Analyse exploratoire d

1
Analyse exploratoire dentrevues de groupe
quand ALCESTE, DTM, LEXICO et SATO se donnent la
main

• François Daoust
• Gaëlle Dobrowolski
• Monique Dufresne
• Claire Gélinas-Chebat

JADT 2006 Besançon
2
Analyse exploratoire dentrevues de groupe les
jeunes français et le tabac

• Claire Gélinas-Chebat
• François Daoust
• Monique Dufresne
• Karine Gallopel
• Marie- Élaine Lebel

JADT 2004 Louvain-la-Neuve
3
OBJECTIFS
4

• 1 Montrer comment on peut combiner plusieurs
  logiciels de lexicométrie (ALCESTE, DTM et
  LEXICO3) pour valider et compléter une analyse
  SATO.

5

• 2 Mettre à l'épreuve des chaînes de traitement
  qui font appel à des passerelles de conversion
  développées dans le contexte du réseau ATONET.

6
CORPUS
7
Corpus Gallopel

• Entrevues enregistrées de neuf groupes de jeunes
  rencontrés à Rennes en 2000 (48 jeunes Français)?

8

• Chacun des 9 groupes comprend 5 à 6 jeunes et un
  intervenant
• âgés entre 15 à 25 ans
• fumeurs et non fumeurs
• hommes et femmes

9
Entrevues semi dirigées

• 1 Discussion précédée dune période de
  familiarisation avec le tabagisme
• 2 Discussion suite à lintroduction dune
  brochure

10
ANALYSE AVEC SATO
Nature
11

• Analyse sémantico statistique basée sur une
  construction itérative dune grille catégorielle

12
ANALYSE AVEC SATO Démarche
13
Démarche (1)?

• Comparaison de lexiques associés à des
  sous-textes établis selon
• sexe
• fumeur / non-fumeur
• avant / après message anti-tabac

14
Démarche (2)?

• Indices statistiques simples
• Distance du Chi2
• Mesure d'écart à la moyenne (score Z)?

15
Démarche (3)?

• LAlgorithme de distance lexicale (basée sur la
  distance du Chi2)
• - évalue lécart dans lutilisation dun
  vocabulaire donné entre deux lexiques
• - peut être appliqué aux formes lexicales ou
• aux valeurs de propriétés catégorielles
• Approche dichotomique de comparaison de
• sous-textes via les lexiques respectifs

16
Démarche (4)?

• LAlgorithme de participation
• calcule les moyennes normalisées dun ensemble
  de formes lexicales qui peuvent être définies par
  les propriétés catégorielles

17
ANALYSE AVEC SATO Étapes
18
Étapes (1)?

• Va et vient entre les données lexicales brutes et
  leurs contextes dutilisation (Kwic)?
• - Approche univariée saisir la spécificité de
  la stratification induite par chacune des
  variables sociologiques
• - Approche multivariée tenir compte de
  linteraction de ces variables

19
Étapes (2)?

• Émergence d'une grille catégorielle sémantique
• apparence, arrêt, négation, concret, danger,
  dépendance, soc-je, maladie, mort, plaisir,
• soc-ami, soc-famille, soc-gens, soc-jeune,
  liberté, envie, conscience, volonté,
• (Le préfixe soc- renvoie à un ensemble de
  catégories
• référant aux rapports sociaux identifiés par les
  jeunes.)?

20
ANALYSE AVEC SATO
Résultats
21
Analyse de distance sur les formes lexicales
brutes avant\après lintroduction de la brochure
(Résultats 1)?
22
Analyse de distance sur les formes de la
catégorie sujet avant\après lintroduction de la
brochure
23
Analyse de distance avant\après pour les fumeurs
et les non-fumeurs (tableau III)
24
Analyseur PARTICIPATION (sujet apparence)?
25
Analyseur PARTICIPATION (sujet mort)?
26
ANALYSES AVEC SATO Conclusions
27
Conclusions (1)?

• Construction d'une grille catégorielle
  transparente et respectueuse de la spécificité du
  contexte d'énonciation.

