Ce que T-LAB fait et ce qu' il vous permet de faire

T-LAB est un logiciel composé par un ensemble d'outils linguistiques, statistiques et graphiques pour l'analyse des textes qui peuvent être utilisés dans les pratiques de recherche suivantes: Analyse du Contenu, Sentiment Analysis, Analyse Sémantique, Analyse Thématique,Text Mining, Perceptual Mapping, Analyse du Discours, Network Text Analysis.

En fait, au moyen des outils T-LAB les chercheurs peuvent facilement gérer les activités d'analyse suivantes:

- explorer, mesurer et topographier les relations de co-occurrence entre mots-clés;
- réaliser une classification automatique d'unités de contexte et de documents, soit à travers une approche bottom-up (c'est-à-dire à travers l'analyse des thèmes émergents) soit à travers une approche top-down (c'est-à-dire à travers l'utilisation de catégories prédéfinies);
- vérifier quelles unités lexicales (c'est-à-dire mots ou lemmes), quelles unités de contexte (c'est-à-dire phrases ou paragraphes) et quels thèmes sont "typiques" de sous-ensembles de textes spécifiques (par exemple, les discours de certains leaders politiques, les interviews avec certaines catégories de personnes, etc.);
- appliquer des catégories pour la sentiment analysis;
- effectuer différents types d'analyse des correspondances et de clusters analysis;
- créer des cartes sémantiques qui représentent des aspects dynamiques du discours (c'est-à-dire des relations séquentielles entre les mots ou les thèmes);
- représenter et explorer un texte quelconque comme un réseau de relations;
- obtenir des mesures et des représentations graphiques concernant les textes et discours traités comme des systèmes dynamiques;
- personnaliser et appliquer différents types de dictionnaires, aussi bien pour l'analyse lexicale que pour l'analyse du contenu;
- vérifier les contextes d'occurrence (par ex., concordances) de mots et de lemmes;
- analyser tout le corpus ou seulement certains de ses sous-ensembles (par ex. des groupes de documents) en utilisant différentes listes de mots-clés;
- créer, explorer et exporter différents types de tableaux de contingence et de matrices de co-occurrences.

L'interface utilisateur est très conviviale et les textes à analyser peuvent être des plus variés:
- un seul texte (ex. une interview, un livre, etc.);
- un ensemble de textes (ex. diverses interviews, pages web, articles de journal, réponses à des questions ouvertes, messages Twitter, etc.).

Tous les textes peuvent être codifiés avec des variables catégorielles et peuvent inclure un identificateur (Unique Identifier) qui correspond à des unités de contexte ou à des cas (ex. réponses à des questions ouvertes).

Dans le cas d'un seul document (ou un corpus considéré comme un texte unique) T-LAB ne nécessite pas de travail supplémentaire: il vous suffit de sélectionner l'option 'Importer un fichier unique ...' (voir ci-dessous).

Différemment, dans les autres cas il faut utiliser le module Corpus Builder (voir ci-dessous) qui transforme automatiquement des documents textuels et différents types de fichiers (c'est-à-dire jusqu'à onze formats différents) dans un corpus prêt à être importé par T-LAB.

N.B.: En ce moment, afin d'assurer l'utilisation intégrée des différents outils, chaque fichier/corpus à analyser ne devrait pas dépasser 90 Mo (c' est-à-dire environ 55.000 pages au format .txt). Pour plus d'informations, voir la section Conditions requises et performances du Manuel Help.

Six étapes suffisent pour explorer rapidement les fonctions du logiciel:

1 - Cliquer l'option "Sélectionner un fichier de démonstration...'

2 - Sélectionner un corpus à analyser

3 - Cliquer sur "ok" dans la première fenêtre de configuration

4 - Choisir un outil à l'intérieur d'un des sous-menus "Analyse"

5 - Examiner les résultats

6 - Utiliser l'aide contextuelle pour interpréter les graphiques et les tableaux.

