École d’été Distam 2024 : parcours “Édition de textes”

Le parcours consacré à l’édition de textes pour l’école d’été Distam 2024 se concentrera sur les questions de structuration et d’enrichissement d’un texte au format numérique à des fins d’édition et de recherche.

Vous trouvez ici un lien de téléchargement qui vous donnera accès aux consignes d’installations à préparer en amont de l’école, et aux jeux de données que nous mettons à votre disposition. Il faudra anticiper certaines installations dont les procédures sont précisées dans ce billet.

Nous vous détaillons ci-dessous le programme du parcours.

Si vous souhaitez participer à ce parcours, merci de vous signaler à nous en complétant ce formulaire : INSCRIPTION AU PARCOURS TEXTES

Le parcours a été conçu par Marie Bizais (bizais@unistra.fr) et Anaïs Wion (anais.wion@univ-paris1.fr). Il bénéficie du concours d’Edith Cannet (Métopes), Antoine Perrier (CNRS), Dominique Roux (Métopes) et Alexandre Wauthier (Humathèque).

Atelier 0 : Vérification des configurations sur les ordinateurs des participant-es.

Le lundi 8 juillet au soir après le dîner, ou à tout moment entre les ateliers.

Atelier 1 : Structurer un corpus de textes (1h30, mercredi 9 juillet)

—> Présentation théorique

Pendant cet atelier, nous allons examiner les différents formats disponibles pour transcrire un texte (txt, md, tex, docx, html, xml avec les sous-catégories ou standards xml-alto, xml-page, xml-tei).

Nous réfléchirons à la manière dont nous transcrivons les textes, et aux différents besoins de structuration qui émergent dans un projet d’édition et/ou un projet en humanités numériques.

Nous aborderons la question des choix qui se font en amont, celui de décider si nous avons besoin de représenter une page (encodage structurel) ou d’encoder une unité textuelle (encodage sémantique) notamment.

Nous présenterons enfin la Text Encoding Initiative (TEI), qui sert dans de nombreux contextes de recherche et d’édition, des avantages de ce choix scientifique et technique (respect de l’intégrité de la matérialité et du contenu des textes) ainsi que des outils sur lesquels elle s’appuie (guidelines, balises les plus communes).

Atelier 2 : Structurer et encoder un corpus : un processus manuel (2h, mercredi 9 juillet)

—> 30 min de présentation théorique et 1h30 de pratique en 3 groupes.

Nous mettrons en application ce que nous avons vu pendant la journée en profitant d’outils dédiés : XML Mind Editor, Oxygen (un éditeur de texte si besoin).

Après une présentation des outils d’encodage et de leurs différentes vues, il s’agira de choisir l’échelle du fichier (livre, chapitre, page, etc.) à encoder, de concevoir une structure TEI valide, de définir un schéma, de placer des balises, choisir les attributs et pointer vers des références dans le texte et hors du texte.

Nous verrons que les outils dédiés permettent d’automatiser l’encodage de certains éléments et de gagner en temps et en qualité.

Atelier 3 : Lier (à l’intérieur et vers l’extérieur d’un texte) (2h, mercredi 9 juillet)

—> 1h de présentation avec des exemples concrets
—> 1h d’atelier pratique (3 groupes, 1 groupe par corpus)

Nous allons pendant cet atelier nous intéresser à un outil central du langage xml, à savoir la possibilité de créer assez aisément des liens entre des éléments, par simple pointage à l’intérieur de balises.

Nous commencerons par aborder les questions scientifiques auxquelles répond l’encodage d’un texte, avec en particulier les choix de liens entre des segments de textes et les choix de balisage d’entités nommées à l’intérieur d’un corpus.

Nous montrerons comment s’appuyer sur les guidelines de la TEI pour choisir les balises, leurs éléments et attributs, et savoir où et comment les utiliser.

Nous établirons ainsi des liens à l’intérieur du texte (avec xml:id) et à l’extérieur du texte (en pointant vers des références ou un index).

Atelier 4 : Rechercher et visualiser les entités nommées (1h30, jeudi 11 juillet)

—> Présentation s’appuyant sur la manipulation des différents corpus.

Pour identifier les éléments du texte auxquels on souhaite associer des balises spécifiques (et les mettre ainsi en avant), il peut s’avérer utile de commencer par les recenser. Nous verrons comment les regex (reconnaissance des expressions régulières) peuvent nous servir dans un tel contexte.
Une fois le document balisé, XPath permet de cibler toutes les parties du texte auxquelles sont associées une balise et/ou un attribut. Cela peut servir à des fins de recherche ou à des fins de correction/modification du balisage. La deuxième moitié de l’atelier consister en une introduction aux requêtes (recherche structurée et complexe) sur un texte en XML.

Atelier 5 : Enrichir un texte, du processus manuel à l’automatisation de certaines étapes (2h30, jeudi 11 juillet)

—> Présentation de 45 minutes puis travail par groupe

Nous reprendrons pendant ce dernier atelier de manipulation des textes, le travail d’encodage, et mettrons plus particulièrement l’accent sur le balisage des entités nommées, l’utilisation de référentiels (préexistants ou construits ad hoc pour un projet) et l’automatisation du balisage.

Atelier 6 : Déposer et publier (2h30, vendredi 12 juillet)

—> Le dépôt dans Nakala (1 heure), présentation et manipulation
—> La publication (1 heure)
—> 30 min de partage et d’échange

Ce dernier atelier a pour objectif d’introduire la notion de dépôt des données produites dans un entrepôt de données certifié et d’insister sur les outils et choix à opérer au moment du dépôt, ainsi que sur le travail de documentation des données déposées (schémas, métadonnées).

L’atelier vise également à aborder la question de la publication des sources éditées. Là aussi, les choix varient selon le contexte, entre l’association du plein texte à un manifeste IIIF, en passant par la publication en ligne, sans oublier les possibilités d’impression.

L’atelier s’achèvera par un temps d’échange sur le parcours.

Image mise en avant : extrait du Chuxueji 初學記, exemplaire conservé à la Bibliothèque de l'Institut des hautes études chinoises du Collège de France (SB 3701 (1-2)), numérisé dans le cadre du projet Collex-Persée Chi-Know-Po Corpus.

OpenEdition vous propose de citer ce billet de la manière suivante :
Marie Bizais-Lillig (14 juin 2024). École d’été Distam 2024 : parcours “Édition de textes” DISTAM. Consulté le 21 juillet 2024 à l’adresse https://doi.org/10.58079/11tlo


Vous aimerez aussi...

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search