Navigation – Plan du site

Classifier, représenter et labelliser : Cadre et outils méthodologiques associés pour une émergence automatique de thématiques sur données textuelles

Classifying, Representing and Labelling: Methodological Framework and Associated Tools for an Automatic Emergence of Themes on Textual Data
Sarah Maire et Sébastien Liarte

Résumés

Cet article propose un cadre méthodologique permettant l’émergence de thématiques de manière automatique à partir de données textuelles. Ce cadre méthodologique s’articule autour d’un processus en trois étapes – classification, représentation et labellisation – et autour d’outils spécifiques associés à la démarche tant au niveau des techniques statistiques que des logiciels informatiques. Cette méthode s’inscrit dans le champ des méthodes de fouilles textuelles (texmining) qui se développent actuellement. À titre d’illustration, la démarche est appliquée sur les textes présents dans la totalité des calendriers des Scouts et Guides de France de 1936 à 2016, afin d’en faire émerger trois thématiques principales : la communauté, l’organisation et la religion. Ces trois thématiques peuvent être assimilées à des logiques institutionnelles identifiées, a posteriori, à partir d’un corpus textuel, sans passer par l’établissement et la mise en relation de critères déterminés a priori par le chercheur.

Haut de page

Texte intégral

Les auteurs remercient les deux évaluateurs anonymes, le rédacteur en chef invité en charge de cet article, Thomas Roulet, Nicolas Battard, Hélène Delacour, Amélie Boutinot ainsi que l’ensemble des participants à l’atelier méthodologie de l’AIMS en novembre 2016 à Paris pour l’ensemble de leurs commentaires. Cet article a bénéficié du financement de la Région Grand Est et du FEDER dans le cadre du programme CPER-ARIANE de l’Université de Lorraine (projet Darklor).

1Bien qu’ancienne, notamment à travers l’école française portée par Benzecri dans les années soixante-dix et quatre-vingt, la statistique textuelle fait aujourd’hui l’objet d’une grande attention. La numérisation de milliers de documents rendus accessibles par Internet (presse, bibliothèques, bases de données d’articles scientifiques, blogs, etc.), l’avènement de l’Internet 2.0, la collecte massive de traces écrites d’interactions avec les internautes (avis, commentaires, etc.) ainsi que la multiplication de l’écrit à travers les réseaux sociaux (commentaires sur Facebook, Tweets, etc.), ont contribué à l’explosion de la quantité de données textuelles. Ces données textuelles sont souvent peu structurées et nécessitent de nouvelles approches d’analyse. Face à cette explosion de la quantité d’information, se pose la question de l’exploration, de la structuration et de l’indexation sur une telle volumétrie de données en vue de l’identification des thématiques présentes dans le corpus textuel.

2De manière classique, l’identification des thématiques dans un corpus de données textuelles implique une analyse de contenu qui suppose qu’un ou plusieurs codeurs lise(nt) un corpus, et le code(nt) fragment par fragment en fonction de certaines catégories prédéfinies ou émergentes afin d’en dégager les thématiques présentes (Baumer et al., 2017). Cette manière de procéder présuppose la capacité matérielle de réaliser ce travail de codage, la capacité à le réaliser correctement et la capacité à établir un lien entre des fragments de texte et un thème (Fallery et Rodain, 2007). Or, dans un contexte de données particulièrement massives, une démarche top-down de ce type ne paraît plus adaptée. L’alternative consiste alors à être en mesure d’extraire l’information pertinente de la masse de données à partir de techniques quantitatives de fouilles de données qualitatives.

3L’objectif de cet article est de proposer un cadre méthodologique intégrateur permettant d’identifier, à travers des outils quantitatifs, les différentes thématiques présentes dans un large corpus de données qualitatives. En reprenant un processus en trois étapes – classifier, représenter et labelliser – assez classique dans ce type de démarche, l’objectif ici est plus particulièrement de le rendre opérationnel à travers la mobilisation d’outils spécifiques, particulièrement adaptés à chaque étape. Ainsi, il s’agit de proposer un cadre méthodologique permettant aux chercheurs en sciences sociales à adopter une perspective radicalement différente pour le traitement de leurs données qualitatives (DiMaggio, 2015). Dans une première partie, nous détaillerons donc chacune de ces trois étapes en y associant la présentation des différents outils mise en avant. Dans une deuxième partie, nous réalisons l’analyse d’un corpus textuel d’une organisation selon le cadre présenté précédemment. Plus précisément, il s’agit de l’identification des thèmes évoqués par l’ensemble des données textuelles contenues dans l’ensemble des calendriers annuels des Scouts et Guides de France édités de 1936 à 2017. Cette analyse a pour vocation de constituer un exemple d’application afin de répondre à une problématique méthodologique pour les chercheurs en stratégie s’inscrivant dans le cadre de la théorie néo institutionnelle : l’identification des logiques institutionnelles. En conclusion, les limites de la méthode et des outils, les contributions et les voies de recherche sont discutées.

1. Cadre méthodologique pour une identification émergente des thématiques sur données qualitatives à partir de méthodes quantitatives

4L’analyse statistique de données qualitatives peut être mobilisée afin d’identifier les thématiques sous-jacentes à un corpus textuel d’apparence non structuré, en particulier lorsque ce corpus est particulièrement vaste et rend impossible toute analyse exhaustive manuelle. Afin de parvenir à une identification de thématiques claires, il est nécessaire de mettre en place un protocole en trois étapes. Si ce processus peut être considéré comme relativement classique, il n’en est pas de même pour les différents outils utilisés. Premièrement, il s’agit de faire émerger, à partir d’une analyse hiérarchique descendante, une structure dans le corpus textuel à partir de l’identification de différentes classes homogènes en termes de contenu en leur sein et hétérogènes entre elles. Deuxièmement, l’analyse factorielle de correspondance constitue une méthode permettant une représentation graphique des thématiques à partir du positionnement des mots dans l’espace. Troisièmement, un examen des champs sémantiques mobilisés dans chacune des catégories à partir de logiciels d’analyse sémantique automatique doit permettre d’affiner l’identification du contenu des thématiques.

1.1. Etape 1 : Distinguer les différentes thématiques à travers les méthodes de classification

5La classification vise à classer un document, un fragment de texte, un mot, etc. dans une ou plusieurs thématiques. Cette classification peut s’effectuer de manière supervisée ou non supervisée. En cas de classification non supervisée, il est nécessaire d’opter pour une technique de classification statistique traditionnelle ou d’avoir recours aux outils propres à la fouille textuelle ou topic modeling.

