Prospéro Lusophone (Brésil)

Adaptation du Logiciel Prospéro pour l’analyse de corpus en Langue Portugaise (Portugais brésilien)

Flávia Gouveia

Doctorante au Département de Politique Scientifique et Technologique de l’Université de Campinas (DPCT / Unicamp – Brésil) et chercheuse associée au Groupe de Sociologie Pragmatique et Réflexive de l’École de Hautes Études en Sciences Sociales (GSPR / EHESS – France)

Lors du stage doctoral que j’ai effectué au GSPR à l’EHESS au cours de l’année universitaire 2014-2015, j’ai fait connaissance avec le logiciel Prospéro et ses développeurs. Plusieurs chercheurs brésiliens étant intéressés, comme moi, par cet outil d’analyse de controverses à travers des corpus textuels, d’une façon informelle, nous avons décidé d’unir nos forces. Un travail collaboratif d’adaptation de Prospéro à la langue portugaise a été entrepris, avec pour premier objectif de le rendre disponible, dans une version basique, pour le public académique lusophone, particulièrement brésilien1. Ce texte décrit brièvement quelques aspects fondamentaux de l’adaptation de Prospéro à la langue portugaise dans la variante brésilienne2.

Une équipe multidisciplinaire s’est constituée avec des chercheurs provenant des domaines de la Communication, l’Économie, l’Enseignement, l’Éducation Physique, la Linguistique, la Politique Scientifique et Technologique et la Sociologie. Ce réseau a ainsi tissé des liens entre des universités au Brésil et en France, en partenariat avec GSPR/EHESS et l’Université de Nanterre. En dépit de la diversité de nos approches et de nos questions de recherche, nous avons collectivement relevé le défi d’explorer de grandes quantités d’informations concernant des thèmes pertinents et controversés, à la lumière des apports des sociologies pragmatiques qui ont inspiré la création de Prospéro.

IMG_9245

Afin de créer une version commune de Prospéro lusophone-Br, notre équipe a adapté les ressources issues du Français en procédant à la traduction directe de termes, à partir de recherches de listes catégorisées issues de sources diverses, recherches doublées par des tests sur des corpus textuels et des processus de révision conjointe supervisés par l’ensemble des membres. L’idée d’élaborer une version basique de Prospéro lusophone-Br nous a conduits à privilégier les mots dont les significations renvoient à des thèmes très généraux, laissant de côté des termes semblant provenir de textes sur des domaines spécifiques et/ou liés à des contextes particuliers dans la version française. Les problèmes de polysémie et de terminaisons ambiguës, qui désignent des classes de mots différentes, ont été discutés par le groupe et ont abouti à des choix centrés sur l’optimisation des résultats dans le contexte de thèmes plus globaux.

Nous avons cherché à incorporer dès le départ les formes différentes de graphie des mots – surtout dans les cas où le Nouvel Accord Orthographique de la Langue Portugaise3, en vigueur au Brésil depuis janvier 2009, a promu des changements (par exemple, l’orthographe de européia est devenue europeia (européenne), les deux formes étant présentes dans les dictionnaires de Prospéro lusophone-Br). Nous avons aussi inclu les variations d’initiales en majuscule et minuscule, aussi bien que des flexions de genre et de nombre. Dans ce qui suit, je décris brièvement chaque étape du processus d’adaptation, lequel reste ouvert et continue à incorporer de multiples raffinements.

1. Identification de la langue

Pour l’identification de la langue des textes constitutifs des corpus étudiés, nous avons traduit et adapté les termes d’un des fichier sous-jacent de Prospéro, le fichier dictio.cfg ainsi que l’ensemble des fichiers ayant l’extension .dic à partir des versions en langue française. Sur dictio.cfg il y a différents répertoires ou listes d’objets : identification de langues, déterminants, type de support, pronoms, indicatifs de personnes et terminaisons selon la classe du mot. Le Tableau 1 présente le nombre de termes que nous avons insérés dans chaque rubrique du fichier dictio.cfg ainsi que quelques exemples.

