Journee: Annotation de corpus, MSH-Lorraine, Nancy, 9 mars 2012

[Thierry Hamon]

Date: Tue, 07 Feb 2012 14:33:06 +0100 (CET)
From: Laurence KISTER <laurence.kister at univ-nancy2.fr>
Message-ID: <4aac33ff-b433-4a64-ac2d-cf1db3901186 at zstore2.univ-nancy2.fr>



Cher(e)s collègues,

L'axe 2 - Langue, textes et documents de la MSH-Lorraine organise une
journée consacrée à l'Annotation collaborative de corpus. Cette journée
aura lieu le vendredi 9 mars de 9h30 à 17h00 - Salle internationale -
MSH-Lorraine - 91 avenue de la Libération à Nancy.  Le matin sera
consacré à des présentations de type conférences et l'après-midi à des
retours d'expériences menées en Lorraine ( cf . programme et résumé des
intervenants en fichier attaché).

Pour des raisons de logistique nous demandons aux auditeurs potentiels
de bien vouloir nous signaler leur intention de participation avant le
27 février 2012 par courrier électronique :
Laurence.Kister at univ-lorraine.fr.

Cordialement

Laurence Kister
IUT Nancy-Charlemagne - Dépt Info-Com - Université de Lorraine
2ter boulevard Charlemagne - CS 55227 - 54052 Nancy cedex
03 54 50 38 86
ou
Atilf UMR 7118 Université de Lorraine/CNRS
44 avenue de la Libération - BP 30687 - 54083 Nancy cedex
03 54 50 53 43


------------------------------------------------------------------------

Axe 2 – Langues, textes et documents

Annotation collaborative de corpus

9 mars 2012
Salle Internationale – MSH‐Lorraine
91 avenue de la Libération
54000 Nancy

9h30 ‐9h50 Accueil et présentation de la journée
9h50 ‐10h30 Annotation manuelle de corpus : mais de quoi parle‐t‐on ?
Karën Fort ‐ Inist‐CNRS et LIPN UMR 7030 CNRS /Université Paris Nord

10h30 – 10h50 Pause

10h50 – 11h30 Exploitation éditoriale du balisage scientifique
Pierre‐Yves Buard – GREYC UMR 6072, équipe Document numérique Langue
Usages /Pôle Document numérique, MRSH Caen

11h30 – 12h10 Projet ProDescartes (à confirmer)
Vincent Carraud ‐ GREYC UMR 6072 CNRS/Université de Caen/Ecole
nationale supérieure d’ingénieur de Caen

12h10 – 12h30 Pause déjeuner

13h30 – 13h50 Chrestien de Lihus dans lʹhypertexte : retour dʹexpérience
sur une expérimentation dʹannotation de ressources textuelles dans le
réseau Wicri
Thierry Daunois ‐ Thierry Daunois ‐ Direction des
Partenariats/Université de Lorraine

13h50 – 14h10 Plateforme dʹannotation terminologique semi‐collaborative
Evelyne Jacquey – Atilf UMR 7118 CNRS/Université de Lorraine

14h10 – 14h30 Corpus littéraire : critique de la cité de Dieu
Béatrice Stumpf – Atilf UMR 7118 CNRS/Université de Lorraine

14h30 – 14h50 Présentation dʹune expérience dʹannotation en parties du
discours de corpus oraux : évaluation qualitative
Christophe Benzitoun ‐ Atilf UMR 7118 CNRS/Université de Lorraine

14h50 ‐ 15h10 Les encyclopédies médiévales et les digital humanities :
lʹévolution du programme Sourcencyme
Eduard Frunzeanu ‐ Centre de Médiévistique Jean‐Schneider ‐ ERL 7229
Université de Lorraine
Philippe Pons ‐ Atilf UMR 7118 CNRS Université de Lorraine

15h10 ‐ 15h30 Pause

15h30 ‐ 16h00 Questions relatives aux interventions de l’après‐midi

16h00 – 17h00 Discussion

Axe 2 – Langues, textes et documents

Résumés des interventions

9h50 ‐ 10h30 Annotation manuelle de corpus : mais de quoi parle‐t‐on ?
Karën Fort ‐ Inist‐CNRS et LIPN UMR 7030 CNRS /Université Paris Nord

On assiste depuis les années 90 à un regain dʹintérêt pour les corpus,
en particulier les corpus annotés, et ce dans de nombreux domaines de
recherche. Ces corpus annotés doivent offrir la meilleure qualité
dʹannotation possible, et nécessitent donc de faire intervenir des
experts humains dans le processus dʹannotation, que ce soit pour annoter
directement le corpus ou pour corriger une annotation réalisée
automatiquement. Or, cette phase manuelle est extrêmement fastidieuse et
nécessite un travail de longue haleine et de qualité si possible
constante. Il nʹexiste cependant à ce jour aucune grille permettant
dʹévaluer précisément la complexité de lʹannotation envisagée. Les
difficultés que présente lʹétiquetage morpho‐syntaxique du Hindi ne sont
pas les même que pour de lʹannotation de renommages de gènes ou de
structure de textes médiévaux, mais on peine à les définir, donc à les
réduire.