1.1.1. Classification supervisée versus classification non supervisée

6Lorsque la classification est réalisée à travers l’affectation des éléments étudiés dans des thématiques prédéfinies ou en fonction de typologies ou de règles particulières, on parle de catégorisation. Cette catégorisation est effectuée sur un modèle a priori qui supervise l’affectation des éléments.

7Dans une démarche de fouille textuelle, le raisonnement est inverse puisqu’il s’agit de réaliser l’analyse sans a priori, c’est-à-dire sans supervision ni thématiques prédéfinies. Dans le cadre de cette recherche, une technique particulière de classification non supervisée a été privilégiée : la classification hiérarchique descendante.

1.1.2. La classification hiérarchique descendante

8Parmi les nombreux outils de classification de données qualitatives, il a été opté ici pour la classification hiérarchique descendante selon la méthode de Reinert (1983, 1986) sur les segments de texte. Cette classification a pour but de grouper les formes en classes, en fonction de leurs (in)dépendances mesurées par des tests de Chi2. L’utilité de cette classification est de mettre en valeur une éventuelle organisation du texte, des schémas récurrents (Reinert, 1993). Cette première étape permet d’avoir une vision d’ensemble de la structure du corpus de texte.

9Les mots composant l’ensemble textuel sont définis comme des formes. Les classes, constituées d’ensemble de formes, émergent en fonction du rapprochement, de la fréquence et de l’utilisation de formes communes (Chaves et al., 2017). Le détail des formes qui composent les classes permet d’étudier, pour chaque forme, sa fréquence, le test de Chi2 pour juger de la force du lien entre la forme et la classe, ainsi que le pourcentage de risque d’erreur. Isoler les segments dans lesquels les formes ont été répertoriées et reliées à une classe permet de vérifier le contexte d’utilisation des formes. Les classes étant composées d’un ensemble de formes reliées par leur utilisation dans le corpus de texte, elles sont qualifiées de champs lexicaux (Figure 1). A partir de cette classification descendante, un sens peut être donné aux champs lexicaux obtenus afin de les interpréter dans un cadre théorique (Daudigeos et al., 2013). La figure 1 illustre le processus suivi. Une schématisation par dendrogramme permet également de visualiser la part de chaque champ lexical dans l’ensemble du texte ainsi que les formes fondamentales.

Figure 1. Du mot au thème par classification hiérarchique descendante

Image 100000000000023A000000ED4945A3D2.jpg

10Si la catégorisation permet de regrouper les mots employés régulièrement de manière proche et de dissocier ceux éloignés dans le discours, rien ne permet, en l’état, de mesurer la distance entre ces mots et entre les classes obtenues. Pour cela, il est nécessaire de recourir à une technique de représentation de ces distances dans l’espace.

1.2. Etape 2 : Représenter graphiquement les thèmes grâce à l’analyse factorielle de correspondances

11L’Analyse Factorielle de Correspondances (AFC) est une méthode descriptive d’analyse proposée par Benzecri (Bellier et al., 1973 ; Benzécri et Benzécri, 1980) visant à étudier un tableau de contingences afin d’aboutir à une représentation graphique (Denni, 2009). L’AFC se distingue de l’Analyse en Composantes Principales (ACP) car la première mobilise des modalités de variables qualitatives alors que la seconde s’intéresse à des variables quantitatives. La relation de corrélation, mesurée par le r de Bravais-Pearson pour les variables quantitatives, est remplacée par une relation de correspondance appréciée par le test d’indépendance du Chi2 (Busca et Toutain, 2009).

12Au début des années quatre-vingt, Benzécri (1981) va dresser un bilan des principales applications de l’AFC aux différentes disciplines qui étudient le langage. Cet outil va s’avérer particulièrement adapté pour analyser et faire émerger visuellement des similarités, des correspondances et des dissimilarités au niveau des mots au sein d’un corpus de texte. En effet, les graphiques constituent le but ultime de l’AFC car ils permettent de faciliter considérablement l’interprétation des résultats.

13L’AFC a pour objectif de rassembler en un nombre réduit de dimensions la plus grande partie de l’information initiale en considérant les correspondances entre les variables plutôt que leurs valeurs absolues. Comme toutes les analyses de correspondances, elle est largement fondée sur l’algèbre linéaire qui permet de produire des représentations graphiques sur lesquelles les proximités géométriques usuelles entre points-lignes et entre points-colonnes traduisent les associations statistiques entre lignes et entre colonnes (Lebart et Salem, 1994). L’analyse de la représentation graphique de l’AFC peut se faire, dans un premier temps, en interprétant les oppositions des données sur les différents axes. Les oppositions permettent de nommer les axes et, ainsi, de comprendre les résultats de l’AFC. Cette interprétation doit bien évidemment se faire en fonction de l’interprétation de la classification réalisée auparavant permettant d’identifier les thématiques ayant émergé.

1.3. Etape 3 : Labelliser les catégories obtenues par la mobilisation des champs lexicaux

14Les étapes 1 et 2 ont permis d’identifier différentes thématiques contenues dans le corpus théorique, d’identifier les mots associés à chaque thématique et d’observer les relations entre thématiques. Demeure une ultime étape : labéliser la thématique. Bien sûr, le chercheur peut, de manière intuitive, à partir de l’analyse des mots reliés aux thématiques par les différentes analyses, déterminer une catégorie plus générale permettant de déterminer le nom de la thématique concernée. Mais il est également possible de procéder à une analyse sémantique systématique (Lafourcade, 2011), afin d’éviter au maximum toute subjectivité et d’éventuellement mettre à jour des thématiques difficilement identifiables sans analyse systématique.

1.3.1. Principes élémentaires d’identification des champs lexicaux

15L’identification d’un champ lexical passe par un examen du contexte d’utilisation des mots isolés. Il s’agit d’identifier l’élément commun, le sème, que partagent les mots classés ensemble. Par exemple, les mots carotte, salade, courgette et concombre partagent le fait d’être tous des légumes. Ils forment le champ lexical des légumes et, par extension, il est possible de considérer qu’évoquer ces mots, c’est évoquer la thématique des légumes. Plus précisément, le mot légume et les mots carotte, salade, courgette et concombre entretiennent une relation sémantique hiérarchique. On parle alors d’hyperonymie, puisqu’une unité lexicale (l’hyperonyme) englobe une seconde, plus spécifique. Bien sûr, une même unité sémantique peut relever de plusieurs hyperonymes et ainsi, appartenir à plusieurs champs lexicaux.

16Outre le contexte, les champs lexicaux se construisent à travers plusieurs relations sémantiques : relation d’équivalence entre les termes, relation d’opposition (blanc/noir, santé/maladie, etc.) ou relation d’inclusion de sous-champs dans des champs (croissance interne et croissance externe dans le champ de la croissance). Il est bien évidemment nécessaire de ne pas négliger ces relations à l’heure de qualifier le champ lexical.

