Les « Bibliothèques Virtuelles Humanistes...Expérimenté pour le site BVH depuis le 22 juillet...

Les « Bibliothèques Virtuelles Humanistes »

Vers un centre de ressources numériquesTextes Imprimés PatrimOniaux (TIPO)

Centre d'Études Supérieures de la RenaissanceUniversité François Rabelais, Tours - UMR 6576 du CNRS – MSH de Tourshttp://www.cesr.univ-tours.fr/

Textes Imprimés PatrimOniaux (TIPO)

Université d’hiver Adonis-Valpré– 6-8 décembre 2010

http://www.bvh.univ-tours.fr

Le Centre d’Études Supérieures de la Renaissance à Tours: une UMR et une UFR

• Les mots-clés des humanités numériques:• Accessibles

Les BVH: Equipe-projet et CRN « TIPo »


• Accessibles• Protégées (propriété intellectuelle)• Réutilisables, partageables, transmissibles• Archivées de façon durable

• L’organisation d’une communauté: entre incitation et sélection (soumission/ acceptation de projets)

Documents patrimoniauxDocuments patrimoniaux

Documents patrimoniauxDocuments

patrimoniaux

Imprimés/ manuscritsImprimés/ manuscrits

Bibliothèques Région CentreBibliothèques Région Centre

Autres (publiques/

privées)

Autres (publiques/

privées)Documents patrimoniauxDocuments

patrimoniaux

ArchivesArchives

PubliquesPubliques

PrivéesPrivées

Moteur XTFMoteur XTF

MétadonnéesCatalogue et TEI

MétadonnéesCatalogue et TEI

PDF, PDF/mrcPDF, PDF/mrc

SommairesSommaires

Textes en TEITextes en TEIBVH Bases d’imprimésBVH Bases d’imprimés

Textes en TEITextes en TEI

IconographieIconographie

Mots-clés IconclassMots-clés Iconclass

LettrinesOLDB

LettrinesOLDB

Base typographique

Base typographique

Le moteur de recherche XTF (eXtensible Text Framework)

- Développé par l’Université de Berkeley (California Digital Library) depuis 2005 –Expérimenté pour le site BVH depuis le 22 juillet 2009- Accessible sur sourceforge.net- Système de recherche multiformat sur les métadonnées et le plein-texte pour les documents


documents- Xml, xml/tei- Html- Pdf

- CrossQuery pour les requêtes, dynaXML pour la restitution selon les feuilles de style XSLT, indexeur Lucene- Opérationnel sur les sites Mark Twain, Newton, The Chicago Encyclopedia…- Permet (avec adaptation):

- l’alignement fac-similé/ texte- l’application des feuilles de style TEI Renaissance

Un modèle possible: Deustches Text Archiv (DTA)

Affichage de l’image et/ou du texte en html ou en xml

http://www.deutschestextarchiv.de

xml

Liens vers les métadonnées et le téléchargement des fichiers html et xml

• CRN émergent Adonis depuis mai 2010:« Textes Imprimés PatrimOniaux » (TIPo)

• Programme portant sur:

Un CRN émergent au sein des BVH: TIPo


• Les données (imprimés de la Renaissance, actes notariés) et les métadonnées (catalogue, headers TEI)• Les outils• Les savoir-faire (les « compétences »)• Les formations (TEI, gestion de projet)

Métadonnées

Savoir-faire Outils

Formations

BVHDonnées

Numérisation transcription

contrôle indexation

Archivage

Modèes de métadonnées

Savoir-faire

Outils: développement,

adaptation, partage

TIPoMise à

disposition des données

Formations: initiale et continue

•Traitement des textes et des images pour les imprimés patrimoniaux

• Principalement les imprimés anciens (XVe-XVIIe siècles), cœur de cible (extensible aux

Cibles des BVH


XVIIe siècles), cœur de cible (extensible aux ouvrages postérieurs), pôle associé BnF

• Manuscrits et archives: collaboration avec TELMA et Ecole des Chartes

• Intégration texte/ image

• Editions génériques/ génétiques

Contenu

Histoire, littérature, philosophie

Style

Communautés de chercheurs et d’usagers

Langue

linguistique

Forme

Histoire du livre

Style Histoire de

l’art

•Accès libre et gratuit à toutes les données (y compris la structure TEI – en cours)•Veille juridique et propriété intellectuelle pour:

Accessibilité et propriété


•Les fac-similés numériques, les images extraites•Les textes transcrits et publiés en html et xml•Les textes encodés en TEI•Les métadonnées, les bases de données•Le progiciel co-développé avec une société (Edit-tei)•Les applications en licence libre (AGORA, avec le LI de Tours)= libres de droits, avec licence CC (sauf Edit-tei)

Header affiché


Données

SVN Copie 1 Copie 2

Archivage local/ délocalisé

SVNExternaliséPdf, textes

Copie 1JPG

bibliothèque

Copie 2JPG

CESR

Copie 3 JPG Cines?

IN2P3?

• Un logiciel d’analyse de structuration de la page, AGORA (opérationnel), avec le Laboratoire d’Informatique de Tours (J.-Y. Ramel)

• Un logiciel d’OCR (RETRO) pour la typographie ancienne

BVH: outils pour l’image patrimoniale


• Un logiciel d’OCR (RETRO) pour la typographie ancienne (en développement), avec le Laboratoire d’Informatique de Tours (J.-Y. Ramel) et le LITIS (Rouen)

• Un comparateur et un indexeur de lettrines (fond, lettre, motif) dans la base OLDB, avec le Laboratoire d’Informatique de Tours (J.-Y. Ramel) et le consortium Navidomass (J.-M. Ogier, U. de La Rochelle) – en développement

Les Bibliothèques Virtuelles Humanistes http://www.bvh.univ-tours.fr/

AGORAAGORA• Extraction automatique des éléments figurés du livre

• Préindexation automatique des types d’éléments et pré-balisage


• SOUS-BASES D’IMAGES

• Galerie des marques typographiques

• Galerie de portraits

• Base emblèmes (indexée par Iconclass)

• Base lettrines (indexation propre + Iconclass)

EXTRACTION GRAPHIQUE: SCENARIOS

• Délimitation des zones de texte/ image selon des scénarios

• Scénarios: type de zone d’image/ de texte (lettrine, titre, signature, réclame, corps de texte, numéro de page, titre courant, marges bruit, …)

CLASSIFICATION PAR PROXIMITÉ

Structure physique: les blocs

Eléments

graphiques

pictura/ illustration

graphiques

Bloc de texte

Lettre

ornée

Portrait

Ornement

Marque

D’imprimeur


ICONCLASS: MOTS-CLÉS POUR INDEXER LES IMAGES

ET LE TEXTE


http://www.bvh.univ-tours.fr/Iconclass_browse.asp


Indexation des emblèmes

•Base d’emblèmes (Iconclass)

• Collaboration avec le projet French Emblem Books (Glasgow)

• Indexation avec codification alpha-numérique


• Indexation avec codification alpha-numérique

• Entrepôt OAI Iconclass moissonné

• Encapsulation web du thésaurus multilingue

• Affichage multilingue des données d’indexation


Extraction des éléments graphiques: portraitshttp://www.bvh.ques niv-tours.fr/img_portrait.asp



Extraction et indexation des lettrines

Michel de Vascosan, 1555

Parcours d’un matériel


Michel de Vascosan, 1559

Hierosme de Marnef, & Guillaumme Cavellat, 1576


BATYR: base de typographie de la Renaissance

•Ornements gravés•Ornements de fonte•Polices de caractères

•Pré-indexation d’images d’ornements typographiques (AGORA)


•Pré-indexation d’images d’ornements typographiques (AGORA)•Constitution automatique de spécimens de caractères (RETRO) et reconstitution des fontes

http://www.bvh.univ-tours.fr/materiel_typo.asp

Indexation des illustrations du Champfleury (G. Tory, 1529, exemplaire BM de Blois) avec Iconclass

ICONCLASS

• 31A12 figure, inscrite dans un cercle ou un carré, avec les jambes écartées et les bras étendus vers le haut ou le côté (+ variante: vu de face)

• 49D342(SQUARE) quadrilatère régulier : carrérégulier : carré

• 49D36 Cercle (planimétrie géométrie)

• 49D52 mesurer

• 49L12(O) écriture romaine; écriture

basée sur l'alphabet romain (avec

LETTRES) 49L1 Lettres, alphabet,

texte

• 49D52 Tracer des figures, mesurer,

calculer

• 49D362 Quadrature du cercle

Autres descripteurs : Leonardo da Vinci/ The Vitruvius Man/ Jean Perreal/ Jean de Paris

Encodage des lettrines avec Iconclass

Lettrine L (Champfleury): <g ref=""/>L</><hi rend=”larger”>L</hi>Es

Iconclass descriptors in <figDesc>:•49L171 Lettre initiale historiée


•49L171 Lettre initiale historiée•49L12 (L) Écriture basée sur l’alphabet romain (L)•48A9875(+32) Ornement – Feston, guirlande (+variante: décorations pendantes)•49M32 Livre•49D521 Instruments de mesure

</teiHeader>

<facsimile><surface>

<graphic xml:id= "16v" url="Champfleury_Blois_16v_ill.JPG" width="1300px" height="1140px"/>

<zone xml:id= "16v_1" rendition="" ulx="60" uly="50" lrx="897" lry="281" rend="visible"/>



Champfleury:

Encodage XML-TEI version bêta, à l’aide d’Image Markup Tool 1.8, par V. Le Rolle, N. Dufournaud et L. Danjean

CESR



</surface>

</facsimile>

 <text>

 <body>

<div>



<p n="imtImageAnnotations"> <figure facs="#16v"></figure>

<figure facs="#f16v_1" n="imtAnnotation" ><p>Le Flageol de Virgile <lb/>en perspective, et<lb/>moralite.</p>

</figure>

</p><p><g ref=""></g><hi rend="larger">P</hi>Our

myeulx encores perseverer, Je veulx cy dire & monstrer que nosdictes

<lb/>lettres Attiques ont si bien este proportionees des Anciens qu'elles ont en

Indexation d’éléments graphiquesBDD = > XML-TEI (en développement)

• Des modèles d’encodage TEI pour les textes transcrits (fichiers-types, feuilles de style)

• Des modèles d’encodage TEI pour les éditions complexes (hybrides manuscrits/ imprimés, livres de comptes, liasses hétérogènes, recueils factices)

BVH: outils pour le texte imprimé patrimonial


factices)

• Un éditeur TEI, avec modules de régularisation graphique (détildage et dissimilation), avec la société Digiscrib

• Des thésaurus pour le français de la Renaissance

• Des dictionnaires de noms propres/ entités nommées (en projet, avec D. Maurel, LI Tours)

• Un outil de traitement de l’hétérographie et d’étiquetage morpho-syntaxique, avec le Laboratoire FORELL (M.-H. Lay, U. de Poitiers)

• Formats de téléchargement: pdf-mrc, html, tei• 2 niveaux de transcription: diplomatique/ patrimonial, 3e (modernisé) en projet• Transcription patrimoniale annotée: en projet

Données textuelles réutilisables


• Transcription patrimoniale annotée: en projet• 440 ouvrages en ligne, avec pdf/ mrc (750 numérisés)• Text/ pdf• Text/ Tei• Text/ html

Les BVH et la TEI(depuis 2004)


HISTORIQUE

•Avant 2007: • 1995: 8 textes de Rabelais en ligne (Nice), html/hyperbase• 1998-2007: 17 textes html en ligne (Poitiers-Tours),


• 1998-2007: 17 textes html en ligne (Poitiers-Tours), html/ tactweb• 2004: début des cours XML (JD Fekete) et TEI (N. Dufournaud) pour le master professionnalisant du CESR

•Depuis 2007 (“TEI membership”): début de l’encodage en TEI P5 (crédits ANR “Masses de données”)•2008-2010: harmonisation des en-têtes TEI et des normes de catalogage

1. Métadonnées de catalogues pour le moteur XTF(gestion de la majeure partie du site BVH)

2. Compatibilité CCFR (comme le catalogue des

MÉTADONNÉES DE CATALOGAGE


2. Compatibilité CCFR (comme le catalogue desincunables – choix de MARC) et OAI-PMH pourmoissonnage par Gallica

3. Compatibilité Europeana (TEI/MARC/Dublincore)

http://contentchecker.isti.cnr.it:8080/portal/brief-doc.html?query=europeana_collectionName%3A08007&start=1&view=table&tab=

Métadonnées du document électronique : Catalogage et moissonnage

Notice XTF en ligne

Header html

Fichier source en XML-TEI

<record><dc:identifier>http://www.bvh.univ-tours.fr:8080/xtf/view?docId=tei/B372616101_3537/B372616101_3537.xml</dc:identifier><dc:title>Tiers Livre</dc:title><dc:creator>Rabelais, François</dc:creator><dc:publisher>Paris, C. Wechel</dc:publisher><dc:date>1546</dc:date><dc:type>texte imprimé</dc:type><dc:format>text/xml</dc:format> <dc:rights>BVH Epistemon</dc:rights><europeana:provider>Bibliothèques Virtuelles Humanistes</europeana:provider><europeana:type>TEXT</europeana:type><europeana:isShownAt>http://www.bvh.univ-tours.fr:8080/xtf/view?docId=tei/B372616101_3537/B372616101_3537.xml</europeana:isShownAt></record>

Moissonnage des métadonnéespour Europeana

MÉTADONNÉES DE STRUCTURE, les sommaires: migration en XML/ TEI (en cours)


Notices des fac-similés:• Reprendre les notices bibliographiques standard• Les enrichir par la bibliographie spécifique à un

RÉUTILISATION/ ENRICHISSEMENT DES MÉTADONNÉES


ouvrage/ un auteur:• Nouvelle publication dans la base• Transfert des métadonnées dans:

• Le header TEI• L’entrepôt OAI/ PMH pour Gallica et Europeana

De la transcription à l’encodage


Acquisition numérique du texte: les OCR

• Résultats obtenus avec FineReader (ABBYY), Omnipage avec/ sans dictionnaires spécifiques; tests comparatifs

• Tests du logiciel BIT-Alpha (société Tomasi) à


• Tests du logiciel BIT-Alpha (société Tomasi) à Wolfenbüttel et à Tours. Acquisition du logiciel par le CESR (04-12-2008) – Problèmes de rentabilité (longueur et complexité de l’apprentissage)

• Développement de RETRO (U. de Tours, JY Ramel) après classement des clusters par AGORA


Pré-balisage avec RETRO: OCR en cours de développement (Tours)


=> Sortie en XML/ TEI

Evaluation of an Optical Character Recognition System

� Authors

� Ait-Mohand Kamel, Laurent Heutte, Thierry Paquet

� Laboratoire LITIS, Université de Rouen

� Nicolas Ragot

� Laboratoire d’informatique, Université de Tours

44

Collaboration with the BnF

� Printed documents digitization program

� Digitization

� Transcription with OCR� Transcription with OCR

� Need to predict OCR results

� Assess data quality

� Prediction of what the OCR result can be

� Based on a benchmark for OCR

45

Adaptation results

� Adaptation with 30 line images + transcription

� Improvement, but limited impact due to:� Bad line segmentation� Bad line segmentation

� Unknown characters (ē, ā, ō ), long “S”

46

BooksOmnipage+ lexicon

OmnipageOcropus +

lexicon

Our OCRwithout lexicon

Our adapted

OCRwithout lexicon

Our OCR –”clean” lines, no lexicon

Our adapted

OCR –”clean” line no lexicon

Antiquités Gauloises 89.82% 85.93% 86.08% 88.51% 91.78% 94.98%

Expédition chrestienne 86.48% 61.25% 67.82% 75.61%

Les treselegantes annales 85.6% 73.92% 76.84% 80.7%

Les histoires de Diodore 90.19% 83.82% 83.36% 85.32%

Visualisation contextuelleVisualisation contextuelle

Coupler RETRO et OCRopus

Coupler RETRO et OCRopus

Améliorer le processus de

clustering

Améliorer le processus de

clustering

OCRRETRO + OCRopus

OCRRETRO + OCRopus

Regroupement des polices

Regroupement des polices

Expertise linguistiqueExpertise

linguistique

TEI Renaissance

•Renaissance.dtd•Renaissance.xsl•Fichier type


•Fichier type•header, qui contient

•Les champs des notices•La localisation des facsimilés•Les auteurs•Les crédits•Les versions

•=> affichage total ou partiel en tête du document


Pré-balisage TEI avec l’outil EDIT-TEI

• Co-développement et acquisition auprès de la société Digiscrib (sept. 2009)


la société Digiscrib (sept. 2009)• Encodeur de base, en Java, avec balises préétablies pour les prestataires ou les non spécialistes• Permet une correction par dictionnaire de formes (français, latin, italien) personnalisé (accentué ou non, mots coupés ou non)


• Préformatage de la structure du document• Balises fondamentales lb, p, sic… par raccourcis clavier ou menus – étape opérateur• Détildage (français et latin)• Dissimilation ij/uv (français)


• Dissimilation ij/uv (français)• Ajout ou validation de balises éditoriales (sic, corr, unclear, name) – étape BVH• Export vers Oxygen ou un autre éditeur xml

Le corps du texte: encodage TEI « patrimonial »

• Constituer un Corpus en français de la Renaissance (principalement), avec


Renaissance (principalement), avec traitement par Philologic, TXM, Analog• Objectif: 141 textes originaux en 2014 (sans restriction d’accès, à partir des graphies originales• Encodage patrimonial: sélection de balises pour traitements automatiques

• Le plus petit commun dénominateur pour les 4 communautés => une transcription générique

ENCODAGE PATRIMONIAL


• En-tête conforme aux usages des bibliothèques

• La transcription annotée considérée comme un “livre” et comme une “oeuvre” (avec identifiant)

DIPLOMATIQUE/ PATRIMONIAL

AVENVES (diplomatique)

Feuille de style 1

> AVENUES

53

ƒi ie> si je

reuerēce> reverence

vƒurpateur> usurpateur

(patrimonial) Feuille de style 2

<fw place="top-center" type="head">LE PREMIER LIVRE.</fw><fw place="top-left" type="pageNum">FEUIL. I</fw> <div type="book" n="1">

<head rend="center">

L’ART ET SCIENCE DE LA

<lb/>DEUE ET VRAYE PROPORTION DES LETTRES ATTI-

<lb/> QUES, QU’ON DICT AUTREMENT LETTRES ANTIQUES

<lb/> ET VULGAIREMENT LETTRES ROMAINES.

</head>

<p>

<lb/> <g ref="">l</g><hi rend="larger">L</hi>E matin du jour de la


<lb/> <g ref="">l</g><hi rend="larger">L</hi>E matin du jour de la

feste aux Roys, apres

<lb/> avoir prins mon sommeil & repos, & que mon esto

<lb/> mac de sa legiere & joyeuse viande avoit faict

<lb/> sa facile concoction. que l’on comptoit M. D.

<lb/> XXIII. me pris a fantasier en mon lict, & mou

<lb/> voir la roue de ma memoire / pensant a mille pe

<lb/> tites fantasies, tant serieuses que joyeuses. en-

<lb/> tre lesquelles me souvint de quelque lettre An

<lb/> tique que j’avoys nagueres faicte pour la mai

L’ART ET SCIENCE DE LA

DEUE ET VRAYE PROPORTION DES LETTRES ATTI-

QUES, QU’ON DICT AUTREMENT LETTRES ANTIQUES

ET VULGAIREMENT LETTRES ROMAINES.

LE matin du jour de la feste aux Roys, apres

Feuille de style « Renaissance » = > Version html


LE matin du jour de la feste aux Roys, apres

avoir prins mon sommeil & repos, & que mon esto

mac de sa legiere & joyeuse viande avoit faict

sa facile concoction. que l’on comptoit M. D.

XXIII. me pris a fantasier en mon lict, & mou

voir la roue de ma memoire / pensant a mille pe

tites fantasies, tant serieuses que joyeuses. en-

tre lesquelles me souvint de quelque lettre An

TEI P5: modules utilisés

• core, header, textstructure, drama, figures, gaiji, linking


drama, figures, gaiji, linking msdescription, namesdates, transcr et verse • schémas xml générés avec Roma

Éléments d’édition générique(hors métadonnées)

<abbr> <expan> <add><note><graphic> <sic> <orig> <choice> <corr> <del> <gap> <unclear> <reg> <supplied> <space> <said> <stage> <speaker> <quote>


<said> <stage> <speaker> <quote> <foreign> <name> <persName> <placeName> <geogName> <ref><sig> <catch>

<div><head><pb> <p> <lb> <l> <lg> <fw>

Transcription en TEI Renaissance

simplifié

Transcription en TEI Renaissance

simplifié

DétildageDétildage

LE PROGICIEL EDIT-TEI (Digiscrib / BVH)

Import .doc ou transcription

Import .doc ou transcription

DissimilationDissimilation

Correction avec dictionnaire

Correction avec dictionnaire Output XMLOutput XML

PhiloLogic (Chicago, Mark Olsen) adapté

par Ecrit.com, Poitiers


Poitiers

Modification nécessaire du

balisagehttp://www.bvh.univ-

tours.fr/Epistemon/philologicdev.asp

• Numérisation patrimoniale, production de fac-similés numériques, archivage standard

• Découpage de structure, création de tables des matières, bases de feuilletage

• Extraction et classement automatiques des éléments illustrés et des zones de texte

• Encodage TEI pour les documents imprimés ou hybrides: principes de

BVH: savoir-faire


• Encodage TEI pour les documents imprimés ou hybrides: principes de transcriptions quasi-diplomatique/ patrimoniale

• Indexation des images avec Iconclass

• Gestion de bases de données relationnelles (fac-similés, textes, iconographie, actes notariés)

• Création d’entrepôts OAI-PMH (moissonnage par Gallica et Europeana)

• Évaluation des coûts réels (400 euros/ fac-similé, 1000 euros/ ouvrage transcrit)

Accès libre ou à la demande:• Un Manuel d’encodage TEI “Renaissance”, en ligne depuis 2008, version 3 en préparation

Référentiels et documentation


depuis 2008, version 3 en préparation• Manuel SVN (en préparation)• Descripteurs d’images (Iconclass, ODLB - lettrines)• Cahiers des charges (numérisation, interface web, moteur de recherche, normes de saisie)• Modèles de métadonnées (description d’imprimés, d’incunables, de manuscrits, d’archives)

Formations•Master pro, unité d’enseignement BVH depuis 2004, avec formation TEI•Stages BVH TEI pour les étudiants, et ouverts depuis janvier 2008 selon les places disponibles

Transmissibilité (I)


janvier 2008 selon les places disponibles•Formation continue•Complémentarité avec les formations Ecole des Chartes•Interventions dans les masters pro de l’ENSSIB, Angers, Poitiers•Intervenants issus de l’ENSSIB, Poitiers, Caen, IRHT, INRIA, Laboratoires d’informatique, consortium TEI (Lou Burnard, Elena Pierazzo)

Contrat quadriennal 2012-2015 (étendu à 2017)• Intégration du master pro dans un ensemble professionnalisant “Patrimoine matériel et immatériel”• Perméabilité master pro/ recherche• Dépôt d’un projet de laboratoire d’excellence

Transmissibilité (II)


• Dépôt d’un projet de laboratoire d’excellence “Patrimoine Moyen Age et Renaissance”, avec accent sur le numérique (image/ texte/ son), Tours-Orléans-Poitiers-La Rochelle• Intensification et internationalisation des stages de formation initiale et continue• Souhaitée: une formation doctorale à double compétence (humanités – nouvelles technologies)

• Amélioration des performances de l’OCR (segmentation, correction avec dictionnaires de formes, recherches sur les n-grammes)

• Solutions d’affichage et de requête avec XTF, migration des

Développements en cours


• Solutions d’affichage et de requête avec XTF, migration des données bibliographiques et sommaires en XML/ TEI

• Adaptation de PhiloLogic (U. de Chicago) pour la base textuelle

• Comparaison des modèles de métadonnées TEI pour les actes notariés

• Classement des familles de polices anciennes et des ornements typographiques (projet BATYR) avant/ pendant le traitement par OCR

• OCR: collaboration avec la BnF et le projet européen IMPACT (Improving Access to Text) pour une thèse en co-direction Tours-BnF-Rouen

• Constitution de versions sonores des textes transcrits et de textes modernisés

Développements 2011-2014


• Indexation et exploitation des données:

• Entités nommées et SIG associés

• Ontologies RDF pour la prosopographie et les mots-clés

• Recherche par facettes: nouvelle typologie des genres littéraires

• Recherche par variantes graphiques

• Tests d’autres plateformes: TXM (Lyon, ICAR), Pinakes (Pise), SADE (COST Interedition),…

Typologie -

Entités nommées

OCR Variation graphique

Prosopographie

SIG


BVH + TIPo2011-2014

Ontologies RDF

Typologie -facettes SIG

Versions audio

• Données:

• 150 nouveaux fac-similés en ligne (Châteauroux, Vendôme, Blois, Tours –suite de la campagne), avec leurs sommaires et extraction des éléments illustrés; voir http://www.bvh.univ-tours.fr

• Mise en ligne de 16 nouveaux textes en XML/ TEI, avec nouvelles feuilles de style (Ronsard, Rabelais, Louise Labé, Du Bellay, Garzoni,…)

Bilan: mai-novembre 2010 (I)


de style (Ronsard, Rabelais, Louise Labé, Du Bellay, Garzoni,…)

• Encodage TEI de 15 nouveaux textes transcrits sur 41 (141 horizon 2014)

• Mise en ligne d’un millier de nouvelles minutes notariales

• Numérisation et début d’indexation de 4500 actes notariés du XVe siècle

•Mars- septembre 2010:• Nombre d'accès réussis 2 063 352 (82%)•Top download: Champfleury en pdf (avec sous-couche texte) entre fin juillet et mi-septembre (moins trois semaines de panne serveur) : 2946 téléchargements•Durée moyenne des visites 41:34 Min

• Outils:

•Fichiers-types pour l’interopérabilité des métadonnées incunables/ imprimés/ manuscrits, actes notariés

•Elaboration des modèles de rétroconversion pour les catalogues des incunables (avec le groupe de travail du Ministère de la Culture)

Bilan: mai-novembre 2010 (II)


•Tests sur le comparateur et indexeur de lettrines

•Développement du moteur de recherche XTF (nouvelle version 2010)

•Prototype de l’éditeur TEI, des modules de détildage et de dissimilation

•Préparation de projets:

•Corpus « Montaigne à l’œuvre » (avec l’U. de Chicago) et début des travaux sur un modèle d’édition génétique (avec Lou Burnard)

•Site Garamond (avec le Ministère de la Culture et les Commémorations nationales)

• Préparation de projets (suite)

•Actes notariés avec TELMA

•Procédures de requête sur des textes en français non standard pour des corpus textuels hétérogènes

•Publications et participations aux colloques

Bilan: mai-novembre 2010 (III)


•Publications et participations aux colloques

• Mars 2010, Tokyo, « Digital scholarship »

• Juin 2010, King’s College, DH conference (comme observateur)

• Octobre 2010, La Haye et Amsterdam, Europeana, Annual Meeting

• Novembre 2010, Strasbourg, ESF workshop sur les Digital Humanities

• Novembre 2010, Zadar (Croatie), congrès de la TEI

• Novembre 2010, Chicago, Digital Humanities and Computing Science

•Formations

•Juin 2010, TEI France (Lyon, ISH, MUTEC)

• Octobre 2010, ANGD (Aussois)

Bilan: mai-novembre 2010 (IV)


• Novembre 2010, Stage TEI formation continue, Tours, CESR

• Modules de numérisation du master pro « Patrimoine écrit et édition numérique »: traitement de l’image, initiation aux OCR

• Préparation du stage TEI du master pro, Tours, CESR (janvier 2011, augmentation de sa durée)

Master pro « patrimoine écrit et édition numérique »Master pro « patrimoine écrit et édition numérique »

UE « BVH »: OCR – XML – TEI (stage) – transcription -UE « BVH »: OCR – XML – TEI (stage) – transcription -

FORMATIONS

(stage) – transcription -(stage) – transcription -

Interventions dans d’autres masters (ENSSIB, Poitiers, Angers) Interventions dans d’autres masters (ENSSIB, Poitiers, Angers)

Stage longue durée en entreprise ou laboratoireStage longue durée en entreprise ou laboratoire

• Intégration des archives dans les BVH pour des projets spécifiques:

• Disponibilité des 10 000 transcriptions de minutes notariales transcrites par P. Aquilon, B. Chevalier

Les archives


notariales transcrites par P. Aquilon, B. Chevalier

• Numérisation de toutes les minutes du XVe siècle (4500), Convention avec les AD 37, publication en cours

• Fonds d’archives des artistes tourangeaux (exposition 2012), en projet

• Archives d’auteurs du XVIe siècle (Rabelais, Ronsard, Montaigne, Béroalde de Verville…), en projet

•Publication des actes notariés AD 37

• BVH-TIPo

• Transcriptions ou analyses

BVH-TIPo et TELMA


• Modèles d’encodage TEI, Traitement par XTF

• TELMA

• Expertise sur les actes médiévaux

• Formulaire de saisie pour le basculement BDD vers XML/ TEI

• Recrutement CDD en collaboration

Archives et manuscrits

Archives Autres Archives notariales 37

Minutes XVe(texte/ image)

Minutes XVIe(texte)

Autres archives

Comptes, lettres

MinutesMinutes

TELMAFormulaire

TELMAFormulaire

BVH-TIPoTEI

BVH-TIPoTEI

BVH et CNRTLBVH-TIPO et les ressources textuelles

• Éditions patrimoniales (aucune édition 18e-21e s.)• Traitement d’image, de la structure physique• Double affichage texte/ image• OCR sur les originaux uniquement


• OCR sur les originaux uniquement• Ressources linguistiques ciblées sur la période 1470-1650: thésaurus, lemmatisation contextuelle, outils adaptés de correction et de modernisation• Français, latin, langues romanes, traductions• Tests des outils du TAL (et non production)• Aucun droit d’accès, mais protection• Données réutilisables par le CNRTL et Frantext

TEXTETEXTE

1470-1650

Graphies originalesGraphies originales3 versions3 versions

TEXTETEXTEThésaurus français,

latin, italien

Thésaurus français,

latin, italien

Libre accèsLibre accès

OCR sur originauxOCR sur originaux

Structure physique/ logique

Structure physique/ logique


Collaborations nationales

•Toutes les bibliothèques de la Région Centre:•Argenton-sur-Creuse, Blois, Bourges, Chartres, Châteaudun, Châteauroux, Dreux, Loches, Montargis, Nogent-le-Rotrou, Orléans, Romorantin, Tours, Vendôme


Vendôme•Archives municipales et départementales•Bibliothèque nationale de France (pôle associé « Renaissance »)•Poitiers BU et Médiathèque•Bibliothèque du Prytanée militaire de La Flèche•Fonds privés•Bibliothèque Mazarine, Sainte-Geneviève•Bibliothèque du Musée Condé à Chantilly•En discussion: Le Mans, Angers, Saumur…


Collaborations internationales

•Cambridge University Library (10 livres ayant appartenu à Montaigne, dont le Lucrèce annoté) – numérisation acquise (2010)•Université de Chicago, Montaigne project, PhiloLogic• INTÉGRATION dans le CONSORTIUM EUROPEANA (métadonées,web sémantique – ontologies/ mots-clés), en juin 2009


(métadonées,web sémantique – ontologies/ mots-clés), en juin 2009

•Herzog August Bibliothek, Wolfenbüttel

•Glasgow University (livres d’emblèmes)

•Bibliothèque nationale de Hongrie•University of Virginia Library•Mnemosyne (Iconclass), The Hague

•Constitution d’un réseau Humanités Numériques « Early Modern »:

• Corpus humanistes bi- ou plurilingues

BVH-TIPO: animation de réseaux


• Transmission des savoirs par les manuscrits/ imprimés

• Fédération des corpus d’auteurs

• MUTEC, ITEM…

• Les projets Molière, Stendhal, Flaubert, Descartes, Montesquieu, auteurs étrangers, etc.

• Liens avec le COST Interedition

•

RéseaufrançaisCorpus

TIPo

MUTECETC. RÉSEAU Européen

EARLY

CENTRES DARIAH,

Digital humanities

Manuscrit/ imprimé

Prosopo-graphieCorpus

auteurs

ITEMMSH CAEN

EARLY MODERN

Outils

graphie

Contemporains et classiques

Contemporains et classiques

Sources probablesSources probables

Sources avérées Sources avérées

Exemple d’un corpus d’auteur: la « librairie » de Montaigne et le projet « Montaigne à l’œuvre »

PROSOPOGRAPHIE

SIG

VERSION AUDIO

Livres de la Librairie

Livres de la Librairie

Essais1580-1595

Essais1580-1595

AUDIO

ANALYSE DE L’ÉCRITURE

ALIGNEMENT DES ÉDITIONS

EDITION GÉNÉTIQUE1588-EB

BM Bordeaux (30)BM Bordeaux (30)

Cambridge (10)Cambridge (10)

Autres (17)• Musée Condé• Libourne• Périgueux• BU Bordeaux• University of Virginia• NL of Scotland• Bloomington…

Autres (17)• Musée Condé• Libourne• Périgueux• BU Bordeaux• University of Virginia• NL of Scotland• Bloomington…

« Librairie de Montaigne »

virtuelle

« Librairie de Montaigne »

virtuelleBNF (33)BNF (33) Collection privée,

fondations (2)Collection privée,

fondations (2)

• Vers une fédération des corpus (auteurs, thèmes)

• Questionnaire (invitation large, appel ouvert)

• Etat du projet, calendrier de réalisation, budget, niveau d’information sur les projets similaires

Réseau de corpus


d’information sur les projets similaires

• Sélection

• Tous les projets sont à priori recevables, mais classement en:

• finançable en l’état/ vers un ANR « corpus »; modifiable; orientable vers d’autres CRN

• Partage des expériences, méthodes, outils

• Réunion annuelle

• « Early Modern » Digital Humanities:

• Sélectionner/ regrouper les projets similaires

Humanités numériques et première modernité


• Sélectionner/ regrouper les projets similaires

• Caractère innovant: manuscrits/ imprimés littéraires et scientifiques (1470-1650)

• Critères de l’ESF, DARIAH, ADH, Center-net

• Partage des expertises

• Vision internationale

• Ressources humaines :

• Organiser des sessions de formation

• Aider à la mise en route ou au suivi de projets

Services fournis par TIPo


• Produire des tutoriels

• Produire les Wiki, liste de diffusion, newsletter, gestion de l’annotation collaborative

• Fonctionnement :• Missions et participations aux formations, aux congrès

• Missions de conseil sur place

• Actions de valorisation, traductions

• BVH: une réunion du comité de pilotage et une AG annuelles depuis 2003

• Directeur du CESR, directeur de la MRT du Ministère de la Culture, responsables du secteur Livre, de Gallica, responsable BVH et

GOUVERNANCE


responsables du secteur Livre, de Gallica, responsable BVH et responsable du catalogue des incunables

• Assemblée générale : tous les partenaires publics et privés, groupes et chercheurs intéressés. En 2010: le 15 décembre

• Gouvernance spécifique BVH-TIPO (proposition)

• Pilotage: directeur du CESR, représentant Adonis/CNRS, responsable BVH, représentant du Ministère de la Culture, représentant du PRES PUCVL

GOUVERNANCE TIPo

PILOTAGE

Directeur du CESR

Représentant Adonis/ CNRS

Responsable BVH-TIPo

Représentant PRES

PUCVL

AG Annuelle

CO-FINANCEMENTS BVH 2011

Crédits de laboratoire: 3000Services généraux

CPER PADOVAEtat: 30 000 (attendus)

Région Centre: 40 000

CNRS: 10 000(équipement)

CNRS: 10 000(équipement)

MINISTÈREDE LA CULTUREHistoire du livreaccord-cadre

20 000FEDER 2011: 30 000

(demandés)

PPF CESR 2011)PPF CESR-CESCM (2008-2011)10 000

IUF

15 000

ADONIS70 000?

Les « Bibliothèques Virtuelles Humanistes...Expérimenté pour le site BVH depuis le 22 juillet...

Documents

Transcript of Les « Bibliothèques Virtuelles Humanistes...Expérimenté pour le site BVH depuis le 22 juillet...