Tableau 1 : Listes intégrantes du fichier dictio.cfg

Tab1

Le travail sur les terminaisons a été effectué par comparaison avec les listes en Français et en Espagnol disponibles dans le fichier dictio.cfg, ainsi que par vérification à l’aide de la fonction « Recherche par préfixe/suffixe » de Prospéro (bouton Outils).

Pour contourner la difficulté liée à l’identification des mots du Portugais par des terminaisons régulières, nous avons inséré un ensemble de mots dans les dictionnaires de base de Prospéro (fichiers .dic). Cet ensemble de fichiers comprend des entités, des qualités, des marqueurs, des épreuves, des nombres, des mots-outils (articles, prépositions, pronoms, conjonctions), des introducteurs de noms de personnes et des unités de mesure. Les mots insérés ont été choisis à partir de notre connaissance des régularités et des irrégularités intrinsèques à la langue4 et des résultats de tests sur des corpus spécifiques –  tout en vérifiant la liste des indéfinis et en utilisant l’outil « Recherche par préfixe/suffixe ». Ces listes grandissent au fur et à mesure qu’augmente l’utilisation de Prospéro lusophone-Br pour des corpus textuels portant sur des sujets divers.

Avec ces fichiers, Prospéro est désormais capable d’identifier laprésence de la langue portugaise dans les textes et de ranger les nombreux termes dans leurs classes respectives. La Figure 1 montre un exemple à partir de l’identification d’épreuves présentes dans un corpus donné. À noter que l’enrichissement et la restructuration des fichiers d’origine peut se faire indéfiniment, en conformité avec la nature du corpus étudié et de la problématique de recherche.

Figure 1 : Identification d’épreuves (provas) par Prospéro lusophone-Br basée sur des terminaisons du fichier dictio.cfg et des mots du dictionnaire de base

Figura1_Socioargu_provas

2. Dictionnaires de concepts : êtres fictifs, collections et catégories

Pour doter le programme de la capacité d’extraire du corpus des informations et des fragments conceptuellement ou sémantiquement pertinents, qui permettent au chercheur d’établir des relations signifiantes, et par exemple d’identifier les arguments, les acteurs et les temporalités en cause, nous avons adapté au Portugais les trois fichiers qui composent les dictionnaires ou répertoires de concepts, comprenant les êtres fictifs, les collections et les catégories5.

Êtres fictifs

Le fichier contient des listes de mots et d’expressions qui composent les êtres fictifs, définis comme des ensembles de désignations représentant différentes formes de référence à certaines entités majeures, permettant ainsi de nommer sous une même appellation un « macro-acteur » ou un « grand personnage », dont la présence est marquante dans le contexte d’une recherche donnée. Outre les différentes variantes d’écriture d’un mot (genre et nombre, initiale en majuscule et en minuscule), les expressions et les mots qui tendent vers une même signification sont inclus, tout en pouvant être traités sous des classifications distinctes. Un exemple est donné ci-dessous avec l’être fictif AUTOMOBILE@, qui comprend des termes tels que voitures, AUTOMOBILES, voiture, véhicule personnel (Figure 2).

Figure 2 : Identification de l’être fictif AUTOMOBILE@ – Prospéro lusophone-Br

Figura2_SeresFic_AUTOMOVEL

Au moment de la rédaction de ce texte, 38 êtres fictifs étaient prêts à être utilisés par Prospéro lusophone-Br. Choisis et conçus en fonction des interêts de recherche des membres de l’équipe, ils peuvent être complétés de manière continue.