17En définitive, l’identification des thèmes passe par celle des différents champs lexicaux qui ne peut se faire que par comparaison systématique des mots les uns avec les autres intra et interclasse. La qualification des termes ne peut se faire qu’à travers la mise en relation des mots mis en lumière par l’analyse statistique.

1.3.2. Automatisation de l’identification des champs lexicaux

18L’identification des champs lexicaux présuppose une analyse mot par mot de l’ensemble du corpus textuel. Dans un contexte de données massives, l’automatisation à travers l’utilisation d’outils informatique s’avère obligatoire. Certains évoquent le terme « d’analyse de contenu computationnelle » pour évoquer cette méthode permettant de réaliser des inférences des champs textuels, voire des émotions, à partir de données textuelles (Krippendorff, 2004). En effet, Riabinin (2009) a mobilisé cette méthode de recherche pour montrer que les députés libéraux du 36ème Parlement Canadien avaient plutôt tendance à véhiculer des émotions positives à travers leurs discours alors que les députés conservateurs étaient plutôt ancrés dans les émotions négatives.

19Dans un premier temps, il est nécessaire de disposer de la définition des champs lexicaux des domaines auxquels se rattachent le corpus textuel à disposition. Ensuite, il s’agit de les intégrer aux logiciels en mesure de relier chaque mot du texte à un ou plusieurs champs lexicaux particuliers. Il est alors possible d’obtenir la part des mots isolés par la catégorisation présente dans tel ou tel champ lexical et, ainsi, d’être en mesure de labelliser les différentes catégories identifiées.

20La figure 2 schématise l’ensemble du processus composé de trois étapes – catégorisation, représentation et labellisation – permettant de faire émerger les thématiques présentes dans un large corpus de données textuelles à travers les méthodes quantitatives présentées ci-dessus.

Figure 2. Processus d’identification de thématiques à partir de techniques quantitatives sur données qualitatives

Image 10000000000002FF0000022F325F8133.jpg

2. Un cas d’application : faire émerger les logiques institutionnelles d’un champ à travers la communication d’une organisation

21Faire émerger des thématiques à partir des nombreux discours produits par les organisations ou leurs membres peut s’avérer nécessaire et particulièrement utile lorsque que l’on réalise des recherches en sciences de gestion en général et en stratégie ou en théorie des organisations plus précisément. Après la présentation d’une démarche méthodologique permettant d’aboutir à cette émergence de thèmes, cette deuxième partie s’attache à montrer les résultats de son application.

2.1. Contexte de l’étude

22Le cas présenté ici vise à identifier les traces de logiques institutionnelles d’un champ dans le discours d’une organisation en particulier. En effet, le courant de recherche s’intéressant aux logiques institutionnelles tend à comprendre comment une logique se définit, se caractérise et peut influencer la société, un secteur ou une organisation (Friedland et Alford 1991 ; Thornton 2004 ; Thornton et al., 2012). En définissant les logiques comme « [d]es constructions sociales, modèles historiques de pratiques matérielles, suppositions, valeurs, croyances et règles par lesquelles les individus produisent et reproduisent leur subsistance matérielle, organisent le temps et l’espace et fournissent du sens à leur réalité sociale » (Thornton et Ocasio, 1999, p. 804), il est possible d’appréhender théoriquement ce concept. Demeure toutefois une question de taille : comment identifier et délimiter une logique dans un environnement donné ?

23Les auteurs ont tendance à privilégier une démarche débutant par l’établissement de critères, pour ensuite mettre en relation ces critères avec des faits observables (voir, par exemple, Thornton et al., 2012). Cette manière de faire présente au moins deux inconvénients. D’une part, il est possible de soupçonner le chercheur de sélectionner et d’utiliser les critères qui lui permettent d’identifier la logique qu’il souhaite observer. D’autre part, il peut être conduit à privilégier les observations correspondant aux critères sélectionnés et ainsi, à ne pas adopter une vision globale. Comme les logiques possèdent un domaine matériel propre (notamment les pratiques associées), il est également possible de faire émerger les logiques par observation plus ou moins directe de l’organisation et de son contexte (voir, par exemple, Goodrick et Reay, 2011 ; Jay, 2013). Là encore, le problème du biais potentiel de l’observateur est souvent mis en avant. Face à ces limites, il apparait nécessaire de proposer une nouvelle méthode d’identification des logiques afin d’éviter qu’elles ne soient considérées que comme de pures constructions intellectuelles des chercheurs.

24Afin de pallier ces limites, nous proposons dans cette recherche d’identifier les logiques à partir de leur vocabulaire, élément symbolique mais observable. Pour ce faire, nous nous reposons sur la conception de Friedland et Alford (1991) qui considèrent les logiques comme duales. En effet, vient s’ajouter à leur domaine matériel (les pratiques associées), leur domaine symbolique et cognitif dont le vocabulaire fait partie (Loewenstein et al., 2012). Le discours des organisations est un média de compréhension des logiques institutionnelles puisqu’il exprime la dimension symbolique d’une logique (Suddaby et Greenwood, 2005 ; Jones et Livne-Tarandach, 2008 ; Nigam et Ocasio, 2010 ; Loewenstein et al., 2012).

2.2. Terrain et données

  • 1 https://www.scout.org/node/67 - septembre 2016

25Ce cas illustratif s’appuie sur le champ du scoutisme en France. Le scoutisme a été créé par Baden-Powell en 1907 et s’est depuis diffusé à travers le monde. L’Organisation Mondiale du Mouvement Scout (OMMS) décompte à ce jour 40 millions de membres1. Créée en 1920, les Scouts de France sont devenus les Scouts et Guides de France en 2004, plus grande organisation de scoutisme française qui dénombre 77 900 adhérents (Rapport annuel, 2016). Association d’affiliation catholique, elle a pour vocation l’éducation populaire des jeunes grâce à un système éducatif qui repose sur l’apprentissage par le jeu, la proximité avec la nature et le sens de la responsabilité (Juès, 1996).

26Les données collectées et mobilisées dans ce travail sont les calendriers annuels créés et diffusés par les Scouts et Guides de France. Ce matériau offre tout d’abord l’avantage d’être resté stable et disponible sur une longue période, depuis 1936 jusqu’à aujourd’hui. La diffusion interne des calendriers permet de véhiculer l’identité organisationnelle et des messages. Cela permet également aux membres de s’y reconnaître et d’adhérer à l’organisation. En externe, les calendriers permettent de se faire connaître mais également de recruter de nouveaux membres. Les calendriers ont également vocation, depuis leurs débuts, à être vendus sur le territoire français par les groupes scouts, sachant que ces ventes représentent une part importante des revenus de ces groupes. Les calendriers sont créés et imprimés par le niveau national de l’organisation. Ensuite, les groupes effectuent les commandes et réceptionnent les calendriers en début d’année scolaire. Ainsi, ils sont un media du discours de l’organisation autant en interne qu’en externe.

