Séance 7 du 9 mai 2017 – Panorama des méthodes d’analyse factorielle

 

La fin de l’année universitaire approche à grand pas et nous voici déjà arrivé-e-s à la septième séance de séminaire du cycle de rencontres 2016-2017 autour du traitement et de l’analyse de données quantitatives en SHS. Pour l’occasion, nous avons eu le plaisir de recevoir François HUSSON (UPMAAgrocampus Ouest), mardi 9 mai 2017, afin qu’il nous présente un panorama des méthodes d’analyse factorielle.

 

Panorama sur les méthodes d’analyse exploratoire des données

 

Diaporama de la présentation ci-dessous :

*

Vous pouvez retrouver un nombre non négligeable de vidéos, proposées par François Husson, autour l’analyse de données sur sa page personnelle :

*

*        *

Affiche de la séance

Séance 6 du 16 mars 2017 – Interprétation d’une Analyse Factorielle avec R

 

Texte faisant suite à notre intervention lors de la sixième séance de séminaire du nouveau cycle de rencontres 2016-2017 autour du traitement et de l’analyse de données quantitatives en SHS le 16 mars 2017 à l’Université de Bretagne Occidentale (UFR Lettres et Sciences Humaines) à Brest.

*

Interprétation d’une Analyse Factorielle avec R

*

Vous pourrez retrouver l’ensemble de notre présentation (et plus encore) en suivant le lien si-dessous :

En complément de la présentation, des commentaires et des interprétations, vous aurez la possibilité de reproduire les différents calculs et commandes que nous avons effectués (si vous êtes un-e utilisateur-rice du logiciel R).

L’ensemble des informations complémentaires et des références bibliographiques sont dans le lien.

Laurent MELL

Jean-Baptiste PRESSAC

*

*       *

Affiche de la séance

Séance 5 du 14 février 2017 – La mesure en SHS a-t-elle du sens ?

*

Texte proposé par Hervé GUYON (CESP – INSERM) concernant sont intervention lors de la cinquième séance de séminaire du nouveau cycle de rencontres 2016-2017 autour du traitement et de l’analyse de données quantitatives en SHS le 14 février 2017 à l’Université de Bretagne Occidentale (UFR Lettres et Sciences Humaines) à Brest.

*

La mesure en SHS a-t-elle du sens ?

*

L’objet du séminaire est une discussion épistémologique sur l’usage de méthodes quantitatives en sciences dites « humaines et sociales » (SHS). Les SHS usent souvent de modélisations statistiques. Ces dernières imposent que les objets étudiés soient formalisés en variables, et donc que l’on puisse « mesurer » de tels objets. La première question discutée dans ce séminaire renvoie à la « mesure ». A partir de l’ontologie particulière des objets étudiés en SHS, une discussion est menée sur le cadre formel permettant de considérer qu’un objet en SHS a une propriété mesurable. De là, la confusion sémantique (objet/concept/variable) et la confusion sur « l’objectivité » de la modélisation statistique est posée. Une critique de l’usage coutumier de la statistique en SHS n’interdit pas in fine de considérer que la mesure a du sens en SHS si on affirme clairement que la statistique et la mesure sont des pratiques sociales inscrites dans une épistémologie particulière.

*

Diaporama de la présentation ci-dessous :

*

La plupart des développements de ce séminaire, centrés sur les attributs mentaux, peuvent se retrouver dans la thèse et publications accessibles (et à venir) sur le profil Researgate de Hervé GUYON (https://www.researchgate.net/profile/Herve_Guyon/contributions). Pour tout contact : herve.guyon@u-psud.fr.

Hervé GUYON

Séance 3 du 15 décembre 2016 – Hyperbase Web. Analyse statistique de corpus en ligne

 

Texte écrit par Laurent VANNI (BCL – UNS) et résumant sont intervention lors de la troisième séance de séminaire du nouveau cycle de rencontres 2016-2017 autour du traitement et de l’analyse de données quantitatives en SHS le 15 décembre 2016.

 

Hyperbase Web. Analyse statistique de corpus en ligne

Cet atelier était l’occasion de découvrir Hyperbase Web, une plateforme en ligne qui reprend les outils fondamentaux du logiciel Hyperbase, un logiciel d’analyse de donnée textuelle (ADT) historique développé au laboratoire UMR 7320 : Bases Corpus Langage à Nice depuis sa création par Etienne BRUNET.

Hyperbase Web

L’idée principale de cette plateforme est de proposer une offre complémentaire aux logiciels d’ADT existant qui ne nécessite aucune installation et dont la prise en main se veut simplifiée au maximum. L’utilisateur peut se connecter librement et charger son corpus en quelques clics. Une lemmatisation à la volée est proposée grâce au lemmatiseur TreeTagger et permet de traiter plusieurs langues parmi lesquelles : Français, Anglais, Italien, Allemand, Portugais … Le logiciel accepte aussi certains formats de données déjà lemmatisées comme ceux fournis par le logiciel CORDIAL par exemple. Ces solutions permettent à la plateforme d’héberger aujourd’hui des bases vitrines multilingues, Français, Portugais, Latin, Grec… qu’il est possible de consulter librement. Un mécanisme de protection par mot de passe est proposé à tous utilisateurs désireux de grader leur corpus privé. La plateforme n’a pas été pensée comme un site communautaire, mais l’hébergement en ligne des données permet néanmoins d’échanger simplement les bases créées par les utilisateurs.

Recherche

Une fois la base créée et sélectionnée, l’utilisateur est invité via une interface type moteur de recherche web, à commencer ses recherches documentaires et/ou statistiques. L’outil se veut intuitif et ergonomique et ne propose pas d’expression régulière complexe, mais un mécanisme de requêtes simplifiées à base de forme graphique, de code grammaticaux et de lemme. Par exemple il est possible de rechercher:

je => la forme graphique « je »

je veux => la forme « je » OU la forme « veux »

« je veux » => l’expression « je veux »

LEM:vouloir => le verbe vouloir

VER:pres => tous les verbes au présent de l’indicatif

??? => n’importe quel mot

« PRO ADV VER » => toutes les expressions caractérisées par la suite de codes

« je LEM:vouloir » « ne ??? pas » « il LEM:falloir » => une suite d’expressions

Ce mécanisme de requête est le même dans toute l’interface et permet aussi bien d’obtenir des résultats de recherche documentaires que des résultats statistiques.

Recherche par LEM

Parmi les fonctions disponibles sur la plateforme, nous avons donc une fonction de recherche documentaire (le point d’entrée de la base – onglet « Recherche »), qui présente les résultats par défaut sous forme de concordancier (avec retour au texte). Une page d’options (présente dans toute l’interface) permet de changer le type résultat pour afficher par exemple un contexte plus large ou encore ne s’intéresser qu’à une certaine catégorie grammaticale.

Analyse des cooccurrences

Nuage de mots

L’analyse de cooccurrences est l’une des autres fonctions principales d’Hyperbase Web. Avec le Theme (onglet « Theme ») Hyperbase propose d’analyser la polycooccurrence et de visualiser dynamiquement les liens qui existent entre les différents mots du corpus. Les outils graphiques mis à disposition pour visualiser les résultats permettent à l’utilisateur de fabriquer leur propre parcours interprétatif à partir des calculs statistiques remontés par la machine.

AFC

Arboré

Enfin la Distribution (onglet « Distribution »), permet de calculer un indice de distance entre les textes du corpus pour les comparer et les classer au moyen d’outil comme l’analyse arborée. Ou encore de projeter via l’Analyse Factorielle des Correspondances une matrice composée de milliers d’entrées issues par exemple du croisement des substantifs les plus fréquents ou encore d’une liste mots saisie par l’utilisateur.

Distribution

Il est possible aussi de redécouper à la volée son corpus pour changer de point vu et faire apparaitre une nouvelle analyse contrastive. Pour y parvenir, Hyperbase propose un mécanisme de métadonnées qui est alimenté au moment de la création de la base via un tableau récapitulatif des textes chargés ou encore à l’intérieur même des textes en utilisant une ligne étoilée déjà utilisée dans certains logiciels comme Iramuteq. Ces métadonnées peuvent être ensuite combinées pour faire apparaitre de nouvelles parties dans le corpus. Par exemple si les métadonnées saisies permettent de retrouver l’année et l’auteur d’un texte, il sera possible de demander à Hyperbase tous les textes d’un auteur d’une certaine période.

En conclusion, Hyperbase web est un outil d’ADT en ligne qui se veut accessible au plus grand nombre. Les outils développés ainsi que mécanisme de recherche ont été pensés pour simplifier au maximum la prise en main de ce genre de logiciel. Les visualisations graphiques modernes permettent d’accompagner l’utilisateur dans l’interprétation de ses données en valorisant la sobriété des résultats tout en s’appuyant sur des méthodes déjà éprouvées (dans la précédente version d’Hyperbase) qui garantissent la qualité des résultats observés.

