Présentation du projet Sunoikisis
Sunoikisis digital classics est un séminaire international consacré aux études des lettres classiques et numériques, couvrant la période 2015–2026. https://sunoikisisdc.github.io/
L’année dernière, il avait été question de créer un fichier CSV pour y mettre toutes les informations des cours de Sunoikisis DC. Voici le lien pour ceux qui souhaitent s’y reporter : Synthèse de nos travaux sur le projet Sunoikisis DC (avril 2025).
Présentation du travail de cette année
Cette année nous sommes partis de ce fichier pour analyser des points précis du projet. Nous nous sommes donc divisés en deux axes d’étude ; d’un côté l’analyse des institutions représentées dans les cours de Sunoikisis, de l’autre côté l’analyse des objets d’étude des cours de Sunoikisis.
L’analyse des disciplines de Sunoikisis DC
Nous allons vous présenter la tâche de notre groupe pour analyser les disciplines enseignées par Sunoikisis. Nous avons fini par attribuer à chaque séance une ou deux disciplines. Celles-ci rattachées à une ou deux méthodes en s’appuyant sur la taxonomie TaDiRAH 2.0 (Taxonomy of Digital Research Activities in the Humanities). https://vocabs.dariah.eu/tadirah/en/index
Le CSV établi par les élèves de l’année précédente contenait 87 thèmes distincts répartis sur six colonnes (themes_1 à themes_6). Ce billet retrace notre démarche, les problèmes rencontrés et les choix que nous avons faits ensemble. Il contient 87 thèmes distincts sur l’ensemble du corpus. Il y avait aussi des colonnes contributor, institutions, country qui ne nous intéressent pas pour notre travail. Voici donc les douze thèmes plus fréquents :
|
Thème |
Occurrences dans les cours |
|
Visualization |
52 |
|
Linked open data |
41 |
|
Annotation |
38 |
|
Encoding |
31 |
|
Digitization |
30 |
|
Text encoding |
28 |
|
Treebank |
28 |
|
Text analysis / Text mining |
47 |
|
Named entities |
25 |
|
Translation |
25 |
|
Geography |
20 |
|
Archaeology |
19 |
Après avoir actualisé les séances sur le fichier CSV hn2_sunoikisis dc_data.csv sur notre dépôt GitHub, nous nous sommes concentrés sur les colonnes intitulées Themes_1 à Themes_6. Pour cela, notre première étape a donc été de nettoyer ce fichier CSV, à l’aide du logiciel OpenRefine.
Le travail d’adaptation du fichier CSV original pour notre objet d’étude
Pour pouvoir travailler sur les thèmes des séances, nous avons fait le choix de garder un fichier CSV plus rudimentaire. Nous avons donc conservé les colonnes suivantes :
- Saison
- Numéro dans la saison
- Date de la séance
- Titre de la séance
- Thème_1
- Thème_2
- Thème_3
- Lien URL de la séance
Il nous est apparu évident à ce stade de conserver uniquement trois colonnes de thèmes au lieu des six existantes. Les autres avaient été peu ou pas remplies, et semblaient avoir peu d’intérêt dans notre analyse future.
Nous avons donc créé un nouveau fichier CSV, que nous avons intitulé “csv intermédiaire”. Nous y avons évidemment supprimé les colonnes contributor, institutions, country. Le plus gros problème était le manque d’homogénéité des catégories puisque différentes personnes se sont succédées pour remplir ces colonnes. Les colonnes themes n’étaient pas cohérentes, et ce jusque dans leurs écritures puisqu’on pouvait retrouver différentes orthographes d’une même technique ou discipline. 
Dans cette capture d’écran nous voyons un exemple clair du manque d’homogénéité. Le themes_3 de la ligne 51 et 56 s’intitule “treebank” mais celui de la ligne 58 devient “tree bank”.
