthe) et superposer par dessus les effectifs correspondants d’hommes et de femmes alphabétisés.

Alphabétisation des hommes et femmes du Bénin par département en 2013 (source : RP Bénin 2013, via OCHA)

On voit apparaître alors une assez forte corrrélation entre les deux distributions, même si les femmes sont moins alphabétisés que les hommes. Ce qui suggère un exercice d’apprentissage de la régression linéaire entre les deux variables.

mod.reg <- lm(dep$literacy_female~dep$literacy_male)
  #stargazer(mod.reg,type = "html")
  ggplot(data = dep) + aes(x=100*literacy_male, y = 100*literacy_female, label = ADM1_NAME) +
                       geom_point(col="red") + 
                       geom_smooth(method="lm") +
                       geom_text(cex=3, nudge_y=2) +
                       scale_x_continuous("Taux d'alphabétisation des hommes (%)") +
                       scale_y_continuous("Taux d'alphabétisation des femmes (%)") +
                       ggtitle("Inégalités d'alphabétisation des départements du Benin par sexe",
                               subtitle = "Source : RP 2013 via OCHA")

Les résultats mettent en évidence le fait que l’alphabétisation des femmes au Bénin en 2013 est en moyenne inférieure de 20% à celle des hommes (le paramètre b de la régression est non significatif) et la relation est statistiquement très significative (r2 = 93 %, p < 0.001). Il existe notamment des résidus c’est-à-dire des départements où la scolarisation des femmes estimée en fonction de celle des hommes est plus forte que prévue (Alibori, Borgou, Littoral) ou plus faible que prévue (Plateau, Couffo, Mono).

Le même modèle appliqué au niveau des communes permettrait une analyse plus fine des résultats à travers une carte des résidus. On pourrait aussi imaginer une analyse mutiscalaire croisant les écarts des communes à la moyenne du pays, de leur département et des communes voisines à l’aide du package mta. Bref, il s’agit sans nul doute d’un excellent exemple pédagogique pour l’école d’été CIST2022.

3.5.1 Métadonnées

Ce fichier qui est accessible sur HDX en suivant ce lien a été mis à disposition par World Food Programme. Cette base qui semble avoir été interrompue présente l’avantage d’offrir une grande profondeur historique et une résolution spatialetrès précise puisque les prix sont localisés par marché et par semaine.

This no longer updated dataset contains Global Food Prices data from the World Food Programme covering foods such as maize, rice, beans, fish, and sugar for 76 countries and some 1,500 markets. It is updated weekly but contains to a large extent monthly data. The data goes back as far as 1992 for a few countries, although many countries started reporting from 2003 or thereafter.

Le fichier contenant les coordonnées de latitude et de longitude des marchés, il peut théoriquement être cartographié facilement à l’aide d’un outil de cartographie dynamique tel que mapview. Mais il peut aussi faire l’objet de multiples agrégations spatiales, temporelles, par produit. Reste évidemment à en apprécier la qualité …

Noter qu’il est nécessaire d’éliminer la seconde ligne du tableau initial sous excel pour pouvoir ensuite charger correctement le fichier. Il est également préférable de lire le fichier avec la fonction fread() du package data.table faut de quoi on peut avoir des problèmes d’encodage plus ou moins délicats à résoudre.

dt<-fread("data/foodprices/wfp_food_prices_ben.csv")
  kable(head(dt))

On peut assez facilement spatialiser le fichier qui comporte en tout 51 marchés assez bien répartiis sur l’ensemble du pays comme le montre la carte ci-desous :

loc<-dt %>% filter(duplicated(market)==FALSE) %>% select(c(2,3,4,5,6)) %>% arrange (admin1,admin2, market)
  markets <- st_as_sf(loc, coords = c("longitude","latitude"))
  st_crs(markets)<- 4326
  #mapview(markets)
  
  
  adm0<-st_read("data/admin/ben_adm0.shp",quiet = TRUE)
  adm1<-st_read("data/admin/ben_adm1.shp",quiet = TRUE)
  adm2<-st_read("data/admin/ben_adm2.shp", quiet = TRUE)
  
  par(mar=c(0,0,0,0))
  plot(adm2$geometry,col="gray90", border = "gray20",lwd=0.5)
  plot(adm1$geometry,col=NA, border = "black",lwd=1, add=TRUE)
  plot(adm0$geometry,col=NA, border = "black",lwd=2, add=TRUE)
  plot(markets$geometry,col="red", bg="yellow",pch=21,add=TRUE,cex=0.7)

3.5.2 Exemple d’application

Cette base de données multidimensionelle peut servir d’exemple pour de nombreux exercices d’apprentissage de la statistique et de la cartographie sous R. Le prix des produits alimnentaires dépend en effet :

• du type de produit (QUOI) ?
• de la date d’achat (QUAND) ?
• du lieu d’achat (OU ?)