Laurent VANNI

*

*       *

Références

Hyperbase : http://hyperbase.unice.fr

Mesure du discours (Site qui utilise Hyperbase) : http://mesure-du-discours.unice.fr/

Vanni, A. Mittmann (2016). Cooccurrences spécifiques et représentations graphiques, le nouveau Thème d’Hyperbase,inDamon Mayaffre, Céline Poudat, Laurent Vanni, Véronique Magri, Peter Follette (eds.). JADT 2016 – Statistical Analysis of Textual Data. Presses de FacImprimeur, p. 295-305. <hal-01359413>

Vanni, X. Luong, D. Mayaffre (2014). Arbre et co-occurrences Nouvel outil logométrique sur le net. Application au discours de François Ho,inEmilie Née, Jean-Michel Daube, Mathieu Valette, Serge Fleury (eds.). JADT 2014, p. 639-649. <hal-01196592>

 

Affiche de la séance

cycle-quanti-seminaire-03-affiche-v2

 

Séminaire Les Outils du Quanti en SHS – Programme 2016/2017

*

Comme pour les années précédentes, notre souhait est de multiplier les rencontres et les échanges autour du traitement et de l’analyse quantitative de données en sciences humaines et sociales. Comme toujours, ces séminaires ont vocation à être pluridisciplinaires et transversaux.

L’objectif de nos échanges, passés et à venir, est de partager nos expériences et, ainsi, de créer un espace de discussion sur nos pratiques. Ce cycle d’échanges prend en compte autant les dimensions épistémologiques que méthodologiques en partant de nos pratiques et usages mais aussi de nos outils.

*

Programme 2016-2017

Séance 1 – 18 octobre 2016Mise en œuvre de R, intérêts et difficultés rencontrés en situation d’expérimentation, Pierre-Guillaume PRIGENT (utilisation du logiciel R)

Séance 2 – 22 novembre 2016Préparation d’un corpus de textes pour une analyse de données textuelles. Quelles données soumettre à l’ADT avec Alceste ou IRAMUTEQ ?, Éric ROUZEAU et Nicole ROUX (Préparation et analyse textuelle)

Séance 3 – 15 décembre 2016Hyperbase Web : analyse statistique de corpus en ligne, Laurent VANNI (utilisation du logiciel Hyperbase Web)

Séance 4 – 19 janvier 2017Mise en œuvre de SPSS, intérêts et possibilités en analyse de données, Arlette GAUTIER (utilisation du logiciel SPSS)

Séance 5 – 14 février 2017La mesure en SHS a-t-elle du sens ?, Hervé GUYON (les statistiques appliquées en SHS)

Séance 6 – 16 mars 2017Interprétation d’une analyse factorielle avec R, Laurent MELL et Jean-Baptiste PRESSAC (les AFC avec le logiciel R)

Séance 7 – 9 mai 2017Panorama des méthodes d’analyse factorielle, François HUSSON (les analyses de données multidimensionnelles)

*

Informations pratiques

Les séances ont lieu à l’UFR des Lettres et sciences Humaines, Université de Bretagne Occidentale (UBO), Brest – Plan d’accès

 *

Public visé

Enseignant(e)s-chercheur(e)s, doctorant(e)s, étudiant(e)s de master, issu(e)s de toutes les disciplines faisant usage du traitement et de l’analyse quantitatives de données

*

Contact

Laurent Mell laurent.mell@univ-brest.fr

Séance 3 du 2 février 2016 – Traiter un corpus de 2653 réponses de lycéens et lycéennes à une question ouverte sur leur conception de la réussite

 

Texte rédigé par Aurélie Seznec (LABERS – UBO) et Nicole Roux (LABERS – UBO), dans la continuité de leur intervention durant la troisième séance de séminaire du cycle de rencontres et d’échanges autour du traitement et de l’analyse de données quantitatives en SHS.

 

Traiter un corpus de 2653 réponses de lycéens et lycéennes à une question ouverte sur leur conception de la réussite

 

***************

 

Analyse de données textuelles : expérimenter le traitement des réponses à une question ouverte avec Modalisa et Sphinx

Au cours de cette séance nous avons présenté notre traitement des réponses à une question ouverte à travers les logiciels Modalisa7 (version éducation et recherche) et Sphinx IQ Quali. En quelques mots, il s’agit d’analyser des données textuelles avec des logiciels d’enquête par questionnaire, d’explorer les réponses de plus de 2 600 élèves à une question ouverte portant sur leur conception de la réussite. Comment prendre en compte et analyser cette pluralité de réponses ? Notre objectif est bien de croiser le texte, les réponses des lycéens et lycéennes avec d’autres variables qui permettent d’identifier les locuteurs (comme le sexe, la classe ou encore la filière suivie). Il s’agit également de revenir sur le traitement lexical et thématique, d’explorer le corpus à l’aide des verbatims et de voir les avantages et limites des logiciels dans les différentes phases, notamment lors du protocole de codification (analyse de contenu manuelle ou automatique). Nous avons présenté brièvement une partie des possibilités des logiciels, permettant de créer des catégorisations (mots, thèmes) plus ou moins automatique en faisant par exemple un focus sur des procédures d’exploration de données comme les graphes de relations et les key view (disponibles sur Sphinx IQ Quali). Le postulat de départ est bien que les occurrences des mots employés ont un sens, ils ne s’emploient pas au hasard et que leur assemblage en énoncés donne accès à la possibilité d’interpréter un rapport au monde.

Pour commencer, nous rappelons que la question ouverte dans un questionnaire d’enquête doit restée exceptionnelle étant donnée la lourdeur du traitement. La formulation univoque vise à recueillir un point de vue, des représentations pour lesquelles nous avons des raisons scientifiques de ne pas choisir des modalités fermées ici la question est : « Selon vous, qu’est-ce que la réussite ? »

Autour de cette thématique de la réussite mettant en œuvre l’exploitation d’une question ouverte, les travaux de Christian Baudelot font référence et illustrent tout l’intérêt de se plonger dans l’analyse textuelle, comme le montre cet extrait de la préface qu’il a rédigé dans l’ouvrage Statistique textuelle (1994) :

« L’une des contributions majeure de la statistique textuelle est précisément d’animer tous ces graphes en donnant la parole à chacun de ces individus. Grâce à Lebart et Salem, les fameux points-individus ne sont plus muets, ils parlent. Vole alors en éclats la traditionnelle mais artificielle distinction entre le quantitatif et le qualitatif. »

Le traitement des données commence à la suite d’un long travail d’harmonisation et de correction orthographique des réponses. La qualité et l’homogénéité des données, la taille du corpus, le temps disponible sont des éléments déterminants sur le choix de la méthode et le degré d’avancement, et de finesse du traitement.

L’étape de codification du corpus

Modalisa : Le classement lexical peut-être automatique ou semi-automatique et le classement thématique est manuel.

Modalisa : Le classement lexical peut-être automatique ou semi-automatique et le classement thématique est manuel.

Sphinx IQ Quali : l’outil codification permet de définir une grille d’analyse, de coder le texte manuellement.

Sphinx IQ Quali : l’outil codification permet de définir une grille d’analyse, de coder le texte manuellement.

Sous Sphinx, le protocole de codification permet de coder le corpus, de catégoriser son contenu à l’aide d’une grille thématique (codebook). Cette grille thématique peut être construite manuellement ou de façon automatique. Dans Modalisa le classement est uniquement manuel à partir de catégories thématiques créées par le chercheur. Le classement manuel est appréhendable pour un corpus de 300 individus mais sur un corpus de 2600 répondants la tâche est immense. Il convient dans ce cas après une analyse lexicale de créer un échantillon représentatif de l’ensemble pour lequelle il est possible de faire un traitement thématique. Avec Sphinx, l’extension de codification permet de coder automatiquement le reste du corpus, après avoir débuté une codification manuelle (suivant la nature du corpus et du code book…).

Les procédures d’exploration de données expérimentées (Sphinx IQ)

Possibilité de filtrer le lexique, selon la nature des mots (noms, verbe, adjectif), le nombre d’occurrences ou encore réduction sur les premiers mots du lexique. Exemple : lexique catégorisé les 10 premiers verbes. Explorer le corpus à l’aide de verbatims : illustrer des résultats statistiques par les réponses, en sélectionnant par exemple les extraits les plus significatifs d’une catégorie de répondants. Les graphes de relations permettent de voir les liens, les relations entre différentes variables. Key View (tableaux de caractéristiques) permettent de visualiser les résultats les plus significatifs d’un ensemble d’analyses croisées. Des techniques permettant d’explorer un ensemble de relations possibles parmi un très grand nombre de variables.

Possibilité de filtrer le lexique, selon la nature des mots (noms, verbe, adjectif), le nombre d’occurrences ou encore réduction sur les premiers mots du lexique.
Exemple : lexique catégorisé les 10 premiers verbes.
Explorer le corpus à l’aide de verbatims : illustrer des résultats statistiques par les réponses, en sélectionnant par exemple les extraits les plus significatifs d’une catégorie de répondants.
Les graphes de relations permettent de voir les liens, les relations entre différentes variables. Key View (tableaux de caractéristiques) permettent de visualiser les résultats les plus significatifs d’un ensemble d’analyses croisées.
Des techniques permettant d’explorer un ensemble de relations possibles parmi un très grand nombre de variables.

