Reinventing Research? Information Practices in the Humanities

The Research Information Network has released Reinventing Research? Information Practices in the Humanities.

Here's an excerpt:

Humanities scholars are often perceived in very traditional terms: spending a lot of time working on their own and collaborating only informally through highly-dispersed networks. Unlike most scientists, they have no long tradition of working in formal, close-knit and collaborative research groups. Humanities scholars have also sometimes been presented as "depth" rather than "breadth" researchers, preferring to spend significant amounts of time with a few items, rather than working across a broader frame. In terms of information sources, text and images held in archives and libraries tend to dominate, with less of an association with new web-based technologies (although this is changing with the increasing visibility of digital humanities).

This report suggests that such perceptions may be out of date. In each of our case studies we found researchers working with new tools and technologies, in increasingly collaborative environments, and both producing and using information resources in diverse ways. There is a richness and variety within humanities information practices which must be recognised and understood if we are to provide the right kind of support for researchers.

| Digital Scholarship | Digital Scholarship Publications Overview | Scholarly Electronic Publishing Bibliography 2010 |


Première rencontre des Humanités Digitales à l’UNIL, 17 mars 2011


Des chercheurs de l’UNIL présentent leurs travaux en lien au numérique

Jeudi 17 mars 2011, 17h15 – 19h45

Bâtiment Anthropole, salle 2120, Métro UNIL-Dorigny

Plan d’accès :

Des chercheurs de l’UNIL proposent pendant le semestre de printemps 2011 une plateforme «Humanités digitales@Unil» en trois rencontres et un colloque international en été.

Informations complètes sur :

L’expression «humanités digitales» signale que quelque chose émerge. L’ère digitale naît de la remise en question du support même de la pensée des sciences humaines, via la transformation de nos rapports au texte. Ce virage numérique se prend sur fond de crise des sciences humaines, une crise financière d’abord, mais de politique institutionnelle aussi. Dans ce contexte, les humanités digitales offrent l’occasion de repenser nos manières de constituer les connaissances et de les transmettre. Elles recouvrent non seulement l’ensemble des techniques numériques appliquées aux sciences humaines, mais surtout le questionnement sur les modifications que ces techniques génèrent du point de vue de la formation et de la transmission des connaissances.

A critique of John Bryant’s “Liquid Text”

And what rough beast, its hour come round at last…

Hardly anyone will argue that a paradigm shift is upon us following the advent of digital editions. Perhaps one of the most vaunted changes is the seemingly unlimited space that computers provide, so that the old restrictions of the print edition (ex., one book, one text), disappear when we make the transition to the cloud. Now that we have these possibilities, it is difficult to look back at the proliferation of critical editions in the 20th century, which aimed to establish an authoritative text that would fit the bill, without questioning all the theoretical industry that went into rationalizing them.

Has genetic criticism not also been caught in this carnal sin? One of the cornerstones of genetic criticism, for example, continues to be the conceptual demarcation of pre- and post-publication texts. This jealously policed border severing the chronology of a work coincides with the need during the early years of genetic criticism to carve out a niche in the world of editorial projects where manuscripts (and their study) could be disseminated in a way deserving of the power of the press. At the time, geneticists were under heavy attack from those zealous souls who revered authors’ final wishes. While critical editors of the past were happy to borrow from working papers to bolster their claims about an author’s wishes —even if they kept only glimpses of the manuscripts tucked away in their apparati— genetic critics stopped cross-border traffic all together. After all, the early genetic critics were not medieval Irish monks, and the development of more efficient photographic techniques in print, together with increased access to modern archives, had made manuscript dissemination feasible once more —territorial claims had to be made.

Now a new material reality and reader practice bears upon scholars. As a result, we are starting to see a push in many different quarters for a marriage between genetic and textual criticism, a blur between the epochal pre- and post-publication divide—yes, simply because we believe we can have our cake and eat it too. Several grand online editions have sprouted all over the digital landscape with a diverse set of editorial philosophies and uneven degrees of quality. Perhaps the famous Rosetti Archive’s proof-of-concept still provides one of the best examples of what has been done so far to take advantage of an ample digital space. The Archive not only brings print versions in dialogue with Rosetti’s manuscripts, it also brings both of these in dialogue with Rosetti’s visual art. Jerome McGann, the lead investigator of the RA, would be the first to admit the archive was a “failure,” but only in so far as it points our lamps to the dark road ahead for digital editing.