27La série complète des calendriers a pu être collectée, de 1936 à 2016. Ces données représentent un matériau global exploitable de 1 596 pages. Les textes présents sur ces 81 calendriers ont été isolés, transcrits et rassemblés dans un document de 163 pages (64 257 mots). De plus, deux entretiens semi-directifs avec la responsable nationale communication et la chargée de communication presse des Scouts et Guides de France ont été menés afin d’obtenir des informations sur la manière dont sont réalisés les calendriers, les contraintes qui doivent être prises en compte, les potentielles obligations à remplir, etc.

2.3. Application de la démarche

28La procédure d’analyse textuelle en trois étapes – catégoriser, représenter et labéliser – présentée dans la première partie de cet article est suivie à partir du corpus textuel issu des calendriers de l’organisation des Scouts et Guides de France afin d’identifier les logiques institutionnelles existantes dans le champ du scoutisme.

  • 2 http://iramuteq.org/

29Dans cette recherche, nous avons mobilisé le logiciel libre de traitement des données et d’analyses statistiques R pour réaliser les différentes analyses de correspondances. Plus précisément, nous avons utilisé IRAMUTEQ2, interface libre de R pour la classification de Reinert et les AFC. IRAMUTEQ a été préféré à FACTOMINER, autre module de R dédié à l’analyse exploratoire multidimensionnelle de données car il apparaît spécialisé dans l’AFC et permet de lemmatiser le corpus du texte.

2.3.1. Catégoriser

30La méthode de classification hiérarchique descendante est mise en œuvre afin d’obtenir les différentes thématiques abordées dans le corpus textuel.

Préparation des données : lemmatisation versus racinisation

31Un traitement particulier doit être effectué sur les mots du corpus avant de réaliser les différentes analyses. Il s’agit de considérer dans les analyses que des mots différents peuvent, en définitive, être considérés de manière semblable. En effet, le mot amours, l’adjectif aimé et le verbe aimer sont, a priori, considérés comme des mots différents dans un texte. Pourtant, il partage tous la même racine et a priori, la même signification. Ils doivent être considérés de manière proche dans les traitements. Pour cela, deux techniques existent : la lemmatisation et la racinisation. La lemmatisation est une analyse lexicale qui consiste en la réduction des flexions (les différentes formes fléchies d’un même mot) en leur lemmes (mots de base non conjugués et non accordés). Par exemple, les verbes sont ramenés à leur infinitif, les noms sont au singulier, les adjectifs perdent leur déclinaison, etc. Pour réaliser cette tâche, il est nécessaire de posséder un outil permettant de réprésenter les différentes flexions d’un même mot par un même mot de base. La racinisation (ou stemmatisation) consiste, elle, à transformer les flexions en leur radical ou stemme, c’est-à-dire la partie du mot restante une fois la supression d’un préfixe et suffixe. Contrairement au lemme qui correspond à un mot réel de la langue, la racine ne correspond généralement pas à un mot réel. En revanche, l’intérêt est sa simplicité de mise en œuvre car elle ne nécessite pas de dictionnaire recensant les différentes flexions d’un même mot.

32Pour le cas illustratrif mobilisé ici, le choix de la lemmatisation à partir du dictionnaire français a été réalisé sous R à partir du module IRAMUTEQ. De nombreux packages dédiés sous R (SnowballC, jssnowball, ttda, etc.) permettent de réaliser tant la lemmatisation que la racinisation. In fine, les 81 calendriers représentent 66 282 mots différents. Ces mots ont été regroupés par lemmatisation en 7 582 formes. La figure 3 présente l’ensemble de ces formes contenues dans les calendriers étudiés à travers le nuage de mots du corpus textuel utilisé.

Figure 3. Nuage de mots correspondant au corpus texuel mobilisé

Image 10000000000001F0000001AB14BB8534.jpg

Analyse hiérarchique descendante

33Avant de mener une analyse hiérarchique descendante, il est nécessaire de fixer la taille des segments de texte à analyser. Le segment est l’unité d’analyse qui découpe l’intégralité du texte. Il s’agit d’un ensemble de mots qui se suivent. Pour la classification de Reinert et les AFC, il a été décidé de fixer à 20 mots la taille des segments de texte à analyser. La taille de 20 mots correspond au nombre de mots moyens utilisés dans les phrases des calendriers. Il s’agit de respecter une taille considérée comme naturelle de segment. Nous avons vérifié la stabilité des résultats avec des segments de taille 40 et 60. Le nombre de formes et d’occurrences reste identique et les résultats homogènes. Néanmoins, les tailles de 40 et 60 ne permettent pas de prendre assez de hauteur dans la génération des résultats et leur complexité empêche d’obtenir une vision générale. Ils sont cohérents avec les résultats des segments de taille 20 mais donnent trop de détails non pertinents pour cette étude.

34Une classification descendante de Reinert a été réalisée sur le corpus de texte à travers le module IRAMUTEQ sur R. Ainsi, nous avons fait émerger un dendrogramme en trois classes (Figure 4), représentant l’arrangement de groupes générés de manière hiérarchique. La classification hiérarchique descendante réalisée permet de conclure qu’il est possible de séparer l’ensemble des formes en trois classes homogènes.

Figure 4. Dendrogramme de classification hiérarchique descendante selon la méthode de Reinert

Image 100000000000026B000001AB2DF8753C.jpg

35Afin d’être en mesure de caractériser précisément les classes, nous ne considérons dans les classes que les formes dont le risque d’erreur est inférieur à 5 % afin de nous assurer de la significativité et de la pertinence des résultats. Les champs lexicaux ainsi obtenus (Tableau 2) possèdent assez de formes permettant d’identifier les thématiques présentes et, par conséquent, à terme, les logiques institutionnelles présentes.

Tableau 1. Détail des classes

  • 3 Ccfd : Comité Catholique contre la Faim et pour le Développement, association – ONG française de dé (...)

