Comme je l’avais raconté précédemment, j’ai eu l’idée un peu imprévue d’opérer des dénombrements sur les prises de parole des différents locuteurs dans les entretiens. Cette fonctionnalité est dorénavant disponible, dans une version d’essai, dans la version 1.4.14 actuellement en ligne.
Voici comment vous en servir :
Mettre ses balises à jour
Le système d’analyse conversationnelle repose d’une part sur l’existence de balises correctement formées (par exemple :”[>interlocuteur]”), pour pouvoir repérer les alternances de prise de parole, et gagne à ce que les questions soient caractérisées par des balises distinctes (terminant par ?, exemple [> question?] ).
Si vous avez utilisé le système d’ajout automatique des locuteurs (F1 à F12), vos balises sont normalement correctes. Si vous avez commencé à utiliser Sonal avec les versions antérieures à la version 1.4, il est cependant probable que pour une partie au moins de vos entretiens, les questions n’aient pas été repérées. Un petit travail de reformatage des balises vous attend donc. Pour accélérer cette tâche, un outil utile mais un peu rudimentaire a été ajouté dans Sonal : un rechercher/remplacer, accessible depuis le menu “entretiens” de la page de lecture.
Accès à la fonction Rechercher/Remplacer depuis la page de lecture
Cette fonctionnalité vous permettra de remplacer en une seule fois toutes les balises de votre entretien, mais elle a ceci de rudimentaire (pour l’instant) qu’elle travaille en une fois, de manière globale sur tout l’entretien. C’est un “remplacer tout” qui ne vous fournit aucune information sur les remplacements effectués; il se contente vous prévenir lorsqu’il n’a pas trouvé la forme cherchée. Rassurez-vous, la fonction “annuler” vous permet de revenir sur les remplacements hasardeux.
Si vous n’avez pas de balises au format Sonal dans votre retranscription, procédez comme dans l’exemple ci-dessus, remplacez la chaine de caractères qui annonce les locuteurs en y ajoutant de part et d’autre les marqueurs de balises “[>” et “]” (par exemple: [>”question”]). Si la prise de parole correspond à une question, ajoutez un ? à la fin du nom du locuteur (il ne sera pas affiché dans le texte).
S’il y a déjà des balises, il vous suffit d’ajouter un point d’interrogation à la fin des noms des locuteurs qui posent des questions. Recherchez “[>Question]:” et remplacez le par “[>Question?]:”.
Pour travailler de manière plus fine, si par exemple toutes les balises n’ont pas été correctement remplacées, ouvrez le fichier *.Rtr de l’entretien, qui est dans le dossier du corpus, avec le bloc note et utilisez la fonction rechercher/remplacer (ctrl+f).
Afficher les statistiques globales
L’accès aux statistiques des prises de parole se fait depuis la page de lecture, comme dans l’exemple ci-dessous.
Les informations fournies sont assez explicites, seul le graphique du bas mérite quelques précisions : sont représentées les prises de paroles successives sous forme d’histogrammes. Ceux-ci sont d’une hauteur proportionnelle à leur durée (en mots). Cela implique que l’axe des abscisses n’est pas linéaire d’un point de vue chronologique. Plus les prises de paroles sont longues (c’est à dire ininterrompues), plus une durée importante est concentrée sur une courte période; plus la conversation est hachée, plus sa représentation est large. Pour donner à voir ce phénomène, des marqueurs temporels sont ajoutés approximativement toutes les cinq minutes. Cela permet de se repérer un peu dans la progression de l’entretien.
Analyse localisée
L’un des intérêts qu’il y a à avoir une représentation longitudinale des prises de parole est qu’elle permet d’isoler des portions et d’avoir des statistiques localisées, par exemple sur les premières minutes d’un entretien, sur sa fin etc. Cela permet de mettre en lumière l’allongement progressif des réponses des locuteurs à mesure que l’entretien s’étire. Pour redéfinir la zone prise en compte, tirez les taquets situés en bas de la page :
Voir le “film” de la discussion : la représentation “cinématique” des échanges.
Enfin, il est possible de lancer le “film” des échanges en cliquant sur le petit bouton play situé juste à côté de la croix qui permet la fermeture de la fenêtre. Toutes les interventions sont ajoutées consécutivement au total et les statistiques recalculées en fonction. On voit ainsi progressivement se dessiner les grandes tendances dans les temps de parole. C’est amusant et, lorsqu’il y a plusieurs interlocuteurs, cela peut être assez instructif…
Voilà, tout cela mérite d’être un peu peaufiné, mais ça s’essaye!
Sociologue. Maître de Conférences à l'Université F. Rabelais de Tours/ Laboratoire CITERES (UMR CNRS)
Chercheur associé du Centre d'Etudes de l'Emploi.
D’une manière générale, le développement de Sonal suit un plan d’ensemble largement arrêté. Une longue liste de “choses à faire” m’attend et, au gré des disponibilités et de mes échanges avec les utilisateurs, j’avance consécutivement sur différents aspects du projet.
Et puis parfois, il y a des surprises; de très bonnes idées suggérées par les utilisateurs, qui me poussent à dévier un peu le programme de développement, ou, comme ici en l’occurrence, la découverte progressive des conséquences possibles de l’ajout d’une simple fonction, l’ouverture involontaire d’un nouveau champ des possibles analytique.
Les alternances de parole comme nouvel objet de quantification dans Sonal
En l’occurrence, lorsque j’ai programmé la reconnaissance des balises de question dans la version 1.4.10, je l’ai surtout fait pour mettre en forme les questions dans la page de lecture, et pour permettre à terme leur traitement différencié dans l’analyse lexicométrique (à venir très bientôt). Lorsque Sonal rencontre une balise de locuteur qui termine par un point d’interrogation (Exemple : [>Enquêteur?]), il met en forme cette balise et le texte suivant d’une manière spécifique, jusqu’à ce qu’une nouvelle balise sans “?” intervienne (voir ci-dessous).
Mise en forme spécifique des questions et des réponses dans la fenêtre de lecture
En faisant cela, je n’avais pas précisément pensé à ce que l’on pouvait tirer, d’un point de vue quantitatif, du repérage dans le texte des alternances des prises de parole entre questionneur(s) et questionné(s).
