Tous les articles par paulbertrand2

Atelier – Du parchemin à la fouille de données. Nouveaux outils pour la création, la formalisation et l’analyse des corpus médiévaux

Le numérique s’est aujourd’hui imposé comme un outil incontournable pour le médiéviste. Depuis plusieurs décennies, un certain nombre d’historiens et de philologues du Moyen Âge appuient en effet leurs travaux sur des éditions numériques et des bases de données, dont la conception a parfois été pensée dès le milieu des années 1960. Pourtant, en dépit des apparences, l’exploitation de ces instruments de recherche et de ces corpus demeure globalement en-deçà de leurs potentialités. Hormis quelques notables exceptions, rares sont les médiévistes à s’être engagés dans une approche quantitative globale et fouillée des ensembles documentaires numérisés. Sans être exclusives des lectures plus traditionnelles, de nouvelles méthodes d’analyse permettent d’interroger ces corpus de manière inédite. L’objectif de cet atelier sera d’offrir une première initiation à des outils informatiques de création, de formalisation et d’analyse des corpus textuels médiévaux. Il s’agira ici d’apprendre le maniement d’un certain nombre d’outils et de méthodes d’analyse que chacun pourra ensuite appliquer à son propre corpus.

Concrètement, l’atelier se propose de former les stagiaires à la création et au traitement complet d’un corpus textuel : de l’acquisition des données jusqu’à leur analyse statistique, en passant par la formalisation. Différentes problématiques seront abordées, à commencer par celle de la reconnaissance optique des caractères (OCR) et du traitement à appliquer aux données collectées pour les rendre exploitables dans le cadre d’une analyse numérique. Une large place sera également accordée à la question de la formalisation des corpus, à travers l’apprentissage de techniques de nettoyage de texte (« expressions régulières » ou regex), de lemmatisation et d’encodage de métadonnées. Enfin, la troisième partie de la formation sera consacrée à l’analyse historienne proprement dite. Les participants y apprendront à réaliser des enquêtes élémentaires à l’aide de l’outil TXM et à produire des visualisations de données pertinentes et efficaces. Des exercices pratiques seront proposés tout au long des séances, en vue de garantir une bonne assimilation de la formation.

Ce rendez-vous se clôturera par une journée de « hackathon » ouverte aux stagiaires ainsi qu’à des participants maîtrisant déjà les outils présentés lors de la formation. L’ambition de cette dernière journée sera double : il s’agira, d’une part, de mettre en application les notions apprises lors des étapes précédentes et, d’autre part, de construire ensemble un nouveau corpus textuel. Ce dernier sera ensuite mis librement à disposition de la communauté des médiévistes. En travaillant au sein de groupes restreints, les stagiaires seront amenés à nettoyer et à assurer le traitement d’un corpus déjà OCRisé, mais ne se présentant à l’heure actuelle que sous la forme d’un texte brut : celui des Cartulaires de Notre-Dame de Paris publiés par Benjamin Guérard au milieu du XIXe siècle.

Si vous souhaitez participer à cet atelier, merci de vous y inscrire avant le vendredi 27 septembre 2019 à l’adresse suivante : ateliernouveauxoutils@gmail.com . Nous vous serions reconnaissants de préciser si vous vous inscrivez à l’ensemble de la formation ou à la seule journée de hackathon. Quelques jours avant le début de la formation, les stagiaires recevront une liste d’outils qu’ils seront invités à télécharger et à installer sur leur ordinateur portable. La formation est gratuite et ouverte à tous (étudiants de Master, doctorants, postdoctorants, enseignants-chercheurs, …).

Structure du programme :

Lundi 28 octobre 2019

I. Acquisition et nettoyage des données
I.1. Du papier au numérique
I.2. OCRisation – Partie 1 : acquisition et pré-traitement
I.3. OCRisation – Partie 2 : post-traitement

II. Traitement, formalisation et création d’un corpus (début)
II.1. Nettoyer un texte : les regex ou « expressions régulières »
II.2. Lemmatisation (aspects théoriques)

Mardi 29 octobre 2019

II. Traitement, formalisation et création d’un corpus (fin)
II.3. Outils disponibles et formats d’entrée
II.4. Intégrer des métadonnées

III. L’analyse historienne
III.1. Enquêtes élémentaires
III.2. Visualiser les données

Mercredi 30 octobre 2019

IV. Hackathon – Ouvert à tous

 

Informations pratiques :

Campus Condorcet (Paris), le numéro du local sera communiqué ultérieurement.
28-30 octobre 2019

Comité organisateur :
– Paul Bertrand (UCLouvain)
– Étienne Cuvelier (ICHEC)
– Sébastien de Valeriola (ICHEC, UCLouvain, ULB)
– Nicolas Perreaux (UNamur)
– Nicolas Ruffini-Ronzani (UVSQ / UNamur)

Partenaires :

Consortium COSME2
TGIR Huma-Num
Campus Condorcet
Institut de Recherche et d’Histoire des Textes
« Quaresmi », laboratoire de recherche de l’ICHEC Brussels Management School
« H 37 – Histoire et culture graphiques », groupe de recherche de l’UCLouvain
« Pratiques médiévales de l’écrit », centre de recherche de l’UNamur

 

 

 

Enquête COSME sur les corpus numériques des médiévistes

COSME continue ses travaux. Nous vous tiendrons au courant, sous peu, ici-même, de leur évolution.