Pour chacune des dimensions, on peut réaliser des procédures d’agrégation des valeurs observées ou d’estimation des valeurs manquantes. A titre d’exemple, on extrait de la base de donnée l’ensemble des lignes qui concernent le riz

riz<- dt %>% filter(substr(commodity,1,4)=="Rice") %>% 
                 select(when = date, 
                        where1 = admin1,
                        where2 = admin2,
                        where3 = market,
                        what = commodity,
                        cost = usdprice )
  kable(head(riz))

On peut calculer le prix median du riz sur l’ensemble des points de sondage disponibles en fonction de la catégorie de riz :

tab<- riz %>% group_by(when, what) %>% summarize(median_cost=median(cost), nbobs = n())
  ggplot(tab) + aes(x=when,y=median_cost, color=what, size=nbobs) + geom_point() + 
    scale_x_continuous("Données de prix mensuelles") + 
    scale_y_continuous("Prix médian d'un kilog de riz (en $)")+
    ggtitle(label = "Estimation des prix du riz au Bénin",subtitle = "Source : World Food Program (via HDX)")

Le graphique montre plusieurs choses :

• les données les plus complètes concernent le riz importé qui augmente fortement au moment de la crise de 2007-2008
• la spatialisation des données n’est pas vraiment possible avant 2015 voire 2018
• il y a de fortes différences de prix selon le type de riz

Effectuons maintenant un zoom sur le priz médian du riz importé en 2020-2021 par régions :

tab <- riz %>% filter(when >=as.Date("2020-04-01"), what =="Rice (imported)") %>%
                 group_by(when,where1) %>%
                 summarize(median_cost=median(cost))
  ggplot(tab) + aes(x=when,y=where1, fill=median_cost) +geom_tile() + 
    scale_fill_gradient(low="white", high = "red")+
      scale_x_date("Médiane des valeurs observées par mois") + 
    scale_y_discrete("Département")+
    ggtitle(label = "Prix du riz importé sur les marchés du Benin ($/kg)",subtitle = "Source : World Food Program (via HDX)")

3.6.1 Métadonnées

Ce fichier accessible en cliquant ici concerne le peuplement, c’est-à-dire apparemment l’inventaire de toutes les localisations avec leur nom et leur position en latitude longitude. Il comporte 6306 entrées. Les fichiers sont datés de 2015.

loc<-st_read("data/settlement/ben_plp_NGA.shp", quiet = TRUE)
  par(mar=c(0,0,0,0))
  plot(adm2$geometry,col="lightyellow", border = "gray20",lwd=0.5)
  plot(loc$geometry,col="red",pch=16,cex=0.2, add=T)

Village et peuplement au Benin vers 2015 (Source : OCHA-ROWCA)

3.6.2 Exemple d’application

A titre de vérification de la précision, nous effectuons une superposition sur le fonds de carte OpenStreetMap pour la commune de Ouidah (code BJ0304 ou BEN003004) ou aura lieu l’école d’été du CIST. En cliquant sur les points onpeut comparer leur nom avec celui des localités indiquées par OSM.

map<-adm2[adm2$admin2Pcod=="BJ0304",]
  map<-st_transform(map,4326)
  
  vil<-loc[loc$RowcaCode2=="BEN003004",]
  vil<-st_transform(vil,4326)
  
  
  map <- leaflet() %>% 
              addTiles() %>%
              setView(lat = 6.4, lng=2.1, zoom = 11) %>%
              addPolygons(data = map,
                          fill = FALSE,
                          color = "red",
                          weight = 2) %>%
               addMarkers(data = vil,
                          label = ~FULL_NAME_)
  
  map

Il y a à l’évidence des décalages … Et le contour de la commune lui-même ne semble pas coller exactement avec celui fourni par OSM. Il faudra vérifier laquelle des deux sources est erronée (à moins que ce ne soient les deux ?). Toutefois, la localisation semble rester approximativement juste …