Protocole de synthèse, le nuage de mots avec Verbatims des phrases contenant le mot sélectionné (ici épanouir) peut être affiché sous Sphinx.

Protocole de synthèse, le nuage de mots avec Verbatims des phrases contenant le mot sélectionné (ici épanouir) peut être affiché sous Sphinx.

 

Exemple de résultats

Le protocole des verbatims vise à extraire les conceptions de la réussite les plus représentatives d’une catégorie de répondants ; la variable de contexte choisie ici est le sexe, les réponses caractéristiques des lycéens et lycéennes sont celles contenant la plus forte proportion de mots-clés spécifiques en fonction du sexe.

Pour les femmes : « Avoir une vie qui nous rend heureux, dans notre vie personnelle comme dans notre vie professionnelle » (Générale – Seconde) / « Atteindre nos objectifs et exercer un métier qui nous plaît réellement, et qui nous permet d’avoir une bonne situation » (Générale – Terminale) / « Exercer dans un domaine qui nous passionne, qui nous plaît » (Générale – Terminale) / « Avant tout faire quelque chose qui nous plait et qui nous aide à nous épanouir » (Générale – Première – Une femme).

Pour les hommes : « De la motivation, du travail, prendre du plaisir, aimer, savoir gérer son temps, un bon futur » (Générale – Première) / « Un bon diplôme, un bon travail, avec un salaire convenable, une maison, une famille » (Générale – Terminale) / « Avoir un bon travail, un bon salaire et surtout que le travail en question ne soit pas une corvée » (Technologique – Première) / « L’obtention de tous nos diplômes et le débouché sur un bon travail » (Générale – Seconde).

Pour conclure, nous pouvons souligner que la reconnaissance des significations sous Sphinx soulève quelques interrogations. A l’issue de la première étape constituant le lexique, le codeur perçoit l’émergence des mondes lexicaux, ensuite il semble plus pertinent de construire sa propre grille thématique et de procéder manuellement à la codification des réponses comme sous le logiciel Modalisa même si chacune des méthodes a son lot d’avantages et d’inconvénients. Le travail quantitatif, d’agrégation des données conduit à voir disparaitre les spécificités de certaines réponses, comme l’illustre la réponse d’un jeune « kiffer sa balle » que nous avons reclassé sous le terme « profiter ». Ce point avait été souligné dans un article de France Guérin-Pace (1997) « les réponses complexes sont souvent « laminées » par le post-codage ». Mais sur ce type de corpus il s’agit bien de faire émerger l’existence de représentations communes selon un certain nombre de variables où l’exception est minorisée voire disparaît. Le travail minutieux et systématique du codage leur permet de continuer à exister jusque dans l’interprétation puisque les exemples remarquables, originaux restent à l’esprit mais ils ne deviennent pas les pépites linguistiques retenues pour l’exemple lors de l’exposition des résultats.

Aurélie SEZNEC & Nicole ROUX

*

*       *

Ressources bibliographiques

  • Baudelot C. (1988). « Confiance dans l’avenir et vie réussie », Mélanges économiques. Essais en l’honneur d’ Edmond Malinvaud, Paris, Economica, EHESS
  • Boughzala Y., Moscarola J. et Hervé M. (2014). Sphinx quali : un nouvel outil d’analyses textuelles et sémantiques, 12ème journées des analyses de données textuelles.
  • Cousteaux A-S. (2011). Le masculin et le féminin au prisme de la santé et de ses inégalité sociales. Thèse de Sociologie. Institut d’études politiques de paris – Sciences Po.
  • Felouzis G. (1993). Conceptions de la réussite et socialisation scolaire: Le cas des lycéens des filières générales, technologique et de LEP. Revue française de pédagogie. Volume 105 N°1.
  • Ganassali S. (2008). Faire parler les mots: vers un cadre méthodologique pour l’analyse thématique des réponses aux questions ouvertes. Décisions Marketing. N°51 Juillet-Septembre
  • Ganassali S. (2014). Enquêtes et analyse de données avec Sphinx, Collection LM, Person.
  • Ganassali S. et Roederer C. (2014). L’analyse des courriers au Père Noël comme expression des styles de consommation familiaux, 12ème journées des analyses de données textuelles.
  • Guérin-Pace F. (1997). La statistique textuelle. Un outil exploratoire en sciences Sociales, Population, 52e année, n°4.
  • Jenny J. (1997). « Méthodes et pratiques formalisées d’analyse de contenu et de discours dans la recherche sociologique française contemporaine : état des lieux et classification », Bulletin de Méthodologie Sociologique, n°54.
  • Lebart L. et Salem A. (1994). Statistique textuelle, Paris, Dunod.
  • http://lexicometrica.univ-paris3.fr/jadt/
  • http://www.squash.ulg.ac.be/lejeune/

Affiche de la séance de séminaire

seminaire-3-affiche-a3-v1

Séminaire 1 du 18 octobre 2016 – Mise en œuvre de R, intérêts et difficultés rencontrés en situation d’expérimentation

 

Texte proposé par Pierre-Guillaume Prigent (CRBC – UBO) et faisant suite à son intervention lors de la première séance de séminaire du nouveau cycle de rencontres 2016-2017 autour du traitement et de l’analyse de données quantitatives en SHS le 18 octobre 2016.

 

Mise en œuvre de R, intérêts et difficultés rencontrés en situation d’expérimentation

L’objectif de cette présentation était de montrer comment R a été utilisé dans une situation précise : le traitement et l’analyse des données de l’enquête MVESSE-UBO, sur les modes de vie, la santé et la sécurité des étudiant.e.s de l’UBO.

R est un logiciel libre, gratuit et multiplateforme de traitement des données et d’analyse statistiques. Libre, car on a l’autorisation de l’utiliser, de l’étudier, de le modifier et de le dupliquer à sa guise. Gratuit, car on peut le télécharger gratuitement sur http://cran.r-project.org/ . Multiplateforme, car il est disponible sous Windows, Linux, macOS, etc.

A son démarrage, R peut rebuter, rappelant la vieille interface de MS-DOS. Il est cependant possible de télécharger RStudio, un environnement de développement, qui rend l’utilisation de R plus aisée, et qui étend aussi ses fonctionnalités.

R, c’est donc un logiciel dont les fonctionnalités de base sont riches et puissantes, auquel on peut rajouter des extensions, et un logiciel fréquemment mis à jour, avec une communauté d’utilisateur.ice.s qui ne cesse de grandir. Mais R, c’est aussi un logiciel dont la documentation est majoritairement en anglais et la communauté surtout anglophone, et un logiciel qui fait peur de prime abord, notamment parce qu’il n’a pas d’interface graphique.

Cette présentation visait à partager une expérience personnelle d’appropriation récente qui se poursuit. Il s’agissait de montrer qu’on peut apprendre R en lisant de la documentation, des tutoriels, en posant des questions sur des forums. Il faut cependant au moins plusieurs heures pour l’apprivoiser, et encore plus pour l’enseigner…

R peut tout d’abord être pensé comme une calculatrice. Il permet de faire des opérations de base. Par exemple, si l’on tape "2 + 2" dans le terminal, R nous renverra "4".

R peut également stocker des données dans des objets. On peut par exemple donner la valeur "2" à l’objet "x", en tapant "x <- 2" dans le terminal. On peut alors réaliser des opérations sur ces objets, par exemple, "x + 4" nous renverra "6".

Ces données peuvent aussi être des chaînes de caractère, par exemple "Du texte". Donc on peut stocker la chaîne "Du texte" dans l’objet "x" en tapant "x <- "Du texte"" (l’usage des guillemets indique à R que l’objet est bien une chaîne de caractère). Attention, restocker de nouvelles données dans un même objet efface les anciennes (ici, il vaut mieux stocker la chaîne dans "y", et non "x"…). R est cependant bien évidemment capable de gérer un très grand nombre d’objets.

Ces objets peuvent être des vecteurs : "ages <- c(25, 67, 82, 34, 12, 46, 18, 34, 16)". Ici, c veut dire combiner et est une fonction. Les valeurs 25, 67… sont les arguments de la fonction c. Un vecteur est donc une combinaison de valeurs.

Pour obtenir la moyenne de l’objet "ages", on peut lui appliquer la fonction "mean", il suffit alors de le mettre en argument, entre parenthèses, comme ceci : "mean(ages)". R nous renvoie alors la moyenne du vecteur : "37.11111".

R est également capable de réaliser des graphiques, simples ou complexes, que l’on peut configurer. Par exemple, il peut tracer un histogramme très simple avec "hist(ages)". Mais si l’on tape "hist(ages, col = "red")", le contenu des barres devient rouge. Un package, ggplot2, permet de réaliser des représentations graphiques esthétiques et optimisées, comme on peut le voir sur le R Graph Catalog. Un package contient de nouvelles fonctions pour R. Il en existe une grande variété. On installe un package avec la commande "install.packages("nomdupackage")". Pour en faire usage, il faut le charger en mémoire avec "library(nomdupackage)" (cette dernière commande doit être lancée, dès que l’on utilise des fonctions du package, à chaque redémarrage de R).

