T-LAB Home
T-LAB PLUS 2019 - AIDE EN LIGNE Prev Page Prev Page
T-LAB
Introduction
Ce que T-LAB fait et ce qu' il vous permet de faire
Conditions requises et performances
Préparation du Corpus
Préparation du Corpus
Critères Structuraux
Critères Formels
Fichier
Importer un unique fichier...
Préparer un Corpus (Corpus Builder)
Ouvrir un Project Existant
Configurations d'Analyse
Configurations Automatiques Personalisées
Personnalisation du Dictionnaire
Analyse des Co-occurrences
Associations de Mots
Analyse des Mots Associés et Cartes Conceptuelles
Comparaisons entre paires de Mots-Clés
Analyse des Séquences et Analyse des Réseaux
Concordances
Analyse Thématiques
Analyse Thématique des Contextes Élémentaires
Modélisation des Thèmes Émergents
Classification Thématique des Documents
Classification Basée sur ded Dictionnaires
Contextes Clé de Mots Thématiques
Analyses Comparatives
Analyse des Spécificités
Analyse des Correspondances
Analyse des Correspondances Multiples
Classification (Cluster Analysis)
Décomposition en Valeurs Singulières
Outils Lexique
Text Screening / Désambiguïsations
Vocabulaire du Corpus
Liste de Mots vides
Listes de Locutions
Segmentation de Mots
Autres Outils
Variable Manager
Recherche Avancée dans le Corpus
Tableaux de Contingences
Editeur
Glossaire
Analyse des Correspondances
Chaînes de Markov
Chi-Deux
Classification (Cluster Analysis)
Codage
Contextes élémentaires
Corpus et Sous-ensembles
Désambiguïsation
Document Primaire
Graph Maker
Homographes
IDnumber
Index d'Association
Isotopie
Lemmatisation
Lexie et Lexicalization
MDS
Mots-Clés
Mots et Lemmes
Multiwords
N-grammes
Naïve Bayes
Normalisation
Noyaux Thématiques
Occurrences et Cooccurrences
Polarités Factorielles
Profil
Seuil de Fréquence
Spécificités
Stop Word List
Tableaux de Données
Unité d'Analyse
Unité de Contexte
Unité Lexicale
TF-IDF
Valeur-Test
Variables et Modalités
Bibliographie
www.tlab.it

Analyse des Correspondances



N.B.: Les images de cette section font référence à l'interface de T-LAB 9. En T-LAB Plus, l'aspect est légèrement différent. En outre : a) le bouton droit sur les tableaux avec les mots-clés rend disponibles des options supplémentaires; b) il y a un nouveau bouton (TREE MAP PREVIEW) qui permet à l'utilisateur de créer plusieurs graphiques dynamiques au format HTML; c) deux nouveaux boutons nous permettent de vérifier les spécificités de chaque variable en utilisant le test du Khi-deux ou la valeur test; d) il y a un bouton qui permet de réaliser une analyse de clusters qui utilise les coordonnées des objets (selon les cas, d' unités lexicales ou d' unités de contexte) sur les premiers axes factoriels (jusqu'à un maximum de 10); e) les tableaux de contingence peuvent être visualisés en modalité 'head-map'; f) dans les graphiques les mots peuvent être visualisés avec des dimensions proportionnées à leurs occurrences.
Certaines de ces nouvelles fonctionnalités sont mises en évidence dans l'image ci-dessous..

Cet outil T-LAB a le but de mettre en évidence les similitudes et les différences entre les unités de contexte.

Plus précisément, dans T-LAB,l'analyse de correspondance nous permet d'analyser trois genres de tableaux:

(A) tableaux mots par variable, avec les valeurs des occurrences;
(B) tableaux contextes élémentaires par mots, avec les valeurs des co-occurrences;

(C) tableaux documents par mots, avec les valeurs des occurrences.

Pour analyser les tableaux (A) lemmes (ou mots) par variables, le corpus doit se composer de trois textes au minimum ou être codifié avec quelques variables (pas moins de trois modalités).

Les variables sont énumérées dans une boîte appropriée et peuvent être employées une à la fois.
Après chaque choix, T-LAB montre le tableau de contingence correspondant et vous êtes invités à cliquer le bouton analyser (voir ci-dessous).


Le résultat de l'analyse se compose de tableaux à partir desquels T-LAB produit des diagrammes où sont représentés les rapports entre les sous-ensembles du corpus et entre les unités lexicales dont ils font partie.
Plus précisément, selon les cas, les types de graphiques disponibles montrent les relations entre variables actives, entre variables illustratives, entre lemmes, entre lemmes et variables.

En outre, lorsque le tableau analysé est du genre documents pour mots, on peut voir les points (Max 3000) qui correspondent à chaque document.

Tous les graphiques peuvent être maximisés et personnalisés en employant la boîte de dialogue appropriée (utiliser le bouton droit de la souris). D'ailleurs, quand les catégories variables sont 3 ou plus, leurs rapports peuvent être explorés en 3d (voir ci-dessous).

Pour explorer les diverses combinaisons des axes factoriels il suffit de les sélectionner dans les boîtes appropriées ("Axe X", "Axe Y").

Pour chaque axe factoriel T-LAB fournit deux tableaux qui aident à l'interprétation: celles avec les Contributions Absolues et celles avec les Valeurs Test.

En utilisant l'histogramme des valeurs-propres il est possible d'apprécier l'importance relative de chaque facteur c.-à-d. le pourcentage d'inertie qu'ils déploient.

Un clic sur le bouton "Résultats Complets" vous permet de visualiser et de sauvegarder le fichier qui contient tous les résultats de l'analyse: valeurs propres, coordonnées, contributions absolues et relatives, valeurs test.

Tous les tableaux de contingence peuvent être facilement explorés et nous permettent de créer différents types des graphiques. De plus, en cliquant sur cellules spécifiques du tableau (voir ci-dessous), il est possible de créer un fichier HTML montrant tous les contextes élémentaires où le mot en ligne est présent dans le sous-ensemble correspondant.

Dans le cas des tableaux (B) et (C), elles sont constituées par autant de lignes que sont les unités de contextes (max 10.000) et autant de colonnes que sont les Mots-Clés sélectionnés (max 3.000).

L'algorithme de calcul et les résultats sont semblables à ceux de l'analyse unités lexicales par variables, sauf que dans ce cas, pour limiter le temps d'élaboration, T-LAB se limite à extraire les premiers 10 facteurs: un nombre plus que suffisant pour condenser la variabilité des données.

En outre, on peut par la suite effectuer deux types de classification dont les "objets" sont aussi bien constitués par des Mots-Clés que par des segments (contextes élémentaires).