10h50 – 11h30
Exploitation éditoriale du balisage scientifique
Pierre‐Yves Buard ‐ GREYC UMR 6072, équipe Document numérique Langue
Usages /Pôle Document numérique, MRSH Caen

Présentation des méthodes et outils utilisés pour les projets d’édition
multisupport de sources aux Pôle Document Numérique de la MRSH et aux
Presses universitaires de Caen. Cette chaîne, organisée autour des
recommandations de la TEI comme format d’échange entre chercheurs et
éditeurs matériels, propose une organisation du travail et un ensemble
d’outils permettant d’attribuer des formes adaptées aux différents
supports de diffusion, d’une part, et aux catégories de textes
identifiées et manipulées par les chercheurs, d’autre part.

11h30 – 12h10
Projet ProDescartes
Vincent Carraud ‐ GREYC UMR 6072 CNRS/Université de Caen/Ecole
nationale supérieure d’ingénieur de Caen
(résumé à venir)

Axe 2 – Langues, textes et documents

13h30 – 13h50 Chrestien de Lihus dans lʹhypertexte : retour dʹexpérience
sur une expérimentation dʹannotation de ressources textuelles dans le
réseau Wicri
Thierry Daunois ‐ Direction des Partenariats/Université de Lorraine

A partir dʹune demande initiale de mise en ligne de ressources
textuelles, il a rapidement semblé intéressant de dépasser ce cadre,
pour proposer différents niveaux dʹannotation. Aussi la version en ligne
actuelle comporte dorénavant des annotations ʺtechniquesʺ (liens vers
des ressources externes, commentaires de notes), et un dispositif
permettant dʹajouter des commentaires disciplinaires (agronomie,
histoire, géographie...). Cette expérimentation démontre la faisabilité
(technique et humaine), avec une infrastructure légère, de ce type
dʹopération et permet dʹenvisager dʹeffectuer ce travail pour dʹautres
textes libres de droits. Mais elle ouvre également des perspectives en
matière de recherche, par lʹajout de nouvelles fonctionnalités (balisage
en TEI, curation...), qui nʹétaient pas utiles dans ce contexte.

13h50 – 14h10
Plateforme dʹannotation terminologique semi‐collaborative
Evelyne Jacquey – Atilf UMR 7118 CNRS/Université de Lorraine
Projet ASTTIC (Annotation Sémantique et Terminologique de Textes pour
leur Indexation et leur Catégorisation) – Axe 2 : Langues, textes et
documents – MSH‐Lorraine
Lʹobjet de lʹexposé est de présenter l’utilisation de la plateforme
d'ʹannotation terminologique qui a été développée pour assister les
annotateurs dans la tâche de validation de candidats‐termes en Sciences
du Langage. Il fera aussi une petite incursion dans les objectifs plus
larges du projet ASTTIC. Lʹannotation terminologique consiste à repérer
et à mettre en valeur des termes en texte intégral. Les termes
appartiennent au lexique scientifique des Sciences du Langage selon deux
ressources terminologiques principales : Thesaulangue et le vocabulaire
de la linguistique de de la base Francis accessibles via le portail
Termsciences. Les textes annotés sont des articles scientifiques en
Sciences du Langage mis à disposition par le LIDILEM dans le cadre de
lʹANR Scientext. Les termes sont dʹabord repérés automatiquement par des
extracteurs de termes (Acabit et TermoStat) basés sur lʹutilisation de
règles statistiques et linguistiques. Les extracteurs de termes
fournissent pour chaque texte un ensemble de candidats‐termes que les
annotateurs experts en SdL doivent ensuite valider ou rejeter. La tâche
de validation étant complexe, lʹannotation proposée dans la plateforme a
deux particularités. Premièrement, elle se déroule en couches
successives afin de diviser la question de la validation ou de la
non‐validation dʹun candidat‐terme en répondant à plusieurs questions
élémentaires. Deuxièmement, elle permet de réaliser une annotation
semicollaborative dans la mesure où tous les annotateurs travaillent sur
un même fichier et sur une même couche de validation, mais ceci lʹun
après lʹautre, participant ainsi à la construction dʹune validation
fondée sur le consensus plutôt quʹau plus fort taux dʹaccord
inter‐annotateur.