Classe 1

aventure – jeu – garçon – powell – baden – plein – vie – apprendre - développer – vivre – découvrir – camp – pionnier – jouer – air – technique – homme – sentir – créer – permettre – patrouille – tenir – femme – différence – goût – école – libre – équipe – responsabilité – moyen – heureux – découverte – caractère – santé – louveteau – aller – culture – personnalité – âge – métier – mot – capable – meilleur – physique – difficile – bout – trouver – rôle – amitié – essayer – décider – entreprise – qualité – personnel – chance – grand – badge – réel – pratique – troupe – chose – former

Classe 2

France – guide – scout – jeune – proposer – association – mondial – catholique – mouvement – projet – local – participer – nouveau – international – éducatif – paix – organiser – année – groupe – jamboree – éducation – formation – développement – journée – bénévole – responsable – accompagner – compagnon – enfant – animation – solidaire – scoutisme – extraire – contribuer – accueillir – éclaireuses – ccfd3 – événement – national – membre – français – inviter – branche – rapport – fédération – civique – adulte – ouvert – engager – environnement – impliquer – jambville – église – outre_mer – public – nombre – protection – quartier – europe – paroisse – fondation – favoriser – valeur – solidarité – âgé – pédagogique – spirituel – prix – secours – géologique – transmettre – réserve – poursuivre – patrimoine – département – associé – appui – éclaireurs – reconnaissance – inscrire – durable – programme – artisan – proposition – engagement – agir – politique – handisport – européen – unioniste – titouan – soutien – lamazou – activement – cheftaine – centre- rassembler – handicap – éveil – réalisation – promotion – intérêt – jeunesse – stage – famille – soutenir – mener

Classe 3

saint – christ – jésus – dim (abréviation de dimanche) – dieu – seigneur – pentecôte – jour – mort – fils – courtois – chevaleresque – amour – nouvelle – vierge – père – st – ciel – voir - marier – gloire – commencer – roi – ap (abréviation de après) – âme – prière – dimanche – chant – messe – frère – épiphanie – apôtre – oeuvre – pâques – écrire – alleluia – héros – maison – noir – françois – jacques – notre_dame – avent – épitre – résurrection – ressusciter – cieux – blanc – pierre – passion – jean – évangile – nom – passer – souvenir – plante – 1er – puissance – michel – droite – puy – royaume – garder – pâque – carême – vig (abréviation de vigile) – neige – loup – gauche – disciple – adam – fête – annonce – pari – pal – siècle – jeanne – xve – sevin – régner – proche – printemps – noce – matin – jeudi – glorieux – baptême – lumière – croix – silence – retour – pauvre – peuple – oeil – loup – mourir – combat – éternel – vin – vigne – toussaint – minute – guerre – eucharistie – cri – cher – ardent – annoncer – prier – louis – philippe – maréchal – fleur – dresser – sauver – noël – voix – étoile – remplir – animal – humanité – sts (abréviation de saints) – rameau – pétain – joli – divin – tuer – température – souci – septuagésime – sacrement – repos – procession – peau – montmorency – massif – magnificat – isaïe – hommage – février – frais – foucauld – forestier – eve – dantzig – chrétienté – briser – bienheureux – beauté – bd – barrer – ascension – ange – abraham

2.3.2. Représenter

36La caractérisation des thématiques peut ensuite être approfondie grâce au croisement des classes obtenues et de l’analyse factorielle de correspondances.

37Tout d’abord, nous avons effectué une analyse factorielle de correspondances des classes qui reprend les formes principales de chacune des trois classes identifiées par la classification de Reinert. La taille de la police dépend alors de l’importance de la forme au sein de la classe (Figure 5). La classe 1 est en rouge, la classe 2 en verte et la classe 3 en bleu. La figure 5 illustre le fait que les classes sont homogènes en interne et distantes les unes des autres. Cela confirme qu’il est bien possible d’identifier des thématiques distinctes.

Figure 5. AFC des classes

Image 10000000000001DF000001C6C972745D.jpg

38Un intérêt majeur de cette représentation est de constater la distance, mesurée par Chi2, qui sépare les différentes thématiques représentées. Elles ne se recoupent pas. Chacune est strictement isolée des autres, c’est-à-dire qu’elles évoluent au sein du corpus de texte dans des segments distincts. Ces thématiques sont présentes mais ont chacune un espace spécifique. Ainsi, l’apport d’AFC se trouve dans la visualisation qu’elle permet. Au-delà de l’identification des thématiques, les analyses factorielles de correspondances permettent d’observer si les thématiques sont imbriquées les unes dans les autres ou non.

2.3.3. Labellisation

39Afin d’identifier les champs lexicaux en présence dans le corpus textuel des calendriers, il a été décidé d’utiliser le logiciel Linguistic Inquiry Word Count (LIWC) développé par Benebaker et al. (2007). Ce logiciel permet de compter les mots d’un texte en les attribuant à l’une des plus des quatre-vingt dimensions identifiées du langage. Le logiciel analyse automatiquement le contenu des textes et calcule la manière dont les auteurs utilisent différentes catégories de mots dans leurs différentes productions orales ou écrites (Piollat, et al., 2011). LIWC est largement utilisé en sciences sociales, y compris en organisation et en stratégie sur des questions telles que la position favorable de la couverture média (Bednar, 2012 ; Pfarrer, et al., 2010 ; Zavyalova, et al., 2012), les processus cognitifs en place dans les règlements de confits (Brett, et al., 2007), la négociation des règlements organisationnels (Helms, et al., 2012) et les émotions contenus dans les évaluations des organisations par les clients (Wang, et al., 2016).

40A l’origine, le projet LIWC est très orienté sur la psychologie des individus en visant à permettre, par exemple, au logiciel d’identifier les émotions positives ou négatives d’un corpus textuel. Toutefois, nous avons choisi d’utiliser ce logiciel car la stabilité des champs lexicaux mobilisés est largement reconnue et déjà utilisée par bon nombre de chercheurs.

41Ici, nous avons cherché à identifier à quels champs lexicaux mobilisés par LIWC appartenaient les mots des trois classes identifiées par l’analyse hiérarchique descendante. La classe 1 contient 292 mots, la classe 2 comprend 261 mots et la classe 3, 113 mots. Il s’agit d’identifier les champs lexicaux les plus représentés dans une catégorie tout en étant représenté faiblement dans les autres catégories. Il apparaît que les champs lexicaux de la cognition, du loisir et de l’accomplissement sont particulièrement représentatifs de la classe 1. Les champs lexicaux du travail et l’organisation sont ceux de la classe 2. Enfin, la classe 3 est composée de mots appartenant spécifiquement à la religion. A travers l’identification de ces champs lexicaux, il est alors possible de dénommer les trois logiques présentes dans les calendriers scouts : la communauté (accomplissement par la découverte par le jeu en groupe), l’organisationnel (travail et organisation) et le religieux (cf. figure 4 et 5 et tableau 2).

