CoMeRe.org : corpuscomere

Outil d’exploration corpus de Tweets

Julien Longhi, université de Cergy-Pontoise nous transmet cette information qui permet de faire des analyses sur des corpus de tweets CoMeRe, notamment :

  • Longhi, J., Borzic, B., Alkhouli, A.(2016). #Intermittent: constitution d’un corpus lié à un événement discursif controversé. In Chanier T. (ed) Banque de corpus CoMeRe. Ortolang.fr : Nancy. https://hdl.handle.net/11403/comere/cmr-intermittent
  • Longhi, J., Marinica, C., Borzic, B. & Alkhouli, A. (2014). Polititweets, corpus de tweets provenant de comptes politiques influents. In Chanier T. (ed) Banque de corpus CoMeRe. Ortolang.fr : Nancy. https://hdl.handle.net/11403/comere/cmr-polititweets

    ***************

    Avant la mise en ligne d’une application #Ideo2017 (http://ideo2017.ensea.fr/, dont le corpus sera ensuite hébergé sur le site du projet), un premier outil est déjà mis à disposition de la communauté pour le traitement de corpus de tweets:

    http://ideo2017.ensea.fr/outil-twitter/index.php

    Cette interface, développée dans le cadre d’un stage de M2 sciences du langage de Abdelouafi EL OTMANI dirigé par Julien Longhi, permet de faire des recherches dans les corpus Polititweets et #Intermittent, et de générer des sous-corpus spécifiques à ces recherches.

    En effet, le format XML-TEI des corpus nécessite une mise en forme pour le traitement dans les outils d’analyse des données textuelles, et nous avons pu constater des difficultés d’interopérabilité entre les pratiques des communautés de constitution de corpus, et d’analyse outillée des discours. Cet outil permettra donc une prise en main plus aisée par les usagers des logiciels mentionnés plus bas.

    Cet outil se présente comme un moteur de recherche. Il convient en premier lieu de choisir le corpus souhaité:

    capture-decran-2016-12-20-a-16-54-01-300x183
    Dans notre cas, nous choisissons Polititweets. L’utilisateur peut ensuite effectuer sa requête, par exemple « démocratie »:

    capture-decran-2016-12-20-a-16-54-39-300x243
    L’utilisateur peut choisir de faire une recherche dans tout le corpus, ou de se focaliser sur un compte twitter spécifique. En cliquant sur « Valider », les résultats apparaissent: contenu des tweets, auteur du tweet, support de production, et nombre de retweets:

    capture-decran-2016-12-20-a-16-54-57-300x221

    Le menu en haut de la page permet de produire des exports sur mesure pour 2 logiciels d’analyse de données textuelles, Lexico3 et Iramuteq:

    capture-decran-2016-12-20-a-17-03-24-300x47

    En choisissant par exemple Lexico3, sans nettoyer les liens, on obtient un corpus qu’il ne reste plus qu’à copier et utiliser pour une analyse dans le logiciel:

    capture-decran-2016-12-20-a-16-55-16-300x178
    En faisant de même avec Iramuteq, après analyse dans le logiciel, on obtient facilement par exemple l’analyse des similitudes, qui rend notamment compte des cooccurrences de « démocratie »:
    demo-300x165

    Cet outil constitue donc un premier pas vers l’application #Ideo2017: mise à disposition à la communauté, outil intuitif, aide à la constitution de corpus balisés grâce à la médiation de l’outil.
    Bonne consultation

AG du consortium CORLI

ag-corli

« Journée-rencontre » du consortium CORLI « CORpus, Langues et Interactions »

https://corli.huma-num.fr/

Jeudi 12 janvier 2017

Université Paris Diderot- – Bâtiment Olympe de Gouges – Amphi 2
8 place Paul Ricœur (Au bout de la rue Albert Einstein) – 75013

Le comité de pilotage du consortium « CORLI » organise le 12 janvier 2017 une « journée – rencontre » ouverte à tous. Au cours de cette journée seront présentées les avancées et les activités du consortium « CORLI ». La matinée sera consacrée à l’accessibilité des données.

Programme de la journée

9h 00 : Accueil des participants

Matinée – L’accessibilité des ressources

9h 30 – 11h 00 : Diffusion des ressources, interopérabilité et métadonnées
Coordonnateur : Thierry Chanier

Pause

11h 20 – 12h 50 : Méthode d’exploration des corpus : « Des corpus écrits aux corpus
multimodaux »
Coordonnateur : Céline Poudat

DEJEUNER

Après-midi – Consortium « CORLI » : Bilan 2016 et objectifs 2017

14h 00 – 15h 30 : Bilan et objectifs
Coordonnateur : Franck Neveu

Pause

15h 50 – 16h 50 : Débat : Qu’attendez-vous du consortium ?

*****

Inscription nécessaire en suivant le lien : https://form.jotformeu.com/63342008274349

Les personnes participant aux activités du consortium peuvent demander une prise en charge de leur frais de mission.

CoMeRe au colloque CLARIN 2016

clarin

Certains membres du projet CoMeRe ont soumis, avec nos collègues européens, un papier au colloque annuel de CLARIN. Michael Beißwenger a presenté le papier intitulé « Integrating corpora of computer-mediated communication into the language resources landscape : Initiatives and best practices from French, German, Italian and Slovenian projects » lors du colloque à Aix en Provence en octobre 2016.

Une vidéo de la présentation se retrouve à ce lien. Le papier est également sur HAL.

Référence bibliographique : Michael Beißwenger, Thierry Chanier, Isabella Chiari, Tomaž Erjavec, Darja Fišer, et al.. (2016). Integrating corpora of computer-mediated communication into the language resources landscape : Initiatives and best practices from French, German, Italian and Slovenian projects. CLARIN Annual Conference 2016, Oct 2016, Aix-en-Provence, France. https://hal.archives-ouvertes.fr/hal-01379621v1.