Axe 2 – Langues, textes et documents

14h10 – 14h30 Annotation et édition de texte. Edition critique de la
première traduction française de la Cité de Dieu par Raoul de Presles
(1371‐1375)
Béatrice Stumpf – Atilf UMR 7118 CNRS/Université de Lorraine
ERC Histoire du lexique politique français ‐ Starting Grant ‐ Projet
N°208986‐1‐HFPSL

L’édition critique de cette imposante traduction qui repose sur l’oeuvre
de saint Augustin, composée plus de neuf siècles auparavant, pourrait
n’être qu’une publication imprimée classique, comme la plupart des
éditions jusqu’à présent. Les atouts majeurs que présentent les
annotations raisonnées de l’édition électronique ont orienté l’équipe
vers une transcription de texte au format universel TEI qui exploite un
langage défini en même temps qu’il garantit à l’édition une
harmonisation interne dans la manière de transcrire. Dans notre
présentation, nous mettrons l’accent sur les différents niveaux
d’annotations retenus en vue d’une édition imprimée, d’une part, et de
recherches lexicologiques, d’autre part, notamment pour établir l’ «
Histoire du lexique politique français » qui est précisément l’objet du
programme ERC.

14h30 – 14h50
Présentation dʹune expérience dʹannotation en parties du discours de
corpus oraux : évaluation qualitative
Christophe Benzitoun ‐ Atilf UMR 7118 CNRS/Université de Lorraine

Dans notre intervention, nous présenterons notre travail portant sur
lʹélaboration dʹun corpus dʹapprentissage en vue de construire un
étiqueteur morpho‐syntaxique pour le français parlé. Pour élaborer cette
ressource, nous avons sollicité des étudiants que nous avons fait
travailler par binôme.  Nous dresserons un panorama de la méthodologie
suivie et de lʹimportante réflexion autour du contrôle de qualité de la
ressource.

14h50 ‐ 15h10
Les encyclopédies médiévales et les digital humanities : lʹévolution du
programme Sourcencyme
Eduard Frunzeanu ‐ Centre de Médiévistique Jean‐Schneider ‐ ERL 7229
Université de Lorraine Philippe Pons Atilf UMR 7118 CNRS Université de
Lorraine

Projet Sourcencyme (La compilation scientifique et philosophique dans
les encyclopédies latines médiévales: textes et sources) ‐ Axe 2 :
Langues, textes et documents – MSH‐Lorraine Issu de lʹintérêt pour les
compilations médiévales, pour la transmission du savoir, pour la
réécriture en tant que pratique dʹappropriation des textes, le programme
Sourcencyme vise la constitution dʹune base de données qui réunisse un
vaste ensemble de textes rédigés entre le XIIIe et le XVe siècle,
notamment dans le domaine de la philosophie naturelle. Bénéficiant dʹun
balisage XML qui respecte les recommandations de la TEI, le corpus
propose plusieurs types dʹapparat (identifications des sources,
annotations scientifiques, fiches bio‐bibliographiques) destinés à
mettre en lumière le rôle et la hiérarchie des autorités dans lʹécriture
encyclopédique, lʹassimilation des doctrines des théologiens et des
philosophes, lʹimpact de lʹétat (plus ou moins corrompu) des manuscrits
sur la compréhension des textes, les distorsions et les raccourcis
quʹentraîne lʹacte de récrire, les interventions propres à chaque
compilateur, etc. Quʹil sʹagisse de textes pseudépigraphes ou de textes
dont les versions diffèrent par leur division ou leur organisation, les
particularités des oeuvres médiévales ont imposé de faire des choix
informatiques adaptés au cas par cas. Dans notre présentation, nous
aborderons les différents problèmes de structuration informatique du
corpus de Sourcencyme et ferons le point sur les recherches menées en
vue de son enrichissement.

-------------------------------------------------------------------------
Message diffuse par la liste Langage Naturel <LN at cines.fr>
Informations, abonnement : http://www.atala.org/article.php3?id_article=48
English version       : 
Archives                 : http://listserv.linguistlist.org/archives/ln.html
                                http://liste.cines.fr/info/ln

La liste LN est parrainee par l'ATALA (Association pour le Traitement
Automatique des Langues)
Information et adhesion  : http://www.atala.org/
-------------------------------------------------------------------------