R permet de mémoriser toutes les commandes tapées dans des scripts. A l’origine, les scripts, qui sont donc des fichiers textes qui contiennent du code R, sont censés permettre l’automatisation de tâches complexes, mais pour les utilisateur.ice.s non-spécialistes de R, ils peuvent servir de mémo. R sauvegarde également les commandes tapées dans son historique. On y navigue en utilisant les flèches du haut et du bas.

R est bien entendu capable d’importer des données habituellement représentées sous forme de tableaux. R les appelle "data frames". Le logiciel de base gère le CSV, mais il existe de nombreux packages permettant l’import de données au format Excel, SAS, SPSS, par exemple. RStudio permet de manière assez minimaliste de les visualiser comme dans un tableur classique, mais ne permet pas directement de les modifier. Étant donné la logique d’automatisation permise par R, il est préférable de se passer de modifications manuelles de données. Dans l’idéal, il veut mieux conserver les données originales et produire un script permettant leur modification que de conserver uniquement le résultat. R permet de stocker ses données dans des fichiers .RData, qui peuvent comprendre de nombreux objets de différents types : un moyen idéal pour travailler sur ses données au fil de leur évolution. On peut également demander à R de stocker certaines de ses données dans un fichier .RData, ce qui permet par exemple de faire des archives.

De nombreuses commandes permettent de prendre connaissance du contenu et de l’organisation d’un data frame. On peut facilement connaître ses dimensions (le nombre de colonnes et de lignes) avec la fonction "dim", le nom de ses variables avec "names", une liste de ses variables avec des précisions les concernant avec "str", et un résumé de ses données avec "summary".

Lors de la présentation ont été évoquées les méthodes de base pour travailler sur les variables, que ce soit leur manipulation ou leur analyse. R est possible de réaliser des tris à plats, des tris croisés, des tableaux de fréquence, ainsi que de nombreux tests statistiques. On peut également utiliser les indexations pour réaliser des recodages.

Dans le cadre de l’enquête MVESSE-UBO, R aura également permis :

  • de convertir les dates de naissance contenues dans un data frame en âge au moment de l’enquête
  • de convertir des centaines de modalités différentes d’une variable définissant le niveau et la filière d’étude en une vingtaine de niveaux avec les expressions régulières (sorte de super "rechercher-remplacer", que R sait très bien gérer)
  • classer des personnes selon leur avancement dans un questionnaire en ligne à partir de la base de connexion
  • extraire les mails d’un long fichier texte très désorganisé et les classer

Et dans d’autres cadres :

  • sauvegarder le contenu de groupes de discussion sur Facebook et développer des outils pour en faciliter la lecture

Des packages plus ou moins utiles ont également été présentés.

3 packages (ou suite de packages) pour R sortent du lot :

  • tidyverse, une suite de packages pour faciliter la manipulation et la visualisation de données ; on pourrait presque dire qu’elle offre à R une nouvelle syntaxe
  • questionr, pour faciliter le traitement des enquêtes
  • rmarkdown, pour générer des documents contenant du texte, des instructions R avec leur résultat, dans une syntaxe simple (Markdown) auquel on peut rajouter des bouts de LaTeX si besoin.

Si vous êtes perdu.e.s avec R, il y a de grandes chances qu’une solution à votre problème soit trouvable sur Internet. Il est également possible de consulter l’aide intégrée (en anglais). Tapez "help.start()" pour consulter sa page d’accueil, et "help(fonction)" pour consulter la page d’aide de la fonction qui vous intéresse.

Si vous souhaitez contacter l’auteur de cette présentation (pour par exemple lui demander les slides, plus complètes que cet article, ou bien prendre connaissance de ses scripts, en partager avec lui, échanger des connaissances sur R, etc.), son mail est : prigentpg@randomail.net

*

*       *

Et voici quelques ressources pour se familiariser avec R et trouver de l’aide.

Pierre-Guillaume PRIGENT

 

Affiche de la séance de séminaire

cycle-quanti-01-affiche-16-10-18

Similitudes et différences entre deux CAQDAS : discrèter un flux et fouiller un texte

 

À propos de l’intervention de Jacques Kerneis (CREAD – ESPE Bretagne) lors de la journée d’étude du 19 mai 2016 « Bricolages et explorations. Comment s’approprier des outils et des méthodes dans l’analyse quantitative en sciences humaines et sociales ?« .

 

Similitudes et différences entre deux CAQDAS : discrèter un flux et fouiller un texte

Cette communication présente rapidement deux CAQDAS1 différents : Transana et Tropes et s’attache à mettre au jour quelques similitudes que nous avons saisies dans leur emploi au cours de notre itinéraire de recherche. Elle prend en compte en compte l’usage des deux outils et s’accompagne de réflexions épistémologiques, méthodologiques et théoriques afférentes. Nous insisterons notamment sur la propension des ces outils (numériques) à inclure une dimension quantitative et sur leur caractère phénoménographique2.

Le premier outil, Transana permet d’indexer des flux (audio ou vidéo). Sa fonction première est d’aider à la transcription… mais ses fonctions avancées permettent d’associer des mots-clés à des extraits. Cet outil permet donc de décrire ces flux avec des systèmes de catégories déjà constituées (a priori) ou élaborées au cours de l’analyse (grounded theory).

Le chercheur utilisateur se retrouve alors rapidement devant le dilemme suivant : « Est-ce qu’un extrait de 3 minutes auquel on a affecté le terme de « dévolution3 » (à titre d’exemple) « Vaut » autant, plus ou moins que 3 extraits d’une minute chacun ? »

Le second outil, Tropes, est l’outil central sur lequel nous nous appuyons ici. Il permet de produire un traitement sémantique de gros corpus de textes (à partir de 20 pages et jusqu’à plusieurs milliers, pour donner un ordre d’idées). Il repère les occurrences et les co-occurrences, comme sur le schéma ci-dessous, un proposant trois degré de regroupements sémantiques :

Visualisation des occurrences et co-occurrencesCela amène le chercheur à se poser une question du même type que celle qui précède : « Est que le « temps » est 4 fois plus proche du « rève » (8 co-occurrences) que du « néant » (2 co-occurrences). On peut bien sûr en douter et se poser d’autres questions du type : « Est-ce que la place des occurrences dans le texte a un sens ? ».

Les concepteurs4 du logiciel en sont, pour leur part convaincus, puisqu’il propose une visualisation des rafales (emplois regroupés du même terme) comme nous le voyons ci-dessous, à propos de la notion de « temps » dans les 17 albums de Thiéfaine.

Visualisation des rafalesLe didacticiel du logiciel est bien fait et il est en français.

L’outil a l’avantage d’accepter tous les formats de textes, y compris le PDF (le format le plus utilisé par les chercheurs). Ce logiciel est libre. Il existe depuis 1994 et sa dernière version 8.4 date de 2014.

Une communauté accompagne le développement de cet outil (forum….), même si son activité a ralenti depuis quelques années.

Il permet d’obtenir immédiatement des résultats et d’aller voir (grâce à des liens hypertextes) le contexte de chaque occurrence repérée. Cela est parfait pour l’exploration d’hypothèses interprétatives. En ce sens, on peut dire qu’il s’agit d’un outil en phase avec le « régime numérique » que Bonneville (2000) définit ainsi « Ce qui est hautement significatif, c’est que le temps [y] est perçu dans son rapport à l’instant présent, à sa capacité de faire en sorte qu’un résultat se présente sans délais ».

*

*       *

Bibliographie commentée qui retrace l’itinéraire du chercheur autour de Tropes, vu selon le cas comme un outil ou un objet d’étude.

  • Kerneis, J & Thiault, F. (2014). Technologies numériques et apprentissage : observatoire des cadres de référence et des discours. In G. D. Nguyen et S. Dejean. (Dir.). Internet : interactions et interfaces. Actes du Xème séminaire M@rsouin, (pp. 59-79). Paris : l’Harmattan. En ligne.

Ce texte a été écrit en 20125. Tropes n’apparaît pas, mais le diaporama l’évoque à la diapo 7. L’outil étant présenté comme un moyen d’objectiver les analyses, en considérant, dans une approche pragmatique que le lecteur-chercheur « apporte beaucoup » au texte » sans toujours s’en aperçevoir.

  • Kerneis, J. (2012). La démarche d’enquête et l’engrammage des textes : un moyen collaboratif d’aboutir à une incertitude soutenable : le cas de la formation scientifique et professionnelle d’étudiants en documentation. Communication au IVème Colloque spécialisé en sciences de l’information (cossi) « Information, incertitudes, intelligences ». Poitiers, 19-20 juin. En ligne.

Ce texte comporte les premiers schémas utilisant Tropes, de la page 10 à 13. Il nous sert à comparer les priorités des rapports Fourgous, sur le numérique.
Le premier date de 2010 et le second de 2012. Des évolutions potentielles peuvent ainsi être repérées et l’analyse fine des passages permet (ou non) de valider ces hypothèses.

  • Kerneis, J. (2015). Le « savoir-devenir » un pont entre EMI et EDD dans le nouveau design de l’école ? Communication au Colloque international francophone « former au monde de demain. Quelles compétences, communes ou spécifiques, entre l’éducation et la formation au développement durable et les autres éducations et formations à la solidarité, la santé, les médias et la gouvernance ». Clermont-Ferrand, 2-3 avril. . En ligne.

