Spécificités

N.B.: Les images de cette section font référence à une version précédente de T-LAB. En T-LAB 10, l'aspect est légèrement différent. En particulier, à partir de la version 2021, une galerie d'images à accès rapide qui fonctionne comme un menu supplémentaire permet de basculer entre les différentes sorties en un seul clic De plus l'utilisateur est autorisé à évaluer facilement les similitudes (ex. -Distance textuelle) entre les sous-ensembles du corpus (de 2 à 150), et donc aussi pour détecter les documents quasi-dupliqués et quasi-dupliqués (voir les images ci-dessous).

Cet outil T-LAB permet de vérifier quelles unités lexicales (c'est-à-dire mots, lemmes ou catégories) sont typiques ou exclusives dans un texte ou un sous-ensemble du corpus défini par une variable catégorielle; en outre il permet aussi d'identifier les unités de contexte caractéristiques des différents sous-ensembles en examen (par exemple les phrases "typiques" qui mieux différencient les discours des divers leaders politiques).

Les unités lexicales typiques, définies par la proportion des occurrences respectives (c'est-à-dire par leur sur / sous- utilisation), sont déterminées par le calcul Chi-Carré ou par la Valeur Test.

Les contextes élémentaires caractéristiques sont identifiés en calculant et en additionnant les valeurs TF-IDF normalisées assignées aux mots dont chaque phrase ou chaque paragraphe est constitué.

L'analyse de spécificités nous permet d'effectuer deux types de comparaisons:

1 - entre une partie (ex. le sous-ensemble "A") et le tout (ex. le corpus entier "B");

2 - entre des couples de sous-ensembles ("A" e "B").

Dans chacun des cas on peut aussi bien analyser les Spécificités relatives aux intersections que celles relatives aux différences.

Les modalités du calcul sont montrées dans l'entrée correspondante du glossaire.

Les unités lexicales considérées peuvent être toutes (configuration automatique) ou seulement celles choisies par l'utilisateur (configuration personnalisée).

En succession, les quatre types de comparaisons possibles sont les suivantes:

1.1 - partie/tout: unités lexicales " typiques"

Colonne par colonne les clés de lecture du tableau sont les suivantes:

- LEMME = unités lexicales "spécifiques" (sur-utilisées ou sous-utilisées);
- SUB = occurrences de chaque LEMME dans le sous-ensemble examiné;
- TOT = occurrences de chaque LEMME dans le corpus ou dans les deux sous-ensembles examinés (voir 2.1);
- CHI2 = valeur du CHI deux (ou VTEST = Valeur Test);
- (p) = probabilité associée à la valeur du chi-deux (def=1).

En cliquant sur les éléments des tableaux, il est possible de créer différents types des graphiques.

1.2 - partie/tout: unités lexicales "exclusives"

2.1 - sous-ensemble/sous-ensemble: unités lexicales "typiques"

2.2 - sous-ensemble/sous-ensemble: unités lexicales "exclusives"

Pour chaque sous-ensemble analysé il est aussi possible de vérifier les contextes élémentaires (c'est-à-dire phrases ou paragraphes) qui mieux le distinguent des autres. Dans ce cas, la spécificité résulte du calcul de valeurs TF-IDF normalisées; plus particulièrement, le "score" attribué à chaque contexte élémentaire (voir l'image ci-dessous) est le résultat de la somme des valeurs TF-IDF assignées aux mots qui le composent.

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.

Finalement, en cliquant sur l'option appropriée (voir ci-dessous), un fichier dictionnaire avec l'extension .dictio est créé, qui est prêt à être importé par les outils T-LAB pour l'analyse thématique. Ce dictionnaire comprend tous les mots typiques de la variable catégorielle sélectionnée.