Bilan et évolution d’OpenEdition Lab

thinkpublic, Innovation, CC BY-ND 2.0, 22 octobre 2008 (https://www.flickr.com/photos/thinkpublic/3042791963)

Depuis 2011, OpenEdition Center développe le programme de recherche et de développement OpenEdition Lab dont le but est de développer et d’expérimenter une palette d’outils exploitant les possibilités du numérique en matière de collaboration et d’accès à l’information scientifique et de la recherche d’information dans ces différents gisements que sont les livres, les articles de revues, les billets des carnets de recherche et les programmes scientifiques.

L’objectif est de permettre le déploiement de services innovants à travers de nouveaux dispositifs facilitant la diffusion de l’information scientifique ainsi que la réalisation de projets en recherche et développement visant à articuler entre elles toutes les ressources documentaires.

Les projets de recherche et développement (2010 – 2017)

Depuis 2011, OpenEdition avec la collaboration du laboratoire LIS (UMR CNRS, Aix-Marseille Université, Université de Toulon) ont développé un ensemble de projets de recherche et développement autour des sciences de l’information, au traitement automatique des langues et à l’informatique documentaire afin d’enrichir les contenus des plateformes. Il s’agit d’aboutir au développement de méthodes numériques robustes pour rechercher efficacement les contenus, proposer des liens hypertextes générés par des algorithmes et proposer des parcours de lecture adaptés aux besoins des utilisateurs.

Bilbo1 , pierre angulaire des projets R&D

Le premier projet a porté sur la reconnaissance et la structuration automatique des références bibliographiques, que ce soit sous la forme de bibliographies structurées en fin d’article, de notes de bas de page ou de citations au fil du texte, dans la documentation numérique scientifique. L’identification des références vise à permettre la navigation entre les différents objets numérique par résolution des DOI (Digital Object Identifier)2 .

Aujourd’hui, presque 12,7% des références bibliographiques sur OpenEdition Journals disposent d’un identifiant unique DOI et 7,55% des références sur OpenEdition Books.

Nombre cumulé de références bibliographiques détectées Nombre cumulé de références bibliographiques dans lesquelles des DOI ont été trouvés Pourcentage
2014 1 042 780 102 516 9,8 %
2015 1 415 161 140 221 9,9 %
2016 1 623 763 166 490 10,2 %
2017 2 013 976 239 621 11,9 %
2018 2 060 000 254 550 12,7 %

Nombre de DOI ajoutés sur la plateforme OpenEdition Journals

Nombre de références bibliographiques détectées Nombre de références bibliographiques dans lesquelles des DOI ont été trouvés Pourcentage
2015 396 049 19 132 4,8 %
2016 494 852 24 891 5 %
2017 764 754 53 896 7,05%
2018 823 290 62 160 7,5%

Nombre de DOI ajoutés sur la plateforme OpenEdition Books

Depuis avril 2017, la fonctionnalité “Cité par” complète le travail d’enrichissement de Bilbo et doit permettre aux utilisateurs de ces plateformes d’enrichir leur lecture avec la possibilité d’afficher les articles ou livres ayant un DOI qui citent le document.
OpenEdition Journals OpenEdition Books
Nombre de documents ayant un DOI 93 170 82 980
Nombre de documents cités au moins 1 fois 11 240
(12,1%)
2 080
(2,5%)

Pierre angulaire des programmes d’OpenEdition Lab, Bilbo, issu de ce premier projet et implémenté sur les plateformes OpenEdition Journals et OpenEdition Books3 , continue à être amélioré à travers deux autres projets portant sur la recommandation de contenus et sur la création de liens entre les documents d’OpenEdition.

Développer un système de recommandation de lecture

En 2013, OpenEdition Center et le LSIS sont lauréats d’un financement de la région PACA dont l’objectif est la réalisation d’un site portant sur la recommandation automatique de livres à partir d’une analyse dynamique des comptes-rendus autour des livres en sciences humaines et sociales. OpenEdition Review of Books4  porte sur la mise en relation des ouvrages de la plateforme OpenEdition Books et des comptes rendus issus des plateformes OpenEdition Journals et Hypothèses et sur un extracteur de citations remarquables, Écho5 .