En y travaillant le week-end dernier, j’ai progressivement déroulé une chaîne de possibles assez passionnante en matière d’analyse quantitative des échanges entre interrogateur(s) et répondant(s) au fil d’un entretien. Puisque je sais trop combien l’inventivité est souvent l’autre nom de l’ignorance ou de l’amnésie, je m’abstiendrai de parler d’invention, mais je pense que ces fonctions risquent d’être bien pratiques.
En cliquant sur le bouton qui a cette apparence :
on pourra bientôt (dans la version 1.4.11 à paraître) avoir accès, pour un entretien donné, aux informations globales suivantes :
Nombre de questions et de réponses (il peut y avoir plusieurs répondants, comme dans l’exemple ci-dessous)
Longueur moyenne (en mots) des questions et des réponses
Ratio des questions et des réponses sur le nombre de mots de l’entretien
Nombre total de locuteurs dans l’entretien
Part relative (en % des mots) de chacun
Exemple de résultat d'analyse des échanges (projet)
Dans la partie inférieure du graphique ci-dessus, on peut voir un projet de formalisation des longueurs des prises de parole, qui demande encore à être améliorée.
Pour l’instant, l’axe des abscisses correspond à l’enchainement des interventions. Dans l’exemple donné, chaque intervention occupe un 420è (197 Q + 223 R) de la largeur de la page et les histogrammes sont d’autant plus hauts que la prise de parole est longue. La chronologie de l’entretien se déduit donc de la hauteur des histogrammes, ce qui peut être un peu perturbant. Une succession de questions/réponses courtes occupera beaucoup plus de largeur qu’une seule réponse, pourtant beaucoup plus longue en termes de durée.
Dans l’exemple ci-dessus, on peut voir que le premier tiers des échanges (pas forcément de l’entretien donc) est constitué de questions courtes et de réponses courtes entre l’enquêteur et “Madame”. Puis, dans le deuxième tiers, de plus longues interventions de la principale répondante sont visibles avant que, dans le dernier tiers, émergent de courtes prises de parole de “Monsieur” qui, on le voit, intervient beaucoup moins que sa femme, sans doute du fait d’une arrivée tardive.
Cette forme de représentation permet donc une appréhension assez rapide de la manière dont est structuré l’entretien, du point de vue des tours de parole. Je pense également proposer les mêmes informations sous forme de courbes afin de montrer la progression des temps de parole cumulés au fil de l’entretien.
Graphique des temps de parole cumulés (projet)
Dans l’exemple ci-dessus, on voit bien comment l’interrogateur et la répondante sont quasiment à égalité de temps de parole pendant une première partie de l’entretien, avant que les réponses s’allongent progressivement, introduisant un différentiel (normal et salutaire) entre interrogateur et le répondant sur la durée de l’entretien.
J’hésite encore sur la forme à donner, mais étant donné la complémentarité des histogrammes et des courbes, ces deux modes de représentation pourront être proposés en parallèle ou de manière optionnelle. Je vais également tâcher de donner à voir de manière intuitive le déroulé chronologique de l’entretien, mais ce n’est pas évident. Je cherche encore…
Apparaissent donc progressivement des espaces de quantification nouveaux, qui débouchent eux-mêmes sur des possibles analytiques qui restent largement à tester et à consolider, mais quiconque est familier des recherches par entretiens ne pourra que se montrer curieux face à cette objectivation possible des échanges. Sans fétichisme quantitatif, pouvoir se faire une idée générale de la “directivité” d’un entretien ou, dans le cas d’un corpus collectif, pouvoir repérer, autrement qu’à l’intuition, des “styles” d’interrogateurs différents (certains intervenant beaucoup et longuement, d’autres par de courtes incises) est quelque chose d’assez intéressant. A l’instar de l’analyse chronométrique, je vois d’abord ces fonctions comme un outil réflexif, un moyen de mieux connaître ses propres pratiques d’enquête, mais on peut également s’en servir, bien qu’avec mesure, pour mettre au jour certaines constantes dans les entretiens.
On peut également envisager, en combinant ces fonctions à l’analyse débitmétrique (encore en développement), d’approcher d’une qualification des prises de parole selon une échelle de “fluidité” permettant de faire la différence entre les sujets sur lesquels la conversation est hachée (le locuteur parle lentement et l’interrogateur intervient souvent) et ceux où le répondant parle longuement, rapidement et sans relance. L’existence de variations à l’intérieur d’un même entretien (en fonction de la thématique, ou de l’avancée dans le temps) pourrait présenter un certain intérêt heuristique.
Sociologue. Maître de Conférences à l'Université F. Rabelais de Tours/ Laboratoire CITERES (UMR CNRS)
Chercheur associé du Centre d'Etudes de l'Emploi.
Ce quatrième billet de la série en cours présente les différentes méthodes pour analyser les corpus Sonal d’un point de vue chronométrique.
Exemple d'analyse chronométrique (exportée depuis Sonal 1.4.7)
A quoi sert l’analyse chronométrique?
L’analyse chronométrique vous permet d’étudier les temps de parole consacrés aux différentes thématiques de votre corpus. En analysant le temps passé sur chaque sujet, elle répond à la question de savoir qui parle de quoi, et pendant combien de temps? Ces informations peuvent être précieuses pour déceler ou confirmer de grandes tendances dans la propension des différents types de répondants à parler de différents sujets.
Le système d’encodage de Sonal, qui repose sur le découpage de la bande en portions thématisées, débouche très logiquement sur le décompte des temps de parole. Cette approche se cumule idéalement avec une approche lexicométrique, mais, dans le cas d’un corpus encodé mais non retranscrit intégralement, elle peut présenter un premier outil de synthèse avant approfondissement qualitatif.