Not surprisingly, alongside this growing number of editorial projects, we are seeing a new batch of theories that justify the translation of objects which erstwhile enjoyed a different ontological status into a common medium. We are, I would say, in the midst of a theory rush. Though we are all sinners here, moved to think by our machines, as we relocate to this brave new world, those with critical, editorial and digital masteries should strive for theoretical work that does not come as gratuitous alibi for our new toys. Even more important perhaps, we should endeavor to protect the hard-earned lessons of the past that connect editorial practices to larger questions about literary texts. I would like to begin some of my own observations in this direction via a strong critique of one of the most visible textual theories to come out of American textual studies in recent years: John Bryant’s theory of “The Fluid Text.” Bryant provides an excellent starting point for several reasons: He only arrives to digital editing after flirting with print editions; his claims about texts transcend the pre- and post-publication divide; he tries to reconcile the eclectic, social-text and genetic camps; and, his digital edition of Herman Melville’s “Typee” has many features which make it a model work of electronic editing.

All texts that show variance, whether pre- or post-publication, are fluid-texts, argues Bryant, and the task of the fluid-text’s historian/editor is to focus

on the interpretation of private and public pasts in order to make the evidence of literary versions, revision, and adaptation accessible to readers for critical and cultural analysis. (61)

So far, so good. Such a spirit of inclusiveness and public generosity effectively allows for these grand editions stepping only on the toes of those invested in definitive editions. In order to arrive at this exhortation, though, he manages to undermine a few crucial distinctions along the way. He begins his book, The Fluid Text: A Theory of Revision and Editing for Book and Screen, by pitting G.T. Tanselle’s “intentionalism” against a straw-man of Jerome McGann’s “social-text.” In order to carve out a space for his own fluid-text, he misreads McGann to be only concerned with the post-publication life of texts. In his haste, he misses one of McGann’s most important insights: what makes a text social is already rigged into the textual condition itself in as much as all texts, at any given stage of their career, participate in an “editorial horizon (the horizon of their production and reproduction).” (McGann 21)

The misreading becomes important when we try to understand why Bryant felt he had to add a new category to McGann’s distinction between a linguistic code and a bibliographic code. For a digital edition which could take in pages in the order of gygabytes, which showcased a hypertextual apparatus plus side-by-side comparisons, he needed a category which could be operative anywhere the author made a revision, (manuscript, print, proof, a napkin, you name it), and he sort of found it there in a pocket of his own sewing. He calls this new category the revision code, “a bibliographic encoding of an authorially intended revision strategy.” (Bryant 55) This unfortunate hybrid comes from the failure to acknowledge that McGann’s insistence on the bibliographic code already implicated the documentary realm. In other words, a revision in a manuscript can be easily understood within that already strange marriage between the linguistic and the extra-linguistic (read bibliographic) which characterizes the textual condition, without recourse to a mystifying third. The difference, if any is to be made, lies in the distinction between public and private. That working papers were not meant to be distributed widely, does not mean their non-linguistic codes are not imbricated with the graphemes in meaning-production.

With the “revision code” in his toolkit, in a chapter with an aptly pop-Buddhist title, “Work as Energy,” Bryant finally arrives at his “ontology of process.” This he associates with genetic criticism, but because he must transcend the pre-publication camp as well, he will define texts as the “manifestations of a culture over time.” (62) No longer the author, nor particular social contexts, but a flow of energy over “a culture” unbinds the literary work and in turn justifies the fluid-text edition. But how can we speak of a culture in these terms? In Césaire’s case, we know his texts operated in many different cultural spaces (read here editorial horizons): surrealist, anti-colonialist, Marxist, etc. Without looking it up, I bet the same could be said for Melville.

Finally, the need to corner the market on the revision code, his foundation for the grand digital edition that a dash of PHP and CSS stirred in a pot of HTML makes possible, requires him to oppose revision to genesis (defined by him as non-revised text) —territorial claims are being made. This move leads Bryant to offer a very troubling statement: “What can one say about genesis except that it is everything and nothing to speak of? Words happen. They seem to come from nowhere. Ab nihilo. Boom. What can you say?” (94) My friends, if indeed one cannot say anything about non-revised text or genesis, our business model is in trouble; so, before we have to declare Chapter 11 on our intellectual inheritance, let me answer Bryant’s question and get down to business:

There are only additions, deletions and transpositions. Everything else is superstition.

Works Cited

Bryant, John. The Fluid Text: A Theory of Revision and Editing for Book and Screen. Ann Arbor: University of Michigan Press, 2002. Print.

McGann, Jerome J. The Textual Condition. Princeton, N.J.: Princeton University Press, 1991. Print.