Le projet Inter-Textes6 porte sur la valorisation des documents par le développement de modules logiciels facilitant leur mise en relation, de manière implicite (par exemple par leurs thématiques) soit de manière explicite (par allusion, par citation, etc.). Il s’agit de concevoir et développer des fonctionnalités d’agrégation de contenus scientifiques, de restructuration des documents, de validation des sources, de cross-linking des contenus et d’un système de recommandation. Des analyses sur la mise en page des contenus, des contenus textuels (analyse sémantique) de leurs liens (références croisées entre les documents) et sur les usages (analyse des logs) complètent le processus de recherche.

Enfin,  deux projets de recherche de l’Equipement d’excellence DILOH obtenu en 2012 visent à aboutir à un système de recommandation ciblé s’appuyant sur les données textuelles et la génération automatique des hyperliens.

L’ensemble de ces projets a donné lieu à quatre thèses menées par des doctorants du LSIS (aujourd’hui le LIS, UMR 7020) et à une thèse en co-encadrement international avec l’Université de Vigo (Espagne):

  • Hussam Hamdan, Sentiment Analysis in Social Media, Thèse de doctorat : Informatique. Marseille : Université d’Aix-Marseille, 2015, 165 p.. Soutenue le 1er décembre 2015.
  • Chahinez Benkoussas, Approches non supervisées pour la recommandation de lectures et la mise en relation automatique de contenus au sein d’une bibliothèque numérique, Thèse de doctorat : Informatique. Marseille : Université d’Aix-Marseille, 2016. Soutenue le 14 décembre 2016.
  • Anaïs Ollagnier, Combinaison d’approches du traitement automatique des langues et de la recherche d’information pour une recherche de livres orientée contenu efficace, Thèse de doctorat : Informatique. Marseille : Université d’Aix-Marseille, 2017. Soutenue le 29 novembre 2017.
  • Amal Htait, Modèles probabilistes de recommandation de livres par analyse de contenus et de sentiments, combinant Recherche d’Information et Traitement Automatique des Langues. Adaptation aux collections d’ouvrages en Sciences Humaines et Sociales d’OpenEdition. (en cours, soutenance prévue fin 2018)
  • Tamara Alvarez-Lopez, Sentiment Analysis in Social Media Content Using NLP techniques (en cours, soutenance prévue automne 2018)

En reprenant certains des algorithmes et des utilitaires développés au cours des différentes thèses, OpenEdition Lab a pu classifier et explorer les contenus des plateformes :

Nous avons également mis en place Langage Detection pour détecter automatiquement les langues de chaque document des plateformes d’OpenEdition7 .

Les futurs projets d’OpenEdition Lab

Analyse des usages des lecteurs sur OpenEdition

Depuis 2017, OpenEdition Lab a étendu ses activités de recherche aux usages des utilisateurs des plateformes d’OpenEdition. Financé par le programme PIA ISTEX, le projet Usages alpha consiste à définir une grille d’analyse par un dispositif méthodologique, un ensemble de modèles d’usages et la réalisation d’un prototype de détecteur de lecteur inattendu qui exploitent les logs de connexion des plateformes d’OpenEdition. L’étude a porté sur une analyse quantitative à grande échelle sur des données complexes et difficiles à interpréter. Cette recherche a permis de mettre en avant plusieurs éléments :

  • la modélisation du lecteur inattendu défini par Philip Bourne
  • la classification des parcours de lecture
  • une taxonomie des formes de lecture
  • des pratiques de lecture en fonction des profils des utilisateurs
  • l’observation des cycles de production scientifiques

