Analyse des structures de réseau dans le projet Sunoikisis Digital Classics

Introduction

Le projet Sunoikisis Digital Classics a pour but de proposer des séminaires thématiques à un public international. Ce projet, commencé en 2015, a été initié par les départements d’études classiques des universités de Leipzig (Allemagne) et de l’université Harvard (États-Unis) et par l’Institute of Classical Studies de Londres (Royaume-Uni). La liste des collaborateurs s’est développée au fil du temps de telle sorte qu’elle contient aujourd’hui des participants de plus de 120 institutions à travers le monde. Si Sunoikisis prenait au départ pour champ de recherche les études classiques comme la philologie, l’histoire et l’archéologie, son champ d’investigation s’est progressivement diversifié avec un intérêt pour les sciences dites « auxiliaires de l’histoire » dans l’étude des mondes anciens telles que l’épigraphie, la paléographie, la papyrologie et la prosopographie. L’objectif initial était de diffuser la maîtrise des humanités numériques. Au vu du nombre de participants, de leur diversité et de leur étendue géographique, cet objectif semble atteint.

Notre travail repose sur un fichier CSV regroupant l’ensemble des séances du projet Sunoikisis Digital Classics à partir de l’année universitaire 2014-2015. Notre première tâche a été de mettre à jour ce tableau, d’en corriger les erreurs et d’ajouter les données oubliées. Ce travail a été poursuivi tout au long du semestre. En effet, il fallait s’assurer d’avoir les informations les plus précises possibles afin d’obtenir des résultats exacts.

Notre but était de nous intéresser aux contributeurs des séances. Au cours de nos recherches, nous avons remarqué une différence entre les participants. Nous avons pu établir une distinction entre hosts (animateurs) et guests (invités). En effet, en nous appuyant sur les vidéos des séances, nous nous sommes aperçus que, bien souvent, une personne préside la séance : non seulement elle présente le sujet, les différents invités et le thème de leurs travaux de recherche mais au cours de l’exposé elle assure aussi le rôle d’animateur. Inversement, les guests sont des invités qui interviennent pour faire part de leurs recherches et de leurs connaissances sur une thématique précise. Ainsi, si l’on observe une certaine récurrence parmi les hosts, les guests sont, quant à eux, très variés.

Toutefois, dans le tableau dont nous disposions, ces données étaient assez éparses. Par exemple, les hosts n’étaient pas toujours notés et la distinction avec les guests n’existait pas. Nous avons donc dû corriger tout cela en nous appuyant sur les données vidéos. Ainsi, les premières recherches que nous avons effectuées apparaissent comme erronées puisque nous ne disposions pas des informations exactes. Le travail de nettoyage des données a été une procédure à la fois individuelle et collaborative : nous avons fait le choix de répartir entre nous la correction et la mise à jour des données.

Observations générales

Un seul coup d’œil sur l’ensemble des données permet d’emblée de remarquer la prédominance des hosts, les plus souvent présents dans les diverses séances en leur qualité d’animateurs. On pense notamment à Gabriel Bodard, Valeria Vitale et Monica Berti. Les guests, quant à eux, font des apparitions plus spontanées, en fonction de leur thème de prédilection.

Puisque le travail était collaboratif, il convenait de s’accorder sur une cohérence globale en ce qui concerne le traitement des données, autant dans leur mise à jour et dans leur présentation. La question des auditeurs s’est également posée. En effet, dans certaines vidéos nous pouvons remarquer qu’en plus des hosts et des guests, il y a parfois également des auditeurs, qui n’interviennent pas, ou peu, simplement pour demander une information ou préciser un détail. La question s’est ainsi posée de savoir comment traiter ces personnes dans nos données. Nous avons fait le choix de ne pas les inclure dans le traitement des données puisqu’il ne s’agit pas d’intervenants majeurs au sein des vidéos.

Les logiciels utilisés : De Github à Gephi, en passant par Visual Studio Code

Github

Pour accomplir notre travail, nous avons principalement utilisé trois logiciels, à savoir GitHub, Open Refine et Gephi. Tout d’abord, GitHub, un service web, a grandement facilité notre collaboration. Il nous a permis de centraliser les données initiales utiles à l’étude et de regrouper, au fur et à mesure, les travaux de chaque étudiant. Il offre, par exemple, la possibilité de pratiquer « l’intégration continue », qui permet de détecter les problèmes se trouvant dans les données, ainsi que la « gestion de version », qui facilite la gestion des différentes versions et le travail collaboratif. Les erreurs de manipulation pouvant facilement s’y glisser, GitHub permet de garder une trace des différents états des fichiers au fil du temps et de repérer facilement toute anomalie dans les données. 

