Ok

En poursuivant votre navigation sur ce site, vous acceptez l'utilisation de cookies. Ces derniers assurent le bon fonctionnement de nos services. En savoir plus.

30/06/2023

Formation à Hyperbase

Léa et Marceau.jpgDans le cadre du projet ANR Tractive, l’équipe BCL (Bases, corpus, langage) de l’université de Nice m'a accueillie, le 22 et 23 juin 2023, ensemble avec Léa Andolfi (doctorante du projet Tractive) et Marceau Hernandez (assistant de recherche CERES) (voir photo) pour un atelier de formation à Hyperbase, logiciel universitaire téléchargeable d'exploration documentaire et statistique des textes, dont la version actuelle est développée par Laurent Vanni.


L’idée d'organiser cette formation est née lors des rencontres Tractive du 23 janvier et du 18 avril 2023, lors desquelles il s'est avéré intéressant de faire des croisements entre les différents travaux, ceux de l'équipe BCL (annotation du corpus MovieGraph composé des sources audiovisuelles et des scripts de film), de Léa (annotation d'un corpus de films historiques composé des sources audiovisuelles ; corpus de réception de films composé de commentaires récoltés sur Allociné et RottenTomatoes) et de moi-même (corpus MAD composé de scripts d'audiodescription et des sources audio des films qui y correspondent). Marceau a participé à la rencontre afin de pouvoir offrir par la suite, dans les locaux de la Maison de la recherche (75006 Paris), une formation à Hyperbase aux personnes intéressées, ainsi que du support à Léa et moi-même pour le traitement de nos corpus sur Hyperbase.

Références

Laurent, et Étienne Brunet. 2021. « Hyperbase | Analyse de données textuelles en ligne ». Nice. http://hyperbase.unice.fr/hyperbase/.

Mayaffre, Damon, Bénédicte Pincemin, et Céline Poudat. 2019. « Explorer, mesurer, contextualiser. Quelques apports de la textométrie à l’analyse de discours ». Langue française 203 (3): 101‑15. https://doi.org/10.3917/lf.203.0101.

Soldan, Mattia, Alejandro Pardo, Juan León Alcázar, Fabian Caba Heilbron, Chen Zhao, Silvio Giancola, et Bernard Ghanem. 2022. « MAD: A Scalable Dataset for Language Grounding in Videos from Movie Audio Descriptions ». In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 5026‑35. arXiv. https://doi.org/10.48550/ARXIV.2112.00431.

Vicol, Paul, Makarand Tapaswi, Lluis Castrejon, et Sanja Fidler. 2017. « MovieGraphs: Towards Understanding Human-Centric Situations from Videos », 2017. https://arxiv.org/abs/1712.06761.

Les commentaires sont fermés.