Document Numérique

Codage informatique des langues anciennes par Serge ROSMORDUC | Lavoisier | Document numérique 2002/3-4 -Volume 6 ISSN 1279-5127 | pages 211 à 224 Pour citer cet article : -Rosmorduc S., Codage informatique des langues anciennes, Document numérique 2002/3-4, Volume 6, p. 211-224.

This article discussess the goal, objectives, structure and methodology of InterPARES 2, the second phase of an international multidisciplinary research project on the permanent preservation of the authenticity of electronic record, and presents the research conducted to date.

Le passage à l'écriture numérique est une reconfiguration qui agit sur la nature de la connaissance. Il y a un enjeu scientifique et opérationnel à étudier cette écriture renouvelée, en particulier pour la conception de systèmes, l'analyse de pratiques et l'enseignement de l'écriture numérique. Ce papier y contribue sous la forme d'une étude théorique reposant sur une description à trois niveaux du numérique : théorético-idéal, techno-applicatif et sémiorhétorique. Cette description est prolongée par une carte heuristique des fonctions de l'écriture numérique et un répertoire de figures rhétoriques et de genres d'écrits numériques.

[email protected] http://omega.enstb.org/yannis RÉSUMÉ. Dans cet article nous proposons une nouvelle approche aux concepts de glyphe et caractère et nous appliquons à l'étude du codage Unicode. Après une discussion étendue de ces deux concepts, nous nous intéressons aux autres ingrédients de base d'Unicode : les glyphes privilégiés, les descriptions, les caractères combinants et les propriétés. Dans chaque cas nous essayons en même temps de montrer l'importance de ces notions et d'indiquer leurs limitations par des contre-exemples. Cet article se veut aussi bien une « exégèse » qu'une critique (constructive) de ce codage auquel est dédié ce numéro spécial de la revue Document Numérique.

Le passage à l'écriture numérique est une reconfiguration qui agit sur la nature de la connaissance. Il y a un enjeu scientifique et opérationnel à étudier cette écriture renouvelée, en particulier pour la conception de systèmes, l'analyse de pratiques et l'enseignement de l'écriture numérique. Ce papier y contribue sous la forme d'une étude théorique reposant sur une description à trois niveaux du numérique : théorético-idéal, techno-applicatif et sémiorhétorique. Cette description est prolongée par une carte heuristique des fonctions de l'écriture numérique et un répertoire de figures rhétoriques et de genres d'écrits numériques.

Le caractère collectif des activités de conception nécessite le développement de méthodes et d'outils pour la maîtrise des processus de conception et des activités collaboratives. Le groupe de travail est assimilé à un système constitué d'entités en interactions de différentes natures et régi par des mécanismes de régulation et de coordination. Nous nous intéressons ici à la modélisation d'une situation collaborative. Après une définition de la situation et la description de différentes perceptions de ce concept, nous proposons un modèle de situation dans lequel nous caractérisons les entités de différentes natures qui sont en interactions. Une classification des relations entre ces entités est proposée. Les perspectives de ce travail sont de contribuer à l'amélioration d'outils permettant de supporter une situation de conception collaborative et de capitaliser ces connaissances en vue d'une réutilisation efficace.

Cet article mène une réflexion sur l'informatisation des pratiques musicologiques de segmentation et mise en tableau de partitions. Nous proposons un modèle documentaire permettant la conduite d'analyses multimedias (synchronisation), efficaces (maîtrise de la spatialisation des contenus, segmentation, structuration logique et matérielle) et sémantiques (annotations, hyperliens), et présentons un environnement expérimental qui l'instrumente. Nous montrons en quoi la prise en compte du caractère constitutif des opérations, gestes et outils matériels dans l'activité analytique permet d'explorer sous un angle nouveau des questions centrales telles que l'articulation de l'écoute et du visuel dans la validation des résultats, la falsifiabilité et la publication de ceux-ci ou encore l'ergonomie et l'organisation de l'espace de travail.

Les ressources documentaires sont riches en connaissances d'un domaine donné. L'extraction et la représentation de ces connaissances est un problème largement exploré dont la solution est basée sur l'utilisation de ressources ontologiques, terminologiques et linguistiques. Ces ressources ont des types et des modèles de représentations hétérogènes. Nous effectuons des représentations multiples des ressources à l'aide de différents modèles de contenus. Ceci est modélisé par une ontologie générique qui formalise les modèles des ressources, les opérations que nous pouvons effectuer sur ces ressources et les processus de gestion de connaissances. L'ontologie de ressources permet de construire un entrepôt de ressources hétérogènes et facilite leur interopérabilité.

