Une partie du cours « Humanités numériques 2. Projet collaboratif » est consacrée au programme Sunoikisis Digital Classics. Ces séances ont pour objectif d’explorer ce programme collaboratif international, ses thèmes, ses ressources et le réseau auquel nous participons ainsi. Ce billet reprend les synthèses préparées par les deux groupes de ce semestre.
Annotation et étude des thèmes
Nicolas Corre, Frédérique Maréchal et Beniamino Motton (EAD)
Objectifs
- Découverte du programme Sunoikisis Digital Classics, programme collaboratif de Digital Classics
- Initiation à GitHub et contribution à notre entrepôt de données
- Usage du format CSV (comma-separated values) pour le traitement de données tabulaires
- Initiation à Open Refine, logiciel libre de nettoyage et de mise en forme de données
- Annotation collaborative
- Analyse de données
Situation de départ
Le fichier CSV sur lequel reposait notre travail présentait toutes les séances de Sunoikisis Digital Classics à partir de l’année universitaire 2014-2015. Pendant le semestre, notre groupe s’est occupé d’analyser la partie concernant les thèmes de chaque séance pour proposer ensuite une meilleure organisation du tableau et donc une meilleure lecture. Le fichier d’origine avait six colonnes pour les thèmes et nous avons pu constater dès le début que ces colonnes n’étaient pas remplies systématiquement. De plus, un travail de toilettage s’imposait, car des liens de sites Internet se trouvaient dans les colonnes dédiées aux thèmes. L’impression était donc d’un tableau de lecture difficile, qui voulait être précis dans la définition des séances en proposant un large éventail de thèmes, mais qui finalement n’était pas efficace.
Processus de traitement des données
Nous avons fait le choix de nous limiter à trois thèmes, par souci d’efficacité et de commodité. Dans les deux premières colonnes devaient apparaître les mots les plus pertinents, en lien notamment avec le titre de la session. La troisième colonne, quand cela était possible, devait correspondre par contre à la discipline traitée lors de la séance. Au premier abord, certaines décisions semblaient s’imposer d’elles-mêmes. Par exemple, entre text encoding et encoding, il nous est apparu pertinent de garder uniquement encoding ; ou alors faire un seul thème pour digital edition et digitalisation. Pour être efficace, la sélection de mots-clés devait éliminer des redondances, prendre en compte les synonymes ou les expressions associées. Cela nous obligeait notamment à repérer les associations régulières de mots-clés, d’une séance à l’autre, ou la fréquence d’emploi de certaines expressions. Cela peut paraître simple, mais cela nous a obligé cependant à faire des choix parfois draconiens. Certaines logiques se sont affrontées. Fallait-il choisir des mots-clés spécifiques comme XLM-TEI ou choisir des thèmes plus généraux comme code ? Il nous fallait choisir une stratégie d’indexation adaptée aux objectifs de recherche des utilisateurs potentiels de ce fichier. En effet, il peut être parfois judicieux d’utiliser des mots-clés généraux pour élargir le champ de recherche. Cependant, cela peut également donner lieu à des résultats trop nombreux et peu pertinents qui peuvent décourager le chercheur. Aussi, nous avons fait le choix de garder de préférence les mots-clés spécifiques pour aider à mieux cibler les requêtes des utilisateurs. Par exemple, cela imposait de mettre en avant, quand cela était possible, des acronymes comme NLP, qui désigne le Natural Language Processing (ou « traitement des langues naturelles »), ou des noms de systèmes d’encodage, comme XLM-TEI justement.
Dès le départ, le travail de sélection a été collaboratif. Sur le forum de discussion, nous avons pu échanger régulièrement nos impressions, nos doutes sur le choix de tel ou ou tel thème. Chacun a pu défendre ses préférences, ou se résoudre à se soumettre à la majorité. Devait-on supprimer les vagues et tristes annotation ou standards ? Si on précisait la discipline archaeology, la mention d’objects and artefacts était-elle nécessaire ? Les combats ont parfois été rudes. À la surprise générale, l’obscur named entities, initialement rejeté, a finalement été gardé. L’enseignant a pu parfois jouer le rôle de conciliateur, et plus sûrement celui d’arbitre, afin de rappeler les critères de sélection. L’objectif était de toujours être logique et régulier. Pour être plus précis, le travail de toilettage s’est fait à la fois de manière personnelle et collaborative. Il y avait 226 lignes dans notre tableau, aussi nous l’avons découpé en trois fois 76 lignes. Chacun d’entre nous pouvait ainsi procéder dans son coin au toilettage des lignes qui lui étaient affectées. Mais cela nous obligeait ensuite à confronter nos choix à celui des autres, il fallait avoir le souci de la cohérence entre chacune des trois parties, et, le cas échéant, mettre en exergue certains choix délicats, ou à l’inverse revenir sur les sélections qui n’étaient pas suffisamment étayées. Ces échanges réguliers et toujours très cordiaux nous ont obligés à développer une véritable pratique réflexive, des compétences qui devraient nous être utiles par la suite.
Ce que nous avons observé
Une fois le recensement de nos thèmes effectué sur trois colonnes, nous avons pu observer que nous avions une vision à la fois précise et globale de chaque séance, mais aussi de chaque session et que cela simplifierait l’utilisation de ce tableau pour quiconque s’intéresserait au programme SunoikisisDC.
En parcourant le tableau, nous nous rendons compte que de nombreux thèmes reviennent à chaque session : annotation, encoding, named entities, epigraphy, translation, visualisation ou encore treebank et text mining. On constate ainsi une forte cohérence dans le choix des sujets abordés. À l’inverse, certains thèmes sont peu évoqués comme ethics, linguistics, computational linguistics, semantic web ou encore digital humanities history et topic modeling. Cela manifeste la volonté de diversifier les thèmes et d’ouvrir le champ de recherche à certains sujets peu explorés jusque-là.
