- Une étude d’analyse de sentiment des publications sur Hacker News a classé environ 65 % d’entre elles comme négatives, et ces publications ont enregistré en moyenne de meilleurs scores
- Le score moyen des publications négatives est de 35,6 points, contre 28 points de moyenne générale, soit une prime de performance d’environ 27 %
- L’analyse a porté sur 32 000 publications et 340 000 commentaires, avec un biais négatif cohérent observé dans 6 types de modèles
- Les modèles utilisés incluent DistilBERT, BERT Multi, RoBERTa, Llama 3.1 8B, Mistral 3.1 24B, Gemma 3 12B, et le tableau de bord final utilise les résultats de DistilBERT pour des raisons d’efficacité
- La négativité observée relève surtout de la critique constructive — critiques techniques, mécontentement vis-à-vis du secteur, frustration liée aux API — ce qui suggère une corrélation entre engagement et caractère polémique
Résultats de l’analyse de sentiment sur Hacker News
- Le score moyen des publications sur Hacker News est de 28 points, tandis que les publications au sentiment négatif atteignent en moyenne 35,6 points, ce qui traduit un engagement plus élevé
- Les performances des publications négatives sont 27 % supérieures à la moyenne générale
- L’étude porte sur la dynamique d’attention sur HN (Hacker News), en incluant notamment courbes de décroissance, attachement préférentiel, probabilité de survie et prédiction de l’engagement initial
- Le préprint associé est disponible sur SSRN
Données et configuration des modèles
- L’analyse porte sur 32 000 publications et 340 000 commentaires
- Environ 65 % de l’ensemble a été classé comme négatif
- Le chercheur mentionne la possibilité que le classificateur soit biaisé vers le négatif, mais la même tendance a été confirmée sur les 6 modèles
- Les modèles utilisés sont DistilBERT, BERT Multi, RoBERTa (basés sur des transformeurs) et Llama 3.1 8B, Mistral 3.1 24B, Gemma 3 12B (basés sur des LLM)
- La distribution des sentiments varie selon les modèles, mais le biais vers le négatif reste commun à tous
- Le tableau de bord final utilise les résultats de DistilBERT, qui fonctionne efficacement dans un pipeline basé sur Cloudflare
Définition et caractéristiques du sentiment négatif
- Les contenus classés comme « négatifs » incluent critiques techniques, scepticisme face aux annonces, mécontentement envers les pratiques du secteur et frustration liée aux API
- La majeure partie de cette négativité relève de critiques de fond plutôt que d’attaques personnelles
- La critique technique est d’une nature différente de l’attaque personnelle
- Le chercheur reconnaît les deux hypothèses : la négativité provoque-t-elle l’engagement, ou bien les contenus polémiques attirent-ils à la fois des formulations négatives et l’attention ?
Plan de publication à venir
- Le chercheur prévoit de publier prochainement l’ensemble du code, le dataset et un tableau de bord pour les archiveurs HN
Aucun commentaire pour le moment.