À cette étape du travail, nous avons été confrontés à une impasse dans notre réflexion. En effet, les disciplines abordés par les séances de Sunoikisis nous semblaient très diverses et difficiles à étiqueter dans une logique généraliste. Certaines séances étudiaient des champs disciplinaires très précis, comme l’archéologie, mais certaines abordaient des thèmes plus généraux, comme la prise en main d’un logiciel, ou une méthodologie d’utilisation de données informatiques.
Notre première idée a été de faire une grande division entre les champs qui concernaient exclusivement l’Antiquité et d’autres appartenant au domaine informatique et numérique. En analysant plus précisément le contenu de chaque séance, cette idée est apparue comme peu pertinente. En effet, de nombreuses séances mêlaient ces deux vastes domaines, qui devenaient donc indissociables. L’utilisation des outils digitaux pour l’appliquer au domaine des lettres classiques est le cœur de la création des cours de Sunoikisis.
Nous avons donc souhaité nous restreindre à seulement deux colonnes discipline et deux colonnes method. L’objectif était de rester le plus large possible pour pouvoir établir des correspondances entre les cours, tout en gardant l’idée d’une classification par champ disciplinaire et méthode numérique associée. Les cours Sunoikisis étant organisés par saison selon un thème précis, le caractère général des intitulés nous évite de tomber dans des filiations exactes correspondant à chaque saison.
Cependant, dans les différentes disciplines, nous avons tout de même essayé de restituer cette dimension numérique en attribuant l’étiquette “digital humanities”, généralement accompagnée de la méthode “teaching”. Cela met en évidence des cours centrés sur une technique numérique qui n’a pas d’application directe aux humanités classiques. Ce choix nous permet ainsi de ne pas différencier ces cours de l’ensemble puisque l’on retrouve toujours la volonté de l’appliquer aux humanités classiques. Sur le fichier final nous pouvons ainsi relever 90 occurrences de “teaching” et 152 de “digital humanities”
Nos choix d’annotation
Pour mieux comprendre notre démarche voici un tableau qui explique la situation initale et montre nos différents choix pour unifier les disciplines et les méthodes :
|
Situation |
Terme évité |
Terme retenu |
Justification |
|
Cours 3D, VR, Wiki |
archaeology / history |
digital humanities |
Cours d’outil pur, pas de discipline classique |
|
text mining (thème CSV) |
text mining |
knowledge discovery |
Terme officiel TaDiRAH 2.0 |
|
text analysis |
text analysis |
content analysis |
Plus précis dans TaDiRAH 2.0 |
|
text editing / encoding |
text editing |
Editing |
Terme officiel TaDiRAH sous Enriching |
|
maps and mapping / geography |
mapping |
spatial analysis |
Cours de cartographie rien à voir avec mapping, un concept mathématique Terme officiel TaDiRAH sous Analyzing |
|
visualisation (thème CSV) |
visualisation |
data visualization |
Terme officiel TaDiRAH sous Analyzing |
|
adding / notifying |
adding, notifying |
Enriching |
Micro-opérations sans catégorie propre |
Les problèmes rencontrés
Les limites de TaDiRAH
Certaines thématiques du CSV n’ont pas de correspondance directe dans TaDiRAH 2.0. Le terme « text mining » n’existe pas comme concept autonome – il est uniquement mentionné dans les notes relatives à l’analyse de contenu. Les micro-opérations comme l’ajout, la notification et la soustraction ne possèdent pas de classification distincte et sont classées sous l’enrichissement. Un identifiant périmé (Wikidirecteur) a aussi été éliminé, car il n’est plus en lien avec aucune entrée du registre actuel.
De plus nombre de termes présents sur TaDiRAH n’ont aucune définition, que ce soit sur le site en lui-même ou sur Wikidata, il est donc peu commode de les utiliser. Ce flou existe par exemple pour associate et associating, il est impossible de réellement les différencier. En effet associate et associating n’ont aucune définition et renvoient à des liens morts. Le seul indice que nous donne le site réside dans le concept plus large (broader concept). Associate renvoie à contextualizing tandis que associating, lui, renvoie à annotating. Deux termes proches ont alors une signification totalement différente.
