Fouille textuelle de revues intellectuelles québécoises

Fouille textuelle de revues intellectuelles québécoises

Iana Atanassova

83e congrès de l’ACFAS 25 mai 2015, Rimouski, Canada

Projet « Champ politique et champ intellectuel : une

analyse logométrique et bibliométrique »

Numérisation et exploitation numérique de la presse écrite québécoise.

Partenaires :

25 mai 2015, Rimouski Iana Atanassova 2

Objectifs

• analyse des revues et journaux intellectuels, publiés dans la période de l’entre-deux-guerres (1917-1939) au Québec ;

• identifier et comprendre les réseaux et les mouvements d’idées ;

• analyse de la notion d’innovation à travers les évolutions dans les usages des concepts ;

• développent d’outils de fouille textuelle pour des bibliothèques numériques.


Corpus de revues intellectuelles

• Presse écrite (1917 – 1939) :

– autour de 65 revues intellectuelles, disponibles en grande partie à la BANQ (papier et/ou microfilm)

• 8 revues déjà numérisées, en format PDF/TIFF par la BANQ


Corpus numérisé


Méthodes

• Numérisation et conversion en formats textuels avec gestion des métadonnées (XML, SQL, …)

• Analyse textuelle (indexation, annotations, etc.)

• Visualisations, extraction de données

• Exploitation pour les bibliothèques numériques : recherche avancée, navigation textuelle


Chaînes de traitement


Conversion de PDF en XML • XML schémas : DocBook, Erudit-XML

• Objectifs : – Préserver les marques d’italique et gras.

– Pouvoir représenter les métadonnées de l’article.


Base de données relationnelle


Génération des métadonnées

• Titre de l’article :

– Position du paragraphe (paragraphe précèdent/suivant)

– Moins de 20 mots, ne contient pas de phrases

– Utilisation de majuscules

• Nom (pseudonyme) de l’auteur :

– Dernier paragraphe du texte

– Comparaisons avec bases de noms/pseudonymes externes



Titre ?

Nom d’auteur ?


…

Indexation

• Développement d’interfaces interactives pour exploiter les données textuelles

• Moteurs de recherche dédiés : recherche par mots clés, par auteur, titre, etc.

• Outils : Solr Search Server (Lucene), interfaces web, javascript


Visualisations


Visualisations


Visualisations


Perspectives


• Implémentation d’outils avancés pour l’exploitation des revues numérisées : – Recherche avancée

– Affichage des termes en contexte

• Etude de l’évolution dans le temps des usages des concepts dans les corpus, afin de révéler les mouvements d’idées et l’apparition de nouveaux concepts : – Analyses linguistiques : prise en charge des contextes,

n-grams, etc.

– Distributions et analyse quantitative

MERCI !


Data & Analytics

Fouille textuelle de revues intellectuelles québécoises