Cette section introductive fournit les informations essentielles afin de comprendre ce que T-LAB fait et comment il peut être utilisé.

Du point de vue externe, l'utilisation du logiciel est organisée par l'interface, c'est-à-dire par le menu principal, par les sous-menus et les fonctions qui les composent.

D'un point de vue logique, en plus de l'interface usager, le système T-LAB est organisé par deux composantes principales:

• le database, c'est-à-dire le lieu informatique dans lequel le corpus en input (soit le texte ou l'ensemble des textes à analyser) est représenté comme un ensemble de tableaux dans lesquels sont enregistrées les unités d'analyse, leurs caractéristiques et leur relations réciproques.

• les algorithmes, c'est-à-dire des sous-ensembles d'instructions qui permettent d'utiliser l'interface usager, de consulter et modifier le database, de construire d'ultérieurs tableaux avec les données contenues dans ce dernier, d'effectuer des calculs statistiques et de produire des outputs qui représentent les relations entre les données analysées.
  

Pour comprendre comment T-LAB fonctionne et comment il peut être utilisé, il est fondamental de savoir clairement quelles unités d'analyse sont archivées dans son database et quels algorithmes statistiques sont utilisés dans les diverses analyses. En effet, les tableaux de données analysées sont toujours constitués de lignes et de colonnes dont les titres correspondent aux unités d'analyse archivées dans le database, alors que les algorithmes règlent les processus qui permettent de repérer des relations significatives entre les données et d'extraire des informations utiles.

Les unités d'analyse de T-LAB sont de deux types: unités lexicales et unités de contexte.

A - les unités lexicales sont des mots, simples ou multiples, archivés et classifiés sur la base d'un critère. Plus précisément, dans le database T-LAB chaque unité lexicale constitue un record classifié avec deux champs: mot et lemme. Dans le premier champ, appelé mot, sont listés les mots ainsi qu'ils apparaissent dans le corpus, alors que dans le second, appelé lemme, sont listés les labels attribués à des groupes d'unités lexicales classifiées selon des critères linguistiques (ex. lemmatisation) ou au moyen de dictionnaires et de grilles sémantiques définies par l'utilisateur.

B - les unités de contexte sont des portions de texte dans lesquelles le corpus peut être subdivisé. Plus exactement, dans la logique T-LAB, les unités de contexte peuvent être de trois types:

B.1 documents primaires, correspondants à la subdivision "naturelle" du corpus (ex. interviews, articles, réponses à des questions ouvertes, etc.), ou bien aux contextes initiaux définis par l'utilisateur;
B.2 contextes élémentaires, correspondants à des unités syntagmatiques (ex. fragments de texte, phrases, paragraphes) dans lesquelles chaque document primaire peut être subdivisé;
B.3 sous-ensembles du corpus, correspondants à des groupes de documents primaires reconductibles à la même catégorie (ex. interviews d' "hommes" ou de "femmes", articles d'une année particulière ou d'un titre particulier, et ainsi de suite) ou à clusters thématiques obtenus avec des instruments spécifiques de T-LAB.

Le diagramme suivant illustre les relations possibles entre les unités lexicales et les unités de contexte que T-LAB nous permet d'analyser.

À partir de cette organisation du database, T-LAB permet - de façon automatique - d'explorer et d'analyser les relations entre les unités d'analyse de tout le corpus ou de ses sous-ensembles.

Dans T-LAB, la sélection d'un quelconque instrument d'analyse (clic de la souris) active toujours un processus semi-automatique qui, grâce à quelques simples opérations, génère un tableau input, applique un algorithme de type statistique et produit quelques outputs.

Un projet de travail "typique" dans lequel est utilisé T-LAB est constitué de l'ensemble des activités analytiques (opérations) qui ont pour objet le même corpus et est organisé par une stratégie et par un plan de l'utilisateur. Ainsi, il commence par le rassemblement des textes à analyser et s'achève par la rédaction d'un rapport.