Hétérogénéité orthographique des termes
Le document comprenait des termes en majuscules non standardisées (par exemple : Annotating, Spatial Analysis), tandis que TaDiRAH 2.0 emploie des lettres minuscules. Nous avons tout transformé en minuscules et avons fait un copié-collé depuis vocabs.dariah.eu. Pour choisir entre l’usage de ‘organizing’ et ‘organising’, ou ‘preserving’ et ‘preservation’, nous avons opté pour l’orthographe américaine en nous référant à Wikidata comme juge normalisateur.
Les sessions exclusivement numériques
Pour les sessions entièrement dédiées à l’utilisation d’outils numériques tels que 3D, VR, Wiki, SIG…, nous avons opté pour le concept des humanités numériques comme domaine d’étude et l’enseignement comme méthodologie secondaire. Cela leur confère une identité unique sur le graphe final, distincte des sessions disciplinaires (histoire, linguistique, géographie…). En effet, dans une visée généraliste, nous ne pouvions pas restituer des méthodes aussi précise que “3D” ou “XML-TEI” et il n’existe pas encore d’autres catégories.
Résultats et représentations visuelles
Le premier représente les disciplines les plus présentes et le second quantifie les méthodes les plus utilisées dans les cours de Sunoikis. Évidemment l’enseignement et les humanités numériques apparaissent fréquemment à cause de notre choix de répertoriage. Voici deux tableaux illustrant les conclusions de notre travail. Nous ne les avons donc pas inclus dans les tableaux.
| Discipines | Occurrences dans les cours |
| Philology | 55 |
| Geography | 35 |
| Archaeology | 30 |
| History | 28 |
| Literature | 20 |
| Méthodes | Occurrences dans les cours |
| Encoding | 27 |
| Annotating | 24 |
| Linked Open Data | 19 |
| Visualization | 18 |
| Georeferencing | 17 |
Suite au nettoyage et à l’annotation, le corpus montre une distribution plus forte des méthodes par rapport aux disciplines. La forte présence de “teaching” qui est parfois la seule méthode pour certains cours ne suffit pas à expliquer cette différence. En effet, “digital humanities” est souvent un cas unique dans les disciplines. Il est encore plus présent que “teaching” et il n’empêche pas à d’autres disciplines d’avoir un nombre important d’occurrences. On peut lier cette conséquence à des possibilités plus grandes que pour les disciplines. Il est plus difficile d’annoter des méthodes puisqu’elles sont toutes uniques : il n’y a pas autant de grands regroupements conventionnels de méthodes, comme les disciplines peuvent avoir. On voit sur TaDiRAH que le nombre de méthode est conséquent et bien que nous ayons essayé de généraliser au maximum cela reste encore imparfait.
Conclusion
Ce travail nous a confronté aux réalités concrètes de l’annotation en humanités numériques : un fichier de 283 séances avec 87 thèmes hétérogènes demande des décisions collectives, des règles partagées et beaucoup de vérifications. La création de ce fichier nous a permis d’avoir une vision encore un peu plus parfaite des possibilités offertes par les humanités numériques. Le résultat n’est pas parfait, mais il est cohérent et exploitable.
Pour y regarder de plus près, voici notre fichier CSV
L’analyse des institutions de Sunoikisis
Notre groupe a voulu préciser le poids des relations unissant les intervenants du projet Sunoikisis Digital Classics, qu’il s’agisse d’universités, d’organismes, d’associations, ou d’indépendants, par l’étude des 283 séances de la période 2015-2026. En fin de processus, un graphe généré par le logiciel Gephi permettra de visualiser le lien entre les institutions ayant participé aux séances.