42 A l’instar du processus présenté dans la première partie, la figure 6 synthétise la démarche suivie pour faire émerger les trois thématiques centrales présentes dans le corpus textuel présent dans les calendriers des Scouts et Guides de France.

Figure 6. Récapitulatif de la démarche suivie

Image 1000000000000200000001E2FEF3BC1D.jpg

3. Conclusion, limites et voies de recherche

43Cet article a pour objectif de proposer un cadre méthodologique, à travers un processus en trois étapes et à travers des outils méthodologiques adaptés, permettant de faire émerger automatiquement les thématiques présentes dans un corpus textuel de taille importante. L’association de chacune des trois étapes du processus – la catégorisation, la représentation et la labellisation – à un outil méthodologique spécifique permet d’atteindre cet objectif. L’utilisation de ce cadre méthodologique dans le contexte des données textuelles des calendriers scouts de 1936 à 2017 a permis d’en démontrer l’intérêt. En effet, après analyse, il apparaît que trois thématiques pouvant être assimilées à des logiques institutionnelles se dégagement clairement du corpus textuel du calendrier.

44Le développement de ce cadre méthodologique s’inscrit dans un contexte plus large. En effet, le développement du Big Data et la nécessité naissante de traitement d’une importante quantité de données, tant métrique que textuelle, ont conduit à un regain d’intérêt pour les méthodes statistiques d’exploration de données, tant quantitatives que qualitatives. Or dans un contexte de données particulièrement massives, il est de plus en plus difficile d’envisager une démarche top-down permettant de classifier et analyser les données. Il s’agit alors d’être en mesure d’extraire l’information pertinente de la masse de données à partir de technique de fouille de données (textmining) par des méthodes automatiques ou semi-automatiques. De plus, l’apport de cette méthode est de permettre l’identification de thèmes sans passer par la subjectivité a priori du chercheur. En effet, plutôt que de définir et délimiter les thèmes à partir de critères déterminés a priori de manière conceptuelle, il est démontré ici qu’il est possible de faire apparaître des classes de mots.

Des outils et des techniques d’analyse en plein essor

45Le développement de la fouille de texte est également grandement imputable aux développements informatiques des dernières années. Depuis les premiers logiciels issus généralement des travaux de l’école statistique française comme SPAD ou Alceste, le développement d’outils spécifiques évoluant sur des plateformes ou des langages de programmation déjà existants a permis la mise en place de solutions spécifiques extrêmement puissantes et largement diffusées. Au niveau des plateformes, il existe par exemple des modules spécifiques pour le logiciel Matlab (comme le module TMG, par exemple) ou le logiciel libre R (avec les packages, tm et texmineR par exemple). En termes de langage de programmation, les langages libres tels que Pearl ou Python, à travers le package beautifulsoup4, proposent une série d’outils particulièrement utiles pour la fouille textuelle. Le package Mallet (Machine Learning for Language Toolkit) évoluant sous Java permet également de réaliser un ensemble d’opérations spécifiques à l’analyse textuelle. Enfin, les logiciels de traitements de données plutôt orientés sur les données quantitatives s’ouvrent de plus en plus fortement à l’analyse des données textuelles comme en témoigne le développement de SAS Text Miner, IBM SPSS Modeler Text Analytics ou Sphinx Quali. Le tableau 3 synthétise l’ensemble des outils à disposition et en rappelle les principales caractéristiques.

Tableau 2. Récapitulatif des outils de fouille textuelle à disposition

Plateformes (R, Matlab, etc.)

Langages de programmation (Python, Pearl, etc.)

Logiciels de traitement de données (SAS, SPSS, Sphynx, etc.)

Logiciels spécifiques de traitement de données textuelles

Facilité de prise en main

moyenne

faible

moyenne

forte

Adaptabilité

forte

très forte

faible

Très faible

Coût

faible

très faible

fort

moyen

Diffusion

forte

très forte

moyenne

faible

Contrôle des résultats

forte

forte

moyenne

faible

46 Le développement d’outils de fouille textuelle va également de pair avec l’élaboration de nouveaux outils d’analyse qui permettent d’aborder différemment (mais souvent de manière complémentaire aux techniques existantes) la catégorisation, la représentation et la labellisation présentées ici. Des outils tels que l’Allocation de Dirichlet Latente (LDA), modèle génératif probabiliste permettant d’expliquer des ensembles d’observation, ou les modèles de type réseaux neuronaux regroupés sous l’appellation Word2vec, sont quelques exemples de nouveaux outils extrêmement puissants permettant de faire apparaître des structures sur des masses de données particulièrement massives. A titre d’exemple, ces deux outils sont mobilisés par Google afin d’aider le moteur de recherche à obtenir des résultats les plus cohérents possibles après analyse des données textuelles de l’ensemble des pages web considérées.

47De plus, les outils et la méthode présentés ici visent à extraire une structure et les éléments centraux d’une masse de données textuelles grâce à des techniques quantitatives. Il s’agit de se substituer aux techniques qualitatives difficilement opérantes dans le cas de données massives (comme la classification supervisée, par exemple). Or, la fouille textuelle est également devenue un champ d’application pour l’apprentissage automatique (ou machine learning). En effet, il existe désormais des logiciels capables d’analyser des textes, d’en catégoriser le contenu en fonction d’un algorithme et, surtout, d’adapter ses analyses et ses comportements en se fondant sur l’analyse des données et/ou de retours éventuels d’un élément extérieur comme le chercheur. Un logiciel comme Discovertext permet, par exemple, de laisser réaliser une classification supervisée à un algorithme qui évolue en fonction du retour sur la classification de quelques éléments faite par le chercheur.

Limites et voies de recherche

48Le foisonnement actuel des travaux visant à améliorer (voire d’en créer de nouveaux) les outils et techniques d’analyse de données textuelles massives rend difficile une véritable comparaison des différentes techniques (pour une exception voir McFarland et al., 2013). Il est, en effet, peu pertinent, à l’heure actuelle de tenter de construire une cartographie de l’offre méthodologique spécialisée dans la fouille textuelle. Il est, par conséquent, difficile d’évaluer le cadre proposé et les outils mobilisés ici par rapport à d’autres possibles. De plus, si les résultats offerts par les techniques de fouilles textuelles sont particulièrement riches, ils ne doivent pas pour autant occulter un certain nombre de limites.