4.1.1 Le tableau “countries”

Il fournit des renseignements de base sur les différents pays, leurs codes, etc.

str(cat$countries)

tibble [304 x 18] (S3: tbl_df/tbl/data.frame)
   $ iso3c             : chr [1:304] "ABW" "AFG" "AFR" "AGO" ...
   $ iso2c             : chr [1:304] "AW" "AF" "A9" "AO" ...
   $ country           : chr [1:304] "Aruba" "Afghanistan" "Africa" "Angola" ...
   $ capital_city      : chr [1:304] "Oranjestad" "Kabul" NA "Luanda" ...
   $ longitude         : num [1:304] -70 69.2 NA 13.2 19.8 ...
   $ latitude          : num [1:304] 12.52 34.52 NA -8.81 41.33 ...
   $ region_iso3c      : chr [1:304] "LCN" "SAS" NA "SSF" ...
   $ region_iso2c      : chr [1:304] "ZJ" "8S" NA "ZG" ...
   $ region            : chr [1:304] "Latin America & Caribbean" "South Asia" "Aggregates" "Sub-Saharan Africa" ...
   $ admin_region_iso3c: chr [1:304] NA "SAS" NA "SSA" ...
   $ admin_region_iso2c: chr [1:304] NA "8S" NA "ZF" ...
   $ admin_region      : chr [1:304] NA "South Asia" NA "Sub-Saharan Africa (excluding high income)" ...
   $ income_level_iso3c: chr [1:304] "HIC" "LIC" NA "LMC" ...
   $ income_level_iso2c: chr [1:304] "XD" "XM" NA "XN" ...
   $ income_level      : chr [1:304] "High income" "Low income" "Aggregates" "Lower middle income" ...
   $ lending_type_iso3c: chr [1:304] "LNX" "IDX" NA "IBD" ...
   $ lending_type_iso2c: chr [1:304] "XX" "XI" NA "XF" ...
   $ lending_type      : chr [1:304] "Not classified" "IDA" "Aggregates" "IBRD" ...

Le tableau comporte 304 observation et il mélange des pays (France), des fragments de pays (Réunion) et des agrégats de pays (Europe). Il faudra donc bien faire attention lors de l’extraction à réfléchir à ce que l’on souhaite utiliser. Par exemple, si l’on veut juste les pays :

## Programme en langage R_base
  # pays<-cat$countries[cat$countries$income_level!="Aggregates",c("iso3c", "country","capital_city","longitude","latitude", "region","income_level")]
  
  
  ## Programme en langage dplyr
  
  pays <- cat$countries %>% 
            filter(income_level !="Aggregates") %>%
            select(iso3c,country, capital_city, latitude, longitude, region, income_level)
  
  
  kable(head(pays))

4.1.2 Le tableau indicators

Il comporte pas loin de 17000 variables … Autant dire qu’il est difficile de l’explorer facilement si l’on ne sait pas ce que l’on cherche.

indic<-cat$indicators
  dim(indic)

[1] 16649     8

kable(head(indic))

vars <- wbsearch(pattern = "CO2",fields="indicator")
  kable(head(vars))

# Programme R-base
  meta<-cat$indicators[cat$indicators$indicator_id %in% c("SP.POP.TOTL","NY.GDP.MKTP.CD","EN.ATM.CO2E.KT"),]
  
  # Programme dplyr
  meta<-cat$indicators %>%
          filter(indicator_id %in% c("SP.POP.TOTL","NY.GDP.MKTP.CD","EN.ATM.CO2E.KT"))
  
  kable(meta)

4.1.3 L’extraction des données

Elle se fait à l’aide de la fonction wb_data qui comporte de nombreuses options.

df   <- wb_data(indicator  = c("NY.GDP.MKTP.CD","SP.POP.TOTL", "EN.ATM.CO2E.KT"))

4.1.4 le choix d’une période de temps

df   <- wb_data(indicator  = c("NY.GDP.MKTP.CD","SP.POP.TOTL", "EN.ATM.CO2E.KT"),
                  start_date = 2017,
                  end_date = 2019)
  dim(df)

