Projet porté par Géraldine Castel, ILCEA4
En juillet 2017, un chercheur financé par le volet Démarre SHS! du Data Institute a participé au THATCamp organisé par l’université du Sussex à Brighton, en Grande-Bretagne (http://thisand.thatcamp.org/). Selon ses principes fondateurs, un THATCamp n’est pas un colloque car il n’y a pas de présentation formelle selon un programme figé. Il s’agit plutôt d’apprentissage par la pratique et l’échange. Quatre catégories de séances sont proposées lors de ces manifestations : Talk (Discussion de groupe sur un sujet d’intérêt commun), Make (Produire un résultat, par exemple, une visualisation de réseau, résoudre un problème etc…), Teach (Enseigner une compétence, initier à un logiciel…), et Play (Activité ludique autour d’un outil, une problématique de recherche…).
La thématique abordée dans le cadre du THATCamp proposé à l’université du Sussex était ‘Rules, Regulations, Resistance’. L’objectif était de conduire une réflexion sur le cadre légal et réglementaire du travail de recherche à partir de données numériques. Cette manifestation a ainsi rassemblé des chercheurs, mais aussi des bibliothécaires, des juristes et d’autres acteurs de la recherche contemporaine afin d’échanger connaissances et retours d’expériences sur ces questions sensibles.
Ont notamment été présentées la réglementation relative à l’exemption de copyright dans le cadre de fouille de données scientifiques (https://www.gov.uk/government/uploads/system/uploads/attachment_data/file/375954/Research.pdf) mise en place depuis 2014 en Grande-Bretagne, ou encore la plateforme de conseils juridiques proposée par CLARIN, l’infrastructure développée pour permettre la diffusion de ressources linguistiques en Europe et au-delà (https://www.clarin.eu/content/legal-information-platform).
Au-delà des thématiques abordées à cette occasion, cette mission avait également pour but de préparer le THATCamp UGA qui s’est tenu sur le site de Valence en juin 2018 avec le soutien du Data Institute, de l’ADUDA et de l’ARC6 de la région Rhône Alpes Auvergne (http://www.arc6-tic.rhonealpes.fr/). Celui-ci a porté sur des projets et questionnements relatifs à l’utilisation de logiciels et de données libres, et sur le concept de partage à chaque phase du travail de recherche (Collecte, organisation, analyse et diffusion des données).
Pour plus d’informations sur cette manifestation : http://ugainvalence2018.thatcamp.org/
Le Data Institute a également financé une mission de formation au logiciel GATE (General Architecture for Text Engineering), une suite d’outils développés en open source par l’université de Sheffield.
Les fonctionnalités les plus pertinentes pour un chercheur en sciences humaines concernent l’annotation semi ou totalement automatisée de larges corpus de textes et la fouille de données. Il est ainsi possible d’identifier des items selon des paramètres personnalisables, de les classer dans un sous-corpus, de les extraire pour en tirer des informations statistiques, créer des visualisations, etc.
GATE est par ailleurs proposé avec une multitude d’applications destinées à étendre ses fonctionnalités. ANNIE aide ainsi à l’extraction d’informations grâce à l’utilisation de référentiels (Gazeteer), Gate Teamware facilite l’annotation collaborative, etc. GATE peut traiter des corpus réalisés dans différents formats : texte, HTML, XML, PDF, Word… Le projet ‘Political Futures Trackers’ (https://www.nesta.org.uk/news/political-futures-tracker) est un exemple de programme de recherche SHS développé à l’aide de GATE.
L’objectif était ici de créer une suite d’outils permettant de suivre en temps réel l’activité en ligne des principales équipes de campagne britanniques et des internautes dans le cadre des élections législatives de 2015 au Royaume Uni.
Un traitement automatisé a donc été appliqué à l’aide de GATE à un large volume de données tirées de Twitter, des sites des partis concernés ainsi que des discours des principaux candidats. Cet étiquetage à grande échelle a permis de faire émerger les principales thématiques abordées ainsi que de pratiquer une analyse de sentiment sur ce corpus évoluant en permanence pendant la période de campagne.
Les outils développés ont notamment rendu possible l’automatisation des tâches suivantes : collecte de données, analyse sémantique, agrégation d’informations, fonctionnalités de recherche et de visualisation…
Pour plus d’informations sur GATE : https://gate.ac.uk/