Le travail présenté ici concerne l'analyse, la compréhension et la représentation de grands graphes. En effet, ce type de données se retrouve de manière naturelle dans un nombre croissant de problèmes concrets : web, recherche d'information, réseaux sociaux, réseaux d'interaction biologiques... La progression des moyens de recueil et de stockage des données rend la taille de ces graphes croissante : le développement de méthodes permettant leur analyse et leur représentation est donc un domaine de recherche dynamique et important à l'interface de nombreuses disciplines (mathématiques, statistique, informatique, ...). Dans cet article, nous développons une méthode de représentation de graphes basée sur une classification préalable des sommets. En effet, dans [18], les auteurs font remarquer que « reducing [the] level of complexity [of a network] to one that can be interpreted readily by the human eye, will be invaluable in helping us to understand the largescale structure of these new network data » : nous nous appuyons sur ce constat pour utiliser une classification des sommets du graphe comme étape préliminaire et simplificatrice à la représentation du graphe dans son ensemble. La phase de classification consiste en l'optimisation d'une mesure de qualité spécialement adaptée à la recherche de groupes denses dans les graphes : la modularité. Cette mesure quantifie la « distance » à un modèle nul dans lequel les arêtes sont placées indépendamment de la classification. Elle a montré sa pertinence dans la résolution de problèmes de recherche de groupes denses dans un graphe. L'optimisation de la modularité est effectuée par le biais d'un algorithme stochastique de recuit simulé. Enfin, la représentation, en tant que telle, est basée sur un algorithme de « forces » contraint décrit dans . Après une courte introduction au problème (partie 1), nous détaillons, dans la partie 2, la procédure de classification des sommets et, en partie 3, l'algorithme de représentation utilisé. Un exemple issu de l'analyse de réseaux sociaux est ensuite présenté en partie 4.

Dans cet article, nous montrons comment, en nous appuyant sur une infrastructure de gestion de « systèmes d'organisation des connaissances », nous avons construit des logiciels pour les chercheurs engagés dans un travail d'interprétation de textes. Fondé sur un modèle « à base de points de vue », ce développement nous a permis de nous interroger sur l'hétérogénéité des structures d'analyse, que celle-ci provienne de la diversité des auteurs de ces analyses ou de leur degré d'automatisation.

Cet article élabore une démarche instrumentalisé qui vise particulièrement à abstraire la complexité de la production des documents numériques pédagogiques pour les enseignants relativement novices en matière de l'informatique. Ainsi allons présenter une nouvelle contribution à la conception et à la production collaborative des documents pédagogiques en contexte d'apprentissage en ligne. Cette contribution consiste à présenter une méthodologie de conception des documents pédagogiques (appelée le Macro Design) basée sur des modélisations orientées ontologies et aussi à l'évaluer via la réalisation et l'expérimentation d'un environnement appelé Moulinette. ABSTRACT. In this article we motivate and present a methodology based on a collaborative production as realistic way to meet teachers' skills for an efficient production of learning documents. The proposed methodology points out the "macro design" as an independent task to be supported during the first phase of the production. This paper presents an efficient method to support the Macro Design using the Rhetorical Structure Theory, the taxonomies we developed and its support environment called Moulinette. MOTS-CLÉS : Conception des documents numériques pédagogiques, Modélisation sémantique, Ontologies, Pensée pédagogique des enseignants, Apprentissage en ligne.

Cet article mène une réflexion sur l'informatisation des pratiques musicologiques de segmentation et mise en tableau de partitions. Nous proposons un modèle documentaire permettant la conduite d'analyses multimedias (synchronisation), efficaces (maîtrise de la spatialisation des contenus, segmentation, structuration logique et matérielle) et sémantiques (annotations, hyperliens), et présentons un environnement expérimental qui l'instrumente. Nous montrons en quoi la prise en compte du caractère constitutif des opérations, gestes et outils matériels dans l'activité analytique permet d'explorer sous un angle nouveau des questions centrales telles que l'articulation de l'écoute et du visuel dans la validation des résultats, la falsifiabilité et la publication de ceux-ci ou encore l'ergonomie et l'organisation de l'espace de travail.

Les bibliothèques numériques en-ligne en mode image se heurtent à un certain nombre de problèmes techniques comme le manque de méta-données détaillées pour une recherche plus précise des informations, le volume important qu'occupent les images qui limitent leurs transmissions sur le réseau et l'absence d'un format de données hétérogènes pour la navigation. Dans ce contexte, nous proposons des méthodes d'analyse et d'interprétation du contenu des images pour à la fois réaliser une compression plus efficace et extraire automatiquement des méta-données utiles à l'indexation par le contenu. Notre approche est basée sur une décomposition des images en objets indépendants qui seront compressés avec des méthodes appropriées. Nous proposons aussi un format de données hétérogènes, adapté à la navigation dans les ouvrages numérisés compressé, qui permet aussi de les modifier, les annoter ou les échanger sur Internet dans le cadre d'un travail collaboratif. MOTS-CLES : Bibliothèque numérique, Compression d'images de documents, analyse d'images, segmentation, format de données, méta-données.

