Ajuster corpus et objectifs - 3e séance

Serge Fleury & Benoît Habert

Binôme/trinôme : Nicoleta Ramona ANGHEL, Inalco, rami78_ro@yahoo.com, Olga KUSYY, Inalco, olga_kusyy@yahoo.fr

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 ?

Le corpus des documents comprenant un mot de la famille "laïcité" contient 2 837 articles (1,5% de la totalité du corpus LM10. C'est un nombre très important.

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 ?

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

En examinant le nombre de triplets et de documents au fil des ans dans les informations sur les dépendances syntaxiques, on remarque les constantes suivantes:

triplets	documents	triplets par document
500	240	2

Cependant, il faut souligner les moments singuliers:

année	triplets	documents	triplets par document
1994	1055	411	2,57
1996	848	324	2,60

année après année ;
Après une légère baisse en 1992, la fréquence des triplets repart en hausse en 1993 pour atteindre son pique en 1994. En revanche, l'année suivante la fréquence baisse de presque moitié pour revenir au niveau moyen. On remarque une nouvelle hausse en 1997 et en 1998 suivie par le retour à la moyenne de 1999 au 2000.
mois après mois.
Les moments les plus marquants sont : mars 92, août-septembre 92, juillet 99 où l'on constate une baisse significative du nombre de triplets utilisés ainsi que décembre 93, janvier 94, septembre 96 et novembre 98 où la fréquence est très élevée.

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.

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

Nous considérons le corpus donne une image précise et quasi complète de la famille "laïcité".
A votre avis, faudrait-il ajouter d'autres données textuelles et si oui, lesquelles ?

Compte tenu de la richesse des ressources du corpus, nous estimons que celui-ci permet de faire une étude complète de la famille "laïcité" pour la période donnée.

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) ?

En effet, nous nous sentons perdues face à l'immense quantité de ressources dans lesquelles il est difficile de se retrouver. D'ailleurs, les questions auquelles nous devons répondre ne sont pas toujours compréhensibles (probablement parce que notre formation sur le traitement des corpus a été trop courte).

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

Pas vraiment... Nous avons une idée très générale sur les méthodologies mais pas de connaissances approfondies qui nous redraient opérationnelles. Nous aimerions recevoir une formation en lexicographie et terminologie et surtout apprendre à utiliser les outils de traitement des corpus.