L’usage de Tropes devient plus central, dans les textes suivants. Ici, il s’agit d’explorer des textes longs (plusieurs centaines de pages) qui proposent des actions dans le champ très large de l’éducation aux médias. L’outil permet de faire des hypothèses sur les tropismes de chaque « méthode ».

  • Kerneis, J. (2015). L’éducation aux médias et à l’information : un élément constitutif de l’identité professionnelle des professeurs-documentalistes ? Communication au XIIIème séminaire M@rsouin, Saint-Jacut-de-la-Mer, 24, 25 mai. En ligne.

Ici, c’est un livre entier qui venait de paraître, celui d’Olivier Le Deuff, qui a servi de corpus à nos investigations concernant la professionnalisation.

  • Paindorge, M., Kerneis, J. et Fontanieu, V. (2015). Analyse de données textuelles informatisée : l’articulation de trois méthodes, avantages et limites. Nouvelles perspectives en sciences sociales, (11), 1.

Tropes est dans ce texte considéré comme un objet d’étude. L’outil est comparé à deux autres approches : analyse de contenu « manuelle » et le logiciel Alceste. Une éthodologie associant les trois éléments est proposée.

  • Kerneis, J. (2016). La temporalité dans les espaces de communication : le cas de l’œuvre d’Hubert-Félix Thiéfaine. Communication aux XXème Congrès de la SFSIC (Société Française des Sciences de l’information et la Communication) : Temps, temporalités et information-communication, Metz, 8-10 juin.

Tropes, est ici utilisé comme aiguillon pour accompagner un modèle théorique en Sciences de l’Information et de la Communication : les espaces de communication.

  • Beucher-Marsal, C. et Kerneis, J. (2016). De l’ombre à la lumière des textes d’Hubert-Félix Thiéfaine. Communication aux Journées internationales d’Analyse statistique des Données Textuelles, Nice, 7-10 juin.

Ce texte met l’accent sur les difficultés que peut rencontrer un outil comme Tropes dans l’analyse de textes poétiques, qui plus est faisant explicitement référence à la théorie de l’inconscient collectif et aux archétypes qui le fonde. Ici, plus encore qu’ailleurs, l’outil est un « simple » pouvoyeur d’hypothèses. Le chercheur doit ensuite en estimer la validité.

Cette bibliographie est longue, mais ce n’est rien par rapport à celle qui liste les articles qui utilisent Tropes (voir ici).

 

Jacques Kerneis

  1. CAQDAS : computer assisted qualitative data analysis software []
  2. On vient seulement en 2016 de prouver l’existence de ce qu’avait modélisé, calculé : l’existence (officielle) des ondes gravitationnelles. Idem pour les tachyons : F:\Mes vidéos\THIEFAINE Le temps des tachyons.mp4 []
  3. Le terme de dévolution est aussi utilisé en sociologie. Il a un sens différent qu’en didactique et cela peut interpeller le didacticien. C’est un des quatre grands idéaux-types de l’expérience de la domination : l’inculcation, l’implosion, l’injonction et la dévolution (qui croise responsabilisation et contrainte). []
  4. Ce logiciel a été conçu à partir des principes théoriques établis par Rodolphe Ghiglione. []
  5. Je tiens ici à remercier Claude Beucher-Marsal qui m’a fait connaître cet outil, en 2012…. Et qui l’a confronté avec moi à l’œuvre d’H.F. Thiéfaine, en 2016. []

Shiny Marsouin, développement sous R d’une application web pour l’étude des données d’enquêtes Marsouin

 

À propos de l’intervention de Nicolas Deporte (M@rsouin – Telecom Bretagne) lors de la journée d’étude du 19 mai 2016 « Bricolages et explorations. Comment s’approprier des outils et des méthodes dans l’analyse quantitative en sciences humaines et sociales ?« .

 

Shiny Marsouin, développement sous R d’une application web pour l’étude des données d’enquêtes Marsouin

Marsouin est un groupement d’intérêt scientifique (GIS) créé en 2002 à l’initiative du Conseil régional de Bretagne, qui assure 2 missions principales : d’une part, l’observation des usages numériques en Bretagne et d’autre part, la coordination de la recherche sur le numérique en sciences humaines et sociales des établissements affiliés au GIS. Dans le cadre de ces missions, Marsouin réalise des enquêtes (quantitatives) régulières auprès de 3 publics cibles : les collectivités, les PME et les individus bretons. Pour chaque enquête réalisée, Marsouin dispose d’une base de données contenant les réponses obtenues lors de l’enquête, qu’il convient alors d’exploiter. Dans le cadre de sa politique d’Open Data, Marsouin met à disposition du public ses données d’enquête. Cependant, les personnes qui pourraient être intéressées par ces dernières ne savent pas forcément comment les explorer, ou comment réaliser les traitements statistiques appropriés, ou tout simplement ne disposent pas des logiciels de traitement de données nécessaires. Pour répondre à ce besoin, j’ai développé Shiny Marsouin. Shiny Marsouin est une plateforme web de visualisation et d’analyse des données d’enquête Marsouin. Elle s’adresse à tous : collectivités, entreprises, chercheurs, étudiants, associations… et est librement accessible à cette adresse, et ne nécessite qu’un navigateur web pour être utilisée : https://marsouin.shinyapps.io/ShinyMarsouin

Apercu de l'application Shiny Marsouin

Aperçu de l’application Shiny Marsouin

L’interface est pensée pour que l’utilisateur puisse prendre rapidement l’application en main et visualiser simplement les données, sous forme de graphiques, de tableaux, trouver l’information recherchée mais aussi tester ses théories en réalisant les traitements statistiques adéquats (tri à plat, croisé, test du chi-2, anova, etc.). Pour ce faire, il suffit de naviguer dans les différents menus. Tout se fait à la souris. Par ailleurs, une aide est présente dans l’onglet « A propos » pour accompagner l’utilisateur et lui faire découvrir les possibilités offertes par l’application.

Pour ce qui est de la partie technique, j’ai développé cette application avec R et le package Shiny. R désigne à la fois un langage de programmation et le logiciel libre de traitement de données, d’analyse statistique et de représentation graphique mettant en œuvre ce langage. R est constitué d’une base permettant de réaliser la plupart des traitements de données classiques, à laquelle viennent s’adjoindre des packages (ou librairies) permettant d’étendre le champ des possibles. Shiny est un de ces packages. Développé par Rstudio, le package Shiny permet de créer des pages web interactives depuis R, sans avoir besoin de connaître des langages de programmation web (html, css, etc.). Le code utilisé reste du code R. En quelques mots, une application Shiny se compose de 2 fichiers : un fichier ui.r (User Interface) dont le code sert à construire l’interface de l’application (ce que l’utilisateur verra) et un fichier server.r qui contient le contenu de l’application : les calculs, les traitements statistiques, la production des graphiques, etc.

Ressources : La documentation, que ce soit pour R ou pour le package Shiny, est abondante sur Internet. Il ne faut donc pas hésiter à faire des recherches. On y trouve très souvent son bonheur. Le premier site que je vous conseille est le site web http://shiny.rstudio.com de Rstudio. Pédagogique et riche, il est particulièrement intéressant pour celui qui se lance dans le développement d’une application Shiny. Vous y trouverez une série de tutoriels vidéo et d’articles dédiés au développement avec Shiny ainsi que des exemples d’applications. Vous trouverez aussi souvent de l’aide dans les forums, comme les Google groups : Shiny – Web Framework for R, ou ShinyApps Users, sur stackoverflow.com ou sur developpez.com. Très souvent, des personnes ont déjà eu le même souci que vous et la réponse est présente dans les posts existants. Dans le cas contraire, vous pouvez toujours poster votre question. L’entraide y est de mise, et ça fait du bien. Enfin, d’autres exemples d’applications plus poussées sont également présents ici : https://www.rstudio.com/products/shiny/shiny-user-showcase.

 

Nicolas Deporte

Séance 6 du 19 mai 2016 – Bricolages et explorations. Comment s’approprier des outils et des méthodes dans l’analyse quantitative en sciences humaines et sociales ?

La fin de l’année universitaire 2015/2016 approche à grands pas. Toujours dans un esprit d’échange et de partage d’expériences, nous avons donc choisi de conclure la dernière séance de ce cycle de rencontres et d’échanges autour du traitement et de l’analyse quantitative de données en SHS par une journée d’étude.

Cette dernière s’est tenue le jeudi 19 mai 2016 de 9h à 12h30 dans le forum (hall d’entrée) de l’UFR des Lettres et Sciences Humaines à Brest (Plan d’accès). Pour l’occasion, nous avons eu l’opportunité d’écouter les présentations de Jacques Kerneis (CREAD – ESPE Bretagne), d’Anne-Charlotte Perrigaud (HCTI – Université de Bretagne Occidentale) et de Nicolas Deporte (M@rsouin – Telecom Bretagne).