28
Conclusions (2)?

• Démarche itérative combinant
• une approche inductive (qualitative)
• une utilisation d'outils simples de statistique
  lexicale
• une approche plus sensible à la pragmatique
  textuelle.

29
Conclusions (3)?

• Production de données qualifiées (catégories) qui
  traduisent la démarche interprétative de
  lanalyste

30
VALIDATION
31

• Validation de notre démarche et de nos résultats
  par divers logiciels de statistique textuelle 
• ALCESTE (Reinert)?
• LEXICO 3 (Salem)?
• DTM (Lebart)

32
Chaîne de traitement (1)?

• Format initial des données balises SATO
  (propriétés)?
• identification du locuteur et des
  caractéristiques sociologiques
• identification des sections pré ou post
  brochure.

33
Chaîne de traitement (2)?

• pagegallo02/11
• pubbrochure locuteurs36 fumeurnon sexeh
  Bah, la brochure là, elle nous présente ce qui
  nous attend si on fume. Mais c est très quoi,
  moi j ai lu ça, mais je ne sais pas je ne suis
  pas fumeur, donc je ne ressens peut-être pas ça
  de la même façon..

34
Chaîne de traitement (3)?

• Exportation par SATO en XML-TEI de diverses
  éditions du corpus
• Conversion de la version TEI vers les formats
  propriétaires ALCESTE, LEXICO et DTM

35
ANALYSE AVEC ALCESTE
36
ALCESTE (1)?

• méthode complètement automatique qui vise à
  faire émerger des mondes lexicaux
• s'appuie sur des régularités statistiques pour
  faire émerger la structure du discours à partir
  des énoncés
• (Avec SATO, nous étions partis d'hypothèses
  structurantes du discours pour faire parler les
  données)?

37
ALCESTE (2)?

• Résultats corpus Initial deux classes
• Classe 1 (1/3 des UCE)
• surtout les interventions exprimées après
  l'exposition au message antitabac (Chi233.82).
• plus faiblement une présence significative des
  UCE des non-fumeurs
• (transcription des entrevues dans leur découpage
  original en interventions sont exclues les
  interventions des intervenants)?

38
ALCESTE (3)?

• Classe 2 (2/3 des UCE)
• surtout des interventions précédant la
  présentation du message antitabac (Chi233.82)?
• aussi, mais plus faiblement, une présence
  significative des UCE des fumeurs (Chi28.81)

39
ALCESTE (4)?
40
ALCESTE (5)?

• CONCLUSIONS
• ALCESTE confirme que la variable avant/après le
  message antitabac représente le premier élément
  de structuration du corpus, ce qui constitue pour
  nous le résultat le plus significatif.
• ALCESTE relève la présence de lopposition
  fumeur/non-fumeur, deuxième variable prise en
  compte dans l'analyse SATO.

41
ALCESTE (6)?

• ALCESTE a donc retrouvé ce que nous avions
  observé lors de la comparaison de lexiques
  construits sur la base dun découpage global du
  corpus.
• Ce point de rencontre entre les approches
  ascendantes et descendantes est un outil
  important de validation de linterprétation.

42
ANALYSE AVEC LEXICO O
43
LEXICO (1)?

• LEXICO
• calcule les spécificités lexicométriques de
  parties d'un corpus d'après un modèle
  probabiliste basé sur la loi hypergéométrique
  (cf. Lebart, Salem 1994)
• rend possibles des analyses factorielles de
  correspondances (AFC) sur un corpus partitionné

44
LEXICO (2)?

• Première approche
• Analyse du corpus Participant découpage du
  corpus selon le profil des répondants
• ensemble des interventions de chaque
  participant identifié par un nom résumant son
  profil et suffixé par a ou b pour identifier le
  discours du participant avant et après le message
  antitabac Élimination des participants dont le
  profil sociologique est incomplet

45
Corpus Participant individus sur le plan des 2
premiers axes de l'AFC
46
LEXICO (4)?

• Deuxième approche
• calcul des spécificités reportées sur la sortie
  de l'analyseur DISTANCE de SATO appliqué au
  lexique avant et après la brochure.

