L'histoire des professions en Corrèze

[pic 1]

INTRODUCTION

1. Notre groupe : Emmanuelle Volckringer, Roman Birenzweigue, MaximeDelivet

Tous trois en 3ème année de Licence d’Économie à la Sorbonne, nous avons travaillé sur ce mémoire dans le cadre de notre deuxième semestre.

2. Notre sujet : «Histoire des professions en Corrèze»

Au coeur d’une formation axée majoritairement sur la théorie économique, nous avons souhaité élargir nos compétences. Dans cette optique et compte tenu de notre désir d’effectuer une étude empirique, traiter une base de donnée issue des archives départementales de la Corrèze s’est avéré parfaitement adapté.

3. Base de données et logiciels utilisés

Nous avons travaillé sur une base de 100 336 données issues des archives départementales de la Corrèze. Il s’agit de la version numérisée du registre matricule des soldats recrutés dans les bureaux de Brive-la-Gaillarde et Tulle, ainsi que des recrutés volontaires. Chaque année étudiée correspond à une « classe », qui recense les jeunes hommes âgés cette année-là de vingt ans.

[pic 2]

Ainsi, la classe 1900 par exemple comporte les individus nés en 1880.

Sur les conseils de notre directeur de mémoire, Stéphane Gauthier, nous avons utilisé le logiciel R (version 3.3.4) et son interface RStudio (version 1.0.136) pour effectuer nos régressions. Il s’agit d’un logiciel libre et constitue la principale implémentation du langage R. Les graphiques obtenus nous ont permis de mettre en évidence les grands axes de l’évolution des professions en Corrèze entre 1887 et 1919.

La question principale qui guide notre travail est la suivante :

« Les phénomènes mis en lumière par les historiens à propos de l’évolution des professions en Corrèze sur la période 1887 - 1919 sont-ils observables à travers une étude du registre matricule des soldats recrutés dans la région sur la même période ? »

PARTIE 1 : Détail de notre travail sur R

# Etape 1

Afin de pouvoir traiter la base de données, il est nécessaire de définir le répertoire de travail du logiciel R Studio. C'est sur cet espace que le logiciel va retrouver les fichiers à exploiter et enregistrer les résultats. La localisation du dossier à traiter se fait par la fonction setwd().

∙ Ici on définit le bureau comme répertoire de travail : setwd(« C:/Users/Particulier/Desktop")

NB : Il est également possible de passer par l’onglet « Files » et d’utiliser l’option « set as working directory » présente dans « more ».

–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––

# Etape 2

Le fichier prof.RData contient la base de donnée sur laquelle nous allons travailler. Il est stocké dans le bureau, que l’on a définit comme notre espace de travail. On peut donc le charger sur le logiciel.

Nous utilisons pour ce faire la fonction load() : load("prof.Rdata")

–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––

# Etape 3

Après avoir vérifié que notre base de données est bien un data.frame grâce à la fonction class(), nous choisissons de renommer le fichier de base.

–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––

# Etape 4

On a désormais deux data.frame contenant les mêmes valeurs, on supprime l’original avec la fonction rm()

–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––

# Etape 5

Ici notre data.frame est composé de 3 colonnes (les variables) et 100 336 lignes (les observations). Les variables utilisées sont donc : la classe, la profession et le bureau de recensement.

Afin de pouvoir exploiter la colonne classe, il est nécessaire de changer le type de données que le logiciel considère y trouver.

[pic 3] [pic 4] [pic 5] [pic 6] [pic 7] [pic 8] [pic 9] 

# Etape 6

Certains individus présentent plusieurs métiers, suite à des modifications successives au cours de leur carrière militaire. Nous avons décidé de ne prendre en compte que le premier, inscrit à la date de leur recrutement.

Nous avons donc supprimé tous les caractères se trouvant après un espace au sein de la colonne professions.

• Installation et ajout à la librairie du package « reshape2 » contenant la fonction « colsplit »
• La fonction colsplit() permet de créer un data.frame de deux colonnes. La première contient les éléments situés avant le premier espace, la seconde contient les éléments situés après. Ces deux colonnes sont nommées profession1 et profession2
• Nous fusionnons les deux tableaux « Professions » et « Professions2 » grâce à la fonction cbind.data.frame() en un nouveau tableau nommé Fusion_des_2_Dataframe
  

[pic 10] [pic 11] [pic 12]

–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––

# Etape 7

Successivement nous allons supprimer les colonnes « profession » et « profession2 » afin de conserver uniquement les premiers métiers. Pour cela nous créons un tableau intermédiaire « Etape1 » correspondant à Fusion_des_2_Dataframe sans la 5ème colonne. Nous supprimons la colonne numéro 3 à Etape1, pour finalement créer ProfessionsFinal.

...