Visite guidée CARIST 2014
|
page en cours de rédaction |
Cette page a été mise en ligne à l'occasion des Carrefours de l'IST (Nancy 2014).
Voir : http://www.carrefourist.fr/
Le projet LorExplor de l'Université de Lorraine vous invite à expérimenter l'ingénierie de la connaissance sur le réseau Wicri.
Sommaire
Introduction au projet LorExplor
Le projet ISTEX doit mettre à la disposition des chercheurs français un ensemble de plusieurs dizaines de millions d'articles en format texte numérique plus ou moins structuré.
LorExplor est soutenu par ce programme pour le développement d'un démonstrateur destiné aux acteurs de la recherche et de l'innovation.
Il s'appuie sur 2 éléments d'infrastructure :
- le réseau de wikis sémantiques Wicri,
- une bibliothèque XML de composants pour l'ingénierie de la connaissance, DILIB.
Le réseau Wicri
Réseau de wikis
- Pour se repérer dans le réseau
Le réseau Wicri est un démonstrateur qui contient de nombreuses expérimentations en cours de montage et qu ne dispose pas de forces éditoriales.
- sur un wiki, de façon classique le logo en haut à gauche pointe vers la page d'accueil.
- l'onglet communauté permet également de s'orienter au sein du réseau de wikis.
- Quelques points d'entrée (wikis communs)
- Le wiki point d'accueil principal du réseau : Wicri/Wicri.
- le premier wiki régional : Wicri/Lorraine.
- le premier wiki thématique (autour de l'ingénierie de la connaissance pour les communautés de la recherche et de l'innovation : Wicri/Ticri.
Rééditions
- Textes et ouvrages anciens
Les wikis du réseau Wicri peuvent contenir des textes ancien réédités en format hypertexte
- un premier exemple a été le lac des perches sur Wicri/Alsace où un article issu de Persée et daté de 1896 à servi à renseigner une discussion sur le nom du lac.
- Sur Wicri/Lorraine, un ouvrage plus conséquent a été traité : Le Palais ducal de Nancy écrit en 1852 par Henri Lepage. Cet ouvrage a été numérisé sur Gallica (et traité par OCR par Google). Un ensemble de modèles a été développé pour le structurer, afin de le rendre plus lisible par Internet, en conservant les liens avec Gallica, page par page. On trouvera notamment :
- un traitement plus approfondi d'une annexe, une vue complexe du Palais, qui occupe plusieurs pages avec des renvois vers le texte.
- L'introduction de ressources iconographiques complémentaires, de liens vers des articles du wiki (vers Charles III de Lorraine par exemple) et de liens sémantiques. Le chapitre d'introduction a été travaillé dans ce sens.
Wikis sémantiques
- Pour accéder à la démonstration sur l'Ohio
Cette démonstration est située sur le wiki Wicri/Eau. Pour voir la codification des éléments sémantiques, il suffit d'activer l'onglet « voir le texte source » (ou modifier si vous êtes connectés). Les pages intéressantes sont les suivantes :
- Pittsburgh - notamment le début,
- Ohio_(rivière) - on y trouve 2 listes calculées.
- Traitement sémantique des colloques
Démonstrateur LorExplor
Le démonstrateur
Le réseau Wicri vise à donner des informations synthétiques aux acteurs de la recherche et de l'innovation en privilégiant un déploiement thématique ou régional.
Les corpus ISTEX sont principalement utilisés, en complément avec d'autres sources, pour analyser la production scientifique sur un sujet donné. Ce sujet peut alors être traité de différentes façons pour donner lieu à des contributions dans le réseau en fonction de ses caractéristiques thématiques ou régionales. Ce mécanisme est souvent complètement transparent pour un internaute qui ne voit que le résultat final dans le paysage informationnel qui lui est familier.
Pour y parvenir, les rédacteurs et contributeurs peuvent s'appuyer sur des analyses de corpus avec des serveurs d'exploration. Ces serveurs sont générés par la bibliothèque Dilib, une bibliothèque de logiciels XML contenant des outils d'analyse de corpus. Lorsque les éditeurs ont libéré en « open source » leurs métadonnées, celles-ci peuvent être rendues visibles pour l'utilisateur final, généralement en complément d'autres sources. Un lecteur expérimenté pourra alors mener ses propres investigations dans les corpus.
Ces explorations seront d'autant plus efficaces que les données seront homogénéisées. Une grande partie des traitements sera dédiée à transformer les métadonnées initiales à l'aide de matériaux terminologiques.
Le réseau Wicri fonctionne alors comme un portail d'accès aux éléments visibles des ressources ISTEX.
Les serveurs d'exploration
Les serveurs d'exploration sont des systèmes de recherche d'information, fortement paramétrables et dans lesquels les fonctions exploratoires sont privilégiées. Ils sont construit à partir d'un ou de plusieurs corpus téléchargés de sources diverses (et notamment ISTEX).
- Un exemple à partir de ce wiki
Sur ce wiki, une plateforme contient un ensemble de serveurs (voir Serveur d'exploration sur la microsimulation). Les serveurs sont matérialisés par des icônes.
Chaque serveur donne accès à un ensemble d'index. Pour chaque index une page donne une liste d'entrée classée par ordre de fréquence décroissante (voir par exemple pour l'index pays de l'étape Checkpoint du flux Pascal)
Nous travaillons sur une meilleure visualisation de ces résultats sous forme de cartes, voici par exemple, sur la microsimulation la production scientifique des régions françaises :
- Sur le wiki H2PTM
Un exemple de référence de 10 000 documents (métadonnées) est disponible sur ce wili, voir HypertextV5.
Curation de données
La curation des données dans LorExplor vise essentiellement à homogénéiser des données issues de sources hétérogènes. En pratique, ce type d'opération se déroule comme suit :
- des pages du réseau de wikis contiennent des règles de curation,
- ces pages sont importées sur une machine de développement où elles sont transformées pour être intégrées à la bibliothèque logicielle DILIB.
- les serveurs d'explorations sont alors régénérés et remis en ligne.
Exemples sur les pays
La curation des noms de pays est notamment utilisée pour donner des éléments de comparaison sur les productions scientifiques au niveau international.
