Ajuster corpus et objectifs - 3e séance

Serge Fleury & Benoît Habert

Binôme/trinôme : noms, prénoms, appartenance (PIII, Inalco, PX) et mails

EL AYARI, Sarra, PIII

FOX, Gwendoline, PIII

LAGARDE, Delphine, PIII

Le corpus LM10 et les dépendances syntaxiques

Prendre connaissance de la présentation de ce corpus, de la signalétique associée et des annotations disponibles (triplets correspondant à des dépendances syntaxiques).
Principales informations extraites des dépendances syntaxiques

Que penser de la taille du corpus des documents comprenant un mot de la famille "laïcité" (cf. paramètres lexicométriques du corpus) par rapport à celle de LM10 ?

=> corpus total : totalise environ 200 millions de mots (à titre d'ordre de grandeur, rappelons qu'un roman de taille moyenne comprend de l'ordre de 100 000 mots. LM10 correspond à quelque 2 000 romans).

=> corpus laïcité : comprend 2 837 articles, soit au total de l'ordre de 3 300 000 mots (extraction de la chaîne 'laï[qc]').

On peut s'étonner qu'il y ait autant de mots concernant la laïcité par rapport au corpus total : environ 1.5%.

Les grands mouvements sur 10 ans

Examiner le nombre de triplets et de documents au fil des ans dans les informations sur les dépendances syntaxiques. Repère-t-on des constantes et/ou des moments singuliers ?

On peut voir qu'en 1994 le nombre de triplets (1055) et de documents (411) est assez important (double des autres années). On peut noter une certaine constance pour les autres années(environ 250 documents et 500 triplets), avec une augmentation pour 1996 et 1997.

A travers les graphiques d'évolution en fréquence relative de la famille 'laïcité', résumez les grandes tendances de l'évolution quand on la considère :

année après année :

mois après mois :

décembre 1993
juin 1996
septembre 1996
novembre 1997
novembre 1998
janvier 2000

- retombées :
août 1992
octobre 1998
juillet 1999
juillet 2000

On peut identifier les retombées pendant les périodes de vacances scolaires (juillet/août).
Les pics correspondent à des périodes de rentrée scolaire ou de fin d'année scolaire. Il faudrait vérifier que les pics et les retombées correspondent à des événements politiques d'actualité.
On voit bien que la laïcité est fortement liée à l'Ecole.

Comparez l'évolution suivant qu'on la considère via les formes ou via les lemmes ? Y a-t-il des changements importants ?

En reprenant les données chronologiques accessibles via la page du cours, pouvez-vous expliquer l'évolution constatée ?

La famille "laïcité" sur un an / sur 10 ans : approche globale

Comparez les deux listes de mots.
Reprenez la liste pour 10 ans et colorez les formes présentes en 2003-04.
Isoler dans la liste 91-00 :

les formes qui correspondent à un processus ;
les fomes qui renvoient à des abstractions (convictions, opinions) ;
les formes péjoratives.

Pour 91-00, comparer la liste sur les formes et la liste sur les lemmes. Indiquer les formes qui vous paraissent mal lemmatisées. Quelles conclusions sur la qualité de la lemmatisation opérérée ?

Il reste des formes au féminin et au pluriel, qui marquent la mauvaise lemmatisation du corpus.
Pensez-vous que les conséquences sont importantes pour la suite des traitements ?

Le problème que pose cette mauvaise lemmatisation est que l'extraction de termes ne sera pas complète et donc pas correcte (oublis de termes).

Les contextes fondamentaux de laïcité

A partir des tableaux donnant les verbes dont laïcité est SUJ ou OBJ avec une fréquence > 1 :

faites une liste des catégories qui vous paraissent pertinentes pour classer ces verbes (par exemple : définition correspondant à appeler, définir, consister, signifier). Vous vous reporterez éventuellement aux concordances fournies (triées à gauche pour OBJ et à droite pour SUJ). Faites correspondre un code couleur à chaque catégorie.