Google Ngram viewer : un extraordinaire corpus mais…

On a pu se rendre compte ces dernières années que deux parcours pouvaient amener à créer des bibliothèques numériques. D’une part, les bibliothèques, qui conservaient, acquéraient et diffusaient des données sur divers supports et ne voyaient pas pourquoi ils ne le feraient pas en ligne. D’autre part, Google, qui cherchait et mettait en ordre l’information sur internet et ne voyait pas pourquoi ils ne le feraient pas dans les livres anciens également.

Ce n’est pas le lieu ici d’évaluer qui le fait le mieux. Mais une chose est sûre : plus les masses de données deviennent gigantesques, plus le moteur de recherche devient important. Et, en cela, Google possède un gros avantage sur Gallica.

En faisant tourner ses robots sur une (grosse) sélection de livres, Google peut donc obtenir des données statistiques de tout premier ordre. Car le corpus est énorme : 5 200 000 ouvrages, soit plus de 500 milliards de mots, nous annonce Google. Passionnant pour l’étude de l’usage des langues, donc. Un matériau dont on peut sortir des centaines de thèses et d’articles et dont on parlait déjà… en 2006.
Google annonce dans l’article de Science que ses chercheurs ont publié avec d’autres de Harvard, du MIT, de l’Encyclopaedia Britannica et de l’Houghton Mifflin Harcourt que cela représente 4% de l’ensemble des livres publiés dans le monde depuis l’invention de l’imprimerie. Je ne m’étends pas sur l’analyse de cette annonce puisqu’on trouve bien des éléments chez Veronis, Affordance, LanguageLog, Hubert Guillaud, etc, etc.

Le fait est d’autant plus intéressant que, non seulement Google ne vend pas ces données mais les place même sous une licence Creative Commons BY, la plus permissive qui soit. C’est à dire que, contrairement à Gallica, elle les ouvre entièrement et en permet la réutilisation la plus large, y compris commerciale. L’idéal si l’on veut que ses données soient réellement réutilisées et permettent des usages imprévus et innovants.

Mais… il y a un « mais ».

Et le lièvre gît bien sûr dans la typographie ancienne. Voici une lettre prise au hasard dans l’édition montbéliardaise (1676) de celles d’Arnauld d’Andilly :

III. Iìa un Prinee, Jy| ONSEIGNEVR,
Ie laí/îc à Mr. à vous mander particulierement les íêntiments de vos Amis , & de vos seruiteurs sur ce qui vous touche , dont ie l’ay entretenu à loiiir. Si le Comte de Mansseld n’entreprend rien contre la France, ce diicours est du tout inutile: Mais s’il afsiege quelque place, & que vous puiíîìez vous jetter de. dans auec moyen de la desendre ; il n’y aura que ceux qui enuieront vostre valeur, qui manqueront à loiier vostre action. Ie sçav bien que quand vous ne le seriez pas , vous n’en sçaun’ez «stre blàsmé, puis que vous n’auez point d’employ qui vous y oblige. Mais si vostre gencroíìte demeuroit dans les bornes des deuoirs ordinaires , eile ne meriteroit ny des louanges extraordinaires, ny la gloire que vous auez d’estre en plus grande estime dans ì’eíprit des gens dç »nerite , par la consideration de vostre vertu, que par celle de vostre naifsance , qui n’auroic pas seule le pouuoir de me rendre aufïî venta »* hlemenc que ie le suis

On comprend vite que faire des statistiques lexicales sur un tel texte est une entreprise audacieuse. Voire absurde.
Il ne sert donc de rien d’améliorer le traitement des données tant que l’on n’aura pas amélioré les données elles-mêmes : il est de toute première instance que les OCR fassent des progrès sur les typographies anciennes.

Pour illustrer le propos, un unique exemple – cher à tous les wikisourciers – l’ſ. L’ « s long », donc, qui trouve place à l’intérieur des mots tandis que notre « s rond » se place à la fin. Cette ſ, de forme inhabituelle pour l’œil actuel, est pris pour une f par les OCR. Google nous permet donc d’obtenir de très belles statistiques sur les mots « eft » ou « prefque »…

Usage comparé de « est » (bleu) et de « eft » (rouge) de 1750 à 1830 dans le corpus francophone

Usage comparé de « est » (bleu) et de « eft » (rouge) de 1750 à 1830 dans le corpus francophone

Usage comparé de « prefque » (bleu) et de « presque » (rouge) dans le corpus francophone de 1750 à 1830.

Usage comparé de « prefque » (bleu) et de « presque » (rouge) dans le corpus francophone de 1750 à 1830.