Collections

Le fichier des collections (.col), réunit des listes de termes et d’expressions renvoyant à des formes ordinaires ou savantes de classifications taxonomiques, généralement établies et communément reconnues. Comme pour les êtres fictifs, il est possible de créer des types (sous collections) pour chaque liste, en vue de préciser des niveaux ou des branches sous une classification plus générale. Un exemple de collection souvent utilisée pour mesurer le degré d’internationalisation ou de transnationalisation d’une question, est celle des PAYS*, comprenant des sous collections comme Amérique du Sud (Colombie, Pérou, entre autres), Asie (Inde, Chine…), Europe (Allemagne, Espagne, France…), etc. (voir Figure 3). Prospéro lusophone-Br incorpore d’ores et déjà 37 collections, nombre voué à croître selon les besoins de l’utilisation du programme par les membres de l’équipe.

Figure 3 : la collection PAYS*, type Europe – Prospéro lusophone-Br

Figura3_Colecoes_Pais_Europa

Catégories

Dans le fichier des catégories (.cat), il nous a fallu insérer des types d’objets différents pour tenir compte des distinctions en les les qualités, marqueurs, épreuves et entités, chacune pouvant renvoyer à des  groupements métonymiques. Un exemple de catégorie est formé par la catégorie d’épreuve Accuser/S’Opposer (avec typiquement des verbes comme accuser désapprouver, polémiquer).

Figure 4 : Catégorie d’épreuve Accuser/S’Opposer – Prospéro lusophone-Br

Figura4_Conceitos_Cat Prova_Acusar

Pour la construction des catégories, nous avons adopté comme norme la graphie des termes avec les différentes flexions possibles de genre et de nombre, et aussi des flexions de personne et mode dans le cas des épreuves6, en plus des variantes avec l’initiale en majuscule. La construction des listes a été suivie par un processus de double révision et d’une validation après une réunion des membres de l’équipe impliqués dans la préparation des jeux de catégories : une forme de mini conférence de consensus pour fixer la version de base. À ce jour, plus de 70% des listes de la version française ont été inclus, certaines d’entre elles ayant été éliminées ou considérées comme non prioritaires du fait de leur ancrage dans des thématiques spécifiques et probablement peu utile dans une version à vocation généraliste. Les épreuves ont été traduites/adaptées à 100% et sont passées par toutes les étapes de révision et de consensus. Les qualités et les entités ont subi une révision initiale tandis que les marqueurs ont été construits en duo. Le Tableau 2 résume l’organisation des catégories de concepts, avec leurs nombres respectifs de listes, une comparaison avec les fichiers de la version française, le nombre de représentants par catégorie et des exemples.

Tableau 2 : Status des catégories de Prospéro lusophone-Br

Tab2

Les fichiers de concepts nourrissent la sémantique formelle de Prospéro en le dotant d’outils de recherche et de croisement d’informations pertinentes aidant les chercheurs à mener à bien l’analyse de leurs corpus. La possibilité d’accès et de personnalisation de ces fichiers par chaque utilisateur donne une autonomie et un pouvoir de décision sur la construction des outils, conformément à ses connaissances préalables sur le sujet d’étude et sur les centres d’intérêt. De cette façon, notre critère pour la préparation des fichiers conceptuels de Prospéro a été de rendre disponibles aux utilisateurs des listes de concepts génériques, à partir desquelles chaque chercheur pourra – et devra – développer ses propres dictionnaires.

3. La poursuite d’une expérience collaborative

Une des priorités des travaux à venir sera le travail sur les formules et les classes de formules, une ressource majeure pour l’étude des corpus dans la panoplie des outils offerts par Prospéro. Elles permettent de récupérer des mots, des expressions, des êtres fictifs, des collections, des catégories et des termes situés dans leur voisinage ou le contexte immédiat, ce qui rend possible au chercheur de visualiser la relation entre les éléments critiques du corpus, tels que les acteurs, les thèmes marquants ou les temporalités7. Dans la version française de Prospéro, il y a tout un ensemble de formules qui aident à poser des requêtes pour saisir des énumération d’éléments, des événements, des expressions de base, des formes négatives liées à des entités, de grands principes, des lois importantes, des rapports, bref toutes sortes d’agencements pouant avoir du sens et jouer un rôle dans la description et l’analyse des corpus. Des détails peuvent ainsi être pris en compte, jusqu’aux noms des avenues ou des rues citées par les textes !

