Desktop versionMobile Version

THATCamp Saint-Malo 2013

Pratiques

Hyphe : la cartographie des controverses

Anmerkungen des Autors

Le logiciel HYPHE (http://jiminy.medialab.sciences-po.fr/hyphe-demo) permet de classer les entités du web : l’interface permet de filtrer, rapidement, à la main, les sites, après les avoir « crawlé ».

Volltext

Le logiciel HYPHE

  • 1 Une intervention filmée de Paul Girard sur l'Hypertext corpus initiative est disponible en ligne.

1Le web est un espace documentaire complexe par la masse des données présentes et c’est aussi un réseau de nœuds hiérarchisés. Comment tirer profit de ce « réseau » de ressources numériques ? La méthode développée par le Médialab1 se propose de répondre à cette question en développant un nouvel outil : Hyphe. L’idée est d’équiper le chercheur et de l’aider à prendre en compte les données publiées sur le web, pour y récupérer des ressources.

La hiérarchie des URL

2Hyphe permet d’abord de reconstruire la hiérarchisation des URL. Celles-ci semblent présenter une information hiérarchisée (site, nom de domaine, page), or la structuration de cette information passe souvent du spécifique au générique pour revenir au spécifique (http://site/​nomdedomaine/​page).

3Hyphe permet ensuite de « crawler » les liens internes et externes. La plupart des pages d’un site se citent entre elles, de façon à assurer la navigation dans le site. Seules certaines pages contiennent des liens externes. Dans cette optique, la notion de site web n’existe donc pas « techniquement », tout est une question de probabilité de « citations » de pages. L’idée du projet est de travailler sur cette probabilité de citabilité des URL.

4L’outil et la méthode exigent que le chercheur définisse lui-même ce qu’est un « site web », en pointant vers les éléments qui composent l’URL.

5Indirectement, il s’agit aussi de travailler sur les alias et de gérer les changements de domaine les outils pouvant pointer vers deux domaines alors qu’il s’agit d’un seul et même site) en les neutralisant.

6Un même acteur, peut avoir différentes présences sur le web, Hyphe permet d’agréger ces différentes présences et d’unifier les liens entrants et sortants. Bref, pour passer du web au corpus, on travaille d’abord sur les unités (sélection/exclusion de liens/filtrage), puis on les tague.

7Pour construire une recherche, il faut d’abord entrer des liens, c’est-à-dire une série de liens formant un corpus. La « machine » détecte alors un « cœur de domaine » et elle affine le corpus grâce à cette sélection. Le filtrage permet de trier les données : il s’agit d’une opération humaine, elle n’est donc pas automatisée.

8Le projet a donc permis de revenir sur une idée reçue : le « triage » de données est lent, la machine est lente, travailler avec le numérique ne permet pas forcément de gagner du temps. Le chercheur sélectionne dans un premier temps des entités dans le web (fouille de données), il demande, dans un deuxième temps, à la machine de récupérer ces pages (URL) et dans un troisième temps, il confirme l’intérêt de ces sites.

Quelques exemples d’utilisation

  • E-Diaspora Atlas : étude des « French Expatriates »,

  • analyses lexicales du web,

  • « cartographies des controverses ».

9Un test a été fait à partir de la page http://pireh.univ-paris1.fr/​DHfrancophone/​index.php

  • on commence par définir les points d’entrée du corpus (ici, la liste du PIREH), une liste d’URL,

  • on récupère les données (importation de la liste d’URL),

  • on crawle tout ce corpus pour y ajouter tous les sites qui y sont liés (le robot teste des webentités : liens directs/redirections),

  • on classe ensuite les liens trouvés (il est nécessaire de rappeler l’importance du travail en amont dans la constitution des corpus),

  • il est possible d’exporter les données pour les importer sur Gephi.

Anmerkungen

1 Une intervention filmée de Paul Girard sur l'Hypertext corpus initiative est disponible en ligne.

Abbildungsverzeichnis

URL http://books.openedition.org/editionsmsh/docannexe/image/2208/img-1.png
Datei image/png, 118k

CC-BY-NC-SA-4.0

Nur der Text ist unter der Lizenz CC BY-NC-SA 4.0 nutzbar. Alle anderen Elemente (Abbildungen, importierte Anhänge) sind „Alle Rechte vorbehalten“, sofern nicht anders angegeben.

Lesen

Open access

Kaufen

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search