Certains de nos travaux de recherche mobilisent des données quantitatives de formes plurielles (corpus de tailles différentes, provenant de nos propres enquêtes ou empruntés à d’autres, etc.). En tant que non-spécialistes, notre usage des statistiques est souvent qualifié de « bricolé » lorsque faute de connaissances pointues, nous nous limitons à l’utilisation des outils statistiques contenus dans les logiciels de traitements de données qui nous sont devenus familiers.

Ces présentations sont à l’image des rencontres et ateliers qui se sont déroulés durant l’année universitaire. Des approches différentes, des outils complémentaires, des échanges riches entre personnes émargeant dans différentes disciplines comme en sociologie, sciences de l’information et de la communication, géographie, gestion, informatique, linguistique, littérature, psychologie, études anglophones, sciences de la mer, ou encore sciences de l’éducation. Cette pluridisciplinarité, présente tout au long du cycle de rencontres, s’exprime également à travers les statuts des personnes participantes et/ou communicantes (doctorant(e), docteur(e), maître de conférence, professeur(e), ingénieur(e), chargé(e) d’étude, responsable de formation).

L’objectif de cette journée d’étude est double. Il s’agit d’une part d’exposer les pratiques, les usages de tel logiciel ou de telle méthode, mais aussi les choix statistiques des uns et des autres. Le croisement des regards disciplinaires sur ces pratiques doit permettre d’observer des similitudes et des différences d’usages afin d’ouvrir une réflexion sur les particularités disciplinaires mais aussi sur les pratiques qui peuvent être transférées d’une discipline à l’autre.

Elle cherche aussi à réunir des chercheurs, comme des non-chercheurs, autour de l’analyse de données quantitatives, dans l’objectif de consolider et élargir le réseau. À partir de nos travaux, il s’agit de présenter intégralement, ou pour partie, les traitements opérés sur nos données, ainsi que les choix statistiques (théoriques et pratiques) effectués. Ce souhait de croiser nos pratiques doit permettre d’approfondir nos connaissances et faire de nous des utilisateurs avisés.

Cette journée d’étude sera aussi l’occasion de prendre un temps plus long pour échanger et prolonger les discussions autour des différents thèmes abordés lors des précédentes séances : l’analyse de réseaux sociaux avec QCA, le nettoyage de données tabulaires avec OpenRefine, l’analyse de données textuelles avec Sphinx IQ, Modalisa et Iramuteq, ou encore le logiciel Sonal.

Les interrogations qui nous ont animé cette année pourront servir de fil conducteur au proposition de communication des intervenants : Comment se saisir d’un outil ou d’une méthode dans un objectif d’analyse de données quantitatives ? Quels problèmes ont été rencontrés ? Les erreurs qui ont pu être faites ont-elles conduit à de nouvelles pistes ou orientations ? Comment le choix des données s’est-il opéré ? De quelles manières les données sont-elles « décortiquées » ? Pourquoi avoir été amené à faire ces choix statistiques (de tous ordres) et qui ressortent souvent de l’implicite et du non-dit ? Etc.

Cette journée d’étude propose de revenir sur des expériences et expérimentations testant, dans un protocole de recherche, des outils et des méthodes. Au-delà des problèmes techniques et des algorithmes de traitements, les utilisateurs d’outils statistiques ont besoin d’échanger entre eux sur leurs expérimentations. Cette journée d’études se pose en espace d’échanges et de ressources sur les pratiques plurielles en SHS autour des problématiques de traitement et d’analyse de données quantitatives.

Programme

9h00-9h20 Introduction

9h20-10h00 Jacques KERNEIS (CREAD), « Similitudes et différences d’usage entre deux CAQDAS destinés à discrèter les flux d’images et à fouiller les textes longs »

10h00-10h40 Anne-Charlotte PERRIGAUD (HCTI), « Analyse linguistique contrastive du français et de l’anglais de l’informatique, l’exemple de la cyberdéfense »

10h40-11h00 Pause café

11h00-11h40 Nicolas DEPORTE (M@RSOUIN), « Shiny Marsouin, développement sous R d’une application web pour l’étude des données d’enquêtes Marsouin »

11h40-12h30 Atelier d’échange entre les précédents intervenants du cycle de rencontre, ceux de la journée d’étude et le public. Bilan de l’année et perspectives à venir

12h30 Fin de la journée d’étude

Affiche

Affiche JE Quanti 19 mai 2016

Séance 5 du 26 avril 2016 – Iramuteq, une approche statistique textuelle instrumentée des corpus qualitatifs et quantitatifs

Mardi 26 avril dernier s’est tenue, à l’Université de Bretagne Occidentale (UBO), la cinquième séance du cycle de rencontres et d’échanges autour du traitement et de l’analyse quantitative de données en SHS (Plan d’accès).

Pour l’occasion, nous avons eu le plaisir d’écouter une présentation de Sarah Bellemare (CRPCC – Université de Bretagne Occidentale) et Mathilde Lavrilloux (CRPCC – Université de Bretagne Occidentale) consacrée à l’utilisation du logiciel Iramuteq. Voici donc, en substance, les points importants que ces deux chercheures ont abordés et nous présentent dans ce carnet d’hypothèses.

 

Même si Alceste ou Iramuteq sont devenus des « standard des analyses textuelles à la française » (Jenny, 1999), avant toute utilisation d’un logiciel de traitement statistique des données textuelles, il est important de s’interroger sur le sens de la démarche, notamment, d’une part sur la nature du corpus et son adaptation à la stratégie de la recherche et d’autre part sur la méthode envisagée : nous permettra-t-elle de répondre aux objectifs de recherches? Ceci relève des fondements théoriques de la méthode et de leur compatibilité avec les fondements théoriques de nos disciplines respectives. Il est donc important d’avoir à l’esprit que « le choix d’un outil d’analyse devrait surtout dépendre de trois éléments : les choix méthodologiques, la constitution du corpus, le moment de l’analyse statistique » (Fallery, B. et Rodhain F., 2007, p.3).

Notre choix s’est porté sur Iramuteq car dans le cadre de notre discipline, la psychologie sociale, ce type de méthode de traitement lexicométrique est souvent utilisé dans les travaux inscrits dans la théorie des représentations sociales (Geka, M. et Dargentas, M., 2010 ; Reinert, M., 1990, 2001, 2008 ; Ratinaud, P ; et al., 2009, 2012, 2014), révélant sa pertinence lorsque l’on souhaite cartographier la dynamique du discours des différents sujets engagés dans une interaction (Reinert, 1999 ).

Notre communication s’est donc composé de deux parties, l’une plutôt théorique portant son attention sur Pierre Ratinaud et Pascal Marchand, les concepteurs d’Iramuteq et sur quelques généralités sur le logiciel. L’autre partie pratique a consisté en la manipulation, en direct, du logiciel, ce qui nous a permis d’aborder les étapes incontournables avant toute manipulation de l’application, ainsi que les problèmes et limites rencontrés au cours de celle-ci.

Tout comme la démarche Alceste qui permet de mettre en évidence la manière selon laquelle l’homme construit sa réalité (Reinert, 1997), la méthode Iramuteq propose un ensemble de traitements et d’outils pour l’aide à la description et à l’analyse de corpus textuels, afin d’appréhender l’organisation d’un corpus et de dégager les éléments fondamentaux de celui-ci ; la méthode Alceste (appelé « méthode Reinert » dans le logiciel) étant implémentée dans l’interface. Rappelons que la méthode Alceste « consiste à effectuer plusieurs découpages du corpus en «unités de contexte », à réaliser des comparaisons et des regroupements du corpus segmenté selon les lexèmes contenus, puis à chercher les distributions stables, « c’est-à-dire, indépendantes de l’arbitraire de chaque découpage» (Reinert, 1998, p.292). La méthode Iramuteq propose aussi des analyses supplémentaires non fournies par la méthode Alceste, telles que : analyse prototypique, analyse de similitudes, nuages de mots.

Avant d’envisager de lancer une analyse, plusieurs étapes sont nécessaires :

  • Avoir un corpus
  • Préparer le corpus
  • Enregistrer le corpus sous format spécifique pour Iramuteq
  • Ouvrir le logiciel
  • Charger le corpus formaté
  • Appliquer les analyses

L’étape de préparation du corpus est très importante et demande du temps selon le volume de celui-ci, qu’il soit quantitatif (association de mot, questionnaire…) ou qualitatif (entretiens semi-directifs, directifs, tweets, discussion de forum…).

Il s’agira dans un premier temps de « nettoyer » le corpus, pour cela certaines règles sont à respecter :

  • Neutralisation des formes en plaçant entre deux « tirets bas » la forme à neutraliser (ex : _didascalie_) ;
  • Respect d’unité de sens avec les « tirets bas » à ajouter entre les mots, exemple : « plan national de nutrition santé » devient « plan_national_de_nutrition_santé » ;
  • Conservation de la ponctuation ;
  • Attention particulière à l’orthographe (homogénéisation du corpus) ;
  • Homogénéiser les langues si le corpus en contient plusieurs n’en garder qu’une, le logiciel permet de traiter plusieurs langues (français, anglais, espagnol, italien, portugais, le suédois et le grec sont encore en expérimentation) ;
  • Enregistrement au format texte brut (.txt) avant de pouvoir charger le corpus formaté dans le logiciel.