[1] 651   7

kable(head(df,6))

df   <- wb_data(indicator  = c("NY.GDP.MKTP.CD","SP.POP.TOTL","EN.ATM.CO2E.KT"),
                  mrv = 1)
  dim(df)

[1] 434   7

kable(head(df,6))

4.1.5 Le choix des unités géographiques

Le paramètre country = permet de choisir les entités spatiales à collecter, soit sous forme de liste de codes, soit à l’aide de valeurs spéciales. Par défaut; il renvoie la liste de tous les pays, mais on peut se limiter à quelques uns seulement à l’aide de leur nom en anglais (risqué …) ou de leur code ISO3 (plus sûr)

df   <- wb_data(indicator  = c("NY.GDP.MKTP.CD","SP.POP.TOTL","EN.ATM.CO2E.KT"),
                  start_date = 2018,
                  end_date = 2018,
                  country = c("BEN","TGO"))
  df$GDP.per.capita <- round(df$NY.GDP.MKTP.CD / df$SP.POP.TOTL,0)
  df$CO2.per.capita <- round(1000*df$EN.ATM.CO2E.KT / df$SP.POP.TOTL,2)
  kable(head(df,6))

df   <- wb_data(indicator  = c("NY.GDP.MKTP.CD","SP.POP.TOTL","EN.ATM.CO2E.KT"),
                  start_date = 2018,
                  end_date = 2018,
                  country = "regions_only")
  df$GDP.per.capita <- round(df$NY.GDP.MKTP.CD / df$SP.POP.TOTL,0)
  df$CO2.per.capita <- round(1000*df$EN.ATM.CO2E.KT / df$SP.POP.TOTL,2)
  kable(df)

4.1.6 Le format de sortie du tableau

Il existe deux façons d’extraire un tableau comprenant plusieurs variables ou plusieurs dates, selon que l’on veut un tableau large (wide) ou étroit. On peut régler la sortie à l’aide du paramètre return_wide qui est TRUE par défaut mais que l’on peut régler sur FALSE.

df   <- wb_data(indicator  = c("NY.GDP.MKTP.CD","SP.POP.TOTL","EN.ATM.CO2E.KT"),
                  return_wide = TRUE,
                  start_date = 2017,
                  end_date = 2018,
                  country = c("BEN","TGO"))
  df

# A tibble: 4 x 7
    iso2c iso3c country  date EN.ATM.CO2E.KT NY.GDP.MKTP.CD SP.POP.TOTL
    <chr> <chr> <chr>   <dbl>          <dbl>          <dbl>       <dbl>
  1 BJ    BEN   Benin    2017           7360   12701654743.    11175192
  2 BJ    BEN   Benin    2018           7910   14262407012.    11485035
  3 TG    TGO   Togo     2017           2070    6395472574.     7698476
  4 TG    TGO   Togo     2018           2260    7112200725.     7889095

df   <- wb_data(indicator  = c("NY.GDP.MKTP.CD","SP.POP.TOTL","EN.ATM.CO2E.KT"),
                  return_wide = FALSE,
                  start_date = 2017,
                  end_date = 2018,
                  country = c("BEN","TGO"))
  df[,1:7]

# A tibble: 12 x 7
     indicator_id   indicator          iso2c iso3c country  date        value
     <chr>          <chr>              <chr> <chr> <chr>   <dbl>        <dbl>
   1 NY.GDP.MKTP.CD GDP (current US$)  BJ    BEN   Benin    2018 14262407012.
   2 NY.GDP.MKTP.CD GDP (current US$)  BJ    BEN   Benin    2017 12701654743.
   3 NY.GDP.MKTP.CD GDP (current US$)  TG    TGO   Togo     2018  7112200725.
   4 NY.GDP.MKTP.CD GDP (current US$)  TG    TGO   Togo     2017  6395472574.
   5 SP.POP.TOTL    Population, total  BJ    BEN   Benin    2018    11485035 
   6 SP.POP.TOTL    Population, total  BJ    BEN   Benin    2017    11175192 
   7 SP.POP.TOTL    Population, total  TG    TGO   Togo     2018     7889095 
   8 SP.POP.TOTL    Population, total  TG    TGO   Togo     2017     7698476 
   9 EN.ATM.CO2E.KT CO2 emissions (kt) BJ    BEN   Benin    2018        7910 
  10 EN.ATM.CO2E.KT CO2 emissions (kt) BJ    BEN   Benin    2017        7360 
  11 EN.ATM.CO2E.KT CO2 emissions (kt) TG    TGO   Togo     2018        2260 
  12 EN.ATM.CO2E.KT CO2 emissions (kt) TG    TGO   Togo     2017        2070 