Avertissement préalable : encoder n’est pas prouver
Bien qu’exprimés sous forme de chiffres, les résultats de l’analyse chronométrique ne doivent pas jouir d’une présomption d’objectivité disproportionnée. Le recours à un codage réflexif sert plus à tester des schémas interprétatifs ou à interroger ses propres pratiques, qu’à démontrer quoi que ce soit de manière irréfutable. Il faut bien comprendre que l’encodage thématique, lorsqu’il est l’objet d’une analyse compréhensive basée sur la relecture ou la réécoute des extraits retenus, représente un moindre risque d’abus interprétatif que l’analyse globale des temps de parole qui est proposée ici. Donc, même si la quantification présente une efficacité synthétique séduisante, il faut tenir compte du fait que son objet premier (un temps de parole consacré à un thème) doit être étudié avec mesure :
La première question est logiquement celle du rôle joué par l’interrogateur. Selon l’intensité des relances, l’intérêt manifesté auprès de l’enquêté, le répondant se sentira plus ou moins invité à approfondir certaines réponses. Dès lors, le temps passé sur un sujet par un répondant quantifie certains attributs d’une interaction sociale, plus que la propension “naturelle” des répondants à s’épancher sur un sujet donné. Cela n’implique cependant pas que les dispositions à s’exprimer sur un sujet soient réparties de manière homogène dans la population, mais il faut garder un certain recul par rapport aux résultats.
Une autre difficulté tient – comme dans tout codage réflexif – à la pluralité des dimensions abordées dans une seule et même prise de parole. Au-delà des incises plus ou moins fréquentes qui entremêlent les sujets, il est rare que les personnes ne parlent que d’une et une seule chose à la fois. Les répondants sont souvent “à cheval” sur plusieurs thématiques. Il est vrai que de ce point de vue, Sonal présente quelques faiblesses, car le système d’encodage ne permet pas (encore) d’affecter deux thématiques à un extrait, ce qui est évidemment limitatif. On peut toutefois, depuis la version 1.4, superposer plusieurs “couches” d’extraits, ce qui peut permettre pallier en partie ce problème. Cette fonctionnalité est cependant encore en test. Lorsqu’elle sera consolidée, un tutoriel plus détaillé sera publié.
Réaliser une analyse chronométrique dans Sonal
Pour accéder à l’analyse chronométrique, il suffit de cliquer sur le bouton “Chrono”, disponible dans la page de corpus.
Apparaît alors, sous forme de graphique circulaire, la place des différents sujets dans le corpus.
Page d'analyse chronométrique
Si tous vos extraits sont actifs, les chiffres affichés concernent l’ensemble du corpus. Sinon, des panneaux latéraux vous permettront de prendre connaissance des critères de filtrage, qui sont transversaux aux fonctions d’analyse.
Vous disposez de plusieurs informations :
le temps total de bande
la durée totale des extraits et le pourcentage de la bande encodée (celui-ci peut excéder 100% en cas de superpositions d’extraits)
le nombre d’extraits
Le graphique circulaire peut être exporté en utilisant le bouton “Export image” qui vous permettra d’enregistrer l’image (au format Bitmap) au nom et à l’emplacement voulus. C’est à peu de choses près une copie d’écran.
Exemple d'analyse thématique produite par Sonal 1.4.7
Pour l’analyse d’un entretien donné, ou d’un type d’entretien, utilisez les boutons de filtrage (voir le premier billet de la série). Les panneaux (thématiques, entretiens, variables) vous permettront d’affiner vos analyses.
Analyse chronométrique incluant un filtre basé sur les thématiques et sur les variables
Cette méthode se borne à une analyse locale qui ne permet pas à proprement parler de comparaisons. Vous pouvez évidemment alterner les filtrages pour repérer visuellement les variations entre entretiens ou types d’entretiens, mais ce n’est pas forcément très pratique. Des améliorations de l’interface sont en cours. D’ici là, la meilleure solution pour analyser les temps de parole, c’est encore d’exporter les résultats pour travailler hors de Sonal.
Approfondir l’analyse : exporter au format *.Xls ou Trideux
Pour aller un peu plus loin, vous pouvez commencer par exporter les données chronologiques dans Excel ou dans n’importe quel tableur, en cliquant sur “Export vers tableur”.
Export vers Excel de l'analyse chronométrique
NB : L’export tient compte de vos filtrages.
Les renseignements exportés dans le tableur sont les suivants :
Rappels des entretiens filtrés (éventuellement)
Durée et pourcentage des différentes thématiques (vous pouvez donc refaire vos propres graphiques hors de Sonal)
Puis sont proposés plusieurs tableaux croisés :
Place des différentes thématiques dans chaque entretien
Place des différentes thématiques en fonction des types d’entretiens (autant de tableaux que de variables)
Ces tableaux sont déclinés à chaque fois en secondes, en pourcentages en lignes et en pourcentages en colonnes :
Le tableau des secondes vous permettra de faire vos propres graphiques à partir des données brutes,
le tableau des pourcentages en lignes vous permettra de répondre à la question de savoir qui consacre quelle part de son temps de parole aux différents sujets, en comparant éventuellement chaque sous-population à la moyenne,
le tableau des pourcentages en colonnes apporte l’information complémentaire : dans quelles populations se concentrent les interventions sur un sujet donné.
Travailler des données chronométriques dans Trideux
Pour aller beaucoup plus loin, vous pouvez également opter pour un export vers le logiciel Trideux de Philippe Cibois, qui permet un travail de dépouillement beaucoup plus fin. Vous devrez évidemment installer Trideux sur votre machine.
L’export vers Trideux repose sur une astuce : Sonal crée une base de données qui, au lieu de contenir des individus en ligne, contient des unités de temps de parole (des secondes ou des minutes), auxquelles sont conférés les attributs des extraits desquels elles sont issues, c’est à dire à la fois une thématique et des caractéristiques liées à l’entretien.
Par exemple, un extrait de 10 secondes sera converti en 10 lignes successives et identiques qui auront toutes les mêmes attributs, ceux de l’extrait et ceux de l’entretien dont il est issu.
Les unités de temps peuvent ensuite faire l’objet d’une analyse similaire à celle qui serait produite à partir de réponses individuelles.
Voici comment vous y prendre : il faut d’abord choisir entre deux unités de temps : les minutes ou les secondes. En cliquant à droite du bouton “Export Trideux”, vous afficherez un menu déroulant dans lequel vous pourrez choisir entre les deux unités.
Le travail en secondes est évidemment préférable mais si votre corpus dépasse par exemple une centaine d’heures de bandes, votre base contiendra 360 000 événements, ce que Trideux peut gérer, mais au prix d’un ralentissement significatif. Si vous travaillez en minutes sur un corpus court, la précision sera mauvaise car les valeurs sont discrétisées (arrondies à la minute supérieure) pour des raisons logiques (on ne peut pas ajouter 2,5 lignes à une base de données).
