Ajuster corpus et objectifs - 3e séance

Serge Fleury & Benoît Habert

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

Alexandra Sondermeijer (Inalco), Cyril Rassou (Inalco)

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 ?
Il s'agit d'une proportion moindre sur l'ensemble de la base LM10.

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 ?
De 1991 2000, le nombre moyen de triplets dans le journal Le Monde est d'environ 500. Pourtant nous pouvons remarquer qu'en 1993, 1994, 1996 et 1997 leur nombre est plus lev et surtout en 1994 pour laquelle le nombre de triplets s'lve 1055. Les chiffres indiquant le nombre de triplets par document montre la mme chose. Ainsi si la moyenne est d'environ 2 triplets par document, leur nombre est plus lev pour les annes 1993, 1994, 1996 et 1997. Cela signifie que de 1991 2000, la lacit fut davantage d'actualit lors de ces quatre annes.

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 ;
De 1991 1992, les mots de la famille de lacit ont connu une baisse de 15 12 en ce qui concerne la frquence relative de leur emploi. A partir de 1992, nous avons assist une hausse spectaculaire, si bien qu'un pic de 22 fut atteint en 1994. cependant la dgringolade n'en fut que plus brutale de 1994 1995, descendant alors 15. De 1995 1996, nous pouvons remarquer une nouvelle hausse 23. Puis, nous observons une chute continue de 1996 1998 pour se stabiliser jusqu'en 1999, date partir de laquelle la frquence regagne du terrain.
mois après mois.
l'emploi des mots de la famille de lacit atteint son pic(soit 40)entre les mois d'avril et de novembre 1996. Au cours du deuxime semestre 1997, nous constatons un second meilleur seuil. En troisime position, nous rapporterons le chiffre de 33 pour fin 1993.

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 ? Pensez-vous que les conséquences sont importantes pour la suite des traitements ?

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

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

Résumez les enseignements principaux des tableaux sur laïc en position 1 ou 2 et avec une fréquence >= 5 (ce plancher écrème déjà sérieusement les listes de triplets). Prenez soin de recopier les triplets les plus pertinents.

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) ; Oui
sur une période de durée moyenne (1991-00).Oui

A votre avis, faudrait-il ajouter d'autres données textuelles et si oui, lesquelles ?
Non, notre avis les donnes textuelles fournies sont tout fait suffisantes.

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 ? Oui. Avez-vous eu le sentiment de vous "noyer" ? Nous avons en effet t destabiliss par la longueur du devoir rendre. Pensez-vous qu'il faudrait disposer d'autres outils (si oui, lesquels) ?

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 ? Etant donn que nous sommes en cours de formation, nous estimons que nous pourrons employer plus aisment nos connaissances que nous aurons acquises la fin de l'anne.
Si non, dans quels domaines souhaiteriez-vous recevoir une formation ?
Nous considrons qu'un travail pratique sur le traitement de corpus impliquant les procds d'annotation et d'analyse syntaxique serait galement utile.