Upload
giancarlo-luxardo
View
38
Download
0
Embed Size (px)
Citation preview
Introduction de la TEI pourla structuration et l'édition
des correspondances
10 novembre 2014, Heidelberg Giancarlo Luxardo
Cette présentation est mise à disposition selon les termes de la Licence Creative Commons Attribution
Pas d’Utilisation Commerciale - Pas de Modification 3.0 France
Praxiling UMR 5267Université de Montpellier 3 – CNRS
• Documents
• Processus
• Outils
• Modèles
• Documents
• Processus
• Outils
• Modèles
Documents
Qu’est-ce qu’une carte postale de Poilu ?
Documents
Qu’est-ce qu’une carte postale de Poilu ?
Documents
Qu’est-ce qu’une carte postale de Poilu ?
Ceci n’est pas une carte postale !
Documents
Documents
La Trahison des images, René Magritte (1929)
Documents
Ceci n'est pas une pipe : l'importance de la modélisation pour les humanités numériques
Lou Burnard
le Mardi, 16 Décembre, 2014 - de 12:15 à 13:15Maison des Sciences de l'Homme-Alpes Domaine Universitaire de Grenoble St-Martin d’Hères,
Documents
Une carte postale de Poilu ?• Une source primaire, ou• une représentation :
o un facsimile numérique (une image, plusieurs images)
o une transcription (un texte)o une mise en pageo des annotations (lisibilité ?)o des corrections orthographiqueso des métadonnéeso et aussi… une lecture audio !
une combinaison de…
Données non-structurées
Qu’est-ce qu’une carte postale de Poilu ?
Traitement de texte
(fichier : doc, docx, odt…)
Présenter un document
Données structurées
Qu’est-ce qu’une carte postale de Poilu ?
Base de données
(exécuter des requêtes)
Rechercher des documents
(ex : toutes les correspondances du mois d’août 1914 écrites par…)
correspondence
card letter
+ image+ text+ metadata
surface
1…n
Données structurées
Modélisation de données
Données semi-structurées
Qu’est-ce qu’une carte postale de Poilu ?
XML
tags
Annoter un document
<meta charset="UTF-8">Aix-les-Bains,épouse<body>Je t'envoie donc trois cartes dans la même envelloppe<br>tu les recevras au moin tous a la fois et elle sont<br>toute numeroter pour les lires. je te disait donc<br>chère femme bien aimès que je t'ecrit ce soir 19 août<br>le dernnier soir que je suis à Aix en compagnie de<br>Marius buvant un verre de <s>rhum</s> <s>bi</s> Thé au rhum<br>mais ce qu'il y a desagréable c'est que tu va recevoir<br>ces cartes huit jours apres que nous somme ici<br>et que nous avons reçu tous les deux deux lettre le<br>17 courant qui était dater par vous du 12 et du<br>13août et que vous ne savier pas encor que nous<br>étions ici a Aix. Enfin nous sonme tous bien portant et<br>tous se passe bien les francais son vainqueur partout<br>a bientot les plaisir de vous voir Alfred<br></body>
Données semi-structurées
<meta charset="UTF-8">Aix-les-Bains,épouse<body>Je t'envoie donc trois cartes dans la même envelloppe<br>tu les recevras au moin tous a la fois et elle sont<br>toute numeroter pour les lires. je te disait donc<br>chère femme bien aimès que je t'ecrit ce soir 19 août<br>le dernnier soir que je suis à Aix en compagnie de<br>Marius buvant un verre de <s>rhum</s> <s>bi</s> Thé au rhum<br>mais ce qu'il y a desagréable c'est que tu va recevoir<br>ces cartes huit jours apres que nous somme ici<br>et que nous avons reçu tous les deux deux lettre le<br>17 courant qui était dater par vous du 12 et du<br>13août et que vous ne savier pas encor que nous<br>étions ici a Aix. Enfin nous sonme tous bien portant et<br>tous se passe bien les francais son vainqueur partout<br>a bientot les plaisir de vous voir Alfred<br></body>