Ensuite, le traitement des données a été effectué à l’aide de l’éditeur de texte Visual Studio Code. Ce logiciel permet la manipulation de données, leur nettoyage et leur mise en forme. Enfin, c’est avec Gephi que nous avons pu donner un sens à nos données. Gephi permet en effet l’analyse et la visualisation graphique de réseaux. Ces représentations permettent une meilleure appréhension des données et la mise en relief d’éléments saillants.

Visual Studio Code

Il s’agissait en effet de sélectionner les données que nous allions conserver pour la réalisation des graphes mais aussi de les mettre en forme sous un format utilisable dans le logiciel Gephi, CSV.

Les données dont nous disposions au début rassemblent un grand nombre de métadonnées des séances Sunoikisis : date, semestre, participants (indifférenciés), thèmes, page GitHub associée… Comme notre projet avait pour objectif l’analyse des contributeurs, notre première tâche a été d’isoler les noms de ces contributeurs et de les rassembler dans un autre fichier CSV, mis en forme à l’aide de VS Code. Ce premier fichier était cependant inutilisable car les données de base n’incluent pas les hosts. Nous avons donc dû le compléter en ajoutant ces contributeurs et en distinguant les hosts et les guests. VS Code nous a permis de travailler localement pour mieux mettre en commun nos fichiers sur Github et de détecter des potentielles erreurs de code plus facilement.

Gephi

Observations avant analyse

Avant de mener à bien notre analyse, on a pu relever quelques problèmes liés au traitement des données. À travers divers tâtonnements, nous avons cherché à nous approprier le logiciel dans le but d’en obtenir les données les plus intéressantes à notre analyse.

En effet, on peut tout d’abord remarquer que la distinction entre les catégories hosts et guests n’est pas aussi claire que l’on aurait pu l’imaginer dans Gephi. Pour une raison assez obscure, le logiciel fait une distinction entre une catégorie “guests” et “; guests” dans l’attribut Type.

Par un recours au Laboratoire de données, une modification a pu être apportée à cette répartition. Le choix le plus pertinent, et qui a été conservé, est celui de ne conserver qu’une seule catégorie pour éviter des doublons.

Le résultat obtenu semble dès lors bien plus pertinent :

Dans certains cas, et pour certains membres de notre groupe d’analyse, Gephi ne semblait pas reconnaître certains signes orthographiques comme les accents ou les cédilles ce qui donnait des aberrations orthographiques et/ou des biais de catégorisation (voir l’exemple d’Aurélien Berra ci-dessous).

Dans le but de corriger ces données, il a été proposé de modifier le fichier CSV directement pour que les noms soient plus lisibles et que chacun n’appartienne qu’à une seule catégorie.

Préparation de l’analyse

Pour l’analyse, il semble obligatoire de réussir à obtenir le graphe le plus lisible possible. Or, même avec des jeux de couleurs, les graphes peuvent apparaître comme surchargés et l’analyse semble dès lors un peu difficile. Pour remédier à cela, plusieurs solutions étaient possibles, notamment celle de supprimer les prénoms des participants, ce qui permet de gagner en lisibilité en enlevant une moitié d’information.

La spatialisation Yifan Hu semble également être la plus pertinente en ce qui concerne l’analyse de réseaux car elle permet une meilleure lisibilité en offrant la possibilité de distinguer à l’œil nu trois groupes qui correspondent aux trois intervenants les plus fréquents : Monica Berti, Gabriel Bodard et Valeria Vitale.

Analyse générale

D’un point de vue macroscopique, avec l’outil modularité, qui crée des groupes au sein du réseau, on constate deux ensembles construits sur deux intervenants : Monica Berti (en rouge) et Gabriel Bodard (en bleu). Cependant, il faut mentionner aussi la présence de groupes disparates et d’un sous-groupe prédominant au sein du groupe Bodard, celui de Valeria Vitale.