La succession des diverses phases est illustrée dans le diagramme suivant:

NB:
- Les six phases énumérées, de la préparation du corpus à l'interprétation des outputs, sont supportées par des instruments T-LAB et sont toujours réversibles;
- Grâce aux configurations automatiques T-LAB il est possible d'éviter deux phases (3 et 4); toutefois, aux fins de la qualité des résultats, leur réalisation est fortement recommandée.

1 - La PRÉPARATION DU CORPUS consiste en la transformation des textes à analyser dans un fichier (corpus) qui peut être élaboré par le logiciel.

Dans le cas de textes uniques (ou corpus considéré comme texte unique) on n'a pas besoin d' autre travail.

Autrement, si le corpus se compose de plusieurs documents primaires codifiés (variables et modalités), dans la phase de préparation on doit utiliser l'outil Corpus Builder, qui transforme automatiquement tout matériel textuel et divers types de fichiers (c.-à-d. jusqu'à dix formats différents) dans un fichier corpus prêt à être importé par T-LAB.

N.B.:
- au terme de la phase de préparation du corpus on recommande de créer un nouveau dossier de travail avec à l'intérieur le fichier corpus à importer.
- durant les analyses il est recommandé de garder le corpus et le dossier de travail relatif sur un disque dur de l'ordinateur où T-LAB est installé. Dans le cas contraire, l'exécution des diverses procédures pourrait être ralentie et le logiciel pourrait signaler des erreurs.

2 - L'IMPORTATION DU CORPUS consiste en une série de processus automatiques qui transforment le corpus en un ensemble de tableaux intégrés dans le database T-LAB.

Pendant la phase d'importation du corpus, T-LAB effectue les traitements suivants:

• normalisation du corpus;
• détection des multi-Words et des stop-words;
• segmentation des contextes élémentaires;
• lemmatisation automatique ou stemming;
• construction du vocabulaire;
• sélection des mots-clés.

De suite la liste complète des trente langues pour lesquelles la lemmatisation automatique ou bien le processus de stemming sont supportés par T-LAB.

LEMMATISATION: allemand, anglais, catalan, croate, espagnol, français, italien, latin, polonais, portugais, roumain, russe, serbe, slovaque, suédois, ukrainien.

STEMMING: arabe, bengali, bulgare, danois, hollandais, finlandais, grec, hindi, hongrois, indonésien, marathi, norvégien, persan, tchèque, turc.

En tout les cas, sans lemmatisation automatique et / ou en utilisant des dictionnaires personnalisés, l'utilisateur peut analyser textes dans toutes les langues, à condition que les mots soient séparés par des espaces et/ou des signes de ponctuation.

À partir de la sélection de la langue, l'intervention de l'utilisateur (options avancées) est requise afin de définir les choix indiqués dans la fenêtre suivante.

N.B.: Puisque les options de prétraitement déterminent le type et la quantité d'unités d'analyse (c.-à-d. des unités de contexte et des unités lexicales), les différents choix de l'utilisateur déterminent différents résultats de l'analyse. Pour cette raison, tous les outputs de T-LAB (c.-à-d. graphiques et tableaux) montrés dans le manuel et dans l'aide en ligne sont simplement indicatifs.

3 - L'UTILISATION DES OUTILS LEXIQUE est finalisée à la vérification de la correcte reconnaissance des unités lexicales et à personnaliser leur classification, c'est-à-dire à vérifier et à modifier les choix automatiques faits par T-LAB.

Les modalités des diverses interventions sont illustrées dans les rubriques de l'aide (et du manuel) correspondantes.

En particulier on renvoie à la rubrique de l'aide (et du manuel) correspondante pour une description détaillée du processus Personnalisation du Dictionnaire.En effet, n'importe quel changement relatif aux voix du dictionnaire (par ex., le regroupement de deux ou plusieurs items) influe aussi bien sur le calcul des occurrences que sur celui des co-occurrences.

