Archives de catégorie : Secrets de fabrication

Corpus : l’échantillon représentatif

Constitution de l’échantillon

Voici le corpus initial de films qui a servi à élaborer la base de données et qui ont été les premiers pour lesquels les données ont été entrées systématiquement depuis 2015. A partir du livre de Clive Hirshhorn (The Hollywood Musical, Londres: Octopus Books, 1981), nous avons d’abord identifié 1280 films correspondant à la production de musicals hollywoodiens entre 1927 et 1972.

Nous avons sélectionné au départ environ 10% de cette production pour chaque année de sortie, soit 135 films en tout, en essayant de préserver la meilleure diversité possible en termes de studios, stars et formules de musicals.

C’est l’analyse collective de ces films et le fait de décrire systématiquement tous leurs numéros musicaux qui a permis de forger les catégories de la base de données, notamment les rubriques comme les thèmes, les styles musicaux, les critères de définition des contours des numéros…

Liste à télécharger (fichier excel)

Exploitation des données / représentativité de l’échantillon

Des ajouts ultérieurs à la base de données ont reconfiguré le corpus en prolongeant ce premier échantillon. D’autres films ont été identifiés et leurs titres apparaissent dans la base MC² bien qu’il n’y ait pas toujours de contenu saisi. Et il y a maintenant des numéros décrits pour plus de 300 films, bien que certains films soient encore incomplets.

Les ajouts font légèrement évoluer les résultats d’études statistiques. Les films avec Esther Williams ou Bing Crosby étaient sous-estimés en nombre au début. En outre, des ajouts individuels faits par des chercheurs dans le but d’études plus particulières ont accru la place de certains corpus ensuite. La base contient par exemple maintenant tous les films avec Fred Astaire ou Ethel Merman, mais pas tous ceux avec Judy Garland ou Gene Kelly. Dans une certaine mesure, à cause aussi du volume de sa filmographie, les résultats obtenus à partir de la totalité des données “penchent” vers la formule Fred Astaire.

Le fait de sélectionner l’échantillon représentatif et d’y revenir pour quelques études peut donc servir lors de la réalisation de visualisations à éliminer des sur-représentations. Cela ne signifie pas pour autant que l’échantillon est plus juste, mais ouvre plutôt à des précautions. La comparaison entre des statistiques sur l’échantillon et les statistiques sur des données plus nombreuses invite en effet à l’interprétation en fonction des changements observés : l’échantillon était-il plus représentatif ? Ou les données ajoutées depuis ont-elles amélioré la qualité des statistiques ?