Outil à prendre pour l’instant avec des pincettes sur les textes anciens, donc… Remarquons tout de même que pour étudier l’usage de l’s long, c’est pas mal du tout (disparition plus tardive que ce que je pensais).

Culturomics : Comprendre les “lois” de la culture

La technologie change notre compréhension des sciences humaines et sociales (SHS), comme elle a changé notre compréhension des sciences, expliquait il y a peu Patricia Cohen pour le New York Times. Bien sûr, face à cet objectif, les médias numériques sont des moyens plus qu’une fin, rappelle consciencieusement l’historien Anthony Grafton. Mais pour Brett Bobley, directeur du bureau des humanités numériques de la Dotation nationale des humanités américaines (National Endowment for the Humanities, NEH), l’analyse de quantités sans précédent de données peut révéler de nouvelles caractéristiques et tendances et soulèvent des questions inattendues pour l’étude.

“La technologie a non seulement rendu l’astronomie, la biologie et la physique plus efficaces. Mais elle a permis aux chercheurs de faire des recherches qu’ils ne pouvaient pas faire auparavant”. Et c’est notamment le cas dans le domaine des SHS, où l’accès à de formidables corpus documentaires sous forme informatique peut apporter de nouvelles connaissances. C’est en tout cas, ce que se propose de montrer le concours de Google ou le Digging into data, un programme de subventions pour aider à la recherche en sciences humaines à aller dans de nouvelles directions, propulsées par le bureau de Brett Bobley au NEH.

Les Humanités numériques pour comprendre le monde
Comme bien souvent dans le domaine des Humanités numériques (Digital Humanities), pour les non-spécialistes, ce sont les résultats qui sont les plus intéressants. L’un des projets ayant bénéficié de ce programme est celui de Dan Edelstein, professeur de français et d’italien à l’université de Stanford qui a réalisé une cartographie de la circulation des idées au Siècle des Lumières, en étudiant, avec l’aide de l’informatique, la correspondance des grands penseurs de l’époque (Locke, Newton, Voltaire, Swift, Rousseau, Bentham…). La cartographie interactive mise en place permet de mieux mesurer le réseau relationnel des grands penseurs du XVIIIe siècle et montre qu’il a des structures très différentes selon les penseurs (vidéo). La cartographie a montré par exemple, la rareté des échanges entre Paris et Londres, alors que les historiens pensaient que les penseurs français avaient été inspirés par les penseurs britanniques : dans les faits, les penseurs du Continent semblent avoir peu échangé avec les îles Britanniques.

Image : La cartographie des échanges de courriers de la république des Lettres au Siècle des Lumières pour quelques-uns des plus importants penseurs de l’époque.

Les universités américaines semblent se mettre activement aux outils numériques. L’université de Virginie a ainsi développé pour ses étudiants une interface web, baptisée Visual Eyes, permettant de réaliser facilement des visualisations dynamiques et interactives.

Digital Mappaemundi est un projet d’étude des cartes et textes géographiques médiévaux, permettant aux chercheurs d’annoter leurs cartes simultanément et de partager leurs annotations avec d’autres, explique Martin Foys K, médiéviste à l’université Drew dans le New Jersey. “Ces cartographies numériques ont le potentiel de transformer les études médiévales”, estime enthousiaste le chercheur, notamment parce qu’elles sont communautaires, c’est-à-dire partagées par un réseau d’experts dont les apports contribuent à la qualité du projet. “La facilité avec laquelle une communauté peut être amenée à collaborer via ces outils est quelque chose qui change fondamentalement la façon dont nous faisons notre travail”. Sauf que la culture du partage n’est pas nécessairement de mise entre les spécialistes, et que bien souvent toutes les fonctions sont loin d’être utilisées par les chercheurs, qui sont plutôt en concurrence les uns les autres sur leurs recherches.

Le phénomène des humanités numériques est encore nouveau et les praticiens sont encore souvent surpris par ce qui se développe. Lorsque les œuvres complètes publiées d’Abraham Lincoln ont été mises en ligne il ya quelques années, le directeur des Cahiers d’Abraham Lincoln, Daniel W. Stowell, s’attendait à ce que les historiens soient plus attentifs à son projet. Mais il a été surpris de découvrir que les plus grands utilisateurs étaient des gens connectés depuis les Presses de l’université d’Oxford : les rédacteurs du dictionnaire d’Oxford étaient allés traquer dans les archives de Lincoln les premières occurrences de certains mots.