Analyse sur la modularité

Lors de la collecte des données, il était déjà clair que certains noms, les noms des hosts les plus fréquents, allaient recouper davantage de connexions. Il s’agit, dans un premier temps, de confirmer cette hypothèse à l’aide d’une visualisation qui met en avant les connexions.

Pour cela on peut utiliser un classement des liens par leur poids. Nous pouvons lire dans ce classement quelles sont les connexions les plus fréquentes. Les liens les plus foncés sont ceux qui relient les hôtes les plus fréquents, à savoir Gabriel Bodard et Monica Berti, puis Valeria Vitale.

Spatialisation Force Atlas 2 présentant un classement des liens par poids et des labels par type 

La schématisation de la modularité peut se faire soit par partition, soit par classement. L’outil partition définit précisément des valeurs pour les hosts et les guests, mais n’autorise pas une visualisation claire de cette modularité. Nous avons donc opté pour un classement (et non une partition) des couleurs des labels par modularité. En choisissant trois couleurs bien distinctes pour le spectre de couleurs, des groupes se dessinent de façon plus flagrante.

Spatialisation Yifan Hu avec application de la modularité des labels

On observe trois grands groupes de couleurs : vert, marron et rose. Se distinguent également Rebecca Seifried dans un sous-ton de vert et un groupe de trois personnes en bleu : Alessio Sopracasa, Karsten Tolle et Lily Grozdanova. Lorsque l’on cherche à connaître les connexions des personnes en bleu, on observe que Tolle et Grozdanova sont exclusivement liées entre elles et à Monica Berti. Avec la mise en perspective du tableau de données, il semble que ces trois personnes aient assisté à la même séance, animée par Monica Berti. Il est curieux alors que ce choix de couleur ait été fait par Gephi, d’autant plus que le troisième protagoniste bleu, Alessio Sopracasa, a participé à une autre séance, avec d’autres invités. On retrouve une dynamique similaire avec Rebecca Seifried, qui est liée avec Sarah Murray et Piraye Haciguzeller.

Dans la visualisation Yifan Hu, les personnalités les plus importantes apparaissent par le grand nombre de liens qu’elles réunissent : c’est le cas de Gabriel Bodard, Valeria Vitale et Monica Berti. Ces personnes ont aussi pour caractéristique de se trouver au centre de cette spatialisation. En effet, plus les personnes sont éloignées dans le cercle, moins elles ont de connexions. Mais dans cette spatialisation ce critère est relativement confus, étant donné que des personnes avec tout aussi peu de connexions se retrouvent au centre, comme Federico Boschetti sur cette visualisation.

Spatialisation Force Atlas 2 avec application de la modularité pour les labels et poids pour les liens

Ainsi, grâce à la spatialisation Force Atlas 2, ce critère est davantage visible : les personnalités qui recoupent le plus de relations sont au centre et se distinguent clairement du reste. Mais on peut tout de même observer les sous-groupes avec l’application de la modularité sur la couleur des labels. Dans cette configuration, le poids des liens ne nous permet pas d’observer plus d’éléments signifiants que les couleurs ne faisaient déjà apparaître.

Peut-on analyser ces données avec un graphe dynamique?

Avec la fonctionnalité « dynamic », Gephi nous donne la possibilité d’associer chaque nœud à un moment dans le temps. On peut ainsi donner une dimension temporelle au graphe, à travers une animation prenant en compte les modifications, les changements en fonction d’un axe temporel. Cet outil semble intéressant pour analyser nos données, étant donné que chaque apparition des contributeurs est associée à une date de séance précise. On peut ainsi supposer que les « hosts » remplissent ce rôle sur plusieurs séances consécutives, souvent en fonction des saisons. Dans une moindre mesure, les « guests » pourraient également être présents sur plusieurs séances, notamment des séances doubles, portant sur la même thématique. Toutefois, il ne nous est pas possible de tester cette hypothèse puisque nos données n’ont pas été formatées pour être dynamiques. Mais même si cela était possible, l’intérêt d’un graphe dynamique resterait limité. L’évolution chronologique montrerait seulement les mêmes groupes d’intervenants que ceux qu’on retrouve dans nos graphes statiques. Malgré tout, cet outil serait très utile si nous avions choisi d’analyser nos données sous un autre angle.