NB: Lorsque l'utilisateur, sans perdre aucune information lexicale, a l'intention d'appliquer des schémas de codage qui regroupent plusieurs mots ou lemmes dans peu de catégories (de 2 à 50), il est conseillé d'utiliser l'outil Classification Basée sur des Dictionnaires inclus dans le sous-menu Analyse Thématique(voir ci-dessous).

4 - LA SÉLECTION DES MOTS-CLÉS consiste en la prédisposition d'un ou de plusieurs listes d'unités lexicales (mots, lemmes ou catégories) à utiliser pour construire les tableaux données à analyser.

L'option configurations automatiques rend disponible des listes de mots-clés sélectionnés par T-LAB; toutefois, puisque le choix des unités d'analyse est extrêmement important aux fins des élaborations successives, on conseille vivement l'utilisation des configurations personnalisées. De cette façon l'utilisateur pourra choisir de modifier la liste suggérée par T-LAB et/ou de construire des listes qui correspondent mieux à ses objectifs de recherche.

De toute façon, dans la construction de ces listes, valent les critères suivants:

- vérifier l'importance quantitative (total des occurrences) et qualitative (non banalité du sens) des divers items;
- vérifier les limitations (voir note à la fin de cette section) des instruments analytiques que l'on entend utiliser;
- vérifier si l'ensemble des items est compatible avec la propre stratégie de recherche (voir point suivant: 5).

5 - L'UTILISATION DES OUTILS D'ANALYSE est finalisée à la production d'outputs (tableaux et graphiques) qui représentent des relations significatives entre les unités d'analyse et qui permettent de faire des inférences.

Au moment actuel T-LAB inclut vingt différents outils d'analyse et chacun d'eux a sa propre logique; c'est-à-dire, chacun d'eux emploie des algorithmes spécifiques et produit des outputs spécifiques.

Par conséquent, selon le type de textes qu'il a l'intention d'analyser et des objectifs qu'il veut poursuivre, l'utilisateur doit décider de fois en fois quels sont les outils les plus appropriés pour sa stratégie d'analyse.

À cette fin, outre la distinction entre outils pour l'analyse des cooccurrences, pour l'analyse comparative et pour l'analyse thématique, il est utile de considérer que certains de ces derniers instruments permettent d'obtenir d'ultérieurs sous-ensembles fondés sur la similarité des contenus qui peuvent être inclus dans d'autres étapes de l'analyse.

Toutefois, compte tenu du fait que l'utilisation des outils T-LAB peut être circulaire et réversible, nous pouvons identifier trois points de démarrage (start points) qui correspondent aux trois sous-menus ANALYSE:

A : OUTILS POUR LES ANALYSES DE CO-OCCURRENCES

Ces outils nous permettent d'analyser différentes typologies de relations entre les mots.

Selon les types de relations à analyser, les fonctions T-LAB indiquées dans ce diagramme utilisent un ou plusieurs des instruments statistiques suivants: Indices d'Association, Test du Chi-Deux, Cluster Analysis, Multidimensional Scaling, Principal Component Analysis, t-SNE et Chaînes Markoviennes.

Voici quelques exemples (N.B. : pour plus d'informations sur l'interprétation des outputs, veuillez vous référer aux sections correspondantes du guide / manuel):

- Associations des Mots

Cet outil T-LAB nous permet de vérifier comment les relations de co-occurrence déterminent le signifié local des mots sélectionnés.

- Comparaison entre Paires

Cet outil T-LAB nous permet de comparer des ensembles de contextes élémentaires (c.-à-d. contextes de co-occurrence) dans lesquels sont présents les éléments d'une paire de mots-clés.

- Analyse des Mots Associés

Cet outil T-LAB nous permet de cartographier les relations de co-occurrence entre les ensembles de mots-clés.

