Données et méthodes des humanités numériques II

La discipline des humanités numériques (HN) a émergé dans le paysage académique au cours des dernières décennies. Mobilisant des méthodes jusque là peu utilisées en sciences humaines et sociales (SHS), elle permet de poser un regard nouveau sur des problématiques issues de celles-ci. Elle peut être divisée en deux branches principales. La première se préoccupe de la manière dont l’information est extraite, gérée, manipulée et stockée. Cet aspect est l’un de ceux qui est au centre du master en STIC, et se retrouve donc dans plusieurs cours du programme (comme Introduction aux bases de données [STIC-B405], Édition numérique [STIC-B520], ou Architecture des systèmes d’information [STIC-B415]).

La deuxième branche des HN concerne les méthodes numériques à l’aide desquelles l’information est analysée, comparée et critiquée, et constitue le point d’attention du présent cours. De nombreuses techniques numériques et quantitatives sont désormais aisément accessibles, qui permettent d’étudier des corpus de données provenant des SHS sous des angles originaux, posant de nouvelles questions à leur propos, ou renouvelant l’étude de questions posées depuis longtemps. Le cours propose de donner un panorama de ces méthodes d’analyse, en axant leur présentation sur les caractéristiques des données étudiées et en se basant sur des exemples issus de la littérature scientifique.

Ce cours fait partie d'un ensemble de deux cours jumeaux (avec Données et méthodes des humanités numériques I [STIC-B561]) donnés en alternance une année académique sur deux. Les étudiants peuvent sélectionner l'un de ces cours ou les deux (sur deux années), au choix, l'ordre dans lequel les deux cours se suivent n'ayant pas d'importance.
Les deux cours couvrent des contenus similaires, mais des types de données, de méthodes et d'analyses différents.

Dans ce cours-ci, le focus est mis sur :
- des questions épistémologiques autour de concepts clefs des humanités numériques ;
- certains aspects de l'analyse de données textuelles ;
- l'analyse des données iconographiques ;
- l'analyse des données spatiales.

 

L’objectif du cours est de donner une vue d’ensemble des données qui sont manipulées et des méthodes qui leur sont appliquées en humanités numériques. À l’issue du cours, l’étudiant doit être capable, dans le cadre d’un projet de SHS, d’identifier la nature d’un ensemble de données, de déterminer la façon dont une problématique peut être traduite en une tâche analytique et de proposer une liste de méthodes applicables pour effectuer cette tâche, en comprenant leurs tenants et leurs aboutissants. Il doit aussi pouvoir manipuler effectivement de telles données et en effectuer une analyse basique.

 

Le cours consiste en un ensemble de séances magistrales et pratiques, alternant des exposés théoriques, la présentation d’exemples pratiques issus de la littérature scientifique et des moments de manipulation des données à l'aide du langage de programmation statistique R. Les exemples sélectionnés couvrent un large éventail de disciplines (linguistique, archéologie, philosophie, communication, sciences politiques, etc.) et de périodes (époques contemporaine, moderne, médiévale et antique).

 

Support(s) de cours

• Université virtuelle

Contacts

Sébastien de Valeriola (sebastien.de.valeriola@ulb.be)

Campus

Solbosch

Méthode(s) d'évaluation

• Projet
• Présentation orale

Projet

Présentation orale

L’évaluation consiste en un travail personnel et un examen oral.

Le premier concerne l'application de méthodes vues au cours à de nouvelles données : les résultats de l'analyse doivent être remis sous la forme d'un projet écrit.

Le second consiste en l’analyse de deux articles scientifiques en humanités numériques, préparés à l'avance.
Les articles scientifiques sont sélectionnés par l’étudiant au cours du quadrimestre (après validation par le professeur), suivant ses intérêts et son profil. L’analyse doit refléter les points abordés dans le cours, et inclure une présentation des données utilisées, des méthodes mises en œuvre et des résultats obtenus par les auteurs des articles.

Concernant l’utilisation d’outils d’intelligence artificielle générative, les modalités de ce cours suivent celles qui sont exprimées pour les mémoires et TPMs énoncées dans le "guide du mémoire".

 

Construction de la note (en ce compris, la pondération des notes partielles)

La présentation orale et le travail valent chacun pour la moitié de la note (50%+50%).

Langue(s) d'évaluation

• français