Cet article présente une approche hybride de fouille de données textuelles basée sur la hiérarchie de mise en forme du texte. Elle fait coopérer des outils de fouille de données, des outils de structuration et d'analyse robustes de document et la linguistique de discours. L'application concerne la détection de l'absence et la présence de fautes de style dans des articles scientifiques en anglais. Nous décrivons d'abord les unités textuelles basées sur la hiérarchie du texte. Leurs descripteurs combinent des informations sur les formes et les positions relatives des marqueurs stylistiques. La méthode met en avant la nécessité de garder le contexte étendu d'un marqueur textuel. Nous présentons ensuite deux méthodes de fouille mises en oeuvre pour caractériser la correction en anglais : règles de caractérisation et motifs émergents. Enfin, nous évaluons les résultats obtenus par l'application de ces techniques. ABSTRACT. This paper presents an original text mining approach based on text segmented units, mixing data mining techniques and text linguistics. First, we describe the text units and their descriptors designed for detecting mistakes in scientific papers in English. These include text organisation, emphasising the relative positions and the context of stylistic markers. Secondly, the paper explains the text mining methods required for such tasks and provides the techniques to extract rules characterising classes and emerging patterns techniques. Experiment results show the usefulness of text organisation set as an hypothesis. The paper concludes on the text mining benefits for linguistic tasks. MOTS-CLÉS : fouille de textes, linguistique textuelle, mise en forme matérielle, structure typographique, stylistique, règles d'association, motifs émergents, caractérisation de classes, détection de fautes d'anglais, correction, style.

A l'heure du web social, nous présentons une solution destinée à définir de nouveaux services tels que la construction automatique et dynamique de communautés d'utilisateurs : l'agrégation de mots-clés. Ces agrégats de mots-clés sont issus des recherches antérieures des utilisateurs réalisées au travers d'un moteur de recherche. Nous présentons la démarche que nous avons suivie pour obtenir un algorithme de regroupement des mots-clés provenant de fichiers de traçage (log) ; nous illustrons cet algorithme au travers de son application au fichier de traçage du moteur de recherche aol.com. A des fins d'évaluation et de validation, nous proposons de comparer les résultats obtenus par le moteur de recherche à partir des agrégats de mots-clés ainsi créés et de définir un coefficient de cohérence sémantique de ces agrégats. Nous mesurons dans une expérimentation la perte de cohérence sémantique liée à l'augmentation de la taille des agrégats. L'intérêt de notre approche réside dans le fait qu'elle peut être considérée comme une brique de base pour un grand nombre de systèmes « communautaires » et ainsi exploitée pour offrir encore plus de services à l'usager.

Cet article présente l'organisation d'un projet multidisciplinaire portant sur la coconception d'une plateforme de débats en ligne. Nous décrivons les interactions entre les acteurs des différentes disciplines du projet. Nous analysons ce cas d'étude concret et soulignons les difficultés rencontrées ainsi que les points positifs.

Le travail présenté ici concerne l'analyse, la compréhension et la représentation de grands graphes. En effet, ce type de données se retrouve de manière naturelle dans un nombre croissant de problèmes concrets : web, recherche d'information, réseaux sociaux, réseaux d'interaction biologiques... La progression des moyens de recueil et de stockage des données rend la taille de ces graphes croissante : le développement de méthodes permettant leur analyse et leur représentation est donc un domaine de recherche dynamique et important à l'interface de nombreuses disciplines (mathématiques, statistique, informatique, ...). Dans cet article, nous développons une méthode de représentation de graphes basée sur une classification préalable des sommets. En effet, dans [18], les auteurs font remarquer que « reducing [the] level of complexity [of a network] to one that can be interpreted readily by the human eye, will be invaluable in helping us to understand the largescale structure of these new network data » : nous nous appuyons sur ce constat pour utiliser une classification des sommets du graphe comme étape préliminaire et simplificatrice à la représentation du graphe dans son ensemble. La phase de classification consiste en l'optimisation d'une mesure de qualité spécialement adaptée à la recherche de groupes denses dans les graphes : la modularité. Cette mesure quantifie la « distance » à un modèle nul dans lequel les arêtes sont placées indépendamment de la classification. Elle a montré sa pertinence dans la résolution de problèmes de recherche de groupes denses dans un graphe. L'optimisation de la modularité est effectuée par le biais d'un algorithme stochastique de recuit simulé. Enfin, la représentation, en tant que telle, est basée sur un algorithme de « forces » contraint décrit dans . Après une courte introduction au problème (partie 1), nous détaillons, dans la partie 2, la procédure de classification des sommets et, en partie 3, l'algorithme de représentation utilisé. Un exemple issu de l'analyse de réseaux sociaux est ensuite présenté en partie 4.