Dans un second temps, il faudra choisir les variables à appliquer. La procédure est la même que celle de la méthode Alceste. Une fois les variables choisies quelques règles sont à respecter. La première est qu’il est préférable de choisir des noms de variables courts, pour éviter les problèmes au moment de la projection sur les plans factoriels, pour que les noms de variables ne se superposent pas, ce qui facilitera leur lisibilité. La seconde règle est que les variables doivent prendre la forme suivante « étoile suivie du nom de la variable » et ne contenir que des lettres et des chiffres. Ce qui définit le nombre de textes dans iramuteq sont les lignes étoilées commençant par quatre étoiles. A tire d’exemple, voici une ligne étoilée tirée d’une étude réalisée auprès d’étudiants de psychologie et de STAPS sur les représentations sociales du régime :

**** *S_76 *Sex_F *Age_18 *IMC_25 *Sport_oui *R_non *Pop_Sta

Grâce à cette ligne étoilée nous pouvons savoir en référence à un tableau de codage, réalisé avant construction des lignes étoilées, que les réponses mises en évidence sont celles du sujet numéro 76 (*S_76), il s’agit d’une femme (*Sex_F), elle est agée de 18 à 22 ans (*Age_18), elle a un IMC situé entre 18 et 25 (*IMC_25), elle déclare être sportive (*Sport_oui), elle ne déclare n’avoir jamais pratiqué de régime (*R_non) et enfin elle est en STAPS (*Pop_Sta).

La réalisation d’un tableau de codage est importante pour se souvenir des codes attribués aux variables.

Il peut être intéressant au cours de la création des variables d’ajouter des lignes étoilées thématiques, elles indiquent que dans le même texte on aborde une nouvelle thématique. Sa construction est la suivante « tiret et étoile suivie du nom de la thématique » (-*thématique). Voici un exemple de construction de ligne étoilée suivie d’une ligne étoilée thématique :

**** *var1_mod1 *var2_mod3

-*thematique_1

texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte

-*thematique_2

texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte texte

**** *var1_mod2 *var2_mod1

Vous pouvez retrouver toutes les recommandations concernant le formatage sur le site d’Iramuteq à l’adresse suivante: http://www.iramuteq.org/documentation/formatage-des-corpus-texte.

En outre, au cours de notre « expérience Iramuteq », nous avons été confrontées à des problèmes et limites de deux ordres. Les premiers concernent le corpus et son formatage. En effet, en tant que néophytes, la préparation du corpus (nettoyage et choix des variables) peut s’avérer fastidieuse. Quant à l’interprétation des résultats, il est primordial de bien connaître son corpus en amont pour interpréter les profils de classes générées, présentées dans le dendrogramme et les analyses factorielles de correspondances (AFC). Et les deuxièmes concernent le fonctionnement et la première prise en main de l’application qui demande à tout novice de recourir à de l’aide proposée, soit sur le site internet, où des documentations très accessibles permettent de résoudre rapidement les difficultés rencontrées, soit en faisant appel à des personnes ressources, elles-mêmes utilisatrices expérimentées de la méthode Alceste ou Iramuteq, et enfin des formations sont possibles.

Pour conclure, il nous semble nécessaire de rappeler que c’est au moment de la phase d’interprétation des résultats que l’on peut avoir réellement accès au sens des classes et des graphiques générés. Il est important de revenir à son corpus initial pour en interroger le sens, car la question de l’origine du discours est évacuée des résultats (le « qui parle » n’est plus mis en évidence). Le sens peut se rechercher, selon les objectifs de la recherche, en s’appuyant par exemple sur l’articulation des classes entre elles, sur les lexèmes (ou formes actives) de chaque classe, les formes supplémentaires (ou mots outils), les segments répétés et les variables illustratives associées à chaque classe ou les regroupements de segments de texte (RST) caractéristiques de chaque classe (ou UCE caractéristiques sous Alceste) ainsi que les « antiprofils » (les mots/formes significativement absents de la classe). Enfin, il semble intéressant de noter la complémentarité des méthodes d’analyse de contenu, assistées ou non par ce qui est appelé « les CAQDAS » (« Computer Aided Qualitative Data AnalysiS » logiciels d’aide et d’assistance à l’analyse de données qualitatives tels que NVIVO ou ATLAS.ti) qui facilitent et automatisent les procédures d’analyse, avec les approches statistiques textuelles instrumentées telles qu’Alceste ou Iramuteq.

 

Par Sarah Bellemare et Mathilde Lavrilloux

 

Bibliographie

Aubert-Lotarski, A. et Capdevielle-Mougnibas, V. (2002). Dialogue méthodologique autour de l’utilisation du logiciel Alceste en sciences humaines et sociales : « lisibilité » du corpus et interprétation des résultats. JADT 2002 : 6es Journées internationales d’Analyse statistique des Données Textuelles.

Bataille M., Ratinaud P., 2010. La polysémie des éléments centraux des représentations sociales : épistémologie factorielle et explorations graphiques avec iRaMuTeQ. 10 éme Conférence Internationale sur les Représentations Sociales. Tunis : Université de Tunis, 4 juillet 2010.

Dalud-Vincent M. (2011). Alceste comme outil de traitement d’entretiens semi-directifs : essai et critiques pour un usage en sociologie », Langage et société, 1(135), 9-28.

Ducos, A., Bonnet, V., Marchand, P., Ratinaud, P., 2014. Classification d’un corpus hétérogène : la page Facebook de soutien au « bijoutier de Nice » (septembre 2013). In Actes des 12eme Journées internationales d’Analyse statistique des Données Textuelles. JADT 2014, Paris, p. 225‑238.

Fallery, B. et Rodhain F. (2007). Quatre approches pour l’analyse de données textuelles : lexicale, linguistique, cognitive, thématique. XVIème Conférence Internationale de Management Stratégique. Montréal, 6-9 Juin 2007.

Geka, M., Dargentas, M. (2010). L’apport du logiciel Alceste à l’analyse des représentations sociales : l’exemple de deux études diachroniques. Les Cahiers Internationaux de Psychologie Sociale, 85, 111-135.

Jenny, J. (1999). à propos des fondements théoriques et des présupposés des logiciels d’analyse textuelle. Débat avec Max Reinert. Langage et Société, 90, 57-85.

Marchand P., Ratinaud P., 2012. L’analyse de similitude appliquée aux corpus textuels : les primaires socialistes pour l’élection présidentielle française (septembre-octobre 2011). In : Actes des 11eme Journées internationales d’Analyse statistique des Données Textuelles. JADT 2012. Liège. p. 687‑699.

Marty E., Marchand P., Ratinaud P., 2013. Les médias et l’opinion: éléments théoriques et méthodologiques pour une analyse du débat sur l’identité nationale. Bulletin de méthodologie sociologique, vol. 117, n°1, p. 46‑60.

Mathé, T., Beldame, D., Hebel, P. (2014). Evolution des représentations sociales du bien manger. Credoc, N°316.

Naziri, D., & Dargentas, M. (2011). La parentalité dans un couple lesbien : enjeux et questionnements. Cahiers de psychologie clinique, 37(2), 201-229. Lien CAIRN : www.cairn.info/revue-cahiers-de-psychologie-clinique-2011-2-page-201.htm

Ratinaud P., 2009. IRaMuTeQ : Interface de R pour les Analyses Multidimensionnelles de Textes et de Questionnaires. http://www.iramuteq.org

Ratinaud P., Dejean S., 2009. IRaMuTeQ : implémentation de la méthode ALCESTE d’analyse de texte dans un logiciel libre, Modélisation Appliquée aux Sciences Humaines et Sociales (MASHS2009). Toulouse : Université de Toulouse, 10 juin 2009.

Ratinaud P., Marchand P., 2012. Application de la méthode ALCESTE à de « gros » corpus et stabilité des « mondes lexicaux » : analyse du « CableGate » avec IRaMuTeQ. In : Actes des 11eme Journées internationales d’Analyse statistique des Données Textuelles, JADT 2012, Liège, p. 835‑844.

Ratinaud, P., 2014. Visualisation chronologique des analyses ALCESTE : application à Twitter avec l’exemple du hashtag #mariagepourtous. In Actes des 12eme Journées internationales d’Analyse statistique des Données Textuelles. JADT 2014, Paris, p. 553‑565.

Reinert M. (1987), « Classification descendante hiérarchique et analyse lexicale par contexte : Application au corpus des poésies d’Arthur Rimbaud », Bulletin de Méthodologie Sociologique, 13, p. 53-90.

Reinert M. (1990), « Une méthode de classification des énoncés d’un corpus présentée à l’aide d’une application », Les cahiers de l’analyse des données, XV, 1, p. 21-36.

Reinert M. (2001), « Alceste, une méthode statistique et sémiotique d’analyse de discours ; application aux “Rêveries du promeneur solitaire” », Revue française de psychiatrie et de psychologie médicale, V, 49, p. 32-36.

Reinert M. (2008), « Mondes lexicaux stabilisés et analyse statistique de discours », JADT 2008, 9e Journées internationales d’analyse des données textuelles.