Ceci n’est pas un fichier XML ! (mais : pseudo-XML)
Données semi-structurées
<?xml version="1.0" encoding="UTF-8"?><card><head>Aix-les-Bains,épouse</head><body>Je t'envoie donc trois cartes dans la même envelloppe<br/>tu les recevras au moin tous a la fois et elle sont<br/>toute numeroter pour les lires. je te disait donc<br/>chère femme bien aimès que je t'ecrit ce soir 19 août<br/>le dernnier soir que je suis à Aix en compagnie de<br/>Marius buvant un verre de <s>rhum</s> <s>bi</s> Thé au rhum<br/>mais ce qu'il y a desagréable c'est que tu va recevoir<br/>ces cartes huit jours apres que nous somme ici<br/>et que nous avons reçu tous les deux deux lettre le<br/>17 courant qui était dater par vous du 12 et du<br/>13août et que vous ne savier pas encor que nous<br/>étions ici a Aix. Enfin nous sonme tous bien portant et<br/>tous se passe bien les francais son vainqueur partout<br/>a bientot les plaisir de vous voir Alfred<br/></body></card>
Données semi-structurées
<?xml version="1.0" encoding="UTF-8"?><card><head>Aix-les-Bains,épouse</head><body>Je t'envoie donc trois cartes dans la même envelloppe<br/>tu les recevras au moin tous a la fois et elle sont<br/>toute numeroter pour les lires. je te disait donc<br/>chère femme bien aimès que je t'ecrit ce soir 19 août<br/>le dernnier soir que je suis à Aix en compagnie de<br/>Marius buvant un verre de <s>rhum</s> <s>bi</s> Thé au rhum<br/>mais ce qu'il y a desagréable c'est que tu va recevoir<br/>ces cartes huit jours apres que nous somme ici<br/>et que nous avons reçu tous les deux deux lettre le<br/>17 courant qui était dater par vous du 12 et du<br/>13août et que vous ne savier pas encor que nous<br/>étions ici a Aix. Enfin nous sonme tous bien portant et<br/>tous se passe bien les francais son vainqueur partout<br/>a bientot les plaisir de vous voir Alfred<br/></body></card>
Ceci n’est pas un document TEI !
Données semi-structurées
Nommage des fichiers (scripteur, date) :
andre-1-140807.xml laurent-1-150515.xml pierre-1-141029.xmlandre-1-140809.xml laurent-1-150516.xml pierre-1-141105.xmlandre-1-140818.xml laurent-1-150521-1.xml pierre-1-141106.xmlandre-1-140820.xml laurent-1-150521-2.xml pierre-1-141116.xml
Autres métadonnées : andre-1-140807.jpg
Identité du scripteur laurent-1-150515.jpg
Lieu d’envoi pierre-1-141029.jpg
Destinataire
Données semi-structurées
Nommage des fichiers (scripteur, date) :
andre-1-140807.xml laurent-1-150515.xml pierre-1-141029.xmlandre-1-140809.xml laurent-1-150516.xml pierre-1-141105.xmlandre-1-140818.xml laurent-1-150521-1.xml pierre-1-141106.xmlandre-1-140820.xml laurent-1-150521-2.xml pierre-1-141116.xml
Autres métadonnées : andre-1-140807.jpg
Identité du scripteur laurent-1-150515.jpg
Lieu d’envoi pierre-1-141029.jpg
Destinataire
Ceci n’est pas une base de données !