4ème conférence cmc-corpora en Slovénie

cmc-conf-equipe

Plusieurs d’entre nous étaient présents à la 4ème conférence que nous co-organisions, après Rennes en 2015, cette année les 27 et 28 septembre en Slovénie.

les actes sont ici

les diapos des présentations sont à ce lien

Voici le fil Tweeter.
[View the story « 4th Conference on
CMC and Social Media Corpora for the Humanities » on Storify
]

En savoir plus : http://cmc-corpora.org

Vue d’ensemble de la base CoMeRe

Après l’ajout de de deux nouveaux corpus, voici l’état actuel de la base de corpus CoMeRe hébergée par l’infrastructure ORTOLANG dans le cadre des coopérations avec le consortium CORLI de Huma-Num. On remarquera la variété des genres de communication médiée par les réseaux présente dans cette base : https://hdl.handle.net/11403/comere

cmr-genres

Chaque corpus est téléchargeable avec tous les documents associés. Tous ces corpus sont structurés de la même façon en TEI-CMC (version XML augmentée de la TEI, pour en savoir plus, voir ici).  Pour en savoir plus sur la façon de télécharger chaque corpus , voir notre article ici .  Aucune identification, ni création de compte n’est nécessaire pour effectuer ces téléchargements.

Il est donc possible de construire des analyses intercorpus entre même genre ou entre genres différents. Merci aux utilisateurs ayant téléchargé nos corpus et/ou désireux d’accomplir des analyses en mélangeant leurs propres données avec les nôtres, de nous le signaler en nous écrivant à contact@comere.org .

Deux nouveaux corpus dans la base CoMeRe

La base de corpus CoMeRe ( https://hdl.handle.net/11403/comere ) vient de s’enrichir de deux nouveaux corpus qui comme les précédents sont entièrement téléchargeables, renseignés et structurés de la même façon que les précédents en TEI-CMC :

  • 1) Panckhurst R., Détrie C., Lopez C., Moïse C., Roche M., Verine B. (2016). 88milSMS. A corpus of authentic text messages in French. In Chanier T. (ed) Banque de corpus CoMeRe. Ortolang : Nancy. https://hdl.handle.net/11403/comere/cmr-88milsms
  • Ce corpus vient compléter les autres corpus de SMS / textos en langue française déjà présents dans CoMeRe, tous issus du même projet européen « sms4science ». Une version précédente du corpus figurait dans le site Huma-Num. Dans cette nouvelle verison, le corpus a été structuré en TEI-CMC, des métadonnées détaillées ont été ajoutées expliquant, notamment, les conditions de collecte, édition, etc. Les profils des  auteurs de SMS figurent désormais dans la version TEI-CMC. Une large fraction des émoticônes et émojis, présents dans les messages, a été étiquetée.
  • 2) Riou, S. & Sagot, B. (2016). Etiquetage morpho-syntaxique du corpus FAVI [corpus]. D’après Yun, H. & Chanier, T. (2014). Corpus d’apprentissage FAVI (Français académique virtuel international) [cmr-favi-tei-v1]. Banque de corpus CoMeRe. Ortolang.fr : Nancy. https://hdl.handle.net/11403/comere/cmr-favi/cmr-favi-tei-v2
  • Ce corpus est le premier de la base CoMeRe a avoir été produit après un étiquetage morpho-syntaxique  d’un précédent corpus CoMeRe. L’étiquetage a été réalisé avec l’analyseur MElt. Il s’agit d’un corpus de clavardage. Le corpus résultant est lui aussi encodé en TEI-CMC. Les étiquettes utilisées sont listées dans le teiHeader du fichier correspondant. Un document de travail sur la façon d’encoder en TEI le résultat du traitement est joint au corpus.

Les copies d’écran ci-dessous donnent un aperçu des fiches d’information sur les deux corpus précédents et un aperçu d’extraits d’interactions.  Ces fiches d’information s’affichent lorsqu’on accède aux corpus en suivant les adresses (handle) citées précédemment. Les fiches sont construites automatiquement à partir des contenus complets des corpus qui eux sont en XML/TEI.  Pour mémoire, un corpus est constitué d’une ensemble de fichiers (dont les principaux contenant les interactions des utilisateurs en ligne qui sont encodés en TEI-CMC), assemblés dans une archive ZIP. Chaque fiche d’information liste tous les fichiers contenus dans l’archive ZIP et donne le lien de téléchargement complet..

fiche d'information sur corpus Favi2

fiche d’information sur corpus Favi2

 

extrait des interactions étiquetées dans favi2

extrait des interactions étiquetées dans favi2

 

fiche d'information sur corpus 88milSMS

fiche d’information sur corpus 88milSMS

 

extrait des interactions du corpus 88milSMS

extrait des interactions du corpus 88milSMS

Programme Conférence CMC Corpora en Slovenie

Le programme pour le  « 4th Conference on CMC and Social Media Corpora for the Humanities » qui aura lieu le 27 et 28 septembre 2016 en Slovenie est maintenant disponible. Plusieurs membres du projet CoMeRe présenteront des travaux liés au projet.

Pour toute inscription, merci de compléter le formulaire en ligne ici. L’inscription est payante pour les présentateurs mais gratuite pour des personnes qui souhaitent assister au colloque et qui ne présentent pas.

Le colloque accueille comme plènieres Dawn Knight de Cardiff University qui présentera ses travaux sur le corpus de référence de gallois contemporain et Petra Kralj Novak du Jožef Stefan Institute qui présentera sa recherche sur les émoticônes.