Ses résultats seront exploités dans le cadre du projet « Appropriations du savoir ouvert » financé par la Fondation d’Aix-Marseille Université, A*Midex, dont OpenEdition est lauréat depuis octobre 20178 . Ce projet consiste à comprendre les usages sur les plateformes d’OpenEdition en cherchant des corrélations entre les contenus et les usages identifiés (par exemple la longue traîne9 , la sleeping beauty10 , le lecteur inattendu11 et la conversation silencieuse12 ). Il s’agira de croiser les usages et les caractéristiques éditoriales et linguistiques des contenus pour mettre au point une typologie des appropriations et des contextes de citations afin de définir des scenarii de propagation et d’appropriation de l’information scientifique et qualifier les littératies des différentes populations de lecteurs dans la diffusion de la culture scientifique.

Réécriture du code Bilbo

Une réécriture complète de Bilbo est actuellement en cours de développement. Elle a pour but de rendre à la fois Bilbo plus robuste en production et plus malléable comme outil de recherche. Bilbo pourra être ainsi diffusé plus largement à d’autres corpus, prendre en considération des volumes de données plus importants mais aussi être plus facilement intégrées dans une chaîne de processus comme la détection de la langue, l’adaptation des modèles, la recherche des doi. Dans le même temps il doit pouvoir être un outil de développement facile à utiliser dans le champ toujours très ouvert de l’extraction et de l’annotation des références bibliographiques.

L’indexation automatique des livres

En partenariat avec Huma-num, OpenEdition Lab travaille sur le champ de l’indexation et de la catégorisation de tous ces documents d’OpenEdition selon différents thésaurus. Une première étape de ce projet est l’indexation automatique des livres.

L’indexation de l’ensemble des documents sur toutes les plateformes sera quant à lui un résultat intermédiaire primordial dans le développement de système de recommandation de lecture.

Recommandation de lecture de documents sur Calenda

Le projet More Like This vient d’être implémenté sur la plateforme Calenda. Ce projet vise à une recommandation de lecture pertinente en se basant seulement sur les Bag Of Words ou sac de mots d’un texte. Son intégration dans notre système de base de données a permis de réaliser de nombreux tests concluants. La poursuite de ces tests à l’ensemble des plateformes pourrait être envisagée, tout comme l’intégration à un système de recommandation de lecture plus large aussi.

Vers une ouverture des données d’OpenEdition

Enfin, le projet OpenEdition Data qui démarrera en 2018 portera sur l’ouverture des données du portail OpenEdition. Celui-ci présente une importante ressource pour les chercheurs et  compose un vaste ensemble documentaire, composé d’une grande diversité de formes éditoriales et de langues. Il marque également la volonté d’OpenEdition de s’inscrire dans le mouvement de l’open data.

Notes

  1. https://github.com/OpenEdition/bilbo []
  2. http://www.maisondesrevues.org/253 []
  3. http://lab.hypotheses.org/955 et http://lab.hypotheses.org/1625 []
  4. http://reviewofbooks.openeditionlab.org/presentation []
  5. https://github.com/OpenEdition/echo []
  6. http://grapher.openeditionlab.org []
  7. Sheeren Albitar, À la recherche d’un détecteur automatique des langues, Carnet d’OpenEdition Lab, 16 novembre 2015. URL: https://lab.hypotheses.org/1048 []
  8. http://lab.hypotheses.org/1845 []
  9. Anderson, Chris. 2012. La Longue Traîne : Quand vendre moins, c’est vendre plus. Paris: Flammarion. []
  10. Van Raan, Anthony F. J. 2004. “Sleeping Beauties in science”, Scientometrics. 59: 467. https://doi.org/10.1023/B:SCIE.0000018543.82441.f1 []
  11. Kevin Smith, J.D.. 2011. « The unexpected reader », Scholarly Communications@Duke. https://blogs.library.duke.edu/scholcomm/2011/11/15/the-unexpected-reader/ []
  12. https://archivesic.ccsd.cnrs.fr/sic_00439849 []

Vous aimerez aussi...

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.