Cette impression d’ouverture est confirmée par les thèmes qui sont mis à l’honneur au cours des dernières sessions comme GLAM (« galleries, libraries, archives, museums ») ou copyright license and open access. La présence de ces nouveaux thèmes est le fruit de la réflexion engagée depuis 2014 par l’équipe de SunoikisisDC en faisant émerger de nouvelles problématiques : une réflexion collective qui a permis le déploiement d’un grand nombre de réponses à des questions scientifiques très pointues. Un work in progress qui a encore de beaux jours devant lui.
Un problème subsiste malgré tout. Comme nous avons parfois réduit à trois thèmes chaque séance, il se pourrait que nous ayons – même en voulant faire pour le mieux – oublié des thèmes. L’observation de nos résultats, sans être le fruit du hasard, comporte une marge d’erreur.

Cartographie
Paraskevi Dimitra et Thibault Legois
L’idée de créer une carte des pays des institutions et des centres de recherche participant au projet Sunoikisis Digital Classics depuis sa création est le fruit d’un travail collaboratif. Notre objectif était de créer une carte avec les pays participant au projet par rapport à leur sujet de recherche. Mais ce projet était difficile à réaliser sur une carte à travers l’outil de cartographie choisi, uMap. Le choix qu’on avait à notre disposition était la création d’une carte avec un seul critère, celui des pays d’origine des institutions.
Pour créer notre carte, nous avons commencé par ajouter sur notre fichier CSV, qui contenait la liste des séances du projet, trois colonnes avec les pays d’origine des institutions. Cette procédure était parfois compliquée, du fait que le siège de certaines institutions était difficiles à localiser exactement (par exemple, collaboration de deux ou trois universités dans un programme).
Ensuite, nous avons crée un fichier CSV contenant la liste des pays. L’étape suivante était la création d’un fichier au format KML à importer sur uMap. Pour la création de ce fichier nous avons travaillé dans Visual Studio Code. Étant donné qu’un fichier KML est en réalité une liste des pays, on ne pouvait pas en présenter deux « côte à côte », par exemple Germany/Italy (ces doublets ayant été provisoirement admis lorsqu’un intervenant relevait de plusieurs institutions de pays différents). Pour cette raison, on a présenté chaque pays séparément. À travers le site opendatasoft (choix World Administrative Boundaries – Countries and Territories), on avait la possibilité de trouver le fichier KML de chaque pays, en le téléchargeant et en faisant un copier coller de leur source dans notre fichier.
Notre dernière étape était la création d’un compte sur uMap et d’une carte. Nous avons importé le fichier KML avec tous les pays en cliquant sur « importer des données » et notre carte a été créée ! Par la suite, on avait la possibilité de nommer notre carte, de changer le fond sur notre écran, d’ajouter des informations ou des images en cliquant sur chaque pays et de sauvegarder la carte dans notre compte uMap pour l’utiliser à n’importe quel moment.
La carte réalisée à l’avantage de rendre compte visuellement (c’est-à-dire mieux qu’un fichier CSV) des pays et continents accueillant les universités et institutions membres du projet, et d’ainsi nous fournir quelques informations sur la culture et la dynamique du projet. En effet, nous constatons que l’Europe de l’ouest et du nord concentre la majorité des pays concernés. En effet, deux états d’Amérique (le Canada pour le nord, le Brésil pour le sud), deux états d’Afrique (l’Égypte et l’Afrique du sud) et deux états d’Asie mineure (la Turquie et l’Iran) viennent s’ajouter. On note à l’inverse l’absence des États-Unis, dont les universités sont pourtant investies dans la recherche paléographique et numérique, de l’Afrique du Nord, disposant d’importants vestiges archéologiques en lien avec la Grèce et Rome, et de la Russie, culturellement proche de la Grèce. Cette carte révèle donc que les intervenants sont majoritairement issus de pays dont l’étude des cultures gréco-latines constitue une tradition scolaire ancienne (Europe de l’ouest ou du nord), ou disposant d’importantes ressources paléographiques (Égypte), ou ayant eu un rôle dans l’histoire grecque, notamment hellénistique (Turquie et Iran). La présence des pays restants (Canada, Brésil, Afrique du sud) témoigne de l’ouverture du projet aux initiatives des professeurs qui souhaitent le rejoindre. En les comparant aux pays absents de notre carte (comme la Russie, l’Afrique centrale, l’Asie…), nous pouvons nous demander si leur implication dans le projet n’est pas liée au fait que la culture européenne (et donc antique) est constitutive de la leur, profondément implantée et répandue, notamment en raison de l’existence d’une population européenne et de structures scolaires partageant toujours l’intérêt pour les cultures anciennes (à l’inverse de la majeure partie de l’Asie par exemple).
Enfin, l’outil uMap réserve encore un fort potentiel pour mettre en relation les pays et les institutions. Par exemple, quelques informations ajoutées pour la ville de Nauplie où se trouve le Centre d’études helléniques en Grèce de Ηarvard (site internet du Centre et quelques informations de base comme le titre du centre en français et en anglais, région, continent) permettent de rendre ces informations visibles sur la carte, et de donner accès au site internet du Centre. On pourrait aussi ajouter sur la description pour chaque ville les thèmes principaux des séances du projet (par exemple, annotation, digital papyrology, etc.). Donc, cet outil est parfait si on veut stocker quelques informations de base par rapport à notre recherche et avoir un accès interactif à travers une carte sur son contenu. De plus, les nombreuses options de mise en forme qui nous sont données, telles que la modification du fond, des couleurs et des bordures, nous permettent de personnaliser notre carte en fonction de notre esthétique personnelle.