- Analyse des Séquences

Cet outil T-LAB tient compte des positions des différentes unités lexicales à l'intérieur des phrases et il nous permet de représenter et d'explorer n' importe quel texte comme un réseau de relations.

Ceci signifie, après avoir exécuté ce type d'analyse, que l'utilisateur peut vérifier les relations entre les nœuds du réseau (c'est-à-dire les mots-clés) à plusieurs niveaux: a) en relations du type un-à-un; b) à l'intérieur d' "ego network"; c) à l'intérieur des "communautés" auxquelles ils appartiennent; d) à l'intérieur du réseau entier constitué par le texte en analyse.

RELATIONS DU TYPE UN-A-UN	EGO-NETWORK
COMMUNAUTES	ERESEAU ENTIER

De plus, à n'importe quel moment, en faisant clic sur l'option GRAPH MAKER, l'utilisateur peut créer des différents types de graphiques en utilisant des listes personnalisées de mots-clés, (voir ci-dessous).

B : OUTILS POUR LES ANALYSES COMPARATIVES

Ces outils nous permettent d'analyser différentes typologies de relations entre les unités de contexte.

L'Analyse des Spécificités permet de vérifier quels mots sont "typiques" ou "exclusifs" de chaque sous-ensemble du corpus. En outre il nous permet d'extraire les contextes typiques, c'est-à-dire les contextes élémentaires caractéristiques, de chacun des sous-ensembles analysés (par exemple, les phrases "typiques" utilisées par certains leaders politiques).

L'Analyse des Correspondances permet d'explorer différentes typologies de relations (différences et ressemblances) entre les unités de contexte.

La Cluster Analysis, qui peut être réalisée avec différentes techniques, permet d'identifier des groupes d'unités textuelles qui aient deux caractéristiques complémentaires: maximum d'homogénéité dans leur interne et maximum d'hétérogénéité entre eux deux et les autres clusters.

C : OUTILS POUR LES ANALYSES THÉMATIQUES

Ces outils permettent de repérer, examiner et cartographer les "thèmes" présents dans les textes analysés.
Puisque "thème" est un mot polysémique, dans ce cas il est utile se référer à des définitions opérationnelles. En fait, dans ces outils de T-LAB, le mot "thème" est un label utilisé pour indiquer quatre entités différentes:

1 - un cluster thématique d'unité de contexte caractérisé par les mêmes patterns de mots-clés (voir Analyse Thématique des Contextes Elémentaires et Classification thématique des Documents);
2- un groupe thématique de mots-clés classés comme appartenant à la même catégorie (voir l'outil Classification basée sur des Dictionnaires);
3- un élément d'un modèle probabiliste qui représente chaque unité de contexte (soit un contexte élémentaire, soit un document), comme généré par un mélange de "thèmes" ou "topics" (voir Modélisation des Thèmes émergentes);
4- un mot-clé ("thématique") spécifique utilisé pour extraire un ensemble de contextes élémentaires dans lesquels ce mot est associé à un groupe de mots spécifique présélectionnés par l'utilisateur (voir les outils Contextes-Clé de Mots Thématiques et Textes et Discours comme Systèmes Dynamiques).

Par exemple, selon le type d'outil que nous sommes en train d'utiliser, un document spécifique peut être analysé comme étant composé de différents " thèmes " (voir "A" ci-dessous) ou bien comme appartenant à un ensemble de documents concernant le même "thème" (voir " B " ci-dessous). En effet, dans le cas "A" chaque thème peut correspondre à un mot ou bien à une phrase, tandis que dans le cas "B" un thème peut être une étiquette attribuée à un groupe de documents caractérisés par les mêmes patterns de mots-clés.