Conclusion

Grâce à l’analyse de réseau des animateurs et intervenants, nous avons mis en évidence les pivots du réseau qui entretiennent le projet Sunoikisis Digital Classics. La concentration des interactions entre certains sujets a permis de distinguer des groupes d’échanges qui témoignent autant de l’importance du regroupement effectué par les animateurs que de la diversité des sujets traités. La combinaison des logiciels de traitement et de partage des données a rendu possible l’expérimentation d’une mise en abyme intéressante à travers une analyse de réseau.

Billet rédigé par Hugo Caverivière, Inès Le Guillou, Frédéric Mellet, Léa Morel, Axelle Penture et Evie Roussel.

Projet collaboratif : Sunoikisis Digital Classics

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.

Voyant Tools : nuage de mots comprenant les thèmes du projet Sunoikisis Digital Classics. (Par défaut, les thèmes comportant un nom composé sont considérés par la plateforme comme deux mots et non comme un seul.)

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.

Carte mise en ligne à l’adresse https://umap.openstreetmap.fr/el/map/carte-des-pays_899985#2/37.7/22.9

Projet collaboratif : Sunoikisis Digital Classics

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. Pour ce faire, les étudiantes et étudiants acquièrent des compétences pratiques en matière de préparation de données et de collaboration : Web scraping élémentaire, maniement du CSV comme format pivot pour le traitement automatique, nettoyage et analyse interactive dans un éditeur de texte et avec OpenRefine, définition de catégories d’analyse et annotation collaborative, contribution à des fichiers partagés en ligne et à notre entrepôt de données sur GitHub.

Cette année, le groupe a mis à jour les données de notre panorama des séances organisées depuis la création de Sunoikisis Digital Classics en 2015 et mené une annotation thématique systématique (sur la base de la taxonomie TaDiRAH, Taxonomy of Digital Research Activities in the Humanities, et des catégories de l’Index of Digital Humanities Conferences), puis s’est intéressé aux axes d’exploration suivants : fréquences et genres des intervenants ; fréquences et distribution chronologique des institutions ; fréquences, co-occurrences et distribution chronologique des thèmes.

Les analyses seront poursuivies avec d’autres moyens dans le cours de master 2. Néanmoins, plusieurs observations faites par le groupe semblent d’ores et déjà intéressantes. Nous les résumons ici.

Le renouvellement des intervenants et des institutions est remarquable : 90 % des participants interviennent 5 fois ou moins et 60 % interviennent seulement une fois, tandis que la moitié des institutions n’apparaît qu’une seule fois. L’équilibre entre hommes et femmes semble parfait, avec 50,8 % d’hommes et 49,2 % de femmes. Le « bruit » créé par la présence dominante des principaux organisateurs, qui sont ne sont généralement mentionnés que lorsqu’ils assurent une partie de la séance, mais il faudrait contrôler les données afin de savoir si elles sont fiables pour les trois personnes mentionnées plus de 20 fois. On note par ailleurs que 20 % des institutions ne semblent pas être des universités.

L’étude des thèmes repose sur une annotation manuelle et comporte donc une part d’arbitraire liée à la subjectivité des annotateurs, même si deux personnes au moins ont validé les thèmes. Cela étant, quelques thèmes sont saillants : l’annotation (un tiers des séances), la visualisation (27 %) et l’open data (19 %). De fait, les graphiques montrent bien que les notions d’encodage, d’annotation et de visualisation sont fondamentales dans le programme. Au contraire, des thèmes assez spécifiques sont évoqués dans moins de 1 % des séances, comme « sentiment analysis », « topic modelling » ou « virtual and augmented reality ». Certains thèmes sont présents tous les ans ou presque : « visualisation », « translation », « text mining », « objects and artefacts », « epigraphy », « geography », « annotation », « treebank », « encoding », « linked open data ». Cependant, malgré ces constantes – qui constituent la colonne vertébrale des saisons –, on observe une diversification des thèmes depuis les débuts de Sunoikisis Digital Classics, avec l’introduction de thèmes nouveaux jusqu’à cette année (comme les GLAM) ; le nombre de thèmes traités est passé de 17 thèmes différents en 2014-2015 à 25 en 2021-2022. De plus, pour chaque thème, on observe une grande variété d’intervenants et d’institutions, ce qui signifie que la parole est donnée à plusieurs spécialistes, avec un souci de varier leur lieu de provenance et donc d’élargir la communauté.

Ce travail sera repris et précisé. Nous partageons pour finir certains des graphiques produits à la fin du projet collaboratif.




Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search