	Catégories relation sujet	Catégories relation objet
thème	termes	termes
définition	signifier représenter appartenir	définir considérer appeler évoquer représenter concerner consister
application	exister redevenir rester emporter porter	appliquer vivre instaurer ériger adopter mettre représenter inventer maintenir percevoir
termes postitifs	accepter favoriser offrir respecter	défendre respecter revendiquer prêcher réaffirmer exalter adopter protéger
termes négatifs	obliger imposer se vouloir perdre se confondre	menacer ignorer confronter confondre
perception	sembler apparaître représenter	vivre percevoir considérer définir représenter

recopier les 2 tableaux et colorer les verbes selon leur catégorie.
résumez les grandes tendances que vous observez.

La catégorie de perception montre que le terme de laïcité est sujet à discussion, les termes positifs et négatifs montrent que cette discussion est fortement polémique. Vous compléterez cette étude des verbes auxquels laïcité est fortement associé par la liste des syntagmes comprenant laïcité qui figurent en position 2 dans les triplets Syntex.

Les contextes principaux de laïcité au fil du temps

Le tableau sur laïcité en relation SUJ ou OBJ avec une fréquence > 1, au fil des ans, vous permettra de souligner à la fois quelques constantes dans l'emploi du mot et quelques changements ou points particuliers.

Les contextes principaux de laïc

Un mot péjoratif : laïcisme

Extrayez les contextes (triplets) qui soulignent la valeur péjorative de ce mot (et des mots qui lui sont liés : laïcard, etc.).

La laïcité : un processus

Les mots autour de laïciser renvoient tous à un processus. On mettra à jour ce qui est l'agent ou le patient de ce processus, dans un tableau de la forme :

agent	patient	triplet correspondant

Ajustements ?

Adéquation corpus / objectifs

Pour étudier "laïcité" dans les dernières années, ont été rassemblés :
10 ans (1991-00) du journal "généraliste" Le Monde ;
1 année entière du même journal ;
des sources documentaires variées (chronologie, dossiers spécialisés).

Les données constituées vous paraissent-elles permettre de donner une image adéquate de la famille de "laïcité" :
à un moment donné (en 2003-04) ;
sur une période de durée moyenne (1991-00).

A votre avis, faudrait-il ajouter d'autres données textuelles et si oui, lesquelles ?

Le problème de ce corpus est qu'il ne nous donne qu'un seul point de vue : celui du Monde.
Il serait tout à fait pertinent de pouvoir se servir d'articles d'autres journaux (autres tendances politiques) : le type de vocabulaire est-il le même (extraction de patrons différents) ? Parle-t-on de ce sujet aux mêmes périodes et autant ?
.
Il serait aussi intéressant d'avoir des données plus "populaires", comme des résultats de questionnaires faits sur le web, ou des avis spontanés.

Adéquation traitements / objectifs

Ont été mis à contribution pour approche "laïcité" et sa famille plusieurs niveaux de représentation :

"texte nu" ;
texte lemmatisé ;
dépendances syntaxiques.

Les outils lexicométriques (ici Lexico3) ont permis de disposer de concordances, de graphiques d'évolution, de repérage de sur- et sous-emplois de telle partie par rapport au reste du corpus.

Les outils et les traitements vous ont-ils permis de vous orienter dans les corpus ? Avez-vous eu le sentiment de vous "noyer" ? Pensez-vous qu'il faudrait disposer d'autres outils (si oui, lesquels) ?

De premier abord, il y a beaucoup trop de données pour qu'on puisse s'y retrouver facilement et pour ne pas être un peu découragé par la page "à rallonge". Pas de grande clarté ni de structuration adéquate.

Les graphiques ne sont pas très clairs non plus, notamment ceux avec le mois comme unité.

Méthologies

Avez-vous le sentiment, à travers la formation que vous avez reçue (linguistique en général, sémantique, lexicographie et lexicographie, terminologie, etc.) de disposer des méthodologies pour tirer profit de ce type de données ?

Nos formations diverses en science du langage nous ont suffi.
Le fait de travailler en groupe a accentué la diversité des compétences.

Si non, dans quels domaines souhaiteriez-vous recevoir une formation ?

Une formation au langage HTML ne serait pas inutile.