AnalyseSHS, un outil à tester
AnalyseSHS est développé au laboratoire PIREH (Pôle informatique de recherche et d’enseignement en histoire) depuis plusieurs années. Ce site permet d’envoyer un tableau de données (CSV, ods, xslx…) et de réaliser dessus différentes analyses factorielles dont des AFC et des méthodes de classification (calculées par R), puis d’explorer les résultats à travers une interface web dynamique.
Une fois sur AnalyseSHS, il est notamment possible de déterminer un seuil minimal à partir des contributions des modalités aux facteurs afin de limiter le nombre de points présents sur le graphique, d’ajouter des variables illustratives, etc.
Voici une documentation permettant d’assurer le passage à AnalyseSHS à partir d’un corpus dans TXM.
Source : propos de Léo Dumont (université Paris 1 Panthéon Sorbonne) d’après un échange courriel sur la liste txm-use
Tenir compte de graphies variables
L’un des participants de l’atelier TXM à l’EHESS du 13 avril 2018 a évoqué le besoin de tenir compte de graphies variables de mots dans d’anciens textes.
Continuer la lecture de « Tenir compte de graphies variables »
Outils pour la langue turque
TreeTagger ne prévoit pas de modèle pour la langue turque. Il peut être utile d’aller voir la page Internet TS Corpus qui propose des outils d’annotation de données en langue turque et d’autres outils.
Au revoir !
Voilà, notre cours est terminé ; merci de votre présence et de votre participation active ! Maintenant, à vous de voir si vous voulez aller plus loin, tout·e·s seul·e·s ou ensemble avec d’autres adeptes de TXM.
Protégé : Bilan de fin de formation TXM
A la recherche de corpus en langue française
Lors de la quatrième séance, l’une des participant·e·s a souhaité avoir des informations par rapport à des corpus en langue française. Il n’y en a pas des masses mais voici quelques pistes :
Continuer la lecture de « A la recherche de corpus en langue française »
Protégé : Un casse-tête pour le groupe
Une bonne nouvelle pour les usagers de Mac et de Linux
Message publié par Serge Heiden sur la mailing list TXM et le mur du groupe Facebook TXM et le 9 respectivement 10 janvier 2018 :
Nous avons le plaisir de vous annoncer la disponibilité de la nouvelle version de TXM (0.7.9) : http://textometrie.ens-lyon.fr/files/software/TXM/0.7.9
Continuer la lecture de « Une bonne nouvelle pour les usagers de Mac et de Linux »
Du soutien par l’équipe TXM
Pendant les séances passées de notre cours, quelques questions ont été posées que j’ai relayées à l’équipe TXM. Voici les réponses données par Bénédicte Pincemin, chargée de recherche CNRS (IHRIM – ENS de Lyon). Un grand merci à elle et à toute l’équipe TXM !
Annoter des données en langue persane
L’un des participants du cours Initxm travaille sur des données en langue persane. À ce jour, cette langue ne figure pas dans l’offre de langues des modules d’annotation sur le site dédié à TreeTagger. Nous avons suggéré à notre spécialiste de persan d’annoter ses données à l’aide de XML-TEI (voir le livre de Lou Burnard publié en 2014 : What is the Text Encoding Initiative?. Traduit en français par Marjorie Burghart en 2015 : Qu’est-ce que la Text Encoding Initiative ?).
D’autres solutions existent : pour trouver des informations sur des outils d’annotation de langues variées, on peut consulter le document DKPro Core™ Tagset Reference. Il y figure des informations sur la Uppsala Persian Dependency Treebank. Il est également possible de consulter le système de gestion Sketch Engine qui se sert d’étiqueteurs variés dont TreeTagger et qui propose actuellement trois corpus annotés en langue persane.
| Language | Name | Words |
| Persian | CHILDES Farsi Corpus | 120,527 |
| Persian | OPUS2 Persian | 4,425,133 |
| Persian | TalkBank Persian (blog posts) | 474,773,547 |
Création d’un tableau de métadonnées
Après la troisième séance
Lors de la troisième séance, les gestes de base autour de TXM se sont mis en place. Nous avons commencé à nous intéresser aux corpus structurés (création d’une partition et d’un sous-corpus) et à la préparation d’un dossier contenant des articles d’une discipline universitaire ainsi que le fichier des métadonnées, appelé “metadata”, pour TXM.
Protégé : Enregistrement de la troisième séance
Programme de la troisième séance
Notre troisième séance sera orientée “travaux pratiques”. Vous allez encore tester quelques fonctionnalités de TXM. Ensuite, vous allez extraire un corpus d’experts (Boch & Frier, 2015 : 91) à partir du Corpus Chambers-Le Baron et constituer un fichier de métadonnées. Cela vous donnera l’occasion de travailler avec des ensembles de données qui correspondent à votre discipline.
Les mots-clés vedette de cette séance sont “métadonnées”, “extraction”, “normalisation”.
Références
Boch, Françoise & Frier, Catherine (2015). « Travailler le texte : ponctuation, anaphores et collocations », dans F. Boch et C. Frier (dir). Écrire dans l’enseignement supérieur : Des apports de la recherche aux outils pédagogiques. Grenoble : UGA Éditions (Didaskein), p. 53-109.
Chambers, Angela et Le Baron, Florence (2006). Corpus Chambers-Le Baron d’articles de recherche en français. http://ota.ahds.ac.uk/headers/2527.xml