Le changement d’unité implique évidemment que tous les indicateurs statistiques fournis par Trideux sont à utiliser avec prudence. Par exemple, selon que vous travaillerez en minutes ou en secondes, le khi² de vos tableaux pourra varier de 1 à 60 et, en fonction, être ou non significatif.
En cliquant ensuite sur le bouton Export trideux, vous lancerez l’écriture d’une base lisible par Trideux. Elle sera située dans le dossier du projet, dans un sous dossier nommé “Trideux\”. La base créée portera le nom du corpus, suivi de “(Min)1” “ou de “(Sec)1” selon l’unité choisie.
Création d'une base Trideux à partir des données chronométriques
La base contient pour premières variables les thématiques et les entretiens du corpus. Puis les différentes variables de votre base de données.
(se) Lancer (dans) Trideux
La version actuellement disponible de Trideux (5.1) ne permet pas encore le démarrage automatique du logiciel après export. Pour l’instant, il faudra lancer Trideux et l’initialiser sur le fichier Tri2.ini qui est situé dans le dossier Sonal. Pour cela, lancez le logiciel, cliquez sur le menu “fichier de démarrage” dans la page principale, puis, sur “Chercher Tri2.ini”. Pointez sur le fichier que vous venez de créer, cliquez sur “ouvrir” et vous voilà arrivés dans la base.
Une fois dans Trideux, toutes les fonctionnalités du logiciel vous sont accessibles.
Vous pouvez par exemple accéder, via le bouton Tri à plat, à une représentation en barres des temps de parole consacrés aux différentes thématiques, de la durée des différents entretiens ou le temps total par catégorie de répondant.
Tri à plat des thématiques (dans Trideux)
Pour étudier plus en détail les résultats de votre tri à plat, vous pouvez utiliser l’explorateur de données, qui vous permettra, de manière intuitive, de “creuser” vos catégories à la manière de poupées russes.
Dans l’exemple ci-dessous, les données sont tirées d’un corpus d’entretiens exploratoires réalisés par des L2 de sociologie de l’Université F. Rabelais, en vue de la réalisation d’une enquête par questionnaire. Les entretiens, relativement courts, ont été encodés thématiquement et annotés, avant d’être redistribués sous forme de corpus audio aux étudiants. En parallèle, chaque entretien s’est vu qualifier par quelques variables (sexe, âge du répondant, sexe de l’enquêteur etc…), ce qui a permis d’avoir une vue globale de l’échantillon, et d’étudier les variations du contenu des entretiens selon les caractéristiques de l’enquêté comme de l’enquêteur. Dans l’exemple ci-dessous, on étudie la place des thématiques dans les entretiens réalisés par des enquêtrices, selon qu’elles interrogeaient des étudiantes ou des étudiants.
Fenêtre d'exploration de données
La fenêtre de tableau croisé graphique vous donnera la possibilité de réaliser ce genre de croisements, mais de manière plus systématique. La représentation graphique des PEM agissant comme un stimulus pour vous permettre de repérer rapidement les cases contenant des écarts à la moyennes intéressants.
Tri croisé graphique (Trideux)
***
Le prochain billet, cinquième et dernier de la série, présentera les fonctions d’analyse “débitmétrique”, qui vous permettront de vous pencher sur le débit moyen (en mots/minutes) de vos interlocuteurs. Cette fonctionnalité, dont on peut avoir un aperçu dans la fenêtre de lecture (le bouton le plus à droite en haut de page) doit cependant être approfondie avant présentation. Il ne faut donc pas être trop pressé…
Sociologue. Maître de Conférences à l'Université F. Rabelais de Tours/ Laboratoire CITERES (UMR CNRS)
Chercheur associé du Centre d'Etudes de l'Emploi.
La nouvelle version (1.4.3 ) qui est disponible au téléchargement introduit plusieurs améliorations fondamentales :
Vous pourrez dorénavant annuler ou rétablir les modifications de votre encodage. Les boutons ci-dessous sont accessibles dans les fenêtres d’écoute et de lecture.
Les 10 dernières modifications successives de votre fichier Rtr sont sauvegardées dans le dossier “Restaur” qui est situé dans le dossier du projet. Ainsi, même en cas de crash, vous pourrez récupérer une version stable de votre entretien, au besoin en écrasant “manuellement” la version courante du rtr avec l’une des versions de sauvegarde. Si ce dossier pèse trop lourd, n’hésitez pas à le vider de temps en temps.
Un système de “pondération qualitative” vous permettra d‘augmenter la taille du texte des passages les plus intéressants dans la fenêtre de lecture. Une échelle de un à cinq vous permettra de distinguer plusieurs niveaux d’intérêt, qui serviront ensuite de critère de filtrage dans la synthèse.
Dans la fenêtre de lecture, quand le mode Synchronisation est désactivé, le clic sur un mot débute une sélection de texte. Sélectionnez le second mot pour définir la fin. La fenêtre qui s’ouvre vous propose alors d’affecter un poids au passage sélectionné, en choisissant entre une et cinq étoiles. Vous pouvez aussi copier la partie sélectionnée en cliquant sur le dernier bouton à droite. NB : vous ne pouvez sélectionner des parties qu’à l’intérieur d’un seul extrait.
La partie sélectionnée apparaît ensuite grossie en fonction du poids que vous lui avez conféré.
Vous pouvez modifier le poids ou l’annuler en cliquant sur l’un des boutons placés dans la marge qui signalent la première et la dernière ligne de la partie sélectionnée (en rouge dans l’image ci-dessus). Le menu réapparaît, et vous pouvez revenir sur vos choix.
Il est conseillé de systématiquement surligner des unités de sens, pas des mots pris isolément. La sélection doit autant que possible pouvoir être lue seule, sans que l’absence du contexte nuise à la compréhension.Ce conseil découle de l’usage qui est fait par la suite des parties repérées.
En effet, vous pourrez dorénavant les isoler dans la synthèse, en ne faisant apparaître que les extraits répondant à un certain niveau de pondération. Dans l’exemple ci-dessous, ne sont affichés que les extraits qui contiennent un texte de niveau 3. Comme la case “Filtrer dans les extraits” est cochée, n’apparaît que le texte qui s’est vu attribuer trois étoiles.