Données semi-structurées
• Documents
• Processus
• Outils
• Modèles
Numériser Transcrire
Je t'envoie donc trois cartes dans la même envelloppe
tu les recevras au moin tous a la fois et elle sont
toute numeroter pour les lires. je te disait donc
chère femme bien aimès que je t'ecrit ce soir 19 août
le dernnier soir que je suis à Aix en compagnie de
Marius buvant un verre de rhum bi Thé au rhum
Numériser Transcrire
Je t'envoie donc trois cartes dans la même envelloppe
tu les recevras au moin tous a la fois et elle sont
toute numeroter pour les lires. je te disait donc
chère femme bien aimès que je t'ecrit ce soir 19 août
le dernnier soir que je suis à Aix en compagnie de
Marius buvant un verre de rhum bi Thé au rhum
<unclear>disait</unclear><strikethrough>rhum</strikethrough>
TranscrireNumériser Transcrire
Numériser Transcrire
St Nicolas ici à gauche Varangéville a droitte c'est comme St Laurent
et Macon il y'a qu'un pont a traverser ca ce tien tous ainsi
que Dombasle qui se trouve encor mieux a droite nous somme
ici dans ces trois villes tant St Nicolas que Varangéville et Dombasle
au moin dix milles homme de troupes ça fait déjas quelque chose
comme soldats.
Numériser Transcrire
St Nicolas ici à gauche Varangéville a droitte c'est comme St Laurent
et Macon il y'a qu'un pont a traverser ca ce tien tous ainsi
que Dombasle qui se trouve encor mieux a droite nous somme
ici dans ces trois villes tant St Nicolas que Varangéville et Dombasle
au moin dix milles homme de troupes ça fait déjas quelque chose
comme soldats.
Carte postale sur 4 pages Position ?
Numériser Transcrire
Numériser Transcrire
Mardi Le 25 Janvier 1916
Cher beau-frère
Je repons à ton aimable carte que j'ai reçu hier
date du quelle ma fait bien plaisir de te savoir
en bonne santé car il et de méme pour moi
Je suis été à Baillargue Dimanche toute la famille
va bien mon père étaient à Montpellier pour
voir sil vous lez tuer les cochons cela fait qui les
turons Mercredi ou Jeudi je pense que tu goutera de
Numériser Transcrire
Mardi Le 25 Janvier 1916
Cher beau-frère
Je repons à ton aimable carte que j'ai reçu hier
date du quelle ma fait bien plaisir de te savoir
en bonne santé car il et de méme pour moi
Je suis été à Baillargue Dimanche toute la famille
va bien mon père étaient à Montpellier pour [?]
voir sil vous lez tuer les cochons cela fait qui les
turons Mercredi ou Jeudi je pense que tu goutera de
[?] <gap/>
Numériser Transcrire
Je t'envoie donc trois cartes dans la même envelloppe
tu les recevras au moin tous a la fois et elle sont
toute numeroter pour les lires.
Structurer Annoter
Je t'envoie donc trois cartes dans la même envelloppe
tu les recevras au moin tous a la fois et elle sont
toute numeroter pour les lires.
Je t'envoie donc trois cartes dans la même enveloppe,
tu les recevras au moins toutes à la fois et elles sont
toutes numérotées pour les lire.
Structurer Annoter
Tableau lexical :
avoir_VER:pres 3536ne_ADV 1582pas_ADV 1495être_VER:pres 1457bien_ADV 1107lettre_NOM 730bon_ADJ 604petit_ADJ 572faire_VER:pres 537recevoir_VER:pper 517plus_ADV 494jour_NOM 430faire_VER:infi 424santée_NOM 405
Structurer Analyser
Analyse de données
Structurer Analyser
Objectif TEI
Utiliser un langage de validation ?
DTD
XML Schema
Schematron
ODD
Structurer Publier
Objectif TEI
Utiliser un langage de validation ?
DTD
XML Schema
Schematron
ODD
Structurer Publier
A partir d’une représentation, publier :
• sur le Web• sur différents sites• sur différentes présentations• sur le papier (?)
