Analyse exploratoire d’entrevues de groupe : quand ALCESTE, DTM, LEXICO et SATO se donnent la main
description
Transcript of Analyse exploratoire d’entrevues de groupe : quand ALCESTE, DTM, LEXICO et SATO se donnent la main
1
Analyse exploratoire d’entrevues de groupe : quand ALCESTE, DTM,
LEXICO et SATO se donnent la main
François Daoust
Gaëlle Dobrowolski
Monique Dufresne
Claire Gélinas-Chebat
JADT 2006 – Besançon
2
OBJECTIFS
3
• 1 : Montrer comment on peut combiner plusieurs logiciels de lexicométrie (ALCESTE, DTM et LEXICO3) pour valider et compléter une analyse SATO.
4
• 2 : Mettre à l'épreuve des chaînes de traitement qui font appel à des passerelles de conversion développées dans le contexte du réseau ATONET.
5
CONTEXTE DE LA
RECHERCHE : ATONET
6
Les trois volets d’ATONET
• méthodologie et partage de corpus• formats d'échange de documents
électroniques• terminologie de l'analyse des
données textuelles
7
CORPUS
8
• Entrevues enregistrées de neuf groupes de jeunes rencontrés à Rennes en 2000 (48 jeunes Français)
Corpus Gallopel
9
• Chacun des 9 groupes comprend 5 à 6 jeunes et un intervenant :
– âgés entre 15 à 25 ans
– fumeurs et non fumeurs – hommes et femmes
10
Entrevues semi dirigées
• 1 Discussion précédée d’une période de familiarisation avec le tabagisme
• 2 Discussion suite à l’introduction d’une brochure
11
ANALYSE AVEC SATO:
Nature
12
• Analyse sémantico statistique basée sur une construction itérative d’une grille catégorielle
13
ANALYSE AVEC SATO :
Démarche
14
Démarche (1)
• Comparaison de lexiques associés à des sous-textes établis selon :
– sexe
– fumeur / non-fumeur
– avant / après message anti-tabac
15
Démarche (2)
• Indices statistiques simples :
– Distance du Chi2
– Mesure d'écart à la moyenne
16
ANALYSE AVEC SATO :
Étapes
17
Étapes (1)
Va et vient entre les données lexicales brutes et leurs contextes d’utilisation (Kwic):
1. Approche univariée : saisir la spécificité de la stratification induite par chacune des variables sociologiques
2. Approche multivariée : tenir compte de l’interaction de ces variables
18
Étapes (2)
• Émergence d'une grille catégorielle sémantique :– apparence, arrêt, négation, concret,
danger, dépendance, soc-je*, maladie, mort, plaisir, …
– soc-ami, soc-famille, soc-gens, soc-jeune, liberté, envie, conscience, volonté, …
*(Le préfixe soc- renvoie à un ensemble de catégories
référant aux rapports sociaux identifiés par les jeunes.)
19
ANALYSES AVEC SATO :
Conclusions
20
Conclusions (1)
• Construction d'une grille
catégorielle transparente et respectueuse de la spécificité du contexte d'énonciation.
21
Conclusions (2)
• Démarche itérative combinant :– une approche inductive (qualitative) – une utilisation d'outils simples de
statistique lexicale– une approche plus sensible à la
pragmatique textuelle.
22
Conclusions (3)
• Production de données qualifiées (catégories) qui traduisent la démarche interprétative de l’analyste
23
VALIDATION
24
• Validation de notre démarche et de nos résultats par divers logiciels de statistique textuelle :
– ALCESTE (Reinert)
– LEXICO 3 (Salem)
– DTM (Lebart)
25
Chaîne de traitement (1)
Format initial des données : balises SATO (propriétés)– identification du locuteur et des
caractéristiques sociologiques
– identification des sections pré ou post «brochure».
26
Chaîne de traitement (2)
*page=gallo02/11
*pub=brochure *locuteur=s36
*fumeur=non *sexe=h Bah, la brochure là, elle nous présente ce qui nous attend si on fume. Mais c ’est très… quoi, moi j ’ai lu ça, mais je ne sais pas je ne suis pas fumeur, donc je ne ressens peut-être pas ça de la même façon..
27
Chaîne de traitement (3)
• Passerelle en Perl pour exporter le corpus en XML-TEI
• Conversion de la version TEI vers les formats propriétaires ALCESTE, LEXICO et DTM
28
ANALYSE AVEC
ALCESTE
29
ALCESTE (1)
• méthode complètement automatique qui vise à faire émerger des mondes lexicaux
• s'appuie sur des régularités statistiques pour faire émerger la structure du discours à partir des énoncés(Avec SATO, nous étions partis d'hypothèses structurantes du discours pour faire parler les données)
30
ALCESTE (2)
•Résultats corpus Initial* : deux classes– Classe 1 (1/3 des UCE) :
• surtout les interventions exprimées après l'exposition au message antitabac (Chi2=33.82).