François Trousset, et al.. Comment déterminer les adjectifs d'opinion d'un domaine donné. RÉSUMÉ. L'extraction automatique d'opinions sur le web 2.0 est un domaine de recherche de plus en plus étudié. Elle utilise souvent deux méthodes à vocations différentes : soit des méthodes fondées sur l'apprentissage par la constitution de corpus en vue d'établir des modèles pour la classification, soit rechercher des mots caractéristiques tels que les adjectifs qui contribueront à la classification des textes. Dans ce dernier cas, les outils existants utilisent des dictionnaires généraux, et possèdent des limites : pour certains domaines, des adjectifs peuvent être inexistants voire contradictoires. Dans cet article, nous proposons une nouvelle approche de création automatique de dictionnaire d'adjectifs intégrant la connaissance du domaine. Les expériences menées sur des données réelles ont montré l'intérêt de notre approche comparativement à une méthode plus classique par apprentissage. ABSTRACT. Expressed opinions grows more and more on the Internet. Recently, extracting automatically such opinions becomes a topic addressed by new research work. Traditionally, detection of opinions is based on extracting adjectives. Existing methods are often based on general dictionaries. Unfortunately, main drawbacks of these approaches are that, for different domains, adjectives could not exist and could have an opposite meaning. In this paper we propose a new approach to the automatic creation of dictionary of adjectives that integrates the domain knowledge. The experiments conducted on real data show the usefulness of our approach, compared to a more classic method based on machine learning mechanisms.

Cet article présente l'organisation d'un projet multidisciplinaire portant sur la coconception d'une plateforme de débats en ligne. Nous décrivons les interactions entre les acteurs des différentes disciplines du projet. Nous analysons ce cas d'étude concret et soulignons les difficultés rencontrées ainsi que les points positifs.

Le dossier est souvent définit par son objet (dossier de subvention, dossier de patient, dossier de presse) sans que l'on s'appesantisse davantage sur ce que recouvre la notion de dossier, ce qu'elle sous-entend, à quoi elle fait référence. Ce numéro de Document numérique sur la numérisation de dossiers papier et la production de dossiers électroniques est une occasion d'essayer de définir ce qu'est un dossier et d'observer si le changement de support affecte le contenu du dossier. ABSTRACT. What we call « dossier » in French (in English whether file or folder or record) is usually defined through the subject it refers to (financial file, medical record, clipping file…), and the meaning of the very word « dossier » is not further explained; the reason of using this word instead of another is not so clear. This issue of Document numérique about electronic files/records, both digitalized paper documents and native electronic documents, seems an opportunity to precise what a « dossier » supposed to be and if changing the medium from paper to electronic means also changing structure and content.

, mauro.gaio, christian.sallaberry }@univ-pau.fr RÉSUMÉ. Les travaux présentés dans ce papier se situent dans le cadre de la recherche d'information géographique. Notre objectif est d'exploiter les fonds documentaires patrimoniaux dont le contenu est fortement attaché au territoire (information géographique). L'information géographique peut être déclinée selon le triptyque espace, temps, phénomène. Ce papier se focalise plus particulièrement sur le volet temps. Nous proposons tout d'abord un modèle décrivant les expressions temporelles à annoter. Puis, nous présentons une méthodologie d'annotation sémantique pour l'indexation automatique de ces expressions. Enfin, nous évoquerons la recherche d'information géographique d'abord selon les critères spatial, thématique et temporel respectivement, puis nous combinons ces trois critères. ABSTRACT. These works take place in the geographical information retrieval context. Our purpose is to exploit local cultural heritage document repositories whose content is strongly attached to a territory (i.e. geographical information). Geographical information is composed of a spatial feature, a temporal feature and a theme feature. This paper focuses on temporal feature. We first propose a model for temporal expressions to annotate. Then, we present a semantic annotation methodology for automatically indexing these expressions. Finally, we start on geographical information retrieval according respectively to spatial, theme and temporal criterions, and then we combine them.

Cet article élabore une démarche instrumentalisé qui vise particulièrement à abstraire la complexité de la production des documents numériques pédagogiques pour les enseignants relativement novices en matière de l'informatique. Ainsi allons présenter une nouvelle contribution à la conception et à la production collaborative des documents pédagogiques en contexte d'apprentissage en ligne. Cette contribution consiste à présenter une méthodologie de conception des documents pédagogiques (appelée le Macro Design) basée sur des modélisations orientées ontologies et aussi à l'évaluer via la réalisation et l'expérimentation d'un environnement appelé Moulinette. ABSTRACT. In this article we motivate and present a methodology based on a collaborative production as realistic way to meet teachers' skills for an efficient production of learning documents. The proposed methodology points out the "macro design" as an independent task to be supported during the first phase of the production. This paper presents an efficient method to support the Macro Design using the Rhetorical Structure Theory, the taxonomies we developed and its support environment called Moulinette. MOTS-CLÉS : Conception des documents numériques pédagogiques, Modélisation sémantique, Ontologies, Pensée pédagogique des enseignants, Apprentissage en ligne.