Structurer Publier
• Documents
• Processus
• Outils
• Modèles
MS-WordOpenOfficeLibreOffice…
Traitement de texte
Problèmes :
AutoCorrectAutoFormatAutoText…coeur Cœurapostrophestraits d’union…
Traitement de texte
Notepad
Notepad++ (support XML)
Komodo Edit (multi-plateforme)…
Editeurs de texte
Editeurs XML
Logiciel de textométrie
• Documents
• Processus
• Outils
• Modèles
Text Encoding Initiative
• un standard ?• une norme ?• des recommendations ?
La TEI c'est quoi?Lou Burnard, MMSH, Aix-en-Provence, 11 February 2011http://tei.oucs.ox.ac.uk/Talks/2011-02-aix/talk-intro-tei.xml
TEI
Text Encoding Initiative
• un standard ?• une norme ?• des recommandations ?
La TEI c'est quoi?Lou Burnard, MMSH, Aix-en-Provence, 11 February 2011http://tei.oucs.ox.ac.uk/Talks/2011-02-aix/talk-intro-tei.xml
Ceci n’est pas un format !
TEI
2. Les enjeux de la TEI"Text Encoding for Interchange"• faciliter la création, l’échange, et l’intégration des données
textuelles informatisées o toute sorte de texteo toutes les langues o toute origine temporelle ou culturelle
• La TEI s'adresse également ...o aux débutants, cherchant des solutions bien connues et
consensuelleso aux experts, cherchant à créer de nouvelles solutions
3. Les buts de la TEI• faire des recommandations qui se basent sur un consensus existant• préférer les solutions générales à celles spécifiques à une discipline• en même temps permettant la spécialisation et l'extension
TEI
11 Representation of Primary Sources
TEI
Un balisage sur :
• la structure physique du document <surface xml:id="alfred-1-141202-1-a" type="verso" n="1v"> <graphic url="../../Images/alfred-1-141202-1-a.jpg"/> </surface>
• la structure logique du document<body><opener>St Nicolas du Port le 2 décembre 1914 Chère femme et cher fils<lb/></opener><p>
• la structure sémantique du document <rs type="recipient">épouse</rs>
TEI
XSL stylesheets for TEI XML
This is a family of XSLT 2.0 stylesheets to transform TEI XML documents to various formats, including XHTML, LaTeX, XSL Formatting Objects, ePub, plain text, RDF, JSON; and to/from Word OOXML (docx) and OpenOfice (odt). They concentrate on the core TEI modules which are used for simple transcription and ‘born digital’ writing. It is important to understand that they do not: • cover all TEI elements and possible attribute values• attempt to define a standard TEI processing or rendering
model
TEI-XSL
Modèles d’édition
La mise en place d’un workflow dépend de :
o Ressources, contexte
o Modèle de document, métadonnées
o Processus : numériser - transcrire - annoter - publier - exploiter
(1) édition des textes, traitements textométriques
(2) représentation des sources primaires, publication
(3) workflow multimodal
Edition en trois phases
Contexte :• divers lieux de numérisation• stagiaires effectuent transcriptions• chercheurs dans plusieurs structures• habitude des formats Office (doc, odt, pdf…)• exigence de statistiques textuelles
(1) édition des textes
Contexte :• divers lieux de numérisation• stagiaires effectuent transcriptions• chercheurs dans plusieurs structures• habitude des formats Office (doc, odt, pdf…)• demande de statistiques textuelles
• TXM• définition d’un format pseudo-XML (mal formé !)• pas d’éditeur XML (oXygen ?)
(1) édition des textes
conversion
(1) édition des textes
pseudo-XML
identities.csv
XML/w
metadata.csv
corpus14.css
conversion
(1) édition des textes
pseudo-XML
identities.csv
XML/w
metadata.csv
corpus14.css
Problème : retro-conversions ?
