Theme Enrichment Analysis: A Statistical Test for Identifying Significantly Enriched Themes in a List of Stories with an Application to the Star Trek Television Franchise

In this paper, we describe how the hypergeometric test can be used to determine whether a given theme of interest occurs in a storyset at a frequency more than would be expected by chance. By a storyset we mean simply a list of stories defined according to a common attribute (e.g., author, movement, period). The test works roughly as follows: Given a background storyset and a sub-storyset of interest, the test determines whether a given theme is over-represented in the sub-storyset, based on comparing the proportions of stories in the sub-storyset and background storyset featuring the theme. A storyset is said to be “enriched” for a theme with respect to a particular background storyset, when the theme is identified as being significantly over-represented by the test. Furthermore, we introduce here a toy dataset consisting of 280 manually themed Star Trek television franchise episodes. As a proof of concept, we use the hypergeometric test to analyze the Star Trek stories for enriched themes. The hypergeometric testing approach to theme enrichment analysis is implemented for the Star Trek thematic dataset in the R package stoRy. A related R Shiny web application can be found at https://github.com/theme-ontology/shiny-apps . Resume Dans cet article, nous decrivons la maniere dont le test hypergeometrique peut etre employe pour determiner si un theme d’interet donne se produit dans une gamme d’histoires a une frequence qui est plus elevee que ce a quoi on s’attendrait avec le hasard. Par gamme d’histoires, nous entendons simplement une liste d’histoires regroupees selon un attribut commun (par exemple : auteur, mouvement, periode). Le test fonctionne a peu pres comme ceci : Apres avoir recu une gamme d’histoires en contexte et une sous-gamme d’histoires d’interet, le test determine si le theme donne est surrepresente dans la sous-gamme d’histoires, en comparant le taux d’histoires dans la sous-gamme d’histoires et dans la gamme d’histoires en contexte qui presentent le theme en question. Une gamme d’histoires est consideree comme « enrichie » pour un theme par rapport a une gamme d’histoires en contexte particuliere lorsque le test identifie le theme comme notablement surrepresente. Par ailleurs, nous presentons ici une base de donnees de jouets qui se compose de 280 episodes de la franchise Star Trek qui ont ete manuellement organises par theme. Comme preuve de concept, nous nous servons du test hypergeometrique pour analyser les histoires de Star Trek avec des themes enrichis. La methode de test hypergeometrique pour l’analyse de themes enrichis est realisee pour la base de donnees thematique de Star Trek dans le logiciel R stoRy. Une application Web similaire de R Shiny se trouve sur le site-Web suivant : https://github.com/theme-ontology/shiny-apps . Mots-cles: analyse d’enrichissement; test hypergeometrique; analyse de surrepresentation; Star Trek; ontologie de theme