Voyant Tools
Indroduction
Voyant Tools appelé aussi Voyeur est un environnement d'analyse de texte en ligne. Son interface est faîte pour être facilement utilisée tout en étant flexible et puissante. Il fait parti d'Hermeneuti.ca, un projet collaboratif qui a pour but de développer des outils d'analyse de texte. En novembre 2014, il était toujours en phase beta car certaines fonctionnalités n'ont pas encore été intégrées.
Présentation
Qu'est Voyant Tools permet de faire?
Cet outil d'analyse de texte permet d'apprendre comment fonctionne l'analyse assistée par ordinateur. Il permet d'analyser des textes trouvés sur le web ou des textes contenus sur notre ordinateur, pour cela, il met à disposition de nombreux outils qui permettent d'analyser de plusieurs manières les textes. Grâce à lui, on peut aussi enrichir les pages web grâce à l'exportation de certaines fonctionnalités permettant d'ajouter des blocs interactifs qu'on peut facilement incruster dans les pages web. Il offre la possibilité de créer nos propres outils en utilisant leur code. Il est important de noter que Voyant Tools ne conserve pas les textes analysés dans une base de donnée, ce qui pourrait poser des problèmes de confidentialité.
Principes de conception
Ci-dessous, les différents points sur lesquels Voyant Tools est basé concernant sa conception :
- Modularité : les outils doivent être capables de s'adapter les uns avec les autres au sein de différentes configurations.
- Généralisation : les outils doivent être conçus pour répondre à plusieurs types de texte et à plusieurs types d'utilisations.
- Sensibilité de domaine : les outils doivent être sensibles à la façon dont les chercheurs travaillent et de la manière qu'ils interagissent avec des textes numériques.
- Flexibilité : les outils doivent être en mesure de travailler avec des ressources hébergées en local ou en ligne et qui peuvent être de formats différents.
- Internationalisation : les outils doivent permettre aux utilisateurs de travailler avec différentes langues.
- Performances : les outils doivent être performants sachant que c'est un environnement virtuel.
- Extensibilité : Pouvoir facilement créer de nouveaux outils et les adapter à ceux existants.
- Interopérabilité: les outils doivent fournir des API publiques afin qu'elles puissent interagir avec d'autres composants sur le web.
- Adaptation du thème graphique: les outils doivent de pouvoir être personnalisés afin de respecter les préférences des différents utilisateurs.
- Evolutivité: les outils doivent fournir des fonctionnalités pour de petits ou grands corpus.
- Simplicité: L'interface des outils doit être facile d'utilisation.
- Référençabilité : les outils et leurs résultats devraient pouvoir être référencés et cités comme des ressources académiques.
A qui s'adresse-t-il?
Il est très simple d'utilisation, il s'adresse donc autant aux chercheurs qu'aux étudiants ou aux personnes intéressés à faire de l'analyse de texte.
Formats
Les différents types de format proposés pour l'importation et l'exportation. Comme il est toujours en beta, cela est susceptible d'évoluer.
- Format d'importation : HTML, TXT, XML, PDF, DOC
- Format d'exportation : CSV, TXT, XML
Prix
Il est gratuit!
Caractéristiques clés de Voyant Tools
- Utiliser des textes venant de nombreux formats (HTML, XML, PDF, RTF et doc)
- Utiliser des textes venant d'URL ou de fichiers uploadés
- Faire des analyses lexicales, y compris l'étude de fréquence et de distribution des données
- exporter des données vers d'autres outils (XML, etc.)
- Intégrer des fonctionnalités de Voyeur sur des sites web
Outils proposés par Voyant Tools
Voyant Tools propose différents outils concernant l'analyse de texte. Pour plus de détails (en anglais) concernant les fonctions de l'outil, cliquez dessus.
Certains outils comme Lava ou Term Fountain, nécessitent une version trop ancienne de java et ne semblent plus fonctionner.
Outils triés par ordre alphabétique
Bubblelines
- Bubblelines : outil de visualisation des répétitions des mots dans un ou plusieurs documents.
Bubbles
- Bubbles : outil illustrant la fréquence des mots grâce à des bulles plus ou moins grosses.
(image du site officiel de la version beta de l'outil)
Cirrus
- Cirrus : outil permettant d'illustrer la fréquence des mots d'un ou plusieurs textes dans un nuage de mot.
(image du site officiel de la version beta de l'outil)
Corpus Grid
- Corpus Grid : outil présentant de façon générale le corpus sous forme de table.
(image du site officiel de la version beta de l'outil)
Corpus Summary
- Corpus Summary : outil permettant d'avoir une vue d'ensemble, de forme textuelle, du corpus actuel.
(image du site officiel de la version beta de l'outil)
Corpus Term Frequencies
- Corpus Term Frequencies : outil montrant une table de la fréquence et de la répartition des mots dans un corpus entier.
(image du site officiel de la version beta de l'outil)
Collocate Term Frequencies
- Collocate Term Frequencies : outil présentant sous forme de table la fréquence des mots autour d'un mot clé. (ne semble pas disponible)
Document Term Frequencies
- Document Term Frequencies : outil présentant une table de la fréquence des mots pour chaque document dans le corpus.