Création d’un CSV comme base pour notre étude
Nous sommes partis d’un premier fichier de travail commun, constitué lors des précédentes années et mis à jour au fur et à mesure des séances. De ce fichier structuré, nous avons pu extraire les données qui nous intéressaient, en l’occurrence les institutions participantes et les numéros de séances. Pour les traiter, un éditeur de code (VSCode) nous a été utile dans l’harmonisation des données. La fonction rechercher et remplacer nous a par exemple permis de repérer et de corriger le phénomène récurrent de variantes de dénomination pour une même institution (Leipzig University, University of Leipzig). De là, il a été aisé d’isoler la liste des noms d’institutions pour constituer une sorte de feuille de présence sous forme de tableau CSV dans lequel chaque colonne définit une institution, et chaque ligne une séance. Sur OpenRefine ensuite, l’opération consiste à attribuer, ligne par ligne et pour chaque séance donnée, la valeur 1 aux entités concernées, c’est-à-dire aux institutions présentes dans la séance en question. L’absence de 1 dans notre tableau, donc la non-présence de l’institution, équivaut à la valeur 0.
Une nouvelle étape consiste en la transposition des données. Il s’agit d’opérer une nouvelle mise en forme dans laquelle toutes les entités se trouvent désormais regroupées dans une seule et même colonne intitulée « Institutions ». Cette transposition effectuée avec OpenRefine permet de réduire le tableau à deux colonnes seulement, l’autre étant la colonne « n_total ». Avec ce nouveau tableau, une nouvelle étape est franchie dans ce qui permettra le chargement de notre fichier CSV dans le logiciel Gephi.
Le passage du CSV d’OpenRefine à Gephi
Pour établir le degré de relation entre deux nodes (nœuds) liés entre eux par une edge (arête), Gephi doit connaître la valeur weight (poids) de ce lien. Le prochain travail consiste donc à formater notre fichier de manière à ce que la valeur weight y apparaisse. Exécuté manuellement, cette tâche aurait sans doute nécessité plusieurs heures de travail. Pour plus de facilité, un code python généré par ChatGPT puis rentré dans Google Colab, a permis d’obtenir rapidement un fichier CSV avec une nouvelle colonne weight, le rendant ainsi conforme aux exigences de Gephi.
# Build edge listedges = {}for _, group in df.groupby("n_total"): institutions = group["Institutions"].dropna().unique()for a, b in combinations(sorted(institutions), 2): key = (a, b) edges[key] = edges.get(key, 0) + 1# Convert to DataFrameedge_list = pd.DataFrame([(a, b, w) for (a, b), w in edges.items()],columns=["Source", "Target", "Weight"])
Sur OpenRefine, nous pouvons désormais visualiser notre tableau à trois colonnes, Source, Target, Weight . Après le nettoyage des données, 149 institutions différentes sont recensées. Au cours des 283 séances, 76 n’apparaissent qu’une fois, 26 deux fois, 13 trois fois, 3 quatre fois, 5 cinq fois, 10 six fois, 5 sept fois, 2 8 fois, 3 neuf fois, 1 dix fois, 2 seize fois, puis 24, 68 et 105 fois pour les trois premières en termes de fréquence. L’université de Londres est largement représentée, présente à plus d’un tiers (37%) des séances, suivie de l’université de Leipzig (24%) devançant le King’s College de Londres (8,5%) et les universités d’Helsinki et d’Exeter (près de 6% chacune).
Il nous faut maintenant importer les données sur Gephi en tant que Edges table. Notre fichier étant au format CSV, le caractère séparateur entre les différentes colonnes est la virgule. Nous laissons le reste des paramètres par défaut, c’est-à-dire Interval dans Time representation et Double dans Weight. Aucune erreur n’est détectée et nous pouvons maintenant nous concentrer sur le logiciel Gephi.
Réglages des résultats sur Gephi
Notre graphe comptabilise 143 nodes et 306 edges. Parmi les différents layouts à disposition, ForceAtlas 2 permet d’organiser les nodes de manière plus lisible et “exploitable” visuellement.
