Code et Culture : Python pour les humanités numériques - Chaire Altissia

Enseignants

Gribomont Isabelle;

Langue
d'enseignement

Français
> English-friendly

Préalables

L’accès à ce cours est réservé à des étudiants ayant déjà suivi un cours de programmation. 

Thèmes abordés

Quelles sont les données numériques exploitées en sciences humaines (les corpus digitaux, les séries chronologiques, les bases de données, les images numériques, les enregistrements sonores ou vidéos, etc.) et surtout comment automatiser leur dépouillement quand les volumes de données deviennent trop importants ? Au travers de projet de programmation, les étudiants découvrent comment manipuler des données de sciences humaines dans le cadre de différents domaines d’études. 
Python est un langage de programmation libre, versatile et bénéficiant d'une communauté d'utilisateurs importante tant dans le domaine universitaire que le secteur privé. Avec la multiplication des données numériques dans les sciences humaines et sociales, le recours à l'informatique devient indispensable pour la collecte, la mise en forme, l'analyse et la visualisation des données.  
Dans le contexte des sciences humaines, le langage Python permet aussi bien de collecter des données textuelles/multimodales sur internet ou sur les réseaux sociaux, que d'identifier les réseaux formés par des personnages historiques dans un corpus de lettres, de reconnaître automatiquement la paternité d'une œuvre littéraire au travers de schémas stylistiques, de contraster les sentiments associés à certains concepts dans un corpus médiatique, ou de cartographier les lieux mentionnés dans un corpus issus des réseaux sociaux. Python permet l'application de méthodes d'analyses statistiques aussi bien que des méthodes d'apprentissage automatique et d'Intelligence Artificielle. Il s'agit donc d'un outil flexible dont la maitrise ouvre de nombreuses possibilités. 
En plus de développer des compétences informatiques au service de l'automatisation du traitement et de l'analyse de données de sciences humaines, nous réfléchirons aux défis et dilemmes éthiques posés par l'étude computationnelle de la culture. 

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :
1	Planifier et développer une séquence d'instructions compréhensibles pour un système informatique afin de résoudre un problème donné ou d'effectuer une tâche spécifique (Programmation, DigiComp 3.4)
2	Utiliser les outils et les technologies numériques pour créer des connaissances et innover dans les processus et les produits. S'engager individuellement et collectivement dans un traitement cognitif pour comprendre et résoudre des problèmes conceptuels et des situations problématiques dans des environnements numériques. (DigiComp 5.3)
Les AA « DigiComp » renvoient au référentiel européen « The Digital Competence Framework for Citizens (DigiComp 2.2) ».

Contenu

Ce cours introduit les possibilités de recherches et d'analyses du langage de programmation Python dans le domaine des humanités numériques. Nous nous attarderons donc particulièrement sur les modules pertinents pour répondre à des questions de recherche liées aux sciences humaines.
Nous utiliserons plusieurs jeux de données textuelles, tels que des corpus de presse contemporaine, des données issues des réseaux sociaux, des romans, ou des documents historiques. À partir de ceux-ci, nous explorerons différentes taches d'extraction d'information, telles que la transformation d'une image ou d'un fichier PDF en un fichier lisible par un ordinateur (reconnaissance optique de caractères), l'analyse de réseaux, l'extraction de noms de personnes, lieux, événements ou dates (reconnaissance d'entités nommées), ou l'identification de schémas linguistiques et sémantiques.
Tout au long de ces démarches, nous maintiendrons un regard critique quant aux limitations de notre méthodologie et des conclusions que nous pouvons tirer de nos résultats.

Méthodes d'enseignement

Séances magistrales et travaux pratiques. 

Modes d'évaluation
des acquis des étudiants

L'évaluation comprend les trois composantes suivantes :

• Travail écrit à rendre pendant la session d'examen (60 %).
• Présentation orale en préparation au travail écrit à réaliser à la fin du quadrimestre (20 %).
• Evaluation continue du travail fourni dans le cadre du cours (20 %).

La présentation orale et l'évaluation continue seront toujours prises en compte pour la session d'août. Un·e étudiant·e ayant échoué ces composantes se verra offrir la possibilité de soumettre à nouveau les tâches échouées ou un travail jugé équivalent.
NB : Les intelligences artificielles (IA) génératives doivent être utilisées de manière responsable et conformément aux pratiques de l’intégrité académique et scientifique. L'intégrité scientifique impliquant que l'on cite ses sources, l'usage d'une IA doit toujours être signalé. L'utilisation des intelligences artificielles pour les tâches où celles-ci sont explicitement interdites sera considérée comme un cas de tricherie.

Ressources
en ligne

Moodle

Faculté ou entité
en charge

> FIAL