Cogito, [R]go sum

Une formule anachronique pour un domaine d’étude intemporel. La question de recherche que j’ai tenté de mener avec RStudio consiste en une étude autour de la racine -cog- dans le cadre du corpus cicéronien qu’était le notre.

RStudio, quèsaco?

RStudio est un logiciel qui fonctionne avec le langage de programmation R, utilisé pour le traitement de données et l’analyse statistique. Ma question de recherche, à savoir la fréquence d’utilisation de la racine -cog- et les corrélations autour de ces mots, nécessite l’utilisation d’outils de racinisation – la commande stem a été l’outil le plus fiable pour cette recherche. Cette commande de stemming permet de trouver une version tronqué du mot qui est commune à toutes les variantes morphologiques de la racine. Les stemmers sont notamment très utilisés dans le cadre de l’internet car ceux-ci permettent un traitement plus rapide de l’information. Cette commande a été utilisée dans une première analyse de traitement des données du corpus; ainsi, « stopwords », espace, majuscules, ponctuation ont été retirés afin de pouvoir traiter les données avec plus de précision. Le stemming a ainsi permis d’enlever les « terminaisons » au sens large ainsi que les préfixes.

Quelques résultats plus ou moins satisfaisants.

En ce qui concerne la recherche d’occurrences liées à la racine étudiée, les commandes (dont la commande grep pour la recherche d’occurrences faute de mieux) donnent dix-sept résultats. Et à côté des formes attendues du verbe latin cognoscere, cogitat, excogitare…. apparaît cogar, forme futur passif de cogo, is,ere. Des résultats hétérogènes pouvant donc être facilement traités à l’unité mais qui ne permettent pas de tirer de grandes réflexions générales dans ce corpus un peu trop léger peut-être pour ce type de recherche.

La seconde étape permet de rechercher les occurrences reliées à cette racine dans un périmètre plus ou moins restreint, ajuster ici pour trouver une vingtaine d’occurrences.

capture-du-2016-12-14-17-38-56

Ces résultats sont davantage intéressants car ils permettent de pouvoir analyser la structure de la pensée cicéronienne par la corrélation qu’il fait des mots de cette racine avec d’autres mots : ainsi pouvons nous constater l’apparition de corporibus et pulmones, ou de caeleti et terra, pulchriorem et sapiensque… ces outils, utilisés à partir de corpus plus importants, permettent ainsi une recherche moins hasardeuse et plus rapide des termes qu’une recherche par mot dans Word, offrant un certain recul autour du texte (même si le retour au texte reste essentiel pour ce type d’étude).

Mais quelques petites frustrations.

Ces résultats sont certes assez satisfaisants à mon niveau de connaissance du logiciel mais restent malheureusement assez flous. Un problème majeur est celui du traitement de la langue latine; en effet, des bibliothèques comme wordnet s’avèrent être des outils intéressants, pour la lemmatisation notamment, mais n’incorporent pas de dictionnaire latin permettant de traiter ces données (il faut donc créer des variables afin de traiter cette information, ce qui est assez fastidieux). Le logiciel RStudio, ainsi que le TXM (ou projet textométrie) qui possède une extension pour l’analyse en langue latine, a développé des outils puissants pour l’analyse de corpus importants, notamment par la bibliothèque koRpus qui offre des outils d’analyses textuelles poussées. Malheureusement, la machine a elle aussi ses humeurs et ne m’a pas permis, pour le moment, d’exploiter ces outils qui promettent des résultats très significatifs.


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *