[Corpora-List] CatCod 2008 - Call For Papers / App el à Communications

Serge HEIDEN Slh at ens-lsh.fr
Fri Jul 11 16:33:08 UTC 2008


[version française plus bas]

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

                   CatCod 2008 - Call For Papers

                   First International Workshop on
      Cataloguing and Coding of Spoken Language Data

                         December 4 - 5 2008
                     Université d'Orléans, France

                       http://www.catcod.org

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

The number of spoken recordings  which are digitized and available for
the study and  description of language has remained  quite small for a
long  time  and  their  distribution  has  been  largely  confined  to
specialized  agencies.  However, the  development of  the Web  and its
associated storage, distribution  and processing technologies have now
made it  both practically and  economically feasible for  many smaller
structures,  such as individual  research laboratories,  to distribute
spoken resources for themselves.
We  are  thus  entering  a  critical  phase. It  is  now  possible  to
capitalize on the efforts  of projects which have digitized linguistic
data in  order to form the  empirical basis for  entirely new research
projects.
However,  many such  existing projects  in France  and Europe  shows a
great heterogeneity  among in their conformance  to established coding
and  cataloguing standards  for this  type of  resource.   Even though
these same  projects were often set  up with the  aims of facilitating
access to  data, and of sharing  and preservation of  data, we observe
that the diversity of formats, encodings and protocols they use limits
exactly these objectives.  In this  symposium, we aim to report on the
major  initiatives within  the  field of  digital document  management
which will potentially have an important influence on standardization.
We  would like  to stress  two  specific aspects:  the cataloguing  of
spoken resources and their encoding.

Cataloguing:
The  recent  and  fast  growth  of the  number  of  spoken  recordings
available on the  Web needs to be accompanied  by a significant effort
of  description  and  referencing  if  these data  are  to  be  easily
accessible  and managed,  rather  than  being buried  in  the mass  of
available data.  Some cataloguing practices aim solely to complete the
life cycle of a a  resource-creating project. Others explicitly aim to
guide  the exploitation,  preservation,  and the  distribution of  the
resource in the long term.
Such cataloguing activity is all the more important and urgent in view
of the rapid increase in  enhanced methods of handling operations this
mass   of  data,  by   means  of   data  exchange,   enhancement,  and
research.   Some  research   communities  are   well-organised  around
established standards such as the Dublin Core for Web-based resources,
the TEI  Header, or  the MARC standards  maintained by the  Library of
Congress  for  the  description  of  bibliographical  resources.  More
recently, smaller linguistic  communities have established cataloguing
proposals (OLAC, IMDI).  People have now had enough  experience in the
use of these  proposals to be able to criticize  them and propose some
improvements.   With these  new  insights, it  should  be possible  to
establish a minimal  charter to be respected by those  who wish to get
involved  in the  distribution of  spoken language  data, in  order to
facilitate their exchange and their more general use in research.

Encoding:
If cataloguing  is essential for  the identification of  resources and
for  rapid comparisons  amongst  them, encoding  is  essential to  the
description of the interpretation  of their content and also essential
to  their   exploitation  for  specific  studies.    If  encoding  the
transcription of  video or audio material is  indeed the clarification
of an interpretation,  then one notes here as well  a great variety in
the practices.
The  inventories made  during  the EAGLES,  MATE  and ISLE  successive
initiatives have demonstrated how difficulty  it is to grasp fully the
extent of  various encoding systems.  The ISLE project  suggested that
only  the specification of  a universal  software tool  for annotation
could lead to  resources encoded in a standardized  way. But this does
not make  it any the less necessary  for us to attempt  a communal and
consensual  activity, aiming  to  categorize, name,  and organize  the
phenomena found  within spoken  resources if we  hope to  achieve true
interoperability  of the  data, with  a  view to  multiple and  future
exploitations. We must now start  an exercise for the encoding of oral
corpora  similar to  what  has already  been  undertaken for  written
corpora by the TEI.

Quality control:
Assuming  that  we  can  achieve  an agreement  on  the  encoding  and
cataloguing of spoken data, it  will then be necessary to define rules
and develop tools to check the conformance of specific datasets to our
agreed  principles.  This  symposium  will also  therefore  report  on
quality control practices and techniques.

==== Français Français Français Français Français Français Français  ====


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

                CatCod 2008 - Appel à Communications

              Premières rencontres internationales pour le
                 Catalogage et le Codage de corpus oraux

                          4 - 5 Décembre 2008
                     à l'Université d'Orléans, France

                         http://www.catcod.org

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

Le  nombre  d'enregistrements  oraux  numérisés  et  disponibles  pour
l'étude et la description des langues est longtemps resté relativement
faible et  ceux-ci étaient confinés dans des  agences spécialisées qui
en  assuraient le partage.  Avec l'essor  du web  et des  capacités de
stockage, de diffusion et de  traitement, il est devenu abordable pour
des plus petites structures (par ex. des laboratoires de recherche) de
diffuser elles-mêmes leurs ressources  orales. Nous sommes désormais à
une étape  clé où  la capitalisation des  efforts de  numérisation des
données linguistiques  devient possible, ceci  afin de former  la base
empirique de nouveaux projets de recherche.
L'observation  des normes de  codage et  de catalogage  de ce  type de
ressources  dans les  différents  projets existants  en  France et  en
Europe, montre  une grande hétérogénéité des pratiques.  Alors que ces
mêmes  projets se sont  montés dans  le but  de faciliter  l'accès, le
partage  ou  la  conservation  des  données,  on  constate  que  cette
diversité des formats, des codages et des protocoles utilisés limitent
justement ces objectifs.