“Les gens vont utiliser ces données de manières que nous ne pouvons pas encore imaginer”, s’enthousiasme Daniel Stowell, “et je pense que c’est l’un des développements les plus excitants des sciences humaines actuellement”. Pour Tom Scheinfeldt, directeur du Centre pour l’histoire et les nouveaux médias à l’université George Mason, le milieu universitaire est entré dans une ère “post-théorique”. Un “moment méthodologique” semblable à celui qu’on a connu à la fin du XIXe et au début du XXe siècle. “Les questions pratiques de la construction de la discipline, de l’assemblage d’une bibliographie annotée, de la définition d’un programme de recherche et de la signification du rôle de l’historien” ont alors été les principaux travaux d’un grand nombre de savants. Sommes-nous en train d’entrer dans une phase similaire ? C’est ce qu’espèrent les partisans des humanités numériques en tout cas.

Comprendre l’évolution des lois du langage
C’est dans ce contexte qu’il faut comprendre le nouvel outil que vient de dévoiler Google : Google N-Grams – un nom qui s’inspire des travaux du théoricien de l’information Claude Shannon et qui évoque les n-grammes (des suites de mots consécutifs), visiblement très utilisés par les programmes de traitement automatique du langage. Google N-Grams est moteur de recherche qui fouille dans les 5,2 millions de livres numérisés par Google et accessibles librement au public, explique le New York Times, soit 500 milliards de mots, comme s’en émerveille avec raison Jean Véronis sur son blog, soit “4 % des livres jamais publiés sur Terre”. Un outil qui permet de tracer des courbes lexicales sur plusieurs siècles, puisque la base de livres sur laquelle il est construit est constituée de livres publiés entre 1500 et aujourd’hui, provenant d’un corpus réparti en 5 langues (anglais, français, espagnol, allemand, chinois et russe : interrogeables séparément).

On peut ainsi constater que Marilyn Monroe et Mickey Mouse ne reçoivent pas la même attention dans les livres imprimés … Ou que Freud est devenu une référence plus importante que Galilée, Einstein ou Darwin

“L’objectif est de donner à un enfant de 8ans la possibilité de parcourir les tendances culturelles de l’histoire telle qu’inscrite dans les livres”, a expliqué Erez Lieberman Aiden, un chercheur de Harvard parmi les auteurs provenant du MIT, de Google, de l’Encyclopaedia Britannica et d’Houghton Mifflin Harcourt, signataires de l’article de la revue Science qui fait l’actualité. “Nous voulions montrer ce qui devient possible lorsque vous appliquez de très hautes capacités d’analyse de données à des questions de sciences humaines”, a déclaré M. Lieberman Aiden. Une méthode que les chercheurs ont baptisée Culturomics, et qui a pour volonté, comme l’indique son nom, de dégager les “lois”, les principes de la culture – rien de moins ! D’un coup, avec ce corpus rendu accessible, le mot devient un organisme vivant, dont on peut percevoir l’écosystème, permettant de regarder les trajectoires culturelles des termes, des noms, des formes grammaticales et orthographiques.

Comme le dit très justement Erez Lieberman Aiden : “Plus qu’une machine à apporter des réponses, nous avons là une machine génératrice d’hypothèses”.

Ce nouvel outil va exiger beaucoup de réflexion sur les divers biais dans la façon dont les données sont recueillies, a déclaré le biologiste Paul Ehrlich, dont les enquêtes sur l’évolution de la pirogue polynésienne a transformé les études culturelles, et qui remarque, par exemple, que la fréquence de l’obscénité ne peut pas seule être un indicateur de tendance culturelle.

Culturomics, Genomics… “Il y avait un grand battage autour du projet de cartographie du génome humain à l’origine… Avant qu’on comprenne que cette liste n’était pas très utile à ceux qui n’en sont pas spécialistes”, estime Mark Pagel, biologiste de l’évolution à l’université de Reading. Nous comprenons maintenant que ce n’est pas les gènes qui importent, mais comment ceux-ci sont exprimés dans les organes”.

“Je ne dis pas que les données ne sont pas utiles”, a-t-il précisé. “Mais que la base de données ne va pas “cracher” des réponses simples”. Rien ne sera plus facile en effet, que d’en faire sortir beaucoup de banalités.

Google sur le terrain des digital humanities – TGE Adonis

The Chronicle annonce que Google vient de lancer un programme de bourses d’étude sur les livres numérisés de Google Books. Son appel à propositions offre jusqu’à 50 000 $ pendant un an à des chercheurs pour développer des applications de fouille et d’analyse textuelle. Le financement pourrait être renouvelé une seconde année.

Ce programme, qui vise à explorer les digital humanities, se décline autour de 8 disciplines de SHS : littérature, linguistique, histoire, études classiques, philosophie, sociologie, archéologie et anthropologie.