49Tout d’abord, les résultats issus des différentes techniques proposées dépendent du matériau textuel brut. Or, la forme de ce dernier peut influencer de manière non négligeable les résultats. D’une part, la manière dont celui-ci est retraité pour être analysé (choix de la lemmatisation ou de la racinisation, par exemple) peut avoir un impact sur le résultat final. D’autre part, si les documents textuels mobilisés ont été structurés d’une manière identique a priori, il est évident que cette structure va apparaître ainsi a posteriori. Il est indispensable de connaître la manière dont les données textuelles ont été construites. A titre d’exemple, il est possible de signaler que les entretiens complémentaires menés nous ont permis d’apprendre que les calendriers scouts étaient, depuis l’année 2014, construits à partir d’une structure formalisée dans un tableau Excel qui mettait en relation un concept, des mots et une image a priori, pour chaque mois de l’année. Il n’apparaît plus pertinent de faire émerger une structure « cachée » dans les données textuelles des calendriers puisqu’elle est désormais volontairement mise en place.

50Ensuite, les outils d’analyse développés le plus récemment n’apportent une véritable valeur ajoutée qu’à partir du moment où les textes sont plutôt de taille réduite mais en très grande quantité (à l’instar des tweets, par exemple). Or, il s’agit là d’une forme de communication très particulière qui n’est pas si commune dans le monde des organisations et de la stratégie d’entreprise. De plus, se posent alors des questions de collecte et de stockage de ces informations, opérations particulièrement délicates en cas de travail rétroactif au niveau temporel.

51La complexification des techniques d’analyse et l’évolution vers les machines apprenantes obligent également à une autre approche vis-à-vis des outils par le chercheur. Il apparaît de plus en plus un effet « boite noire » dans les outils, c’est-à-dire qu’il devient quasiment impossible de contrôler la manière dont les résultats sont obtenus. A titre d’exemple, s’il demeure encore possible de contrôler la manière dont l’analyse hiérarchique descendante est réalisée par R (analyse des seuils de significativité, examen de dendrogramme, etc.), il devient très difficile de mener ce type de contrôle une fois obtenu les résultats d’une catégorisation issue d’une Allocation de Dirichlet Latente (LDA). Cela devient impossible dans le cadre d’un logiciel du type learning machine. Dans ces cas, il s’agit pour le chercheur d’examiner le résultat et de considérer si le résultat obtenu paraît satisfaisant ou pas et ce, sans se soucier de la manière pour arriver au résultat.

52Enfin, le texte est rarement mobilisé seul dans la plupart des supports utilisés (rapports d’entreprise, site Internet, tweets, blogs, etc.). Reste à savoir comment analyser de manière conjointe le corpus textuel et, par exemple, le corpus visuel composé d’images, dessins, couleurs des documents. Dans le cas des calendriers des Scouts et Guides de France, le visuel a une dimension qui mériterait d’être étudiée en complément de ces méthodes textuelles. La figure 6 illustre, par exemple, la complémentarité du texte et de l’image, qui permet d’apporter des nuances et des évolutions sur la représentation d’idées ou de phénomènes par le moyen des couleurs ou encore des points de vue des photographies. Les textes sont mis en perspective de représentations, ce qui peut ouvrir à une interprétation plus complète. Une analyse automatique conjointe des différents supports semble aujourd’hui encore impossible mais nul doute que les progrès des techniques et des outils permettront, à terme, de prendre en compte l’ensemble des dimensions d’un discours qu’il soit textuel ou non.

Figure 6. Extraits des calendriers des Scouts et Guides de France, textes et images en perspectives (1963, p.5 et 2014, p.4)

Image 10000000000002730000015EF0D03E74.jpg

Haut de page

Bibliographie

Auroux, S. (2008), La philosophie du langage, Que sais-je ?, PUF.

Baumer, E.P.S., Mimno, D., Guha, S., Quan, E. et Gay, G. K. (2017), « Comparing Grounded Theory and Topic Modeling: Extreme Divergence or Unlikely Convergence? », Journal of the Association for Information Science and Technology, vol. 68, n° 6, p. 1397–1410.

Bednar, M. K. (2012), « Watchdog or Lapdog? A Behavioral View of the Media as a Corporate Governance Mechanism », Academy of Management Journal, vol. 55, n° 1, p. 131-150.

Bellier, L., Benier, B., Benzécri, J., Benzécri, F. et Blaise, S. (1973), L’analyse des données, Dunod.

Benzécri, J. (1981), Pratique de l’analyse des données, linguistique et lexicologie, Dunod.

Benzécri, J. et Benzécri, F. (1980), Pratique de l’analyse de données, Dunod.

Brett, J.M., Olekalns, M., Friedman, R., Goates, N., Anderson, C. et Lisco, C.C. (2007), « Sticks and Stones: Language, Face, and Online Dispute Resolution », Academy of Management Journal, vol. 50, n° 1, p. 85–99.

Busca, D. et Toutain, S. (2009), Analyse factorielle simple en sociologie, De Boeck.

Chaves, M.M.N., dos Santos, A.P.R., dos Santosa, N.P. et Larocca, L.M. (2017), « Use of the Software IRAMUTEQ in Qualitative Research: An Experience Report », in A.P. Costa, L.P. Reis, F.N. de Sousa, A. Moreira et D. Lamas Computer Supported Qualitative Research, p. 39-48. Springer International Publishing.

Dalpiaz, E., Rindova V. et Ravasi D. (2016), « Combining Logics to Transform Organizational Agency: Blending Industry and Art at Alessi », Administrative Science Quarterly, vol. 61, n° 3, p. 347-392.

Daudigeos, T., Boutinot, A. et Jaumier, S. (2013), « Taking Stock of Institutional Complexity: Anchoring a Pool of Institutional Logics into the Interinstitutional System with a Descendent Hierarchical Analysis», Research in the Sociology of Organizations, vol. 39, p. 319-350.

Delavigne, V. (2003), « Alceste, un logiciel d’analyse textuelle », Texto !, Textes, et Cultures, Equipe Sémantique des textes.

Desrosieres, A. (2008), « Analyse des données et sciences humaines : comment cartographier le monde social ? », Journal Electronique d’Histoire des Probabilités et de la Statistique, vol. 4, n° 2.

DiMaggio, P. (2015), « Adapting Computational Text Analysis to Social Science (and Vice Versa) », Big Data & Society, vol. 2, n° 2, p. 1–5.

Duval, J. (2013), « L’analyse des correspondances et la construction de champs », Actes de la Recherche en Sciences Sociales, n° 5, p. 110-123.

Fallery, B. et Rodhain, F. (2007), « Quatre approches pour l’analyse de données textuelles : lexicale, linguistique, cognitive, thématique », in XVIème Conférence de l’Association Internationale de Management Stratégique AIMS.

Friedland, R. et Alford, R. (1991), « Bringing Society Back in: Symbols, Practices and Institutional Contradictions », in W. Powell et P. DiMaggio (éds.), The New Institutionalism in Organizational Analysis, p. 232-267, University of Chicago Press.