L'extraction automatique d'opinions sur le Web 2.0 est un domaine de recherche de plus en plus étudié. Elle utilise souvent deux méthodes à vocations différentes : soit des méthodes fondées sur l'apprentissage par la constitution de corpus en vue d'établir des modèles pour la classification, soit rechercher des mots caractéristiques tels que les adjectifs qui contribueront à la classification des textes. Dans ce dernier cas, les outils existants utilisent des dictionnaires généraux, et possèdent des limites : pour certains domaines, des adjectifs peuvent être inexistants voire contradictoires. Dans cet article, nous proposons une nouvelle approche de création automatique de dictionnaire d'adjectifs intégrant la connaissance du domaine. Les expériences menées sur des données réelles ont montré l'intérêt de notre approche comparativement à une méthode plus classique par apprentissage. ABSTRACT. Expressed opinions grows more and more on the Internet. Recently, extracting automatically such opinions becomes a topic addressed by new research work. Traditionally, detection of opinions is based on extracting adjectives. Existing methods are often based on general dictionaries. Unfortunately, main drawbacks of these approaches are that, for different domains, adjectives could not exist and could have an opposite meaning. In this paper we propose a new approach to the automatic creation of dictionary of adjectives that integrates the domain knowledge. The experiments conducted on real data show the usefulness of our approach, compared to a more classic method based on machine learning mechanisms.

Issue du monde des bibliothèques (bibliothèques numériques en particulier), l’expression système d’organisation des connaissances (SOC, en anglais : Knowledge Organization System, KOS) « englobe tous les types de schèmes permettant d’organiser des informations et de promouvoir la gestion des connaissances » (Hodge, 2000). Les SOC « comprennent les schèmes de classification et de catégorisation qui organisent des matériaux à un niveau général, les vedettes-matière qui fournissent un accès plus détaillé, et les fichiers d’autorité qui contrôlent les variantes des informations clés telles que les noms géographiques et les noms de personnes » (ibid). Les SOC « comprennent aussi les vocabulaires très structurés, tels que les thésaurus, et les schèmes moins traditionnels, tels que les réseaux sémantiques et les ontologies » (ibid). Le tableau 1 présente une typologie des SOC proposée par Hodge (2000).

Raphèl est un hypertexte poétique dont la forme même requiert un développement maximal du lien hypertextuel. La forme élémentaire de Raphèl est une strophe cyclique de dix vers (lignes), cette hyperstrophe pouvant s'auto-reproduire indéfiniment à partir de ses dix liens linéaires et ses dix liens interlinéaires. Raphèl est également un centon multilingue (un collage de citations en langues diverses), qui se construit comme le commentaire sans fin d'une phrase tirée de la Divine Comédie, phrase asémantique attribuée par Dante à Nemrod, le constructeur de la Tour de Babel. De nombreux hypertextes en prose et vers donnent des traductions du centon et ajoutent des notes et des commentaires sur des points particuliers. ABSTRACT. Raphèl is a poetic hypertext, the form of which demands a maximal development of the hypertextual link. Raphèl's basic form is a self-reproducing cyclical strophe of ten verses (lines). This hyperstrophe is capable of infinite and ordered developments based on its ten linear and its ten interlinear links. Raphèl is also a multilingual cento (an assembly of quotations in many languages). The whole poem is a gloss or commentary of a Divine Comedy's verse in a forged language, a non semantic sentence that Dante puts in the mouth of Nemrod, the builder of the Babel Tower. The many prose and verse hypertexts render translations of the cento and add notes and comments to particular points.

S'appuyant sur la Cluster Hypothesis, qui stipule que les documents pertinents à une requête tendent à être plus proches les uns des autres que des documents non pertinents, la plupart des systèmes de recherche d'information réalisant une catégorisation de leurs résultats visent à regrouper l'ensemble des documents pertinents dans un même groupe. Nous proposons ici, par la mise en place de nouvelles mesures d'évaluation, de reconsidérer les bénéfices résultant d'une telle concentration de l'information pertinente. Contrairement à ce qui est habituellement admis, nous montrons finalement que des systèmes réalisant une distribution de l'information pertinente peuvent s'avérer au moins aussi intéressants pour l'utilisateur que des systèmes regroupant l'ensemble des documents pertinents dans un cluster unique.

Nous présentons dans cet article une approche basée sur l'utilisation de l'Alphabet Phonétique International (API) pour l'indexation et la recherche par le contenu de documents audiovisuels multilingues. L'approche fonctionne même si les documents contiennent des langues inconnues. Elle a été validée dans le cadre de la compétition « Star Challenge » sur les moteurs de recherche organisée par l'Agence A*STAR de Singapour. Notre approche comprend la construction d'un modèle acoustique multilingue basé sur l'API et une méthode fondée sur la programmation dynamique pour la recherche de segments de documents par « détection de chaînes API ». La programmation dynamique permet de repérer la chaîne de la requête dans la chaîne du document, même avec un taux d'erreur de transcription au niveau phonétique significatif. Les méthodes que nous avons développées nous ont classés premiers et troisièmes sur les tâches de recherche monolingues (anglais), cinquièmes sur la tâche de recherche multilingue et premiers sur la tâche de recherche multimodale (audio et image).