Ce nouveau système de balises repose sur une norme simple : les balises ont la forme {+2} texte sélectionné {-2}. En cas de difficulté, vous pouvez les supprimer à la main en éditant le texte.
La fenêtre d’écoute a été améliorée pour devenir tolérante aux superpositions. Vous pouvez dorénavant appliquer plusieurs “couches” d’encodage pour un seul entretien. Cette fonction est encore à l’essai, et limitée à cette seule page. Les extraits apparaîtront toujours superposés dans le reste du logiciel.
Attention : l’utilisation de plusieurs couches d’encodage est susceptible de perturber les fonctions d’analyse, qui n’ont pas encore été adaptées à cette nouvelle donne. La présence du même texte dans plusieurs extraits superposés peut fausser les analyses lexicométriques. Aussi, cette fonction est surtout adaptée au travail d’encodage sonore ou vidéo.
Elle a aussi l’intérêt de vous permettre de mieux comprendre ce qu’il se passe lorsque vous superposez involontairement plusieurs extraits. C’est donc aussi un outil de sécurisation.
Vous êtes donc chaudement invités à mettre à jour votre version.
Sociologue. Maître de Conférences à l'Université F. Rabelais de Tours/ Laboratoire CITERES (UMR CNRS)
Chercheur associé du Centre d'Etudes de l'Emploi.
Ce troisième billet sur l’analyse d’un corpus Sonal vous présente les différentes fonctionnalités de la page de lexicométrie, qui vous permettra d’étudier de manière quantitative le vocabulaire de vos répondants.
Page de lexicométrie (tri des occurrences par spécificité)
Pour lancer une analyse lexicométrique, cliquez sur le bouton « Lexico » situé dans la page de corpus.
A quoi sert l’analyse lexicométrique?
Compter les occurrences des différents mots (ou “formes”)
L’analyse lexicométrique permet d’abord un décompte des mots les plus fréquemment utilisés dans votre corpus afin de repérer, au-delà des formes généralement très banales qui occupent le haut de la liste, les termes particuliers les plus récurrents dans vos entretiens. La spécificité de Sonal est que vous pourrez non seulement relire mais aussi réécouter tous les passages qui contiennent les mots qui vous intéressent. Dès lors, la lexicométrie joue un rôle d’indexation de la bande sonore et permet une entrée différente dans les matériaux, qui transcende les catégories thématiques et les caractéristiques des entretiens.
Etudier les spécificités langagières associées à un sujet et/ou à un (type de) locuteur etc.
L’analyse lexicométrique prend tout son intérêt lorsqu’elle ne porte plus sur l’intégralité du corpus, mais sur une sous-partie, que vous aurez préalablement isolée, comme cela vous est expliqué dans le premier billet. En pareil cas, Sonal vous permettra de repérer très rapidement le vocabulaire le plus caractéristique de cette sous-partie. Par exemple, il devient possible d’étudier les mots les plus utilisés par un type de répondant sur un sujet donné, en contrastant en fonction des caractéristiques possibles. Vous accédez ainsi aux différences de formulation sur un sujet donné par différents groupes de locuteurs, ce qui cadre avec une tradition structurale de l’analyse lexicale dans laquelle le vocabulaire est le reflet des positions sociales.
Etudier les catégories de répondants ou les sujets dans lesquels une forme est la plus fréquente.
Sonal propose une approche complémentaire en vous permettant, pour un mot donné, de rechercher dans quelles partitions du corpus il est le plus présent et le plus spécifique. On peut donc faire des allers-retours entre une entrée par les catégories (quel vocabulaire est le plus lié à tel sujet par exemple) et une entrée par le vocabulaire (dans quelle sous population du corpus trouve-t-on le plus fréquemment et le plus spécifiquement un mot donné?)
La base lexicale
Les analyses lexicométriques sont réalisées à partir d’une base lexicale lisible par excel ou calc et qui contient les différents mots du corpus, avec les informations clés sur les extraits dont ils sont issus (rang, mot, lemme (cf. infra), entretien, extrait, thématique). Ce fichier est placé dans le répertoire qui contient le corpus et porte le nom du projet suivi de « Lexico.xls ».
Base lexicale
Lorsque vous cliquez sur le bouton Lexico dans la page du corpus, si vous avez déjà créé cette base, le logiciel la chargera, sinon il en écrira une nouvelle, ce qui prendra plus de temps. La durée de chargement est variable en fonction des dimensions du corpus et de la puissance de votre ordinateur.
Si vous avez le moindre problème avec la base lexicale et qu’elle vous empêche d’accéder à la fonction de lexicométrie, il vous suffit de supprimer le fichier « lexico.xls » dans le dossier projet. Au prochain rechargement, une base sera régénérée.
La page de lexicométrie
Vous arrivez donc sur une page qui renseigne sur les occurrences des différents mots présents dans les extraits retenus.
Fenêtre de lexicométrie (avec panneau de sélection thématique)
Avant de se pencher sur la signification des graphiques et des indicateurs affichés sur la partie droite, il faut d’abord faire le tour de l’interface…
Les panneaux de filtrage
Pour afficher un mode de filtrage particulier (par thématique, par variable ou par entretien), cliquez sur l’un des trois boutons dans la partie haute de la page.
Affichage des panneaux de filtrage
Si vous avez réduit le champ de l’analyse en filtrant les extraits avant de lancer l’analyse lexicométrique, vous verrez sur le côté gauche des panneaux renseignant les opérateurs de filtrage (par thématiques, par variables ou par entretiens) qui vous permettront de changer les règles de filtrage. Les modifications opérées dans la sélection se répercutent dans tout le corpus.
Le tri des mots
Dans la partie droite de la page, apparaissent des listes de mots qui sont déterminées par le mode de tri utilisé, et par les filtres introduits.
Le tri par occurrences
Le tri par occurrences affiche la fréquence des différents mots par ordre décroissant à l’intérieur de la partie du corpus sélectionnée.
Des barres bleues représentent ces fréquences suivant une échelle logarithmique, pour pouvoir représenter des écarts conséquents entre les mots les plus fréquents et les plus rares. C’est l’occasion de vérifier la fameuse loi de Zipf, que traduit (normalement) la décroissance très progressive des occurrences des formes à l’intérieur d’un corpus.
