Ajuster corpus et objectifs - 3e séance
Serge Fleury & Benoît Habert
Binôme/trinôme : Rym BEN HADDADA (rymbh@noos.fr), Inalco, Zita BOGNAR (zita.bognar@wanadoo.fr), Inalco, Marion LENTING (lentinglamarck@aol.com), Inalco.
Retour au
cours
TD 2ème séance
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 ?
En dix ans, sur deux cent millions de mots du corpus, 1.33 % c.à.d. 2,8 millions de mots sont dérivés du patron laïc.
Ceci est donc révélateur du phénomène qu'on vit la laïcité au quotidien en France et depuis longtemps.
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 ?
Le nombre de triplets examinés est égale à environs 6400.
Dans les années 00, 91, 92,99,98, on note une relative valeur constante présente des triplets examinés.
En 94 (!) et 96 on note des pics en nombre de documents et en fréquence à l'intérieur des documents.
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 ;
On remarque deux pics, en 1994 et 1996 qui correspondent aux premières manifestations de la question du foulard en France.
- mois après mois.
De même, on remarque des sommets aux mois de décembre 1993 et septembre 1996 (la rentrée scolaire), tant en évolution relative qu'en absolu.
Comparez l'évolution suivant qu'on la
considère via les formes ou via les lemmes ? Y a-t-il des changements importants
?
On remarques des tendances similaires.
En reprenant les données chronologiques accessibles via la page du
cours, pouvez-vous expliquer l'évolution constatée ?
Comme nous l'avons déjà observé, les pics correspondent aux premières manifestations de la question du foulard en France.
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.
|
laïque |
| laïcité
|
| laïcs
|
|
laïques
|
| laïc
|
| laïcisation
|
| laïcisme
|
| laïcat
|
| laïcisé
|
| laïcisé
|
| laïcisée
|
| laïcards
|
| laïciser
|
| laïcisés
|
| laïcise
|
| laïciste
|
| laïcisant
|
| laïcisateurs
|
| laïcisées
|
| laïcarde
|
| laïcistes
|
| lèse-laïcité
|
| laïcisa
|
| délaïcisation
|
| laïci
|
| laïco-assimilationnistes
|
| beaujo-laïc
|
| catho-laïques
|
| islamo-laïcs
|
| laïcard
|
| laïcicité
|
| laïcisait
|
| laïcisante
|
| laïcisants
|
| laïcisations
|
| laïcïté
|
| laïco-assimilationniste
|
| laïco-communiste
|
| laïco-communistes
|
| laïquesde
|
| nationalo-laïque
|
| pro-laïques
|
| socialo-laïque
|
Isoler dans la liste 91-00 :
- les formes qui correspondent à un processus : laïcisation.
- les fomes qui renvoient à des abstractions (convictions, opinions) : laïcardisme, laïcisme.
- les formes péjoratives: laïcards, laïcardisme.
Pour 91-00, comparer la liste sur les
formes et la liste sur les lemmes. Indiquer les formes qui vous paraissent mal
lemmatisées:
laïcards, laïcarde, laïco-assimilationnistes, catho-laïques, beaujo-laïc, catho-laïques
islamo-laïcs, laïcisante, laïcisants, laïco-communistes, laïquesde, nationalo-laïque, pro-laïques, socialo-laïque.
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): moins précis que pour la période 2003-2004 car les données retournées présentent davantage de bruit.
A votre avis, faudrait-il ajouter
d'autres données textuelles et si oui, lesquelles ? Non.
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: oui.
Les outils et les traitements vous ont-ils permis de vous
orienter dans les corpus ? Oui. Avez-vous eu le sentiment de vous "noyer" ? Oui.
Pensez-vous qu'il faudrait disposer d'autres outils (si oui, lesquels) ?
Méthodologies
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 ?
Si non, dans quels domaines souhaiteriez-vous recevoir une
formation ? Non, on aurait voulu connaître le principe de fonctionnement de l'outil de l'extraction Lexico3 ou n'importe quel autre.