4.2.1 Natural Earth

Nous allons ici utiliser le fonds de carte Natural Earth qui est un fonds de carte libre de droit et mis à jour régulièrement. Le site web du projet se situe à l’adresse suivante :

https://www.naturalearthdata.com/

Il indique ses objectifs comme suit :

“Natural Earth is a public domain map dataset available at 1:10m, 1:50m, and 1:110 million scales. Featuring tightly integrated vector and raster data, with Natural Earth you can make a variety of visually pleasing, well-crafted maps with cartography or GIS software.[…] Natural Earth was built through a collaboration of many volunteers and is supported by NACIS (North American Cartographic Information Society), and is free for use in any type of project (see our Terms of Use page for more information).”

On peut télécharger les différents fonds de carte sur le site web, mais dans une perspective de mise à jour automatique régulière du fonds de carte il est plus pertinent d’utiliser l’API rnaturalearthqui permet d’accéder directement à la plupart des fonds de carte avec juste quelques lignes de code. Il suffit pour cela de commencer par installer et charger le package.

library("rnaturalearth")
  library("rnaturalearthdata")

4.2.2 le fonds de carte countries110 (175 unités)

On va télécharger tout d’abord le fonds de carte des pays du Monde avec une forte généralisation des contours countries110 et le transformer en objet de type spatial feature du package sf du package avant de le visualiser et d’ examiner le nombre d’unités

map<-st_as_sf(countries110)
  class(map)

[1] "sf"         "data.frame"

ggplot(data = map) +
          geom_sf(fill="lightyellow") +
          theme_bw()

Ce fonds de carte comporte 175 unités spatiales, mais de quoi s’agit-il exactement. Les métadonnées associées permettent de se faire une idée plus précise de la nature exacte de ces unités. Prenons pour cela quelques exempes

sel<-map[map$adm0_a3 %in% c("FRA", "NCL","ATA","ATF","USA", "PRI","CHN","TWN","MAR", "SAH","CHN","TWN","ISR","PSX"),c("sovereignt","sov_a3","type","admin", "adm0_a3","name","note_adm0","iso_a3","wb_a3")]
  kable(sel)

Les exemples présentés dans le tableau ci-dessus montrent la complexité du problème de définition et de représentation cartographique des “pays” ou “bouts du monde”. Quelques remarques :

1. La France (FR1) en tant qu’état souverain regroupe ici cartographiquement la partie métropolitaine du pays et les Départements d’Outre-Mer (Guyane Française, Réunion, Martinique, Guadeloupe) en une seule entité spatiale, mais elle met à part la Nouvelle Calédonie et les îles antarctiques.
2. Porto Rico (PRI) est considéré comme une dépendance des Etats-Unis (US1) au même titre que la Nouvelle Calédonie(NCL) est considérée comme une dépendance de la France (FR1).
3. Le Sahara occidental (SAH) est considéré comme une zone indéterminée bien qu’il soit occupé par le Maroc (MAR).
4. la Palestine (PSX) est considéré comme une zone disputée mais rattachée en terme de souveraineté à Israël (ISR) et une note précise qu’elle est partiellement semi-administrée. Le code sur trois caractères des territoires palestiniens est très variable selon les organisations (PSX, PSE, WBG).
5. Taïwan (TWN) est présenté comme un état souverain, mais son code ISO3 est manquant pour la banque mondiale car la Chine refuse de le reconnaître.
6. Plusieurs états souverains de petite taille sont absents de ce fonds de carte qui ne regroupe que 175 unités soit moins que les 193 pays membres des Nations-Unies. La plupart des îles du Pacifique sont en particulier éliminées car leur surface les rendrait invisible pour le degré de généralisation cartographique adopté.