(1) édition des textes
(1) édition des textes
Contexte :• hébergement sur Ortolang• consultation de textes et images en vis-à-vis• métadonnées exposées à moissonneurs OAI-PMH• indexation par moteurs de recherche
(2) représentation des sources primaires
Contexte :• hébergement sur Ortolang• consultation de textes et images en vis-à-vis• métadonnées exposées à moissonneurs OAI-PMH• indexation par moteurs de recherche
• TEI module: transcr (Representation of Primary Sources)
…parallel / embedded transcription • conversion de XML/w à TEI• fusion images et textes sur la base du schéma de
nommage• pas d’éditeur XML, mais un éditeur polyvalent (Komodo)
(2) représentation des sources primaires
conversion
(2) représentation des sources primaires
XML/w
identities.csv
metadata.csv
Dossiers images
XML-TEI
sous-corpus scripteurs
Images
<creation> <name>Alfred Foray</name> <date when="1914-08-19">19-08-1914</date> <rs type="place">Aix-les-Bains</rs> <rs type="recipient">épouse</rs> </creation> </profileDesc></teiHeader><!-- L'élément <facsimile> décrit l'ensemble d'images associées à la correspondance (carte="card", lettre="letter") --><facsimile> <surfaceGrp type="card" n="1"> <!-- Chaque image doit être décrite suivant le modèle: <surface xml:id="*" type="verso|recto" n="?v|?r"><graphic url="*.jpg"/></surface> --> <surface xml:id="alfred-1-140819-2-ph" type="recto" n="1r"> <graphic url="../../Images/alfred-1-140819-2-ph.jpg"/> </surface> <surface xml:id="alfred-1-140819-2" type="verso" n="1v"> <graphic url="../../Images/alfred-1-140819-2.jpg"/> </surface> </surfaceGrp></facsimile><text xml:lang="fr" facs="#alfred-1-140819-2"><!-- L'élément <opener> (optionnel) regroupe une ligne de date (et lieu) <dateline> et une formule de politesse <salute> --><body><opener>Je t'envoie donc trois cartes dans la même envelloppe<lb/></opener><p>tu les recevras au moin tous a la fois et elle sont<lb/>toute numeroter pour les lires. je te disait donc<lb/>chère femme bien aimès que je t'ecrit ce soir 19 août<lb/>le dernnier soir que je suis à Aix en compagnie de<lb/>Marius buvant un verre de <del rend="overstrike">rhum</del> <del rend="overstrike">bi</del> Thé au rhum<lb/>mais ce qu'il y a desagréable c'est que tu va recevoir<lb/>ces cartes huit jours apres que nous seront<lb/>partit puisque voilas 15 jours que nous somme ici<lb/>et que nous avons reçu tous les deux deux lettre le<lb/>17 courant qui était dater par vous du 12 et du<lb/>13 août et que vous ne savier pas encor que nous<lb/>étions ici a Aix. Enfin nous sonme tous bien portant et<lb/>tous se passe bien les francais son vainqueur partout<lb/>a bientot les plaisir de vous voir Alfred<lb/></p></body><!-- L'élément <closer> (optionnel) regroupe une formule de politesse <salute> et une signature <signed> --></text></TEI>
(2) représentation des sources primaires
(2) représentation des sources primaires
Ce qu’on ne fait pas :
document TEI qui contient une spécification de schema :ODD (One Document Does it all)
(2) représentation des sources primairesPortail TXM
Contexte :• Publication de nouvelles versions du corpus• Alterner transcription fidèle et orthonormée• Ajouter carnets de guerre• Gérer plusieurs langues• Format unique pour TXM et Ortolang ?• Import en TXM d’un format TEI
(3) workflow multimodal
Contexte :• Publication de nouvelles versions du corpus• Alterner transcription fidèle et normée• Ajouter carnets de guerre• Gérer plusieurs langues• Format unique pour TXM et Ortolang ?• Import en TXM d’un format TEI
Work in progress
(3) workflow multimodal
Je ne voi rienplus a vous dirre pour le momentet jen profite pour vousremerçier !
Je ne voi rienplus a vous dirre pour le momentet jen profite pour vousremerçier !
Ceci n’est pas une citation de Laurent !