En détail, les façons dont T-LAB extrait les thèmes sont les suivantes:

1 - soit l'outil Analyse Thématiques des Contextes Elémentaires, soit l'outil Classification Thématique des Documents fonctionnent de manière suivante:

2 - à l'aide de l'outil Classification Basée sur des Dictionnaires nous pouvons facilement construire / tester / appliquer des modèles (par ex. des dictionnaires de catégories) soit pour l'analyse classique du contenu soit pour la sentiment analysis. En effet cet outil nous permet d'effectuer une classification automatique de type top-down aussi bien des unités lexicales (c'est-à-dire mots et lemmes) que des unités de contexte (c'est-à-dire phrases, paragraphes et documents courts).

3 - grâce à l'outil Modélisation des Thèmes Émergents (voir ci-dessous) les composants du "mélange" thématique peuvent être décrits par leur vocabulaire caractéristique et peuvent être utilisés pour la construction de grilles pour l'analyse qualitative et / ou pour la classification automatique des unités de contexte (c'est-à-dire contextes élémentaires ou documents)..

4 - l'outil Contextes Clé des Mots Thématiques (voir ci-dessous) peut être utilisé pour deux buts différents: (a) extraire des listes d'unités de contexte (c'est-à-dire contextes élémentaires) qui permettent d'approfondir la valeur thématique de mots-clés spécifiques, (b) extraire des groupes d'unités de contexte qui sont semblables à n'importe quel texte "exemple" choisi par l'utilisateur.

6 - L' INTERPRÉTATION DES OUTPUTS consiste en la consultation des tableaux et des graphiques produits par T-LAB, en l'éventuelle personnalisation de leur format et dans le fait de faire des inférences sur la signification des relations représentées.

Dans le cas des tableaux, selon les cas, T-LAB permet de les exporter dans des fichiers avec les extensions suivantes: .DAT, .TXT, .CSV, .XLXS, .HTML. Ceci signifie que, en se servant de n'importe quel éditeur de textes et/ou d'un applicatif de la suite Microsoft Office, l'utilisateur peut facilement les importer et les réélaborer.

Dans le cas des graphiques, les sous-menus appropriés activés avec le clic droit de la souris permettent d'effectuer plusieurs opérations: zoom (clic gauche et glisser), maximisation, personnalisation et exportation des outputs en plusieurs formats.

Certains critères généraux pour l'interprétation des outputs T-LAB sont illustrés dans un papier cité dans la Bibliographie (Lancia F.: 2007) et disponible sur le site www.tlab.it. Dans ce dernier on propose l'hypothèse que les outputs des élaborations statistiques (tableaux et graphiques) sont un type particulier de textes, c'est-à-dire des objets multi-sémiotiques caractérisés par le fait que les relations entre les signes et les symboles sont ordonnées par des mesures qui renvoient à des codes spécifiques.

Dans d'autres termes, aussi bien dans le cas des textes écrits dans le langage naturel que dans ceux écrits dans le langage de la statistique, la possibilité de faire des inférences sur les relations qui organisent les formes du contenu est garantie par le fait que les relations entre les formes de l'expression ne sont pas casuelles (random); en effet, dans le premier cas (langage naturel) les unités signifiantes se succèdent ordonnées de façon linéaire (l'une après l'autre dans le chaîne du discours), alors que dans le second cas (tableaux et graphiques) les principes d'ordonnance sont constitués par les mesures qui déterminent l'organisation des espaces sémantiques multidimensionnels.

Même si les espaces sémantiques représentés dans les cartes T-LAB sont très variés, et chacun d'eux requiert des procédures interprétatives spécifiques, nous pouvons faire l'hypothèse que - en général - la logique du processus inférentiel est la suivante:

A - relever une relation significative entre les unités "présentes" sur le plan de l'expression (par ex. entre "données" des tableaux et/ou entre "labels" des graphiques);
B - explorer et confronter les traits sémantiques des mêmes unités et les contextes auxquels elles sont mentalement et culturellement associées (plan du contenu);
C - construire une hypothèse ou une catégorie d'analyse qui, dans le contexte défini par le corpus, rendent raison des relations entre formes de l'expression et formes du contenu.