Tri des formes par occurrences
Le tri par ordre alphabétique
Le tri par ordre alphabétique affiche les mêmes informations que le tri par occurrences. Il ne s’en différencie évidemment que par le tri effectué. A noter : les nombres précèdent les lettres dans ce tri.
Tri des occurrences par ordre alphabétique
Le tri par pourcentage des occurrences
Le tri par pourcentage des occurrences n’a de sens que si vous avez sélectionné une sous-partie du corpus. Par exemple, si ne sont maintenus actifs que les extraits contenant une thématique donnée, ou étant issus d’un entretien etc. Si tous les extraits sont actifs, ce type de tri est sans effet. De même, si vous ne désactivez qu’une toute petite partie du corpus, ce type de tri n’aura pas non plus beaucoup d’intérêt.
Ainsi, si votre champ d’analyse est restreint, le tri par occurrences vous permettra de trouver rapidement les formes qui sont spécifiques aux extraits que vous avez isolés. Les mots 100% spécifiques, qui occupent le haut de la liste, n’apparaissent que dans les extraits sélectionnés, et nulle part ailleurs dans le corpus. Les mots à 50% sont pour moitié dans les extraits, pour moitié dans le reste du corpus. A vrai dire, seuls les 100% spécifiques sont intéressants, car ils vous permettent de repérer les “idiosyncrasies” de vos locuteurs: les termes qu’ils sont les seuls à utiliser. La liste représente les formes triées d’abord par pourcentage de spécificité, puis par occurrences, ce qui veut dire que vous avez au sommet de la liste les formes exclusives les plus fréquentes.
Tri des occurrences par pourcentage
Le tri par spécificité
Le tri par spécificité est un outil dédié à l’analyse des particularités langagières des extraits analysés.
Philippe Cibois, que je ne remercierai jamais assez pour ses lumières, m’a mis sur la piste des travaux de Pierre Lafon, qui propose une approche très efficace pour repérer les formes les plus spécifiques d’une sous-partie à l’intérieur d’un corpus. Pour une présentation détaillée, je vous renvoie à cet article (Lafon, 1980 [1]), qui explique les choses de manière particulièrement claire et vivante. Pour résumer, l’approche de P. Lafon n’est pas fréquentiste. Il ne s’agit pas de quantifier l’écart entre une répartition théorique et la fréquence observée, en s’appuyant sur une loi de répartition, comme par exemple dans l’analyse factorielle du tableau lexical. La démarche de P. Lafon est probabiliste. Elle s’appuie sur un calcul hypergéométrique, qui permet de mesurer des probabilités combinatoires, pour estimer la probabilité que le mot étudié soit présent comme il l’est dans la sous-partie du corpus. Plus précisément, il s’agit de calculer la probabilité qu’en tirant t mots dans un texte qui contient un total de T mots, on trouve k fois un mot qui se trouve en tout f fois dans le corpus. Prenons un exemple : si je tire une série de 100 mots dans un corpus de 1000 mots, l’indice me donne la probabilité pour que j’y trouve 7 fois un mot qui est présent en tout 21 fois dans le corpus?
Le calcul de l’indicateur est différent en fonction des situations, selon que le mot est sur ou sous-représenté dans la partie étudiée. En fonction des situations, on cumule les probabilités associées aux fréquences supérieures ou inférieures à celle observée. Si par exemple on s’attend à ce qu’un mot apparaisse cinq fois dans une sous-partie du corpus, et que ce mot y apparaît 8 fois, l’indice de spécificité de Lafon évaluera la probabilité pour que ce mot apparaisse au moins huit fois dans la sous-partie (il ajoutera les probabilités de k=8,9,10,11,12…f ou t.). Si à l’inverse le mot n’apparaît que trois fois, l’indice calcule la probabilité pour que ce mot apparaisse trois fois au plus.
L’algorithme (fourni par Philippe Cibois) calcule l’indicateur dans un sens ou dans l’autre en fonction de la configuration et ramène toutes les spécificités (positives ou négatives) dans un même tableau. Ressortent donc les mots qu’il était très peu probable de trouver aussi fréquemment et ceux qu’il était aussi peu probable de trouver si peudans les extraits retenus.
Tri des occurrences par spécificité
Les barres bleues ou rouges représentent l’improbabilité que les mots apparaissent comme ils le font. Les barres bleues représentent la spécificité positive, la barre rouge la spécificité négative. Plus la barre est large, moins l’apparition du mot dans les conditions observées est probable. Le contenu des cases dans le prolongement des barres renseigne à l’inverse la probabilité en %. Plus elle est basse, moins la forme apparaît de manière prévisible.
Régler le seuil de spécificité
La largeur des barres est fonction du seuil choisi. A droite du bouton d’option permettant de trier les mots par spécificité, se trouve une zone de texte mentionnant le seuil au-delà duquel la probabilité ne doit plus être représentée. Par défaut, le seuil de 10% implique que ne sont représentés que les 10 derniers % d’improbabilité. Cela revient à ne voir apparaître de barre bleue ou rouge uniquement pour les probabilités inférieures à 10%. Mettre par exemple un seuil de 5% ne filtrera pas les résultats, mais reviendra à « zoomer » sur les derniers 5%, accroissant ainsi les écarts entre des probabilités proches.
Afficher (ou non) les spécificités négatives
Par défaut, Sonal n’affiche que les spécificités positives (barres bleues). Cela permet d’éviter un phénomène logique mais problématique qui est que lorsque l’on isole une sous-partie du corpus largement majoritaire, elle ne se caractérise que par les formes absentes, celles-là même qui caractérisent la sous-partie désactivée.
NB: Dans la version 1.3.1, le fait de cocher la case est sans effet immédiat. Les formes négatives n’apparaissent qu’à la prochaine recherche de spécificité.
Filtrer la liste des formes
Vous pouvez choisir de ne retenir que les formes dont la longueur est inférieure à un certain nombre de caractères. Pas défaut, Sonal limite l’affichage aux mots de plus de 2 caractères. Vous pouvez également choisir un plancher pour le nombre d’occurrences. Celui-ci doit être fonction du nombre d’occurrences total et de la finesse du filtrage.
En isolant consécutivement les différentes thématiques, ou les différents (types d’) entretiens, on accède ainsi très rapidement aux mots qui leur sont le plus ou le moins significativement liés.