Document KWICs
- Document KWICs : outils illustrant une table de mots-clés avec leur contexte.
(image du site officiel de la version beta de l'outil)
Entities Browser
- Entities Browser : visualisation d'entités nommées. (ne semble pas disponible)
Knots
- Knots : outil de visualisation qui aide à comprendre la pertinence des mots dans un ou plusieurs documents.
(image du site officiel de la version beta de l'outil)
Lava
- Lava : outil permettant d'afficher plusieurs niveaux d'un corpus dans un environnement 3D.
(image du site officiel de la version beta de l'outil)
Links
- Links : outils permettant de visualiser la fréquence des mots et leur proximité.
(image du site officiel de la version beta de l'outil)
Mandala
- Mandala : outil de visualisation qui importe les fichiers textuels pour effectuer des analyses sur la fréquence et la liaison des mots.
(image du site officiel de la version beta de l'outil)
Reader
- Reader : outil permettant la lecture de documents dans un corpus.
(image du site officiel de la version beta de l'outil)
ScatterPlot
- ScatterPlot : outil permettant la création d'un nuage de points dans un graphe représentant les termes, espacés par leur variation.
(image du site officiel de la version beta de l'outil)
Term Frequencies Chart
- Term Frequencies Chart : outil permettant de savoir comment sont répartis les termes par texte dans un corpus grâce à un graphique.
(image du site officiel de la version beta de l'outil)
Term Fountain
- Term Fountain : outil permettant de visualiser sous forme de fontaine la fréquence des mots.
(image du site officiel de la version beta de l'outil)
Annexe
Retrouvez l'ensemble des informations sur les outils sur cette page (en).
Développeurs de Voyant Tools
Présentation de l'interface générale (beta)
Interface d'accueil
Nous avons l'interface d'accueil lorsque nous arrivons sur le site.
Interface générale
Ensuite, nous avons aussi l'interface générale lorsque le texte a été analysé. Voir explications sur l'image.
Tutoriel (utiliser Voyant Tools pour une analyse)
Introduction
Pour ce tutoriel, nous allons faire une petite analyse sur le livre "Candide ou l'Optimisme", un texte de Voltaire très connu dans la littérature française. Ce livre est disponible gratuitement et légalement sur ce site. Cela permettra de mieux contextualiser l'utilisation des principaux outils et quels types d'informations on peut en tirer.
Cette analyse sera aussi faite dans le tutoriel de Taporware 2.0 par Victor G.. Taporware 2.0 est concurrent de Voyant Tools qui permet aussi de faire des analyses de textes. Cela permettra à l'utilisateur de comparer ces deux outils et de regarder les avantages et désavantages des deux afin qu'ils puissent choisir celui qui répond le mieux à ses besoins. Les deux étant complémentaires au niveau de certaines fonctions.
Nettoyage du texte
La première étape a consisté a nettoyé le texte afin d'obtenir uniquement le contenu du livre. Pour cela, son titre, ses chapitres et son contenu ont été retenus pour l'analyse et le reste a été mis de coté. Cela a été fait dans le but de faciliter l'analyse, Voyant Tools n'étant pas un outil très puissant pour analyser seulement des parties spécifiques d'un texte. Celui-ci étant plus destiné à analyser un corpus de textes.
L'analyse
Début de l'analyse
Premièrement, il faut accéder au site Voyant Tools via cette URL : http://voyeurtools.org/ On upload le ou les texte(s) et on clique sur "reveal" afin de lancer l'analyse du texte.
Une fois que cela est fait, on arrive sur l'interface générale. On va d'abord s'intéresser à l'outil "Cirrus". Avant de commencer l'analyse, sélectionner la "Stop Words List" dans les paramètres de l'outil (voir image). Cela va permettre de retirer les mots qui ne sont pas pertinents pour l'analyse comme "le, la, un, des, etc.". Cette liste est facilement facilement éditable. La même procédure devra être répété pour tous les outils.
Analyse avec Cirrus
Comme on peut le voir sur l'image ci-dessus, cet outil permet de voir les mots qui sont les plus répétés dans le corpus. En passant le curseur sur un mot, on peut avoir son nombre d'occurrence.
Dans le cadre de cette analyse, il est intéressant de relever que les mots les plus cités sont des personnages du livre. On a les mots : "Candide, Cunégonde, Cacambo, Martin, Pangloss" ceux-ci étant cités le plus de fois, on peut pensé qu'ils sont les personnages principaux de l'histoire. Candide étant le mot le plus grand dans ce nuage (donc relevé le plus de fois), on peut supposer que c'est le personnage le plus important de l'histoire. Il y a aussi des personnages qui semblent moins importants comme la Veille, le Roi, le Baron, l'abbé qui sont présents dans ce nuage de mot. Du fait de leur petite taille dans le nuage, cela nous indique que ce sont sûrement des personnages secondaires.
