Ressources numériques en sciences humaines et sociales OpenEdition Nos plateformes OpenEdition Books OpenEdition Journals Hypothèses Calenda Bibliothèques OpenEdition Freemium Suivez-nous

Histoire et humanités numériques

Le projet Dissidences religieuses et Réception de la Réforme à la Renaissance en Espagne (XVIe s.) (dorénavant D4R) poursuit un double objectif en Humanités numériques : d’une part, le traitement d’un corpus du XVIe s. sur la Réforme en Espagne et, d’autre part, la mise au point d’un outil pour interroger de d’importantes masses documentaires, dans une perspective historique. Ce nouvel outil entend devenir un auxiliaire des chercheurs à l’heure d’exploiter des corpus textuels hétérogènes en histoire, en disposant d’outils d’annotation et d’interrogation des masses documentaires. Le projet D4R, qui réunit des historiens, linguistes et des informaticiens français et espagnols vise à rendre possible l’exploration dynamique d’un corpus documentaire constitué (sources inquisitoriales, d’une part, et traités de spiritualité, de l’autre) par le biais d’une plate-forme numérique qui, en mettant à disposition un algorithme et une ontologie évolutive, offre une aide semi-automatique au traitement de données parcellaires et de sources documentaires hétérogènes.

Le corpus documentaire est composé, d’une part, d’une vingtaine d’ouvrages imprimés du XVIe siècle et, d’autre part, d’un ensemble de sources d’archives manuscrites, à ce jour retranscrites et corrigées issues des procès et de la correspondance inquisitoriale. La saisie des réseaux d’intertextualités constitue une pierre angulaire de cette approche. L’analyse des ouvrages imprimés est parallèlement couplée avec l’exploitation des sources d’archives inquisitoriales, qui donnent à voir plus précisément le processus de définition de l’hérésie, c’est-à-dire de criminalisation de propositions et de doctrines considérées, jusqu’aux décennies 1520-1540, comme orthodoxes.

À cette fin, une partie des fonds est l’objet d’un traitement d’OCRisation adapté à l’imprimé ancien au moyen de solutions IA existantes. Les corpus de textes sont ensuite soumis à une chaîne de traitement linguistique pour rendre performant le requêtage. D4R se propose alors d’explorer une approche innovante des sources en s’appuyant sur une plate-forme informatisée et en mettant en œuvre une méthodologie ascendante où l’humain et l’algorithme vont construire collaborativement, itérativement et interactivement une nouvelle ontologie du domaine d’intérêt et/ou de la question étudiée.

L’algorithme travaille sur un corpus structuré, annoté en amont au cours de trois phases d’enrichissement successives : balisage des structures textuelles, chaîne de traitement linguistique et calculs textométriques, et enfin annotation complémentaire de type historique. L’objet final consiste en la réalisation d’une plate-forme « d’aide à l’exploration » promettant au chercheur un gain de productivité lors de la fouille d’un corpus documentaire grâce à l’assistance d’un algorithme basé sur l’intégration d’un ensemble de techniques récentes mais éprouvées de fouille de texte. Le résultat de chaque exploration prend la forme d’une co-construction de connaissances à partir d’une ontologie initiale relevant du domaine étudié. Un autre défi de cette tâche consiste à fournir à l’utilisateur de la plate-forme une représentation synthétique du corpus sous la forme d’une ontologie de concepts qu’il peut manipuler, interroger, et faire évoluer en pilotant l’algorithme. Le projet D4R entend tout à la fois valoriser un corpus et mettre au point un outil ayant vocation à être développé par la suite à l’intersection de plusieurs langues dans un projet ultérieur.

Historia y humanidades digitales

El proyecto Disidencias religiosas y recepción de la Reforma en la España del Renacimiento (siglo XVI) (en adelante D4R) tiene un doble objetivo en Humanidades Digitales: por un lado, el tratamiento de un corpus de documentos del siglo XVI sobre la Reforma en España y, por otro, el desarrollo de una herramienta para interrogar grandes masas de documentos, desde una perspectiva histórica. Esta nueva herramienta pretende convertirse en un instrumento para los investigadores a la hora de explotar corpus textuales heterogéneos en historia, proporcionándoles herramientas para anotar e interrogar conjuntos de documentos. El proyecto D4R, que reúne a historiadores franceses y españoles, lingüistas e informáticos, pretende hacer posible la exploración dinámica de un corpus documental (fuentes inquisitoriales, por un lado, y tratados de espiritualidad, por otro) mediante una plataforma digital que, al proporcionar un algoritmo y una ontología evolutiva, ofrece una ayuda semiautomática para el tratamiento de datos fragmentarios y fuentes documentales heterogéneas.