Giannelloni, J.L. et Vernette E. (2015), Etude de marché, Vuibert Gestion.

Goodrick, E. et Reay T. (2011), « Constellations of Institutional Logics: Changes in the Professional Work of Pharmacists », Work and Occupations, vol. 38 n° 372, p. 372-416.

Greenwood, R., Díaz A. M., Xiao Li S. et Céspedes Lorente J. (2010), « The Multiplicity of Institutional Logics and the Heterogeneity of Organizational Responses », Organization Science, vol. 21, n° 2, p. 521-539.

Helms, W.S., Oliver, C. et Webb, K. (2012), « Antecedents of Settlement on a New Institutional Practice: Negotiation of the ISO 26000 Standard on Social Responsibility », Academy of Management Journal, vol. 55, n° 5, p. 1120-1145.

Jay, J. (2013), « Navigating Paradox as a Mechanism of Change and Innovation in Hybrid Organizations », Academy of Management Journal, vol. 56 n° 1, p. 137-159.

Jones, C. et Livne-Tarandach, R. (2008), « Designing a Frame: Rhetorical Strategies of Architects », Journal of Organizational Behavior, n° 29, p. 1075-1099.

Juès, J.P. (1996), Le Scoutisme, Que Sais-Je ?, PUF.

Krippendorff, K. (2004), Content Analysis: An Introduction to its Methodology, Sage Publications.

Lafourcade, M. (2011), « Lexique et analyse sémantique de textes-structures, acquisitions, calculs, et jeux de mots », Thèse de doctorat, Université Montpellier II-Sciences et Techniques du Languedoc.

Lebart, L. et Salem, A. (1994), Statistique textuelle, Dunod.

Loewenstein, J., Ocasio, W. et Jones, C. (2012), « Vocabularies and Vocabulary Structure: A New Approach Linking Categories, Practices, and Institutions », Academy of Management Annals, vol. 6, n° 1, p. 41-86.

McFarland, D.A., Ramage, D., Chuang, J., Heer, J., Manning, C.D. et Jurafsky, D. (2013), « Differentiating Language Usage Through Topic Models », Journal of the Association for Information Science and Technology, vol. 41, n° 6, p. 607–625.

McPherson, C. M. et Sauder, M. (2013), « Logics in Action: Managing Institutional Complexity in a Drug Court », Administrative Science Quarterly, vol. 58, n° 2, p. 165-196.

Nigam, A. et Ocasio, W. (2010), « Event Attention, Environmental Sensemaking, and Change in Institutional Logics: An Inductive Analysis of the Effects of Public Attention to Clinton’s Health Care Reform Initiative », Organization Science, vol. 21, n° 4, p. 823-841.

Pfarrer, M.D., Pollock, T.G. et Rindova, V.P. (2010), « A Tale of Two Assets: The Effects of Firm Reputation and Celebrity on Earnings Surprises and Investors’ Reactions », Academy of Management Journal, vol. 53, n° 5, p. 1131-1152.

Piolat, A., Booth, R.J., Chung, C.K., Davids, M. et Pennebaker, J.W. (2011), « La version française du dictionnaire pour le LIWC : modalités de construction et exemples d’utilisation », Psychologie française, vol. 56, n° 3, p. 145-159.

Pras, B., Evrard Y. et Roux E. (2009), Market : Fondements et méthodes des recherches en marketing, Dunod.

Reinert, M. (1983), « Une méthode de classification descendante hiérarchique  : Application à l’analyse lexicale par contexte », Les Cahiers de L’analyse Lexicale, vol. 8 n° 2, p. 187-198.

Reinert, M. (1986), « Un logiciel d’analyse lexicale », Les Cahiers de L’analyse Lexicale, vol. 11, n° 4, p. 471-481.

Reinert, M. (1993), « Les ‘mondes lexicaux’ et leur ‘logique’ à travers l’analyse statistique d’un corpus de récits de cauchemars », Langage et société, vol. 66, p. 5-39.

Riabinin, Y. (2009), « Computational Identification of Ideology in Text: A Study of Canadian Parliamentary Debates », MSc paper, Department of Computer Science, University of Toronto.

Salles, D. (2009), « L’analyse factorielle de correspondances simples », in D. Busca et S. Toutain, S. (éds), p. 129-239, Analyse factorielle simple en sociologie, de Boeck.

Souchard, M., Wahnich S., Cuminal I. et Wathier V. (1998), Le Pen, les mots. Analyse d’un discours d’extrême-droite, La Découverte.

Suddaby, R. et Greenwood, R. (2005), « Rhetorical Strategies of Legitimacy », Administrative Science Quarterly, vol. 50, n° 1, p. 35-67.

Thornton, P.H. et Ocasio, W. (1999), « Institutional logics and the historical contingency of power in organizations: Executive succession in the higher education publishing industry, 1958-1990 », American Journal of Sociology, vol. 105, n° 3, p. 801-843.

Thornton, P.H., Ocasio, W. et Lounsbury, M. (2012), The institutional logics perspective: A new approach to culture, structure, and process, Oxford University Press.

Wang, T., Wezel, F. C. et Forgues, B. (2016), « Protecting Market Identity: When and How Do Organizations Respond to Consumers’ Devaluations? », Academy of Management Journal, vol. 59, n° 1, p. 135-162.

Zavyalova, A., Pfarrer, M.D., Reger, R.K. et Shapiro, D.L. (2012), « Managing the Message: The Effects of Firm Actions and Industry Spillovers on Media Coverage Following Wrongdoing », Academy of Management Journal, vol. 55, n° 5, p. 1079-1101.

Haut de page

Notes

1 https://www.scout.org/node/67 - septembre 2016

2 http://iramuteq.org/

3 Ccfd : Comité Catholique contre la Faim et pour le Développement, association – ONG française de déceloppement

Haut de page

Pour citer cet article

Référence électronique

Sarah Maire et Sébastien Liarte, « Classifier, représenter et labelliser : Cadre et outils méthodologiques associés pour une émergence automatique de thématiques sur données textuelles  », Finance Contrôle Stratégie [En ligne], NS-6 | 2019, mis en ligne le 23 mai 2019, consulté le 09 juillet 2020. URL : http://journals.openedition.org/fcs/3423 ; DOI : https://doi.org/10.4000/fcs.3423

Haut de page

Auteurs

Sarah Maire

Université de Lorraine, CEREFIGE, Nancy, France
sarah.maire@univ-lorraine.fr

Sébastien Liarte

Université de Lorraine, Université de Strasbourg, CNRS, BETA, Nancy, France
sebastien.liarte@univ-lorraine.fr

Articles du même auteur

Haut de page

Droits d’auteur

Tous droits réservés

Haut de page