Nous souhaitons  dans ce colloque  faire le point sur  les initiatives
majeures dans le  monde de la gestion des  documents numériques, ayant
potentiellement une  influence importante pour  la standardisation, en
mettant  l'accent  sur  deux   aspects  particuliers  qui  sont  :  le
catalogage d'une ressource orale et son codage.

Le catalogage :
La  croissance récente  et  rapide du  nombre d'enregistrements  oraux
disponibles  sur  le  web  demande  à  être  accompagnée  d'un  effort
important  de description  et de  référencement afin  que  ces données
soient accessibles facilement,  ne soient pas noyées dans  le masse et
que  la  gestion  en  soit  facilitée.   Il convient  à  ce  titre  de
distinguer des pratiques de catalogage  qui ont pour vocation le suivi
du cycle de  vie d'un projet de constitution  de ressources, de celles
qui ont pour  vocation à guider l'exploitation, ou  la conservation et
la diffusion de ces ressources.
Cette activité  de catalogage est d'autant plus  importante et urgente
que  les  opérations  de  manipulations  sur cette  masse  de  données
augmentent    elles    aussi    (échange,   maintenance,    recherche,
etc.). Certaines communautés se  sont déjà fortement organisées et ont
parfois établi  des normes comme  le Dublin-Core pour ce  qui concerne
les ressources  sur le web, ou  depuis plus longtemps  les normes MARC
maintenues  par la  bibliothèque du  congrès pour  la  description des
ressources  bibliographiques. Plus  récemment  enfin, des  communautés
plus  restreintes  en  linguistique  ont établi  des  propositions  de
catalogage   (OLAC,   IMDI).   Il   existe   maintenant   suffisamment
d'expériences dans l'utilisation de  ces propositions pour en faire la
critique, proposer des améliorations,  des pistes de réflexion et pour
établir  une  charte minimale  à  respecter  par  ceux qui  souhaitent
s'engager dans  la diffusion  de ressources orales  linguistiques afin
d'en   faciliter   l'échange   et  plus   généralement   l'utilisation
scientifique.

Le codage :
Si le catalogage est essentiel  à l'identification des ressources et à
la  comparaison  rapide  entre  elles,  le codage  est  pour  sa  part
essentiel  à  la description  de  l'interprétation  du  contenu de  la
ressource   elle-même,  et   à  son   exploitation  pour   des  études
particulières.
Si  le codage  d'une transcription  de  vidéo ou  de son  est bien  un
travail d'explicitation  d'une interprétation établie du  point de vue
d'une  discipline  d'un objet  de  recherches,  alors  on constate  là
également  une très  grande diversité  de pratiques.  Les recensements
opérés  lors des initiatives  successives EAGLES,  MATE puis  ISLE ont
démontré la difficulté d'appréhender  l'étendue des divers systèmes de
codage.  La spécification d'un  outil logiciel  d'annotation universel
peut  être  une  voie  d'accès   à  des  ressources  codées  de  façon
standardisée, comme  cela a  été suggéré par  ISLE. Mais cela  ne nous
dispense  pas   de  faire  le  travail   communautaire  consensuel  de
catégorisation, de dénomination et  de structuration des phénomènes se
trouvant  au   sein  des  ressources  si  l'on   souhaite  une  réelle
interopérabilité  des  données  en  vue d'exploitations  multiples  et
futures. Il s'agit donc de  commencer le travail de standardisation du
codage des  corpus oraux  comme cela a  déjà commencé pour  les corpus
textuels avec la TEI.

Contrôle qualité :
En supposant obtenus  un compromis sur le catalogage  et sur le codage
des données orales, il est alors nécessaire de se donner des règles et
des outils  de vérification de la conformité  de données particulières
aux principes  établis. Nous souhaitons donc également  faire le point
dans  ce colloque  sur les  pratiques de  contrôle de  la  qualité des
ressources.