El corpus documental se compone, por un lado, de una veintena de obras impresas del siglo XVI y, por otro, de un conjunto de fuentes archivísticas manuscritas, transcritas y corregidas, procedentes de procesos y de la correspondencia inquisitorial. La captación de redes intertextuales es una piedra angular de este enfoque. El análisis de las obras impresas se une a la explotación de las fuentes de los archivos inquisitoriales, que ofrecen una visión más precisa del proceso de definición de la herejía, es decir, de la criminalización de las proposiciones y doctrinas consideradas ortodoxas hasta las décadas de 1520-1540.

Para ello, una parte de la colección está siendo sometida a un proceso de reconocimiento óptico de caracteres (OCR) mediante soluciones de inteligente artificial (IA) ya existentes, adaptadas a la impresión antigua. A continuación, los corpus textuales se someten a una cadena de procesamiento lingüístico para hacer más eficiente la consulta. D4R propone explorar un enfoque innovador de las fuentes, apoyándose en una plataforma digital y aplicando una metodología ascendente en la que el humano y el algoritmo construirán de forma colaborativa, iterativa e interactiva una nueva ontología del campo de interés y/o del tema estudiado.

El algoritmo trabaja sobre un corpus estructurado, anotado en tres fases sucesivas de enriquecimiento: etiquetado de estructuras textuales, cadena de procesamiento lingüístico y cálculos textométricos y, por último, anotación histórica adicional. El objetivo final es crear una plataforma de “ayuda a la exploración”, que promete al investigador una mayor productividad en la búsqueda de un corpus documental, gracias a la asistencia de un algoritmo basado en la integración de un conjunto de técnicas de minería de textos recientes pero probadas. El resultado de cada exploración adopta la forma de una co-construcción de conocimiento a partir de una ontología inicial, relevante para el dominio estudiado. Otro reto de esta tarea es proporcionar al usuario de la plataforma una representación sintética del corpus bajo forma de ontología de conceptos que pueda manipular, interrogar y hacer evolucionar controlando el algoritmo.

History and Digital Humanities

The project Religious Dissidence and Reception of the Reformation in the Renaissance in Spain (16th century) (henceforth D4R) has a double objective in Digital Humanities: on the one hand, the processing of a corpus of 16th century documents on the Reformation in Spain and, on the other, the development of a tool to interrogate large masses of documents from a historical perspective. This new tool is intended to provide assistance to researchers in exploiting heterogeneous textual corpora in history by providing tools for both annotating and interrogating masses of documents. The D4R project, which brings together French and Spanish historians, linguists and computer scientists, aims to make possible the dynamic exploration of a documentary corpus (inquisitorial sources, on the one hand, and treatises on spirituality, on the other) by means of a digital platform which, by providing an algorithm and an evolving ontology, offers a semi-automatic aid to the processing of fragmentary data and heterogeneous documentary sources.

The documentary corpus is composed, on the one hand, of 26 printed works of the 16th century (1,620,000 words estimated) – of which six have already been transcribed (about 520,000 words) – and, on the other hand, of a set of manuscript archival sources, which have been transcribed and corrected to date (nearly 850,000 words). The capture of intertextual networks is a cornerstone of this approach. The analysis of the printed works is coupled with the exploitation of the inquisitorial archive sources, which give a more precise view of the process of defining heresy, i.e. of criminalising propositions and doctrines considered orthodox until the decades 1520-1540.

To this end, part of the collections will be handled by OCR using existing AI solutions, adapted to ancient print. The text corpora are then subjected to a linguistic processing chain to make the querying more efficient. D4R then proposes to explore an innovative approach to sources by relying on a computerised platform and by implementing a bottom-up methodology where the human and the algorithm will collaboratively, iteratively and interactively build a new ontology of the domain of interest and/or of the question studied.

The algorithm works on a structured corpus, annotated upstream during three successive enrichment phases: tagging of textual structures, linguistic processing chain and textometric calculations, and finally additional historical annotation. The final objective is to create an “exploration aid” platform that promises the researcher a gain in productivity when searching a documentary corpus thanks to the assistance of an algorithm based on the integration of a set of recent but proven text mining techniques. The result of each exploration takes the form of a co-construction of knowledge from an initial ontology relevant to the studied domain. Another challenge of this task is to provide the platform user with a synthetic representation of the corpus in the form of an ontology of concepts that he or she can manipulate, interrogate, and evolve by controlling the algorithm. The D4R project intends both to enhance a corpus and to develop a tool that will be developed at the intersection of several languages in a subsequent project.