4.2.3 le fonds de carte sovereignty110 (171 unités)

On peut obtenir un fonds différent en installant le package complémentaire rnaturalearthdata qui permet notamment de distinguer le fonds de carte des countries (c’est-à-dire des “bouts du monde” souverains ou non) et des sovereignty (c’est-à-dire des états souverains)

library(rnaturalearthdata)
  map<-st_as_sf(sovereignty110)
  
  ggplot(data = map) +
   geom_sf(fill="lightyellow") +  
    theme_bw()

Le fonds de carte permet désormais de récupérer la plupart des pays souverains du Monde, y compris les petits états insulaires du Pacifique, mais il fait disparaître de façon sélective les territoires indéterminés ou disputés. Ainsi, le Sahra Occidental demeure partiellement séparé du Maroc mais les territoires palestiniens sont annexés à Israël ainsi que le plateau du Golan ce qui n’est évidemment pas un choix neutred’un point de vue géoolitique.

par(mfrow=c(1,2))
  
  map2<-map %>% filter(sov_a3 %in% c("ISR","JOR","SYR","LBN","EGY"))
  ggplot(data = map2) +
      geom_sf(fill=c("gray80","orange","gray80","gray80","gray80")) +
      ggtitle("Limits of Israël") +
    theme_minimal()

map3<-map %>% filter(sov_a3 %in%c("MAR","SAH","DZA","MRT"))
  ggplot(data = map3) +
      geom_sf(fill=c("gray70","orange","gray70","lightyellow")) +
      ggtitle("Limits of Morocco") +
    theme_minimal()

4.2.4 Le fonds de carte countries50

On peut également choisir un fonds moins généralisé dans lequel tous les petits pays seront présents

map<-st_as_sf(countries50)
  ggplot(data = map) +
      geom_sf(fill="lightyellow") +
    theme_bw()

Il existe toute une série d’autres fonds de carte dans le package Natural Earth, notamment avec des résolutions plus précises, mais on se limitera ici à l’exploration des fonds de carte utile pour produire des cartes à contour généralisé couvrant le monde entier.

4.3.1 Etape 1 : récupération des données statistiques

Nous commençons par récupérer les données brutes de population et de CO2 en 2018 pour les pays de la CEDEAO et on y ajoute les latitues et longitues des centres des pays.

cedeao<-c("BEN","BFA","CPV","CIV", "GMB","GIN","GNB","GHA","LBR","MLI","NER","NGA","SEN","SLE","TGO")
  df   <- wb_data(indicator  = c("SP.POP.TOTL", "EN.ATM.CO2E.KT"),
                  return_wide = TRUE,
                  start_date = 2018,
                  end_date = 2018,
                  country = cedeao)
  kable(df)

Nous renommons les variables pour avoir un tableau plus simple ou la population est en millions d’habitants, les émissions de CO2 en millions de tonnes. On y ajoute l’intensité des émissions en tonnes par habitant.

don <-df %>% select(ISO3 = iso3c, NOM = country, POP = SP.POP.TOTL, CO2 = EN.ATM.CO2E.KT) %>%
              mutate(POP = POP/1000000, CO2 = CO2/1000, CO2_hab = CO2/POP)
  kable(don,digits = 2)

4.3.2 Etape 2 : Récupération du fonds de carte

on récupère ensuite le fonds de carte en ne gardant que les pays de la CEDEAO

cedeao<-c("BEN","BFA","CPV","CIV", "GMB","GIN","GNB","GHA","LBR","MLI","NER","NGA","SEN","SLE","TGO")
  map<-st_as_sf(countries110)
  map<-st_as_sf(countries110) %>% 
          select(adm0_a3,geometry) %>% 
          rename(ISO3 = adm0_a3) %>%
          filter(ISO3 %in% cedeao)
  plot(map$geometry, col="lightyellow")

4.3.3 Etape 3 : Jointure du fonds de carte et des statistiques

mapdon <- right_join(don,map) %>% st_as_sf()
  kable(head(mapdon))

4.3.4 Etape 4 : Visualisation avec mapsf

mf_theme("agolalight")
  mapdon %>% 
    mf_map("CO2_hab", 
           "choro",
           breaks="jenks",
           leg_pos="bottomleft",
           leg_title = "en tonnes/hab.")%>%
    mf_map("CO2", 
           "prop",
           col="red",
           leg_pos = "topleft",
           leg_title = "en millions de tonnes")
  mf_title("Emissions de CO2 des pays de la CEDEAO en 2018")

5.1.1 Préparation des données

df<-fread("data/corpus/media_benin.csv",encoding = "UTF-8")
  kable(head(df))