Par ailleurs, nous voudrions dresser un état des lieux du paysage des corpus numériques mis en place par les chercheurs et les équipes en France, inédits comme édités, sources comme travaux… Nous avons pour objectif de publier cet inventaire ici. Celui-ci permettra de constater la diversité du paysage des corpus de médiévistes, de visualiser les corpus à soutenir matériellement et financièrement et de mieux prévoir la mise en lien de tous (« interopérabilité »).

Nous proposons à tout chercheur/toute équipe intéressée de remplir le formulaire de l’enquête (longue ou courte, format libre) accessible via le lien ci-joint :

http://goo.gl/forms/lCU4RapfqN08cXJ42

La clôture de l’enquête est fixée au 27 août 2016.

L’indexation : enjeux, méthodes, outils

Journée d’étude COSME

Responsables : Pierre Bauduin et Grégory Combalbert
(UCBN-CRAHAM, UMR 6273)

13 novembre 2014

Université de Caen Basse-Normandie
Amphi Lignier (bâtiment A)

 

Les enjeux de l’indexation sont multiples, qu’il s’agisse de déterminer des points d’entrées à un corpus ou un ensemble de corpus, de la description raisonnée des données concernant les sources écrites et – de manière plus large – celles du patrimoine culturel, de la reconnaissance d’autorités ou de l’échange d’informations. Ils déterminent pour une bonne part les pratiques de l’ontologie pour la description de référence des individus ou des objets, des catégories, des fonctionnalités, des relations. L’indexation est également une des entrées possibles vers l’élaboration d’outils communs d’interrogation des données, parfois issues de projets très différents, ainsi qu’à une réflexion sur l’interopérabilité, qui a été l’objet d’un atelier de COSME le 6 janvier 2014. Cette rencontre se propose de faire un état des lieux sur les expériences, les problèmes rencontrés et les solutions mises en œuvre afin de construire des outils adaptés aux instruments de recherches élaborés dans le domaine des sources médiévales (manuscrits, chartes, textes littéraires, documents épigraphiques ou iconographiques, …), de réfléchir sur l’utilisation d’autorités existantes ou l’élaboration de nouvelles et sur une harmonisation des pratiques d’indexation.

9h30-11h (UFR d’Histoire, salle Sbs 24) : Réunion administrative du comité de pilotage de COSME.

11h15 : Matthieu Bonicel (BnF) et Pierre-Yves Buard (MRSH Université de Caen, Pôle du Document numérique), Indexer des sources complexes : quelques pistes d’organisation du travail.

(12h00-13h30 : déjeuner)

13h30 : Paul Bertrand (Université Catholique de Louvain/IRHT) et Cyril Masset (IRHT), Indexer les textes médiévaux: entre théorie et pratiques (IRHT/TELMA).

14h15 : Evelyne Sinigaglia (Maison de l’Archéologie et de l’Ethnologie, USR 3225, FRANTIQ) : Des outils ouverts pour l’indexation en archéologie: PACTOLS et OpenTheso.

(15h00-15h15 : pause)

15h15 : Karine Corre (Université de Poitiers, CESCM), La Bibliographie de civilisation médiévale : indexation et traduction.

16h00 : Marie Bisson (Université de Caen, CRAHAM, Pôle du Document numérique), L’indexation de sources du Mont Saint-Michel au moyen d’un outil collaboratif : conception et mise en œuvre pour l’édition multisupport.

COSME

Logo COSME

Ce carnet se veut le lieu d’expression et la personnalisation virtuelle de COSME, consortium « Sources médiévales », né en 2013. Dans la ligne des consortiums labellisés par le TGIR Huma-Num, Cosme s’adresse à un très large public que réunit une pratique : celle de la recherche sur le passé médiéval par le biais des sources les plus diverses. Ces chercheurs –historiens, philologues, archéologues…- ont pour habitude de réunir des corpus de sources, découvertes, analysées, transcrites et constituées en dossiers le plus souvent inédits. Certains de ces dossiers sont parfois édités, publiés, mais la plupart du temps ces corpus ne le sont pas. Les sources utilisées par ces chercheurs, variées, sont l’objet des préoccupations du consortium, dans la mesure où leur publication sous forme numérique a déjà été, est ou pourrait être envisagée. L’objet du consortium : les sources sous forme d’édition ou de transcription, de reproduction numérique ou d’un répertoire les recensant. Le positionnement de ce consortium est clairement pluridisciplinaire : il s’appuie sur une communauté scientifique largement ouverte à toutes les disciplines, rassemblant archéologues, historiens, historiens de l’art, philosophes, linguistes, littéraires… autour du médiévisme, comme dans le réseau Menestrel. Il veut donner à chaque médiéviste en France, au travers d’un maillage d’équipes partenaires, les moyens d’analyser, concevoir, transférer, constituer et enfin utiliser des corpus divers de sources médiévales. Un des objectifs du consortium est d’effectuer et tenir à jour un recensement des différentes bases de données ou entreprises d’édition électronique, mais surtout de susciter des collaborations ou des mises en relation de ces bases et entreprises. L’objectif essentiel est de promouvoir la publication électronique de ces corpus et, dans le même temps, faciliter leur utilisation et leur interrogation conjointe en encourageant l’utilisation de standards adaptés, de bonnes pratiques d’édition numérique. Il s’agit aussi de donner à ces projets de publication une visibilité accrue dans les dossiers de demande de financement, en valorisant la qualité du travail d’édition numérique effectué ou à effectuer. D’autres objectifs sont de faciliter la diffusion éventuelle de nouveaux standards mieux adaptés à certains types de recherche ou d’analyse, de promouvoir une veille technologique, de développer une expertise, de faciliter la création d’archives numériques scientifiques, de diffuser une information large et rigoureuse sur les pratiques d’édition électronique.