L'utilisation de documents cliniques au cours de la pratique médicale ne répondra aux besoins réels des praticiens que dans la mesure où elle correspondra véritablement à leur démarche clinique. Plutôt qu'à un dispositif de gestion électronique de documents ou à un empilement de documents figé, un clinicien doit pouvoir accéder en un temps très court aux données précises, à jour et exactes dont il a immédiatement besoin. L'organisation des systèmes d'information et la structure des documents doivent permettre la sélection et l'extraction des seules données jugées nécessaires par le clinicien, accompagnées de la description du contexte de leur recueil. Ce sont des données « granulaires » qu'il s'agit, à la demande, en toute sécurité et en plein respect de la confidentialité, d'identifier et d'extraire d'un système réparti.

This article presents a cooperative environment for e-learning authoring, which allows the cooperation between educators and technical people in order to create material for e-learning courses. Our approach while building this environment was to use mainly web standards, like XML, SMIL, SVG and WebDAV, and open software. We combine some features like awareness and workflow to allow the cooperation between authors, without using for this any complex groupware structure. The result is a simple and low cost environment, ideal for low budget institutions. RÉSUMÉ. Cet article présente un environnement coopératif pour la création des documents pour l'enseignement par ordinateur. Cet environnement permet la coopération entre des éducateurs et des techniciens pour créer le matériel pour des cours. Notre approche en construisant cet environnement était d'employer des standards Web, comme XML, SMIL, SVG et WebDAV, et aussi des logiciels ouverts. Nous combinons dans cet environnement quelques éléments spéciaux, comme notification et workflow, pour la coopération entre les auteurs, sans qu'il fausse nécessaire utiliser un logiciel de travail en groupe complexe. Le résultat est un environnement simple et pas trop cher, idéal pour les institutions de budget basses.

Metz {Brangier, Dinet, Christian.bastien}@univ-metz.fr RÉSUMÉ. Ce papier présente les lignes directrices pour la conduite d'analyses des besoins basée sur une approche constructiviste, qui consiste en des réunions d'experts d'une communauté d'utilisateurs ciblés.

Le développement des systèmes de gestion de contenu a profondément changé la nature du Web : de plus en plus de documents sont créés automatiquement et leur mise en page reflète leur structure logique. Dans ce travail, nous montrons que l'information contenue dans la mise en page est suffisante pour inférer une structure sémantiquement riche, ce qui ouvre la voie à de nombreuses applications. Le passage d'une information de mise en page à une structure sémantique se heurte à deux principaux obstacles : l'hétérogénéité des données et le caractère implicite de de la structure des documents Web. Nous décrivons un modèle stochastique capable d'apprendre à transformer des documents semi-structurés vers un schéma défini a priori et présentons une instance particulière de ce modèle adaptée à la transformation de documents hétérogènes HTML en XML. Finalement, nous décrivons plusieurs expériences sur des corpus XML et HTML réels.

The InterPARES Project is a collaborative international research initiative bringing scholars in several disciplines together with representatives of archival institutions and private industry to develop the knowledge required for the long-term preservation of authentic electronic records. The information technology revolution has dramatically altered the way in which governments, private organizations, and individuals carry out their daily activities. Technological obsolescence, storage media fragility, and the capability of electronic systems to manipulate data challenge our capacity to guarantee the long-term preservation and authenticity of electronic records. This paper will report on the work of the Appraisal Task Force of InterPARES to characterize the concepts, principles, and methods for effective selection of electronic records. RÉSUMÉ. Le Projet InterPARES est un projet de recherche international qui regroupe des chercheurs de plusieurs disciplines avec de représentants d'institutions d'archives et d'industries privées, en vue de développer les connaissances nécessaires à la conservation à long terme des documents d'archives électroniques authentiques. La révolution des technologies de l'information a fondamentalement modifié la façon dont les gouvernements, les entreprises et les individus conduisent leurs activités quotidiennes. L'obsolescence des technologies, la fragilité des supports de stockage et la facilité de manipulation des systèmes électroniques défient notre capacité à garantir la conservation à long terme et l'authenticité des documents d'archives électroniques. Cet article expose le travail du groupe de projet d'InterPARES sur l'évaluation pour caractériser les concepts, les principes et les méthodes d'une sélection efficace des documents d'archives électroniques.

