Uniformiser l’encodage d’un corpus avec Python

Quelques articles de ce carnet ont déjà été consacrés au traitement de données dans le cadre de la constitution d’un corpus, notamment l’étiquetage morphosyntaxique (pour le chinois, avec les étiqueteurs PyNLPIR et Jieba). Toutefois je n’y avais pas abordé la question de l’encodage des caractères.

Concernant les corpus écrits, l’encodage est un paramètre important.
Il doit :

  • Permettre la reconnaissance de tous les caractères présents dans le corpus .
  • Être le même dans tous les fichiers composant le corpus.
  • Être compatible avec les outils de traitement qui seront utilisés par la suite.

Lorsqu’on construit un corpus textuel, les données ne valident pas forcément ces critères au moment de leur collecte, et il est alors indispensable d’uniformiser l’encodage au plus vite.

Je vais détailler ici l’écriture d’un script Python permettant de convertir automatiquement en utf-8 un ensemble de fichiers, quel(s) que soi(en)t leur(s) encodage(s) d’origine.

Continuer la lecture de « Uniformiser l’encodage d’un corpus avec Python »

Frise chronologique avec LaTeX

Les concours externes ITA du CNRS sont ouverts pour cette année. C’est en passant l’un de ces concours l’année dernière que j’ai commencé à travailler à mon poste actuel, la passation du concours est donc encore un événement récent pour moi.

Je ne vais pas ici donner de conseils pour la constitution du dossier ou la préparation du concours à proprement parler, mais je voudrais vous montrer une méthode qui peut être efficace pour présenter un parcours professionnel et/ou de formation, sous forme de frise chronologique avec LaTeX. Je l’ai moi-même utilisée dans le diaporama accompagnant ma présentation orale lors de l’audition pour le concours.

Continuer la lecture de « Frise chronologique avec LaTeX »

Affichage des articles

Ce carnet comporte maintenant un certain nombre d’articles. Certains sont relativement longs et les afficher en entier sur la page d’accueil rendait la navigation assez laborieuse.

À partir de maintenant, les articles longs ne seront plus affichés intégralement : le début de l’article figurera sur la page d’accueil du carnet, et le texte intégral sera accessible en cliquant sur le lien Continuer la lecture.

Cette modification a également été appliquée aux articles déjà présents sur le carnet.

Citer ce billet : “Affichage des articles”, par Alexander Delaporte. Publié sur Tekipaki le 05/06/2020. Lien : https://tekipaki.hypotheses.org/388.

Webinaires AFLA 2020

Deux webinaires ont été proposés la semaine dernière par l’Association Française de Linguistique Appliquée (AFLA). Il est maintenant possible de revoir librement les enregistrements1.

Le thème de la première séance était « Les langues des familles dans l’éducation en temps de crise (et au-delà…) », présenté par Nathalie Blanc2 et Jean-Luc Vidalenc3. Cette séance était animée par Grégory Miras4.

La seconde séance portait sur le thème « Parole publique en temps de crise », présenté par Albin Wagener5, accompagné par Julien Longhi6.

Ces webinaires ont été organisés par Julien Longhi (CY Cergy Paris Université) & Grégory Miras (Univ. de Rouen Normandie) avec le soutien de Julie Mesnildrey (Univ. de Rouen Normandie).

Citer ce billet : “Webinaires AFLA 2020”, par Alexander Delaporte. Publié sur Tekipaki le 02/06/2020. Lien : https://tekipaki.hypotheses.org/358.
  1. Ces enregistrements sont mis à disposition par l’AFLA et l’Université de Rouen Normandie. Je n’en suis absolument pas l’auteur, j’ai simplement demandé le droit de les présenter sur mon carnet. []
  2. INSPE – Univ. Lyon I []
  3. Enseignant et formateur []
  4. Univ. Rouen Normandie []
  5. Univ. Rennes 2/Inalco []
  6. CY Cergy Paris Université []