Rouré H., Reinert M. (1993), « Analyse d’un entretien à l’aide d’une méthode d’analyse lexicale », JADT 1993, Paris, ENST, p. 418-428.

Roy, N. & Garon, R. (2013). Étude comparative des logiciels d’aide à l’analyse de données qualitatives : de l’approche automatique à l’approche manuelle. Recherches qualitatives, 32(1), pp. 154-180.

Truc G. (2011). Analyser un corpus illisible ? Le logiciel Alceste confronté à des registres de condoléances », Langage et société, 1(135), 29-45.

 

Sites internet

http://www.iramuteq.org

http://www.r-project.org

http://www.python.org

Exemple d’une autre utilisation d’Iramuteq : https://presnumorg.hypotheses.org/187

 

Affiche

AFFICHE 26 avril 2016

Séance 4 du 8 mars 2016 – Sonal : le couteau suisse pour l’analyse des entretiens

Dans le cadre de cette troisième séance du cycle de rencontres et d’échanges autour du traitement et de l’analyse quantitative de données en SHS, Éric Rouzeau (docteur en gestion au laboratoire ICI – UBO) nous a proposé une intervention sur l’utilisation du logiciel Sonal.

Présentation de Sonal

Dans le manuel de présentation de Sonal[1], Alex Alber, son concepteur et principal développeur, définit cette application comme une application « tout-en-un qui réunit plusieurs fonctions : celles d’un logiciel de gestion d’enregistrements, celles d’un logiciel de retranscription, et certaines fonctions clés que partagent la plupart des Caqdas[2] ».

Dans sa partie gestion des enregistrements, il permet d’enregistrer directement les interviews tout en offrant la possibilité d’intégrer des bandes sons venant d’un autre support. Chaque enregistrement peut être décrit dans une base de données entièrement modulable.

Dans sa partie retranscription, il offre différentes approches pour permettre à l’utilisateur de d’optimiser son traitement des interviews. A l’issue, il permet une vision synthétique des entretiens en fonctions des thématiques retenues.

Plusieurs fonctions complètent cette application : lexicométrie, chronométrie et exportation de données vers le logiciel Trideux.

Bibliographie

Article d’Alex Alber sur Sonal : http://socio-logos.revues.org/2482

Alex Alber, « Voir le son : réflexions sur le traitement des entretiens enregistrés dans le logiciel Sonal », Socio-logos [En ligne], 5 | 2010, mis en ligne le 07 juillet 2010. URL : http://socio-logos.revues.org/2482

Liens utiles

Affiche

AFFICHE 8 mars 2016

 

[1] Mode d’emploi, Sonal version 2.0.51, disponible à l’adresse suivante : http://www.sonal-info.com/fr/page/mode-demploi-complet-de-sonal

[2] Computer aided qualitative data analysis software

Séance 1 Séminaire Les Outils du Quanti en SHS

Pour cette première séance du cycle de rencontres et d’échanges autour du traitement et de l’analyse quantitative de données en SHS pour la période 2015-2016, nous avons assisté à la présentation de Germain BARRÉ (chercheur associé au LABERS – UBO) sur l’utilisation de QCA.

Présentation de l’intervention

Séance 1 – 3 novembre 2015Le conformisme dans le choix des téléphones portables chez des jeunes français, Germain BARRÉ (analyse de réseaux sociaux avec QCA)

Résumé

Cette présentation traite du conformisme dans la sphère privée et à sa relation avec l’« esquive » du politique des jeunes français. Notre hypothèse était la suivante : être en accord avec son réseau proche est satisfaisant et la capacité à s’opposer à son influence est favorisée par une plus grande satisfaction générale ou dans certaines activités. La méthode utilisée a été celle de Glaser et Strauss : la théorie ancrée. Pour ces deux auteurs, la comparaison de populations suffisamment différentes permet de produire de la théorie. L’objet choisi a été le téléphone portable et trois populations ont été interviewées entre mars 2010 et avril 2011. Trois processus (satisfaction, matérialisme, famille) permettent d’expliquer la capacité d’opposition dans la sphère privée. En les combinant, on observe seulement trois exceptions que l’on peut expliquer : les processus sont des causes ou des manifestations de l’« esquive » du politique. Les variables associées à ces processus sont différentes pour les filles et pour les garçons. Compte tenu du faible nombre d’exceptions et des données au niveau macro, on peut s’interroger sur la capacité d’autonomie des jeunes français, non seulement dans la sphère publique mais aussi dans la sphère privée.

Référence bibliographique

BARRE G., 2015, « Conformity through the mobile phone choices of the young French ». Quality & Quantity. Mis en ligne le 30 novembre 2015. <http://link.springer.com/article/10.1007%2Fs11135-015-0293-y#/page-1>.

Informations pratiques

La séance s’est déroulée mardi 3 novembre 2015 de 14h à 16h dans la salle C219 (2e étage), UFR Lettres et sciences Humaines, Université de Bretagne Occidentale (UBO), Brest – Plan d’accès

Affiche

Liens utiles

Programme Les Outils du Quanti en SHS 2015-2016

Ce cycle propose une série de rencontres autour de l’analyse quantitative de données en sciences humaines et sociales. Il est pluridisciplinaire (démographes, sociologues, psychologues, géographes, gestionnaires, économistes, etc.) et transversal car selon la discipline, les chercheurs ne traitent pas de la même manière leurs données quantitatives. Ils ont des approches différentes et utilisent des traitements et logiciels spécifiques qui peuvent être complémentaires.

L’objectif est de créer un espace d’analyses et de discussions scientifiques sur nos pratiques. Ce cycle d’échanges prendra en compte autant les dimensions épistémologiques que méthodologiques en partant de nos pratiques et usages mais aussi de nos outils.

Programme 2015-2016

Séance 1 – 3 novembre 2015Le conformisme dans le choix des téléphones portables chez des jeunes français, Germain BARRÉ (analyse de réseaux sociaux avec QCA)

Séance 2 – 8 décembre 2015OpenRefine, mes données à la machine, Jean-Baptiste PRESSAC (nettoyage de données tabulaires avec OpenRefine)

Séance 3 – 2 février 2016Traiter un corpus de 2653 réponses de lycéens et lycéennes à une question ouverte sur leur conception de la réussite, Aurélie SEZNEC & Nicole ROUX (analyse de données textuelles : expérimentation de traitements des réponses à une question ouverte avec Modalisa et Sphinx)

Séance 4 – 8 mars 2016Sonal : le couteau suisse pour l’analyse des entretiens, Éric ROUZEAU (analyse de fichiers audio avec Sonal)

Séance 5 – 26 avril 2016Iramuteq, une approche statistique textuelle instrumentée des corpus qualitatifs et quantitatifs : une alternative au logiciel Alceste, Sarah BELLEMARE & Mathilde LAVRILLOUX (analyse de données textuelles avec Iramuteq)

Séance 6 – mai 2016Bricolages et explorations. L’appropriation d’outils et de méthodes dans l’analyse quantitative en sciences sociales, journée d’étude autour de l’analyse de données quantitatives

Informations pratiques

Les séances ont lieu le mardi de 14h à 16h dans la salle C219 (2e étage), UFR Lettres et sciences Humaines, Université de Bretagne Occidentale (UBO), Brest – Plan d’accès

Public visé

Enseignant(e)s-chercheur(e)s, doctorant(e)s, étudiant(e)s de master, issu(e)s de toutes les disciplines faisant usage du traitement et de l’analyse quantitatives de données

Contact

Laurent Mell laurent.mell@univ-brest.fr

Les outils du quanti en sciences humaines et sociales

L’entrée de notre société dans l’ère du numérique a pour résultat de multiplier la production de données sons, images, textes, chiffres sous des formats numériques dont le traitement automatique, informatique peut s’envisager sous l’angle de problématiques en SHS. Ce carnet propose de discuter, et d’échanger sur des expériences et expérimentations testant dans un protocole de recherche SHS des outils, en posant d’emblée le triptyque constitution du corpus/outils d’analyse/traitement de données afin de penser les limites et les possibles d’une démarche dans sa globalité en amont. Comment faire par exemple lorsque nous disposons de corpus constitués à la fois d’images, de sons, de textes, de discours pour les mettre en lien avec des variables qui les caractérisent ? Ou encore lorsque nous disposons de dossiers complexes comprenant à la fois images, sons et textes dont il s’agit d’établir des liens entre eux… Au-delà des problèmes techniques et des algorithmes de traitements, les utilisateur, usagers d’outils que sont les chercheurs en SHS ont besoin d’échanger entre eux sur leurs expérimentations. Certains se lancent dans la création d’outils, des mathématiciens et informaticiens proches de nos disciplines ont besoin également de comprendre nos appropriations, nos besoins, nos questions et de les croiser avec leurs propres préoccupations de chercheurs. La création d’un espace d’échanges au sein de nos universités pluridisciplinaires participe d’une dynamique de recherche qui a déjà acquis deux ou trois décennies d’expérimentations. De nouveaux possibles s’ouvrent et ce que nous produisons est à accompagner de nos analyses épistémologiques, méthodologiques critiques tout en s’immergeant.