• plus faiblement une présence significative des UCE des non-fumeurs
*(transcription des entrevues dans leur découpage original en interventions; sont exclues les interventions des intervenants)
31
ALCESTE (3)
– Classe 2 (2/3 des UCE) : • surtout des interventions précédant la
présentation du message antitabac (Chi2=33.82)
• aussi, mais plus faiblement, une présence significative des UCE des fumeurs (Chi2=8.81)
32
ALCESTE (4)Formes représentatives de la classe n°1
Chi2 u.c.e. dans la classe Formes réduites
100.00 51 cancer+ 93.85 38 image+ 83.51 31 choc+ 82.20 38 poumon+ 81.60 35 choqu+er 73.64 42 preventi+f 61.71 23 routier+ 53.58 20 temoign+23 53.47 107 voir. 50.88 19 tele 49.69 39 pub+ 46.79 22 femme+ 45.39 24 mort+ 42.83 23 mourir. 42.16 46 tabac+
Formes représentatives de la classe n°2Chi2 u.c.e. dans la classe Formes réduites102.21 446 fum+er 68.65 233 arret+er 28.50 95 commenc+er 28.44 170 fum+eur 22.54 64 essa+yer 21.46 87 envi+e 20.22 69 arrete+ 19.36 108 cigarette+ 17.11 61 paquet+ 16.34 64 volonte+ 16.04 68 prendre.
33
ALCESTE (5)
• CONCLUSIONS :– ALCESTE confirme que la variable
avant/après le message antitabac représente le premier élément de structuration du corpus, ce qui constitue pour nous le résultat le plus significatif.
– ALCESTE relève la présence de l’opposition fumeur/non-fumeur, deuxième variable prise en compte dans l'analyse SATO.
34
ALCESTE (6)
– ALCESTE a donc retrouvé ce que nous avions observé lors de la comparaison de lexiques construits sur la base d’un découpage global du corpus.
– Ce point de rencontre entre les approches ascendantes et descendantes est un outil important de validation de l’interprétation.
35
ANALYSE AVEC LEXICO O
36
LEXICO (1)
• LEXICO : – calcule les spécificités
lexicométriques de parties d'un corpus d'après un modèle probabiliste basé sur la loi hypergéométrique (cf. Lebart, Salem 1994)
– rend possibles des analyses factorielles de correspondances (AFC) sur un corpus partitionné
37
LEXICO (2)
• Première approche :
– Analyse du corpus Participant* : découpage du corpus selon le profil des répondants
*(ensemble des interventions de chaque participant identifié par un nom résumant son profil et suffixé par a ou b pour identifier le discours du participant avant et après le message antitabac; Élimination des participants dont le profil sociologique est incomplet)
38
Corpus Participant : individus sur le plan des 2 premiers axes de l'AFC
39
Lexico (4)
• Deuxième approche : – calcul des spécificités reportées sur la
sortie de l'analyseur DISTANCE de SATO appliqué au lexique avant et après la brochure.