Nous proposons de mettre à la disposition des utilisateurs ces formules pour Prospéro lusophone-Br et de donner des indications à la fois sur les codes et sur les fonctions, à travers des sous-titres et des directives relatives aux commandes. Une fois qu’ils ont saisi les usages possibles des formules déjà existantes, les chercheurs peuvent créer leurs propres formules en fonction de leurs intérêts de recherche.

Enfin, afin d’élargir le nombre d’utilisateurs de Prospéro lusophone-Br, nous entreprenons la traduction des termes présents dans l’interface du logiciel, à tous les niveaux, ainsi que le mode d’emploi, qui guide pas-à-pas les actions nécessaires pour le développement de recherches à l’aide de Prospéro. Nous espérons ainsi recevoir des contributions des utilisateurs pour l’amélioration continue de Prospéro en portugais.

Institutions liées par l’équipe Prospéro lusophone-Br et ses membres :

Institutions brésiliennes
Unicamp – DPCT
Flávia Gouveia
UFRGS et FURG
Raquel da Silveira
UFMG – Cedecom
Tacyana Arce
USP – EDM
Carla Cristina Pompeu
Vinício de Macedo Santos
Unila
Rodrigo Cantu
UFMG – FAFICH
Tiago Barcelos
UFSC – CPGA
Gustavo Matarazzo
UDESC – ESAG
Aghata Gonsalves
Institutions françaises
EHESS – GSPR
Francis Chateauraynaud
Josquin Debaz
Markku Lehtonen
 EHESS
 Waldir Rocha
Université de Nanterre
Patrick Trabal
Université Paris VIII
Lina Shimada

 

 

  1. Un exercice préliminaire d’adaptation de Prospéro pour le traitement de textes en portugais, centré sur l’enseignement des mathématiques au Brésil et en France, avait été effectué par les professeurs Patrick Trabal (Université de Nanterre) et Vinicio de Macedo Santos (USP) vers 2010-2011. Voir Trabal & Santos (2011), L’enseignement des mathématiques et les difficultés des élèves : des questions pour la recherche, disponible sur : http://www.m2real.org/spip.php?article161&lang=fr (accès 27/10/2015). []
  2. Bien que le travail effectué comporte en grande partie le noyau commun aux variantes de la langue, nous soulignons que l’utilisation de textes en portugais non brésilien demandera des ajustements appropriés à la variante considérée. Des descriptions liées aux processus d’adaptation de Prospéro aux langues espagnole et italienne sont déjà publiées sur le carnet socioargu [voir les contributions respectives de Juan Carlos Guerrero Bernal (2012) et de Fabio Marcodoppido (2014)]. []
  3. Il s’agit d’un traité international établi en 1990 entre l’Angola, le Brésil, le Cap-Vert, la Guinée-Bissau, le Mozambique, le Portugal et le San Tome et Prince, avec l’inclusion du Timor-Est en 2004. Cet accord cherche à créer une orthographe unifiée pour tous les pays de langue officielle portugaise. []
  4. Nous avons effectué des recherches de listes catégorisées dans des sources diverses, telles que des grammaires et des sites web sur la langue portugaise. []
  5. Fichiers fict_port.fic, cole_port.col et cat_port.dic, respectivement. []
  6. En raison de la rareté des formes verbales à la deuxième personne du pluriel (vous) et au plus-que-parfait simple du mode indicatif dans les textes en portugais brésilien, nous avons choisi, dans la plupart des cas, de ne pas les insérer dans les listes des épreuves du Prospéro lusophone-Br. []
  7. Sur les classes de formules, voir le billet de Chateauraynaud et Debaz « De l »usage des formules discursives en sociologie argumentatives » (janvier 2011). []

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée.