Septembre
Le professeur nous présente le déroulement général du cours "projet encadré" et tous les matériaux et outils que nous devrons utiliser. Nous apprenons à utiliser le shell et les professeurs nous présentent git.
Octobre
04/10
Notre première étape pour travailler sur notre projet consiste à choisir le mot adéquat et à former un groupe de travail. Nous devrons ensuite répertorier au moins 50 URLs de sites par langue qui traitent du sujet et qui contiennent des occurrences du mot choisi.
Pour notre groupe, nous avons eu de nombreuses discussions pour choisir le vocabulaire de notre étude. Au début, nous étions vraiment coincés sur le problème de savoir si nous devions travailler uniquement sur l'ambigüité.
Nous avons essayé d'étudier l'ambigüité du même mot dans différentes langues, mais cela ne fonctionnait pas très bien. Nous avons proposé certains termes ayant plus d'un sens : baguette, place... et quelques mots avec un contexte culturel : gendarme, grève... quelques mots ayant un sens abstrait : élection, relation, oscillation... Mais nous n'avons pas réussi à nous décider sur le mot.
12/10
Nous avons fini par nous mettre d'accord sur le mot que nous allions étudier : "femme au foyer". Dans notre groupe, nous avons décidé d'étudier le mot dans trois langues : Charlotte s'occupera de la partie française, Kexin s'occupera de la partie chinoise et Aigerim s'occupera de la partie russe ou kazakh.
Mot/expression choisi : "femme au foyer" Langues envisagées : français, mandarin, kazakh ou russe But : comprendre comment sont perçues les femmes au foyer et comment cette perception varie d'une culture à l'autre.
Novembre
15/11
Nous nous concentrons sur des articles récents (2015-2022).
25/11
Nous reprenons le travail de groupe sur le sujet de la femme au foyer.
30/11
Nous avons bien organisé toutes les branches nécessaires pour notre projet. Charlotte a bien transmis les 50 URLs françaises. De mon côté, j'ai transmis les URLs chinois, aspirations chinoises, dumps chinois ; puis j'ai mis mon tableau et j'ai un peu rempli l'histoire de notre choix de mot. Mais j'ai rencontré un peu de difficulté à compléter mes URLs, car je n'en ai que 20 pour l'instant. C'est difficile de trouver des articles de presse officiels en chinois. De toute façon, je vais élargir mon champ de recherche ou accepter aussi des articles non officiels sur Internet.
Notre étape suivante :
-Compter les occurrences
- Trouver les mots dans leur contexte
- Concordance : ajouter une fiche concordance.sh
Décembre
01/12
Après avoir rassemblé les 50 URLs en français et sans analyse (juste en parcourant les articles), je remarque que la plupart des articles français semblent mettre surtout en avant les aspects négatifs liés au fait d'être une femme au foyer (fatigue, manque de reconnaissance, mort professionnelle, précarité/dépendance au conjoint).
Les articles qui mentionnent des aspects positifs et/ou font la promotion des femmes au foyer semblent provenir de médias plus conservateurs/de droite (journaux chrétiens, Le Figaro, etc.).
Parfois, l'expression "femme au foyer" est remplacée par une expression équivalente comme "mère au foyer" et ces différentes expressions peuvent être au pluriel. Il faudrait donc utiliser une expression régulière telle que : (mère|femme|maman)s?(au foyer) pour repérer les occurrences de ce concept dans les différents textes. De plus, l'index.html est bien rédigé et notre page Git est bien créée.
5/12
Aigerim a effectué un push de 50 URLs en russe.
7/12
Aigerim : j'ai corrigé la configuration de git user name.
Kexin : De mon côté, je rencontre un grand problème de manque de contexte et de réalisation de la concordance. Après avoir exécuté mon script, il y a des fichiers de contexte qui s'affichent, mais tous les fichiers sont vides.
Après avoir demandé à mes camarades de classe, j'ai réalisé qu'il y avait un problème avec la définition des variables dans mon script, et que les noms de fichiers dans le script ne correspondaient pas à mes noms de fichiers locaux.
Pour les journées suivantes, mon objectif est de régler ce problème. De plus, j'ai trouvé un exemple HTML de désignation de site pour préparer l'organisation de notre page, et un bon exemple de script de tableau des étudiants anciens pour nous aider à avancer.
10/12
Charlotte : lors de la recherche d'URLs en français et avant de faire des analyses, je peux observer un changement de perception des femmes au foyer selon l'orientation politique du média
(les journaux de droite et religieux ont une opinion plutôt positive des femmes au foyer qu'ils mettent en valeur, tandis que les autres mettent en avant les risques et les désavantages de cette situation).
20/12
Charlotte : Abandon de certaines langues car difficulté à trouver assez de matériel sur le sujet dans les langues en question.
Kexin : Une membre de notre groupe décide de quitter notre projet, on décide d'ajouter l'anglais et l'espagnol.
Charlotte s'occupe de trouver les urls d'espagol et je prépare les 50 urls d'anglais. J'ai essayé d'éxecuter le tableau anglais,
la plupart des urls marchent mais certaines ne sont pas reconnues, il faut donc en trouver d'autres.
22/12
Charlotte : test des tableaux avec les URLs en anglais, espagnol et français.
23/12
Charlotte : ajout du tableau en espagnol.
Janvier
04/01
Ajout d'un dossier contenant la version finale complète des tableaux dans chaque langue, afin d'avoir une sauvegarde
05/01
charlotte:
dernières modifications sur les tableaux en anglais, espagnol et français, nettoyage de certains dossiers (les fichiers inutiles sont retirés).
ajout d'image
recherche et modification d'images pour le site
image nuage de mot: https://www.pexels.com/photo/focused-asian-woman-washing-dishes-7262358/
image script: https://www.pexels.com/photo/woman-carrying-her-baby-and-working-on-a-laptop-4079281/
image journal: https://www.pexels.com/photo/flat-lay-photography-of-unfold-book-beside-macbook-295826/
image conclusion: https://www.pexels.com/photo/cheerful-women-cooking-together-in-kitchen-3772534/
les modifications d'images ont été faites avec https://pixlr.com/x/#home
Kexin : De mon côté, j'ai terminé l'itrameur en anglais, français et espagnol en utilisant le site http://www.tal.univ-paris3.fr/trameur/iTrameur/. Problème rencontré : sur itrameur, le pôle source doit toujours être un mot.
Dans ce cas, le mot en français "femme au foyer" et le mot en espagnol "ama de casa" ne peuvent être identifiés car ce sont des constructions de trois mots.
Pendant le cours, le prof m'a donné le conseil de remplacer "femme au foyer" par "femme_au_foyer" pour qu'itrameur puisse identifier le mot.
Cependant quand j'ai effectué cette modification, il y avait encore un problème d'identification du pôle source. J'ai ensuite essayé de mettre les mots ensemble sous la forme "femmeaufoyer" et "amadecasa", et cette fois ça a marché sur itrameur.
Mais quand je re vérifie le cooccurrents, je trouve que il y a des mots outils qu’il nous n’intéresse pas : comme «le» «la» «une» «l’» en français ; «the»«or»«of» «A» en anglais ， après que je consulte Internet, je comprends qu’il faut effacer le stopword, cela est un étape de traiter le corpus dans le NLP.
06/01
Kexin:
Afin d'éliminer les mots vides, j'utilise le programme python nltk. j'installe le stop liste de nltk, cela fonnction pour anglais, beaucoup de mots vides sont éliminés.
Mais pour français et espagnol, nitk n'est pas très efficace, il reste beaucoup de mot désagréable. Dans ce cas je trouve les autres liste de stopwords sur Internet mais ils ne fonctionnent non plus.
Pour le corpus chinois, il faut d'abord faire la segmention et puis éliminer les mots vide. j'ai essayé le script thulac donné par prof, mais ce script il me donne un text un peu bizzar, les mots sont separé mais il y a des "/"ajouté entre les mots séparés.
Pour réglerce problàme, je chercher sur Internet et je trouve jieba pour segmentation et enlevé les stopwords en chinois.
08/01
Kexin:
Problème de tableau.
Quand je vérifiais le tableux sur notre page de site je trouve des problème d’affichage dans le contexte d’espagnol et français: Le contenu du texte s'affiche sur la page, mais à l'extrême gauche de la page, il y a des caractère désagréable comme /dumps-text/cordances/. Donc le problème qu'on a rencontré dans itrameur c'est à cause du corpus total origine de context.
C'est à cause de egrep.
Egrep n’est pas très efficace quand il cherche des mots avec espace, ici c’est le cas de « femme au foyer» et « ama de casa ». C'est pourquoi notre script fonctionne pour trouver le mot anglais et chinois, mais il y a un problème pour le français et espagnol.
Pour règler ce problème, il faut qu’on déclarer le mot après grep:
En français :
NB_OCC=$(grep -E -o "[Ff]emmes? au foyer" ./dumps-text/$basename-$lineno.txt | wc -l)
grep -E -A2 -B2 "[Ff]emmes? au foyer" ./dumps-text/$basename-$lineno.txt > ./contextes/$basename-$lineno.txt
En espagnol :
NB_OCC=$(grep -E -o "[Aa]mas? de casa" ./dumps-text/$basename-$lineno.txt | wc -l)
grep -E -A2 -B2 "[Aa]mas? de casa" ./dumps-text/$basename-$lineno.txt > ./contextes/$basename-$lineno.txt
Après ce changement, les contextes fonctionnent bien.