40
Lexico (5)Comparaison entre les spécificités et la distance du Chi2
Fréqtot avant après explique cumul 0.08 0.15 0.03 0.55 0.55 clair * (lexico 6) 0.05 0.00 0.09 0.50 1.05 brochure 0.25 0.37 0.17 0.49 1.54 aussi * (lexico 6) 0.46 0.60 0.36 0.40 1.94 t' * (lexico 5) 0.07 0.12 0.03 0.39 2.33 santé * (lexico 5) 0.77 0.95 0.64 0.39 2.72 ouais * (lexico 3) 0.02 0.04 0.00 0.32 3.03 appelle * (lexico 4) 0.05 0.01 0.09 0.31 3.35 risques (lexico -5) 0.06 0.10 0.03 0.31 3.66 dépendance * (lexico 5) 0.06 0.10 0.03 0.31 3.96 plaisir * (lexico 5) 1.65 1.88 1.49 0.30 4.26 je * (lexico 3) 0.02 0.05 0.00 0.28 4.54 doigts * (lexico 4) 0.01 0.03 0.00 0.26 4.80 odeur * (lexico 4) 0.16 0.09 0.21 0.25 5.05 elle (lexico -5) 0.11 0.06 0.15 0.24 5.30 beaucoup (lexico -3) 0.03 0.00 0.05 0.24 5.53 lire (lexico -4) 0.13 0.18 0.09 0.23 5.76 toi * (lexico 4) 0.01 0.03 0.00 0.23 5.99 3ème * (lexico 3) 0.03 0.00 0.04 0.23 6.22 témoignage 0.05 0.09 0.03 0.22 6.44 grave * (lexico 3) 0.42 0.32 0.49 0.22 6.66 ! 0.26 0.33 0.20 0.22 6.88 ben * (lexico 3) 0.08 0.04 0.11 0.21 7.09 " 0.61 0.49 0.69 0.21 7.30 - 0.44 0.34 0.51 0.21 7.50 peut (lexico -3) 0.02 0.03 0.00 0.20 7.70 caractère * (lexico 3)
41
Lexico (6)
• Conclusion :– Très large recouvrement entre les formes
lexicales qui contribuent le plus à la distance et les spécificités calculées par LEXICO :
• parmi les mots manquants, il y a les ponctuations qui, apparemment, ne sont pas prises en compte par LEXICO, de même que les formes absentes dans le corpus Avant
• la mesure de spécificité de LEXICO fournit un bon complément à la DISTANCE du Chi2 par l'ajout d'un seuil statistique
42
ANALYSE AVEC DTM
43
DTM (1)
• DTM :– Outil dédié à l’analyse exploratoire de
données numériques multivariées et de données textuelles (par exemple un sondage avec questions ouvertes et fermées)
– Comptage des mots du texte brut produisant des variables représentant le nombre d’occurrences du mot
44
DTM (2)
• Expérimentation # 1 :– Analyse du corpus Participant : le corpus
est vu comme un ensemble de 87 individus.
• Le profil sociologique est enregistré comme autant de réponses catégorielles à des questions fermées : pub (nil, brochure), sexe (homme, femme) et fumeur (non, oui).
• Les interventions avant et après le message antitabac donnent lieu à deux questionnaires distincts.
• L'ensemble des interventions d'un individu pour chaque questionnaire constitue la réponse à une question ouverte unique.
45
Corpus Participant : variables catégorielles sur le plan des 2 premiers axes de l'AFC
46
DTM (4)
• Confirmation de l'influence du message antitabac et des variables catégorielles sur la structure du discours
47
DTM (5)
• Expérimentation # 2 :– Production d'un corpus artificiel
(Participant catégorisé) par substitution des catégories aux unités lexicales catégorisées
48
DTM (6)
– Calcul de l'AFC en croisant :• les 87 participants avec 702 variables textuelles, soit les
formes lexicales non catégorisées et catégorisées sémantiquement (propriété thème).
Cette substitution recouvre 12,26 % des occurrences.
49
Corpus Participant catégorisé: variables catégorielles sur le plan des 2 premiers axes de l'AFC
50
DTM (8)
• La projection des variables sociologiques sur le plan factoriel suit le même jeu d'oppositions
51
DTM (9)
• Expérimentation # 3 :
– Production d'un autre corpus artificiel (Participant réduit) par substitution des catégories à toutes les unités lexicales
52
DTM (10)– Calcul de l'AFC en croisant :
• les 87 participants avec 29 variables textuelles, soit l’ensemble des occurrences du corpus Initial
Les 28 catégories utiles représentent un peu plus de 12% des occurrences.
53
Corpus Participant réduit : variables catégorielles et lexique sur le plan des 2 premiers axes de l'AFC
54
DTM (12)
• Visualisation simultanée du lexique des catégories et les modalités des questions fermées: – répartition aux quatre points cardinaux des
catégories les plus excentriques : apparence, dépendance, coûts, éducation, mort et soc-ami
– concentration des catégories banales (qui constituent les référents communs du discours) au centre du plan
55
DTM (13)
• Outil de validation de la construction de la grille de catégories lexicales
• La visualisation des catégories sémantiques dans le plan factoriel ouvre aussi de nouvelles fenêtres d'investigation pour revenir aux contextes et affiner la grille si nécessaire
56
CONCLUSIONS
57
• Cette première utilisation combinée de logiciels d'analyse textuelle a été grandement facilitée par les protocoles d'échange de données réalisées par le réseau ATONET.
58
• Il est possible de créer de multiples chaînes de traitement qui permettent de reconfigurer les données et de faire appel aux points forts de chaque logiciel.
59
• Par la combinaison des méthodes d'analyse :– plus grande fiabilité des conclusions en fournissant
des moyens de corroborer ou d'infirmer des hypothèses et des conclusions
– aller au-delà des impressions et des commentaires descriptifs pour produire des représentations de discours sociaux susceptibles d'agir comme modèles
60
Merci de votre attention.