Cet outil, nous permet aussi de relever certaines thématiques qui ont l'air de ressortir de cette œuvre, comme la question du bien et du mal ou plutôt des valeurs morales des mots comme : "mal, drame, bon, plaisir" présents dans le nuage. Les mots comme « venise, pays, vaisseau, ville » ont l'air de nous indiquer qu'il y a aussi la thématique du voyage dans ce roman. On peut supposer que l'oeuvre tourne autour de concepts s'affrontant au cours du récit avec des mots souvent citées s'opposant fortement comme : veille/belle-beau, bon/mal. On peut supposer qu'il y a aussi un rapport de force entre les personnages avec les mots comme : maître, patron, diamants, château. La notion du temps est aussi très présente avec les mots comme "moment, temps, jours". La religion a l'air de faire partie du récit de manière importante car on retrouve dans ce nuage des mots comme : "dieux jésuites, l'abbé", sûrement que ce thématique est liée à celle du bien et du mal.
Voilà une petite analyse préliminaire que l'on peut obtenir en utilisant cet outil. Certains points semblent intéressant. Et mériterait d'être creusés pour vérifier ces premières hypothèses d'analyse.
Analyse avec Summary
Cet outil est donne une vue intéressante sur le corpus mais n'est pas indispensable à l'analyse car il donne les mots les plus fréquents, le nombre de documents dans le corpus, le nombre de mots total et le nombre de mots unique.
Analyse avec Corpus Term Frequencies
Dans la suite de cette petite analyse mener dans le cadre de ce tutoriel, nous allons brièvement s'intéresser à la fréquence d'apparition des personnages grâces aux autres outils disponibles dans l'interface de Voyant Tools. Grâce à l'outil Corpus Term Frequencies, on peut sélectionner les mots que l'on veut traiter dans l'outil Word Trends (voir outil suivant). Nous sélections le nom des personnages qui semblent être principaux. On peut voir sur l'image ci-dessus que l'occurrence de ces mots est aussi mentionné.
Analyse avec Word Trends
Une fois les noms des personnages sélectionnés dans l'outils Corpus Term Frequencies vu précédemment, ceux-ci s'affiche sous forme de graphique dans l'outil "Word Trends" dont l'axe vertical représente la fréquence des mots et l'horizontal représente le nombre de segment du texte que l'on peut nous même définir (10 dans notre exemple d'analyse). Grâce à ce graphique, on va pouvoir tirer des informations pertinentes concernant les personnages du roman. On voit par exemple qu'au début du livre, Cacambo et Martin ne sont pas cités, parce qu'à ce stade du récit ces personnages n'interviennent pas dans l'histoire. Par contre Candide est Pangloss sont beaucoup cités ce qui signifie qu'ils sont importants pour le début de l'histoire. Si on regarde la courbe du mot "Candide", on s'aperçoit que celle-ci est toujours plus cité dans l'ensemble du romain quelque soit le segment. On peut donc aisément conclure que Candide est le personnage principal et qu'il est le pillier de cette histoire sur l'ensemble du livre. Si on regarde la zone B, on voit que vers le segment 8 qui représente un peu plus que le tiers du livre, les personnages de Pangloss et Cacambo ne sont presque plus cités, ce qui voudrait dire qu'ils quittent l'histoire (pour diverses raisons) vers la fin du livre. Au même endroit la fréquence du mot martin augmente et candide aussi, ce qui laisse penser que ces personnages prennent plus d'importance dû à l'abscence des deux autres. Il faut qu'il leur fréquence d'apparation augmente vers la fin du livre laisse penser qu'ils reviennent dans le récit. Sont-ils cités par les autres personnages ou interviennent-ils directement, cela serait une question à approndire.
Analyse avec Keywords in Context
Grâce à cet outil, on peut voir les mots sélectionner dans leur contexte. Sur l'image, on a un exemple des noms des personnages principaux dans leur contexte. Cela peut par exemple se révéler très utile pour obtenir rapidement des informations sur un ou plusieurs personnages.
Analyse avec Words in Documents
Grâce à cet outil, on peut voir la fréquence des mots mais aussi leur répartition un document du corpus. L'information est assez rebondante comme nous avons qu'un texte dans le corpus et que l'outil Corpus Term Frequencies concerne l'ensemble du corpus.
Analyse avec deux outils externes de l'interface générale
Nous avons présenté, l'ensemble des outils présent sur l'interface de base de Voyant Tools. Mais le site permet d'utiliser d'autres outils via des liens externes (voir présentation des outils). Nous allons donc compléter notre analyse de base par l'utilisation de deux outils externes proposé par Voyant Tools.
Analyse avec deux outils externes de l'interface générale
Pour le premier outil externe qui se nomme links, nous avons utilisé ce lien : http://hermeneuti.ca/voyeur/tools/Links Nous avons donc ré-uploadé le texte.
Grâce à cet outil, on peut voir la fréquence des mots mais aussi leur répartition un document du corpus. L'information est assez rebondante comme nous avons qu'un texte dans le corpus et que l'outil Corpus Term Frequencies concerne l'ensemble du corpus.
Conclusion générale de l'analyse
VT + et -
Sources des analyses
( A METTRE OU PAS?) Cette analyse est disponible dans Voyant Tools à cette adresse : http://voyeurtools.org/?corpus=1418734568523.3437&stopList=stop.fr.veronis.txt