Le réglage des différents paramètres offre la possibilité d’ajuster l’échelle des éléments pour améliorer la lisibilité de l’ensemble, par exemple en modifiant la taille des nodes selon leur importance. Au vu du grand nombre d’institutions, il a été envisagé de regrouper ces dernières par pays pour ensuite disposer d’un moindre nombre de nodes, et ainsi d’une meilleure lisibilité à l’écran. Toutefois, les différents réglages opérés ont permis de produire un graphe visuellement satisfaisant et le regroupement par pays a donc été mis de côté.
L’ajout d’une colonne Label permet d’attribuer à chaque node le nom de l’institution qu’il représente.
Les images affichées précédemment proviennent de la fenêtre Overview de Gephi. Mais le logiciel possède également une fenêtre Preview dans laquelle il est enfin possible de générer une image en haute résolution du réseau. De nombreux paramètres sont à nouveaux disponibles, ainsi que des presets pour plus de facilité. L’export du graphe peut se faire en format svg, pdf ou png. Notons aussi que certains layouts permettent la génération de graphes 3D, c’est le cas notamment du layout Force Atlas 3D, disponible sous forme de plugin-in.
Avec le plug-in “Give Colors To Nodes”, il est aussi possible de créer des nodes de couleurs différentes en ajoutant au tableau une nouvelle colonne pourvue d’une valeur RGB. Pour ce qui nous concerne, l’on peut par exemple attribuer une même couleur à chaque pays — ou zone géographique, pour mieux les distinguer entre eux.
On peut choisir de s’intéresser au réseau dans son ensemble, ou bien de se focaliser sur une institution en particulier, par exemple ici en plaçant le pointeur de la souris sur « Birkbeck University ».
Interprétation des résultats obtenus sur Gephi
Ce travail sur le réseau des institutions du projet Sunoikisis s’est révélé intéressant à plus d’un titre. La tâche la plus contraignante aura sans doute été le formatage du fichier CSV pour le faire correspondre exactement aux demandes de Gephi. Ce logiciel que nous découvrions peut vite s’avérer frustrant et déroutant lorsque l’on peine à comprendre la logique avec laquelle il opère. A l’arrivée, un graphe a finalement pu être généré. Il nous montre la prééminence de l’université de Londres (179 connexions) dans les institutions concernées par Sunoikisis. L’on remarque aussi la forte présence de l’université de Leipzig en Allemagne (90 connexions) , ce qui n’est pas étonnant compte tenu du fait que ces deux institutions sont à l’initiative du projet. Dans une moindre mesure, deux autres institutions anglaises se démarquent aussi par leur relative importance, l’université d’Exeter (25 connexions) et le King’s College (39 connexions) de Londres. L’université d’Helsinki (24 connexions) possède également un réseau non négligeable. Multitude d’institutions — la plupart en fait — sont représentées dans le graphe avec des nodes de taille minimale, laissant supposer que Sunoikisis sollicite régulièrement de nouvelles institutions qui n’ont préalablement jamais participé au projet, et n’y participeront pas ultérieurement si ce n’est ponctuellement. En ce qui concerne l’université Paris Nanterre, nous pouvons relever qu’elle possède des liens avec les universités d’Oviedo, d’Erfurt, de Londres, de Leipzig, et de l’Ecole polytechnique fédérale de Lausanne. Ces “liens” sont à nuancer dans la mesure où ils désignent des cooccurrences lors d’une même session, et par conséquent n’impliquent pas nécessairement de rapport direct entre les institutions elles-mêmes. Si un thème commun réunit les participants d’une séance Sunoikisis, les raisons précises qui les unissent s’avèrent très diverses, pouvant être liées à un partage mutuel de connaissances, à un champ de travail commun, à la découverte d’un nouveau projet, etc.



















