47
LEXICO (5)?
48
LEXICO (6)?

• Conclusion
• Très large recouvrement entre les formes
  lexicales qui contribuent le plus à la distance
  et les spécificités calculées par LEXICO
• parmi les mots manquants, il y a les ponctuations
  qui, apparemment, ne sont pas prises en compte
  par LEXICO, de même que les formes absentes dans
  le corpus Avant
• la mesure de spécificité de LEXICO fournit un bon
  complément à la DISTANCE du Chi2 par l'ajout d'un
  seuil statistique

49
ANALYSE AVEC DTM
50
DTM (1)?

• DTM
• Outil dédié à lanalyse exploratoire de données
  numériques multivariées et de données textuelles
  (par exemple un sondage avec questions ouvertes
  et fermées)?
• Comptage des mots du texte brut produisant des
  variables représentant le nombre doccurrences du
  mot

51
DTM (2)?

• Expérimentation 1
• Analyse du corpus Participant le corpus est vu
  comme un ensemble de 87 individus.
• Le profil sociologique est enregistré comme
  autant de réponses catégorielles à des questions
  fermées  pub (nil, brochure), sexe (homme,
  femme) et fumeur (non, oui).
• Les interventions avant et après le message
  antitabac donnent lieu à deux questionnaires
  distincts.
• L'ensemble des interventions d'un individu pour
  chaque questionnaire constitue la réponse à une
  question ouverte unique.

52
Corpus Participant variables catégorielles sur
le plan des 2 premiers axes de l'AFC
53
DTM (4)?

• Confirmation de l'influence du message antitabac
  et des variables catégorielles sur la structure
  du discours

54
DTM (5)?

• Expérimentation 2
• Production d'un corpus artificiel (Participant
  catégorisé) par substitution des catégories aux
  unités lexicales catégorisées

55
DTM (6)?

• Calcul de l'AFC en croisant
• les 87 participants avec 702 variables
  textuelles, soit les formes lexicales non
  catégorisées et catégorisées sémantiquement
  (propriété thème).
• Cette substitution recouvre 12,26  des
  occurrences.

56
Corpus Participant catégorisé variables
catégorielles sur le plan des 2 premiers axes de
l'AFC
57
DTM (8)?

• La projection des variables sociologiques sur le
  plan factoriel suit le même jeu d'oppositions

58
DTM (9)?

• Expérimentation 3
• Production d'un autre corpus artificiel
  (Participant réduit) par substitution des
  catégories à toutes les unités lexicales

59
DTM (10)?

• Calcul de l'AFC en croisant
• les 87 participants avec 29 variables textuelles,
  soit lensemble des occurrences du corpus Initial
• Les 28 catégories utiles représentent un peu plus
  de 12 des occurrences.

60
Corpus Participant réduit variables
catégorielles et lexique sur le plan des 2
premiers axes de l'AFC
61
DTM (12)?

• Visualisation simultanée du lexique des
  catégories et les modalités des questions
  fermées
• répartition aux quatre points cardinaux des
  catégories les plus excentriques  apparence,
  dépendance, coûts, éducation, mort et soc-ami
• concentration des catégories banales (qui
  constituent les référents communs du discours) au
  centre du plan

62
DTM (13)?

• Outil de validation de la construction de la
  grille de catégories lexicales
• La visualisation des catégories sémantiques dans
  le plan factoriel ouvre aussi de nouvelles
  fenêtres d'investigation pour revenir aux
  contextes et affiner la grille si nécessaire

63
CONCLUSIONS
64

• Cette première utilisation combinée de logiciels
  d'analyse textuelle a été grandement facilitée
  par les protocoles d'échange de données réalisées
  par le réseau ATONET.

65

• Il est possible de créer de multiples chaînes de
  traitement qui permettent de reconfigurer les
  données et de faire appel aux points forts de
  chaque logiciel.

66

• Par la combinaison des méthodes d'analyse
• plus grande fiabilité des conclusions en
  fournissant des moyens de corroborer ou
  d'infirmer des hypothèses et des conclusions
• aller au-delà des impressions et des commentaires
  descriptifs pour produire des représentations de
  discours sociaux susceptibles d'agir comme modèles

67

• Merci de votre attention.