# library(quanteda)
  # Create Quanteda corpus
  qd<-corpus(df,text_field = "text")
  qd$media<-as.factor(qd$who)
  levels(qd$media)<-c("24 Heures","La Nouvelle Tribune")
  
  qd$day     <- as.Date(qd$when)
  qd$week    <- cut(qd$day, "weeks", start.on.monday=TRUE)
  qd$month   <- cut(qd$day, "months")
  qd$weekday <- weekdays(qd$day)
  
  
  # Add global meta
  meta(qd,"meta_source")<-"Media Cloud "
  meta(qd,"meta_time")<-"Téléchargé le 18 décembre 2021"
  meta(qd,"meta_author")<-"Auteur :  Claude Grasland"
  meta(qd,"project")<-"Ecole d'été CIST 2022"
  
  class(qd)

[1] "corpus"    "character"

summary(qd,6)

Corpus consisting of 36446 documents, showing 6 documents:

    Text Types Tokens Sentences           who                when
   text1    13     13         1 fr_BEN_tribun 2017-11-01 00:10:44
   text2    13     14         1 fr_BEN_tribun 2017-11-01 04:14:25
   text3    10     12         1 fr_BEN_tribun 2017-11-01 06:14:33
   text4     8      8         1 fr_BEN_24heur 2017-11-01 10:09:05
   text5    10     11         1 fr_BEN_24heur 2017-11-01 13:17:21
   text6    12     12         1 fr_BEN_tribun 2017-11-01 13:45:32
                 media        day       week      month  weekday
   La Nouvelle Tribune 2017-11-01 2017-10-30 2017-11-01 mercredi
   La Nouvelle Tribune 2017-11-01 2017-10-30 2017-11-01 mercredi
   La Nouvelle Tribune 2017-11-01 2017-10-30 2017-11-01 mercredi
             24 Heures 2017-11-01 2017-10-30 2017-11-01 mercredi
             24 Heures 2017-11-01 2017-10-30 2017-11-01 mercredi
   La Nouvelle Tribune 2017-11-01 2017-10-30 2017-11-01 mercredi

head(qd,6)

Corpus consisting of 6 documents and 7 docvars.
  text1 :
  "Bénin : Adidjatou Mathys cède 2 départements à Modeste Kérék..."

  text2 :
  "Entretiens de la coopération à la Fadesp: La francophonie au..."

  text3 :
  "Bénin : Le projet de budget de l’Etat 2018 est de 1862"

  text4 :
  "Maître Sossa Simawango Clément légitimé à la présidence"

  text5 :
  " Le bilan élogieux de IRGIB- AFRICA aux examens nationaux de..."

  text6 :
  "Bénin : Les enseignants du Couffo dans les rues d’Aplahoué m..."

td <- tidy(qd)
  class(td)

[1] "tbl_df"     "tbl"        "data.frame"

5.1.2 Taggage géographique

Bien qu’il s’agissent de textes courts, les titres des nouvelles de presse comportent souuvent un grand nombre de noms de lieux qu’il était intéressant d’indetifier sous forme de “tags” c’est-à-dire d’étiquettes indiquant pour chaque nouvelle les lieux mentionnés.

   ISO3           x lang
  1:  ABK     abkhaz*   fr
  2:  AFG     afghan*   fr
  3:  AFG      kaboul   fr
  4:  AFG afghanistan   fr
  5:  AGO      angola   fr
  6:  AGO   angolais*   fr

      0     1     2     3     4     5 
  27435  7826  1081    99     4     1 

5.1.3 Taggage thématique

On peut également procéder à un taggae thématique en cherchant à repérer les nouvelles qui correspondent à un sujet dont l’on souhaite étudier la présence dans les médias. A titre d’exemple, nous allons ici essayer de repérer les nouvelles traitant d’épidémies et de pathologies transmissibles

      0     1     2     3     4 
  34424  1683   337     1     1 

5.1.4 Exploration multidimensionnelle

Une fois établi un double taggage géographique (Where) et thématique (What) on peut croiser ces deux dimensions avec le média qui a produit les nouvelles (Who) et le moment où les nouvelles ont été publiés (When). On dispose ainsi de quatre dimensions autour desquelles on peut agréger les nouvelles.

    what  news       pct
  1: FALSE 34424 94.452066
  2:  TRUE  2022  5.547934