Ce travail s'inscrit dans le cadre du programme de recherche QUAERO 1 , un vaste projet de recherche et d'innovation se rapportant au traitement automatique de contenus multimédias et multilingues. L'objectif abordé dans cet article est de proposer une méthode de classification automatique d'articles dans un plan de classement international de brevets relevant du même domaine. La finalité applicative de ce travail est de proposer une aide aux experts dans le processus d'évaluation de l'originalité et la nouveauté d'un brevet, en lui proposant les citations scientifiques les plus pertinentes. Ce problème soulève de nouveaux défis en catégorisation liés du fait que le plan de classement des brevets n'est pas directement adapté à la structure des documents scientifiques et que la répartition des exemples disponibles n'est pas nécessairement équilibrée entre les différentes classes d'apprentissage. Nous proposons pour les résoudre d'appliquer une amélioration de l'algorithme des K-plus-proches-voisins (K-PPV) se basant sur l'exploitation des règles d'associations entre les termes descripteurs des documents et ceux des classes de brevets. En utilisant conjointement comme référentiels une base de brevets du domaine de la pharmacologie et une base bibliographique du même domaine issue de la collection Medline, nous montrons que cette nouvelle technique de catégorisation, qui combine les avantages des approches numériques et ceux des approches symboliques, permet d'améliorer sensiblement les performances de catégorisation, relativement aux méthodes de catégorisation usuelles, dans le cas du problème posé.

Ce travail s'inscrit dans le cadre du programme de recherche QUAERO 1 , un vaste projet de recherche et d'innovation se rapportant au traitement automatique de contenus multimédias et multilingues. L'objectif abordé dans cet article est de proposer une méthode de classification automatique d'articles dans un plan de classement international de brevets relevant du même domaine. La finalité applicative de ce travail est de proposer une aide aux experts dans le processus d'évaluation de l'originalité et la nouveauté d'un brevet, en lui proposant les citations scientifiques les plus pertinentes. Ce problème soulève de nouveaux défis en catégorisation liés du fait que le plan de classement des brevets n'est pas directement adapté à la structure des documents scientifiques et que la répartition des exemples disponibles n'est pas nécessairement équilibrée entre les différentes classes d'apprentissage. Nous proposons pour les résoudre d'appliquer une amélioration de l'algorithme des K-plus-proches-voisins (K-PPV) se basant sur l'exploitation des règles d'associations entre les termes descripteurs des documents et ceux des classes de brevets. En utilisant conjointement comme référentiels une base de brevets du domaine de la pharmacologie et une base bibliographique du même domaine issue de la collection Medline, nous montrons que cette nouvelle technique de catégorisation, qui combine les avantages des approches numériques et ceux des approches symboliques, permet d'améliorer sensiblement les performances de catégorisation, relativement aux méthodes de catégorisation usuelles, dans le cas du problème posé.

20 ans, plusieurs pays ont essayé de mettre en place un dossier médical standardisé centralisé (au niveau régional ou national). La plupart de ces tentatives ont échoué, principalement pour deux raisons liées aux difficultés de mise en place d'un identifiant unique pour le patient et à l'absence de standardisation des dossiers médicaux. Dans cet article nous discutons l'intérêt d'une solution pragmatique reposant sur l'accès aux données déjà collectées et stockées de façon décentralisée, grâce à la mise en place d'un système de recherche et d'accès aux données réparties du patient. L'originalité de cette procédure repose sur des avancées technologiques, notamment les techniques de grille et de tatouage. Les données déjà standardisées pourraient bénéficier d'une gestion centralisée. Ceci conduirait à mettre en place un système mixte (décentralisé pour les données standardisées et centralisé pour les données déjà standardisées). ABSTRACT. For more than 20 years, many countries have been trying to set up a standardized medical record (regional or national). Most have not reached this goal, essentially due to two main difficulties related to patient identification, and the standardization of medical records. We propose here the non-centralized management of medical records relying on a specific procedure that gives the patient access to his distributed medical data, wherever it is located. The originality of this procedure relies on new advances in technology, which make it possible to envisage access to medical records anywhere and anytime, thanks to Grid and watermarking methodologies. Of course, all existing standardised information could be more easily centralised. As a consequence, a mixed system (decentralised for unstructured data and centralised for already structured data) could be proposed.

Les programmes de numérisation du patrimoine s'appuient sur des travaux de recherche pour les aspects technologiques de la numérisation et pour le traitement, l'accès, la conservation et l'usage des documents. Cette collaboration, très importante pour les acteurs culturels, commence à se structurer notamment au niveau européen, avec la valorisation des travaux associant acteurs culturels et acteurs de la recherche. C'est à cette condition que les technologies développées par les chercheurs bénéficieront aux contenus culturels numériques pour leur exploitation et leur visibilité sur les réseaux. ABSTRACT. Digitisation programmes for heritage resources are supported by research projects on technological aspects of digitisation and for document processing, access, preservation and usability. This collaboration, of uppermost importance for cultural stakeholders is structured, notably at European level, through the creation of incentive for projects involving actors of both the research and the cultural fields. This is the condition for digital cultural content to benefit from technologies developed by researchers to improve their exploitation and visibility on the Internet.

