L’exploration des données du projet Archelec4

Récit d’un stagiaire en temps de pandémie

Dans le cadre du projet Archelec4, le besoin est rapidement apparu de concevoir un outil de recherche ad hoc permettant de parcourir l’important corpus de données électorales du CEVIPOF qui ont été numérisées et et mises en ligne sur la plateforme Internet Archive. En effet, cette dernière propose un outil de recherche qui ne correspond pas aux besoins du corpus dans ses spécificités..
C’est dans ce contexte que j’ai effectué un stage à Sciences Po. Etudiant en 4ème année d’école d’ingénieur à l’Université de Technologie de Compiègne (UTC) en informatique, j’ai travaillé sur le projet de février à juillet 2010, sous la responsabilité de Diego Antolinos Basso, ingénieur de recherche au CEVIPOF.

Définition des besoins
Mon travail a tout d’abord consisté à définir les besoins, les enjeux et les nécessités que cet outil allait impliquer. En effet, à mon arrivée à Sciences Po, l’outil n’en était qu’au stade d’idée – sa nécessité ayant déjà été mise en lumière, mais pas encore ses fonctionnalités. Une première phase de réflexion fut donc initiée, de design et de définition et de de choix quant aux moyens techniques qui seraient mis en œuvre. Puis je me mis à l’ouvrage. Cependant, la vie suivant son cours, un certain coronavirus vint bouleverser ce programme, et je dus entreprendre les deux dernières phases de ce programme depuis ma chambre chez mes parents en Picardie, loin de Paris donc, entraînant quelques complications.

Le premier volet de mon travail a consisté à prototyper l’outil d’exploration. Celui-ci viendrait en parallèle des données hébergées sur la plateforme Internet Archive et serait proposé via celle-ci comme un moyen de parcourir le corpus aux utilisateurs désireux de découvrir les données d’Archelec ou bien d’avoir accès à certaines d’entre elles.
Le corpus de données du projet Archelec est très riche. De plus, la quatrième itération du projet – Archelec4 – a justement eu pour objectif principal l’enrichissement de ces données, en démultipliant grandement le nombre de documents et en leur ajoutant de nombreuses nouvelles métadonnées. L’outil d’exploration se devait donc de permettre de parcourir ce corpus avec le plus d’aisance possible. Ce travail s’adressant à la fois à des chercheurs et au grand public, la première étape est donc de fournir un moteur de recherche afin d’obtenir des professions de foi spécifiques. Il consisterait en un formulaire permettant d’interroger chaque champ de métadonnées. En retour, le moteur fournirait à l’utilisateur les professions de foi ayant dans leur métadonnées les valeurs entrées par l’utilisateur. Il serait également possible d’effectuer une recherche sur un même champ plusieurs fois : on pourrait par exemple demander au moteur de nous fournir les professions de foi du candidat Valéry Giscard d’Estaing et celles du candidat Raymond Barre pour les années 1978 et 1993 en une seule et même recherche.Canva

Un outil qui facilite la navigation dans le corpus
Cet outil d’exploration se doit de ne pas seulement permettre d’effectuer des recherches, mais aussi de parcourir le corpus avec plus d’aisance. L’idée principale est la présence de champs s’auto-complétant dans le formulaire du moteur de recherche. En effet, le principal élément apportant de la complexité au corpus est la présence de certains champs de métadonnées comportant un très grand nombre d’éléments. Il en va ainsi par exemple pour les noms et prénoms des candidats, pour leurs professions ou pour les partis auxquels ils sont affiliés. Un utilisateur qui ne serait pas familiarisé avec le corpus pourrait être perdu devant ce nombre faramineux d’entrées que chaque champ de métadonnées peut contenir. D’où l’intérêt de l’auto-complétion.

Pour ces fameux champs dits “complexes”, l’utilisateur sera aidé par le moteur dans sa recherche. En cliquant sur le champ, le moteur présentera l’ensemble des champs disponibles. Au fur et à mesure que l’utilisateur entrera des caractères, le moteur affinera la sélection de métadonnées présentées, jusqu’à ce que l’utilisateur trouve exactement la donnée qu’il souhaite ; ou bien qu’il se rende compte que ce qu’il cherche n’est pas présent dans le corpus ; ou encore qu’il choisisse de faire une recherche globale sur le terme qu’il aura entré et qui est contenu dans plusieurs données de ce champ.

Par exemple, si l’utilisateur tape “SNCF” dans le champ de recherche Profession, le moteur lui propose de choisir entre les profession “SNCF Cheminot”, “Chef de gare SNCF”, “Conducteur SNCF”, etc. L’utilisateur peut ensuite choisir d’effectuer sa recherche sur le terme exact qu’il a entré, ce qui retournera toutes les professions de foi contenant cette donnée. Par exemple, pour “SNCF” seul, le formulaire retourne toutes les professions de foi pour lesquelles le candidat exerce une profession contenant le mot SNCF. Ou bien il peut affiner sa recherche en sélectionnant l’une des propositions de l’auto-complétion. Par exemple, seulement les professions de foi pour lesquelles le candidat exerce la profession de “Cheminot SNCF”. Cela a pour effet de permettre à l’utilisateur d’effectuer à la fois des recherches très larges et vagues – il peut en effet être intéressant de recueillir toutes les professions de foi de candidats ayant un poste quelconque au sein de la SNCF – ou bien très précises et pointues. En plus de l’aider dans ses recherches, l’auto-complétion a pour but d’ouvrir le corpus à l’utilisateur, et de lui montrer l’ensemble des données sur lesquelles il peut effectuer sa recherche. Après avoir effectué une recherche, l’utilisateur doit avoir la possibilité de récupérer les données qui l’intéressent. L’outil lui proposera de télécharger les résultats de sa recherche (soit les métadonnées, soit les professions de foi, ou encore les deux). Cela signifie que si un utilisateur le désire l’outil doit lui permettre de télécharger le corpus tout entier.

Le projet Archelec4 se focalise uniquement sur des professions de foi de candidats aux élections législatives de 1958 à 1993. Cependant, le CEVIPOF possède un corpus de matériel électoral bien plus large, couvrant notamment d’autres élections et d’autres années. De plus, un autre volet du projet est la formation d’un corpus de logos politiques. Un des aspects du prototype serait donc de lui permettre – un jour – de s’ouvrir à ces autres élections ou à ces autres données.



Citer ce billet
Robin Bouvier (2020, 14 décembre). L’exploration des données du projet Archelec4. PROJET ARCHELEC 4 - CollEx-Persée. Consulté le 19 juin 2024, à l’adresse https://doi.org/10.58079/bbxg

Laisser un commentaire

Votre adresse e-mail 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.