====
Topics of interest / Thématiques

- description and cataloguing of spoken resources
- distribution
- specification of tools
- research applications
- archiving
- publishing of language corpora
- annotation
- version control
- cataloguing and coding standards
- comparison of resources
- multimodal and multimedia transcription
- annotation schemes
- interoperability
- evaluation, quality control

- description et référencement des données orales
- diffusion
- spécification d'outils
- exploitation scientifique
- conservation
- édition de corpus
- annotation
- versionning
- standards de catalogage et de codage
- comparaison des ressources
- transcription multimodale et multimédia
- schémas d'annotation
- interopérabilité
- évaluation, contrôle qualité

====
Important dates / Calendrier

Initial Call for papers / Date de l'appel à communication : 11 July / juillet 2008
Submission deadline / Date de soumission des résumés : 29 August / août 2008
Evaluation deadline / Réponse de l'évaluation : 10 October / octobre 2008

====
Workshop date and place / Date et lieu du colloque :

4-5 December / décembre 2008  at Université d'Orléans

====
Submissions

- Paper submissions should not exceed 2 pages in length.
- The abstract  should be sent  as an attachment  in WORD, PDF  or RTF
  format. If  this is  not possible, send  the abstract to  the postal
  address shown below.
- At the top of the abstract, outside the typing area, put the title.
- Your name should only appear in e-mail message carrying the attached abstract.
- Special fonts: If your abstract uses any special fonts, there are two options:
i. In addition to the document in WORD or RTF format, send a PDF document.
ii. Send a paper copy to the address shown below.
- When sending  the email submission,  please follow this  format (use
  the numbering system given below):
1. Title of abstract:
2. Name:
3. Address:
4. Affiliation:
5. Status (faculty, student):
6. Email address:
7. Fax:
8. Phone numbers:

Send abstracts to: catcod2008 at ens-lsh.fr .

If you are unable to send an abstract in an electronic format, mail it to:

 CatCod 2008
 s/c M. Plisson
 Laboratoire LLL
 Université d'Orléans - UFR Lettres, Langues et Sciences Humaines
 10 Rue de Tours - BP 46527 - 45065 ORLEANS Cedex 2 FRANCE

====
Propositions de communication

- les résumés des communications ne doivent pas dépasser deux pages.
- les résumés sont à envoyer au format WORD, PDF ou RTF.
Si ce n'est pas possible par voie électronique, envoyez votre document
à l'adresse postale mentionnée plus bas.
- en entête du résumé, mentionner le titre de votre communication.
- votre nom ne doit apparaître que dans le courriel accompagnant votre résumé.
- si vous utilisez des caractères spéciaux dans votre résumé, il y deux solutions :
i. en plus du document WORD ou RTF, envoyez un document PDF
ii. envoyez un document papier au Comité Catcod
- dans  le   courriel  qui  accompagne  votre   résumé,  indiquez  les
  information suivantes en respectant la numérotation :
1. Titre du résumé
2. Nom de l'auteur (ou des auteurs)
3. Adresse
4. Organisme
5. Statut (Etudiant, Chercheur, etc.)
6. Adresse électronique
7. N° de fax
8. N° de téléphone

Envoyez votre résumé à catcod2008 at ens-lsh.fr .

Si vous ne pouvez pas envoyer le résumé par voie électronique, envoyez
votre courrier à :

 CatCod 2008
 s/c M. Plisson
 Laboratoire LLL
 Université d'Orléans - UFR Lettres, Langues et Sciences Humaines
 10 Rue de Tours - BP 46527 - 45065 ORLEANS Cedex 2 FRANCE


====
Program Committee / Comité de programme

Jean-Yves Antoine (Université F. Rabelais Tours)
Claude Barras     (LIMSI-CNRS)
Steven Bird       (University of Melbourne & LDC University of Pennsylvania)
Lou Burnard       (Oxford University Computing Services)
Pascal Cordereix  (BNF, Paris)
Benoît Habert     (ENS-LSH, Lyon)
Serge Heiden      (ENS-LSH, Lyon)
Nancy Ide         (Vassar College)
Michel Jacobson   (Ministère de la Culture, Paris)
Laurent Romary    (MPI Berlin-INRIA)
Emmanuel Schang   (Université d'Orléans)
Richard Walter    (CNRS, Université d'Orléans)
Peter Wittenburg  (Max-Planck-Institute for Psycholinguistics, Nijmegen)

====
Organisation Commitee / Comité d'organisation

Serge Heiden    (ENS-LSH, Lyon)
Michel Jacobson (Ministère de la Culture, Paris)
Emmanuel Schang (Université d'Orléans)
Richard Walter  (CNRS, Université d'Orléans)

====
Sponsors

Agence Nationale pour la Recherche (ANR) : projet VARILING

====
Information and Contact / Informations et Contact

Email: catcod2008 at ens-lsh.fr
Web: http://www.catcod.org


_____________________________________________________________
Serge Heiden, slh at ens-lsh.fr, https://weblex.ens-lsh.fr
ENS-LSH/CNRS - ICAR UMR5191, Institut de Linguistique Française
15, parvis René Descartes 69342 Lyon BP7000 Cedex, tél. +33(0)622003883




_______________________________________________
Corpora mailing list
Corpora at uib.no
http://mailman.uib.no/listinfo/corpora



More information about the Corpora mailing list