Enjeux de la représentation arborescente

Comment représenter un lieu de corpus qui n’a ni début ni fin par définition et dont les modifications à venir seront répercutées sur les données choisies ?

Limiter la représentation du lieu de corpus aux extractions que l’on peut en faire me semble assez malhonnête. L’extraction n’est pas le lieu de corpus, l’extraction est un corpus figé, une représentation d’une sélection d’éléments à un moment M.

La problématique de la représentation du lieu de corpus met en évidence un élément constitutif des objets d’étude numériques : leur polymorphisme. Pour représenter les lieux de corpus numériques je propose une modélisation que j’ai utilisée dans ma thèse :  la représentation arborescente.

Les données observables sur le web 2.0 ne sont pas figées, elles sont susceptibles de subir des modifications même de manière rétroactive. Le caractère continu et évolutif des données apparaissant dans les RSN[1] les rend difficilement analysables en l’état. En tout cas ce n’est pas le cas en linguistique avec les outils actuellement à disposition. La majorité des travaux sur des corpus numériques sont réalisés à partir d’extractions qui vont de la capture d’écran à la collecte d’énoncés plus ou moins décontextualisés. Je propose la notion de « lieu de corpus » comme alternative à celle de « corpus » dans le cadre de la linguistique numérique.

Pour travailler sur les données du discours numérique il est donc nécessaire de procéder à des extractions. Le lieu de corpus contient un trop grand nombre d’éléments, et des éléments de natures trop différentes pour être appréhendées ensemble. Toutefois, chaque corpus doit pouvoir être replacé dans le contexte global du lieu de corpus. Permettre une traçabilité en quelque sorte, qui ne remplace pas une restitution des données réelles mais permet de remonter à leur environnement numérique d’origine.

Pour prendre en compte toutes ces variables, je propose de composer un corpus pluridimensionnel et hiérarchisé. L’objectif est de mettre en lien la matière « brute », telle qu’elle apparaît dans son environnement numérique, avec les différents niveaux d’extractions réalisés. Cette présentation vise également à rendre visibles et accessibles les différents filtres nécessaires à l’établissement d’un outil de travail acceptable pour le linguiste.

 

Représentation arborescente

Figure 1 : Représentation arborescente du lieu de corpus

 

J’ai modélisé cette hiérarchisation du corpus sous la forme du diagramme ci-avant. Cette matrice compte 6 niveaux, répondant aux besoins rencontrés pour représenter le lieu de corpus utilisé dans ma thèse[2] mais on peut en imaginer autant que nécessaire. De même, chaque niveau peut supporter un nombre ouvert de sous-catégories. Je détaillerai chaque niveau de cette modélisation dans le prochain billet.

Il serait possible aujourd’hui en s’appuyant sur des logiciels de textométrie qui permettent, moyennant une programmation adaptée, de conserver un très grand nombre de données et de n’en rendre visible qu’une partie à la fois. Cette technique permettrait d’arrêter l’arborescence au troisième niveau mais elle demande une grande maîtrise des outils de textométrie et un temps de réalisation considérable. La subdivision actuelle du diagramme permet de pouvoir facilement aller consulter les données dans leur environnement d’apparition.

Représenter un lieu de corpus représente un enjeu complexe en l’état actuel des possibilités technologiques et méthodologiques en Sciences du Langage. La représentation arborescente est une proposition qui comporte des limites mais qui a l’avantage de prendre en compte la nature polymorphe du lieu de corpus. Je n’ai pas trouvé pour l’instant de solution pour intégrer directement les éléments numériqués (Paveau 2015[3]) du lieu de corpus en raison du support de présentation imposé dans le cadre du développement de cet outil[4] et de la nature instable de ce type de données. Pourtant ce sont ces éléments qui constituent l’objet d’étude de ce carnet, j’espère donc trouver un moyen de les intégrer plus finement à la représentation arborescente dans un avenir proche.

[1] Réseaux sociaux numériques.

[2] Qui correspond au compte Facebook « Ma Thèse Sdl ».

[3] Paveau M.-A., « En naviguant en écrivant. Réflexions sur les textualités numériques, Jean-Michel Adam, Faire texte. Frontières textuelles et opérations de textualisation, Presses universitaires de Franche-Comté, 2015 <hal-01163507>

[4] Puisque c’est avant tout pour représenter mon lieu de corpus de recherche doctorale que j’ai élaboré cette modélisation.

 

Pour citer ce billet : Emerit-Bibié L., 26 janvier 2016, “Enjeux de la représentation arborescente“, Mémo numérique(s) [Carnet de recherche], http://memo.hypotheses.org/99, consulté le…


Laetitia Emerit

Docteure en linguistique mes recherches portent sur la description du discours numérique tel qu'il apparaît dans les réseaux sociaux numériques.

Vous aimerez aussi...

Laisser un commentaire

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