L’analyse qualitative du quantitatif
Lorsqu’une forme/un mot vous apparaît comme digne d’intérêt, parce qu’il/elle est spécifique ou pour une autre raison, vous pouvez immédiatement retourner aux extraits qui contiennent ce mot, ou ces mots s’il s’agit d’une forme lemmatisée. Cette fonctionnalité, généralement appelée KWIC (pour Key Word In Context), est incontournable dans la plupart des logiciels d’analyse lexicométrique. Elle permet d’étudier les différents contextes dans lesquels la forme apparaît pour assurer un retour interprétatif aux matériaux, afin d’analyser les différents sens conférés à cette forme par les locuteurs. Vous pouvez ainsi compenser le caractère un peu binaire des algorithmes mathématiques, qui peinent le plus souvent à étudier la sémantique des textes, tendant à absorber toutes les acceptions d’un terme dans une même catégorie statistique. En notant que certains logiciels, spécifiquement dédiés à cette tâche, sont bien sûr capables de discerner les contextes, en étudiant les mots associés. Ce n’est pas le cas de Sonal qui, pour l’instant, s’apparente plutôt à un chien de chasse pour gibier d’eau, partant en traque tous azimuts, et qui ramène parfois des canards en plastique à son maître. Une analyse qualitative des résultats quantitatifs est donc indispensable.
Pour ce faire, deux possibilités s’offrent à vous pour ce faire. Parmi les boutons qui apparaissent à droite du mot survolé, les deux premiers servent à accéder au détail de ses occurrences.
Le premier vous permet d’accéder à la synthèse des extraits contenant le lemme sélectionné (le mot ou les mots regroupés sous un même terme).
La page de synthèse s’affiche alors, avec votre sélection.
Synthèse des occurrences du mot choisi
Le bouton représentant une petite liste, situé sur immédiatement à droite du bouton play, vous permet d’accéder à une page d’analyse du mot qui contient de manière condensée toutes les phrases dans lesquelles le mot recherché apparaît.
Détails des occurrences du mot
Sur la partie droite de la page, apparaissent toutes les phrases comprenant le mot choisi. Comme ce listing est tiré de la base lexicale, tous les signes de ponctuation et les sauts de page sont supprimés.
Attention, l’affichage ne se limite pas aux mots contenus dans les extraits isolés. Toutes les apparitions du mot choisi sont recensées, qu’elles soient ou non dans des thématiques ou des extraits filtrés. Pour les mots très fréquents, au dessus de 500 occurrences, le chargement de cette page peut être assez long : un message vous demande de confirmer votre commande.
Ce choix s’explique par la finalité conférée à cette interface, qui est de retourner l’analyse. En général, vous vous penchez sur un mot après avoir isolé une sous-partie du corpus (une thématique et/ou un type de locuteur), en retournant l’analyse, le logiciel vous dit en somme d’où vous auriez pu arriver. Dans cette optique, lors du chargement, la recherche de spécificité se fait d’abord sur l’ensemble des catégories de filtrage du corpus. Sur le côté gauche de la page, apparaissent les différentes catégories avec lesquelles le mot est lié. Les extraits ne sont pas triés.
La barre bleue à gauche représente les effectifs; la barre de droite – bleue ou rouge – représente la probabilité calculée avec l’indice de Lafon pour que ces effectifs soient observés dans la catégorie .
Les quatre boutons au sommet de ce panneau vous permettent de trier les mots. Le premier correspond au mode de tri qui est affiché au démarrage (toutes les catégories, qui mélange les thématiques, les entretiens et les variables, qui peuvent être redondants), le second vous permet de trier par entretien, le troisième par thématique, et enfin, le quatrième, par variable. A chaque fois, en cliquant sur une sous-catégorie, vous serez ramené aux extraits correspondants.
Tri des contextes par entretienTri des contextes par thématiqueTri des mots par variable
La lemmatisation
Sur la partie gauche du panneau consacré à la lexicométrie, différents boutons vous permettent de modifier la base lexicale et de lancer des analyses.
Boutons de lemmatisation
La lemmatisation consiste à regrouper sous un même terme différents mots qui partagent par exemple une racine commune, ou qui se réfèrent à un même champ lexical. Concrètement, cela revient par exemple à mettre sous le terme « manger » toutes les formes conjuguées (ou « fléchies ») du verbe manger : (je) mange, (nous) mangeons (qu’il) mangeât etc. Cela peut aussi consister à mettre au singulier tous les pluriels etc. Cela permet de diminuer le nombre d’occurrences différentes dans la base, et de durcir un peu les résultats statistiques.
En matière d’analyse textuelle informatisée, la lemmatisation est une pratique qui ne fait pas l’unanimité. Tous les logiciels ne la proposent pas et les positions peuvent être assez tranchées. Il est vrai que les logiciels font parfois des regroupements hasardeux et que cela implique une perte de finesse dans l’analyse. C’est affaire de choix. Pour ne pas trancher, Sonal vous laisse le choix de lemmatiser ou non votre corpus. De plus, pour éviter les écueils liés à l’automatisation, vous pouvez revenir tant que vous le voulez sur les lemmatisations opérées, car le contenu d’un lemme reste accessible et les formes regroupées peuvent toujours faire l’objet d’une analyse individualisée, et être « détachées » du groupe.
La lemmatisation manuelle
Le bouton « regrouper » permet de créer des lemmes “manuellement”.
Etapes de la lemmatisation manuelle
Vous devez d’abord sélectionner les mots que vous voulez regrouper (1). Pour cela cliquez simplement sur les mots dans la liste. Pour faire une sélection collective, enfoncez le bouton de la souris sur le premier mot de la série puis descendez la souris sans relâcher le bouton. Cliquez ensuite sur le bouton “Regrouper” (2) qui vous affiche une fenêtre de lemmatisation récapitulant toutes les formes sélectionnés . Dans la zone de texte en bas de la page, donnez un nom pour le groupe créé (3), appelé forme synthétique (pour faciliter la remémoration qu’il s’agit d’une forme synthétique, vous pouvez prendre le parti de placer un petit “+” à la fin de la forme synthétique). Cliquez enfin sur “lemmatiser” pour valider. Votre nouveau groupe va être créé. Si le nom de groupe existe déjà, les mots seront simplement ajoutés au groupe existant.
