Classifier, représenter et labelliser : Cadre et outils méthodologiques associés pour une émergence automatique de thématiques sur données textuelles

Abstract Fr En

Cet article propose un cadre méthodologique permettant l’émergence de thématiques de manière automatique à partir de données textuelles. Ce cadre méthodologique s’articule autour d’un processus en trois étapes – classification, représentation et labellisation – et autour d’outils spécifiques associés à la démarche tant au niveau des techniques statistiques que des logiciels informatiques. Cette méthode s’inscrit dans le champ des méthodes de fouilles textuelles (texmining) qui se développent actuellement. À titre d’illustration, la démarche est appliquée sur les textes présents dans la totalité des calendriers des Scouts et Guides de France de 1936 à 2016, afin d’en faire émerger trois thématiques principales : la communauté, l’organisation et la religion. Ces trois thématiques peuvent être assimilées à des logiques institutionnelles identifiées, a posteriori, à partir d’un corpus textuel, sans passer par l’établissement et la mise en relation de critères déterminés a priori par le chercheur.

This paper aims to propose a methodological framework allowing the automatic emergence of themes from textual data. This framework is composed of both a three steps process – classification, representation and labelling – and specific tools, related to statistical technics and software. This method is enrolled in the field of textmining, which is developing now. The purpose is also to present some specific tools, related to statistical technics and software. Finally, this approach is applied to the text in the totality of Scouts and Guides of France annual calendars, from 1936 to 2016. We made emerged three main themes: community, organisation and religion. These three themes could be assimilated to institutional logics, which are identified a posteriori from a textual corpus and without the observation of a priori criterions.