La base est partiellement réécrite puis triée. Cette opération peut prendre un certain temps si le groupe contient beaucoup de mots différents…
Les mots outils
Toutes les formes présentes dans un corpus ne présentent pas forcément un grand intérêt. On ne peut cependant pas présumer de la liste de formes que chacun souhaitera écarter de l’analyse. Les “mais” sont généralement extrêmement présents mais qu’en faire dans le cadre d’une analyse sociologique ? A moins de se pencher sur l’esprit de contradiction des locuteurs, il n’y a pas vraiment de raison de les retenir. Il en est de même pour les pronoms, même si la création d’un lemme regroupant “moi”, “je” et “j'” s’avère parfois très intéressante.
Le bouton « mots outils » en bas à gauche de cette page permet d’envoyer les mots sélectionnés dans un lemme spécifique, celui des « mots outils », qui regroupe toutes les formes dont vous n’aurez pas l’usage dans l’analyse. On les appelle parfois des « mots vides » par opposition aux « mots pleins » qui véhiculent du sens. Ces mots outils sont mémorisés dans un fichier texte nommé “Outils.txt”, qui est placé dans le répertoire “Dico\” du dossier du programme (généralement C:\Program Files\Sonal\). Cela implique que votre dictionnaire des mots outils est partagé entre vos différents corpus. La liste des mots outils est vierge à l’installation, vous devez l’enrichir progressivement. Une bonne méthode est de trier les mots par occurrences avant toute lemmatisation. Les mots les plus courants sont généralement les moins significatifs et peuvent être éliminés collectivement.
La lemmatisation automatique
Le bouton “Lemmatiser la base” propose une lemmatisation automatique de toute la base.
En cliquant sur la flèche pointant vers le bas à droite du bouton, vous pourrez choisir les différentes options. Pour l’instant, est proposée la lemmatisation des verbes, des pluriels (simples ! (s), pour l’instant…), des nombres et des mots outils. A chaque fois qu’un groupe est créé, la forme synthétique affectée à tous les mots qui en font partie est suivie d’un “+”. Cela n’est en rien obligatoire, mais cela permet de repérer plus vite les formes groupées des formes brutes.
Gérer les groupes créés
Après regroupement, vous avez la possibilité d’ouvrir les groupes de mots créés en cliquant sur la flèche à droite du mot.
Apparaissent alors, sous forme d’arborescence, les différentes formes regroupées sous un lemme commun.Vous pouvez dès lors regarder le nombre d’occurrences de ces différentes formes, et éventuellement “détacher” certains mots du groupe, en cliquant sur la petite croix à droite du nom.
Détails d'un lemme
Attention, si vous modifiez l’ordre des entretiens ou des thématiques dans votre corpus, il vous faudra impérativement régénérer la base. En effet, celle-ci renseigne le rang des entretiens et des thématiques, par leur nom, il ne faut donc pas qu’ils changent dans le corpus et qu’ils restent identiques dans la base. Pensez cependant que la lemmatisation représente un certain travail, si vous choisissez de régénérer la base, tous les regroupements seront perdus.
L’analyse factorielle
Dernière fonction à découvrir dans cette page, l’analyse factorielle du vocabulaire, méthode programmée par Philippe Cibois pour Trideux-Mots, et qui s’inspire des travaux de Lebart et Salem. Pour plus de détails sur cette méthode et sur l’interprétation des résultats produits par Trideux, je vous renvoie à ce chapitre d’ouvrage (Cibois, 2006 [2]) et à cet article (Cibois, 1989 [3]) .
Dans Sonal, cette méthode procède en deux étapes. Il faut d’abord créer un tableau lexical, qui recense, pour chaque mot, le nombre d’apparitions dans les différentes catégories du corpus. Attention, le tableau lexical est produit à partir des extraits maintenus actifs, et sur les formes retenues après filtrage. Cela implique qu’une approche globale des matériaux par l’intermédiaire d’une analyse factorielle doit logiquement se faire sur l’intégralité du corpus. Cependant, en cela comme en d’autres choses, Sonal vous laisse une absolue liberté.
En cliquant sur la flèche située à droite du bouton, vous pourrez choisir les catégories à afficher en colonnes dans le tableau lexical, et déterminer si elles joueront un rôle actif ou illustratif (supp.) dans l’analyse factorielle :
Une fois le tableau lexical créé, il vous est proposé de l’ouvrir, pour visualiser son contenu et éventuellement le traiter dans d’autres applications. Vous n’êtes en rien obligé de l’ouvrir, mais cela peut vous permettre de mieux comprendre de quoi il retourne. Pensez seulement à le refermer pour pouvoir passer à la suite.
Pour obtenir une représentation de type factoriel des écarts à l’indépendance à l’intérieur de ce tableau lexical, cliquez sur le bouton “Analyse factorielle”.
La fenêtre d’analyse factorielle s’ouvre alors.
Analyse factorielle du vocabulaire
Ce plan, que vous pouvez paramétrer avec les différentes options situées sur la partie gauche de l’écran, vous permettra de faire ressortir des typologies articulant le langage utilisé (en noir) et les différentes catégories (en bleu). Pour une meilleure compréhension de la méthode et de la manière dont il faut lire ses résultats, je vous renvoie aux publications de P. Cibois, qui expliquent mieux que je ne puis le faire le sens des conjonctions angulaires.
Pour ne voir que les mots dont le niveau de CPF (contribution par facteur) est pertinent, utilisez le menu déroulant situé au milieu du panneau situé à gauche du plan.
***
[1] Lafon Pierre. Sur la variabilité de la fréquence des formes dans un corpus. In: Mots, octobre 1980, N°1. pp. 127-165.
[2] Cibois Philippe, Le traitement des mots associés à des questions : l’apport du logiciel Trideux in Didier Demazière, Claire Brossaud, Patrick Trabal et Karl Van Metter (dir.), Analyses textuelles en sociologie. Logiciels, méthodes, usages, Rennes, Presses Universitaires de Rennes, 2006, p.156-173
[3] Cibois Philippe, Eclairer le vocabulaire des questions ouvertes par les questions fermées : le tableau lexical des questions”, Bulletin de méthodologie sociologique, n°26, 1989, p.12-23.
Sociologue. Maître de Conférences à l'Université F. Rabelais de Tours/ Laboratoire CITERES (UMR CNRS)
Chercheur associé du Centre d'Etudes de l'Emploi.