Les systèmes actuels de CAO mécanique s'intéressent uniquement à la représentation géométrique du produit. Or pour obtenir une assistance substantielle en ingénierie, il est nécessaire de considérer plus largement le processus aboutissant à la définition du produit et de ses procédés d'obtention. Une proposition intéressante pourrait être l'utilisation de mémoires de projet. Ainsi, les concepteurs disposeraient d'un outil intégrant un ensemble de connaissances issues des études et développements de produit menés dans l'entreprise. En pratique, la constitution de ce type de base de connaissances est limitée car elle demande une acquisition continue d'informations dès les premières étapes du projet et les concepteurs ne disposent pas du temps nécessaire pour les audits associés. Nous proposons donc le développement d'un outil interactif utilisant les technologies web et le langage XML pour la capitalisation des connaissances de façon transparente pour les concepteurs. Cet outil doit aussi permettre une restitution des connaissances et leur réutilisation par les concepteurs à l'aide de simples navigateurs internet. ABSTRACT. Current CAD systems only consider the geometric modelling of product. Then an efficient support can be provided by a consideration of the all product development process and all its handled data. An interested solution can be the use of corporate memory. Thus, the designers could benefit of a tool integrating knowledge issued by projects developed in the company. In practice, the development of such a knowledge base is limited because based on first knowledge acquisition steps and no designer has the necessary time for the associated audits. Therefore we propose the development of an interactive tool using the web technologies and XML language for a permanent knowledge capture and capitalization. This tool should allow the knowledge reuse with simple internet Browser.

La gestion de connaissances est un processus d'explicitation, de modélisation, de partage et d'appropriation des connaissances (Dieng et al., 1998). La plupart des méthodes de gestion des connaissances visent la définition d'une mémoire d'entreprise considérée comme un ...

Nous présentons la méthode DOCMA (document et modèle pour l'action) pour la réalisation d'applications de web socio-sémantique au sein de communautés. Elle permet à leurs membres, non spécialistes de la documentation, d'éliciter et structurer la documentarisation d'items (initiatives, acteurs, produits, éléments géositués, etc.) identifiés par les acteurs dans les documents et les situations. Nous illustrons la méthode par le portail expérimental « Cartodd-Map21 » (cartographie participative du développement durable). ABSTRACT. We present the DOCMA method (DOCument and Model for Action) focused to Socio-Semantic web applications in large communities of interest. DOCMA is dedicated to end-users without any knowledge in Information Science. Community Members can elicit, structure and index shared business items emerging from their inquiry (such as projects, actors, products, geographically situated objects of interest…). We apply DOCMA to an experiment in the field of Sustainable Development: the Cartodd-Map21 collaborative Web portal.

In spite of ISO standards for most Indic scripts used in South and SouthEast Asian countries, legacy encodings are still used to avoid the implementation of complex text layout systems for Indic scripts. Since legacy encodings for Indic scripts are not well-defined and have been designed ad hoc, it is almost impossible to detect the encoding by deducive methods. As a result, the coded text is often dealt as image data rather than text. As a typical example of the confusion of non-standard legacy encodings, we take Khmer script. We collected the various free-charged legacy Khmer fonts distributed on the Web, and investigated the encodings declared and used in the fonts. As a result, the declared encodings are confirmed to be unreliable. Based on the code charts obtained by our investigation, we propose a heuristic algorithm to detect the encoding used in legacy Khmer fonts. This algorithm enables us to extract text data from legacy coded text with an accuracy higher than the one of cognitive methods. RÉSUMÉ. Malgré l'utilisation croissante des normes ISO pour le codage de la plupart des écritures indiennes dans les pays d'Asie du Sud et du Sud-Est, les codages bricolés sont encore utilisés pour éviter l'implémentation de systèmes de mise en page complexes pour les écritures indiennes. Puisque ces codages ne sont pas bien définis et ont été développés ad hoc, il est très difficile de les détecter par des méthodes déductives. Il arrive alors que l'on publie le texte le plus souvent en tant qu'image. En guise d'exemple caractéristique nous avons choisi l'écriture cambodgienne. Nous avons examiné les différentes fontes cambodgiennes diffusées gratuitement sur le Web, les codages qu'elles déclarent utiliser et ceux qu'elles utilisent. Nous arrivons à la conclusion que les codages déclarés ne sont pas fiables. En nous basant sur les codages étudiés nous proposons un algorithme heuristique de détection de codage cambodgien. Cet algorithme nous permet également de transcoder des documents codés dans ces codages avec une précision plus élevée que celle des méthodes cognitives. DN-9/2006. Fontes numériques, pages 45 à 68 Cet article des Editions Lavoisier est disponible en acces libre et gratuit sur dn.revuesonline.com 46 DN-9/2006. Fontes numériques

entre des paires d'articles de presse en français. Nous reprenons le cadre des approches par signature largement utilisé dans la littérature et nous expérimentons plusieurs types de descripteurs sélectionnés pour leur singularité : trigrammes hapax, entités nommées, composés nominaux et connecteurs discursifs. Nous évaluons ces différentes approches en termes de coût de mise en oeuvre ainsi que de capacité à prédire ces types de relations sur le corpus PIITHIE. Nous montrons qu'il est ainsi possible de conserver un niveau de performance comparable à l'approche état de l'art tout en réduisant fortement la taille de la modélisation des documents et donc du coût de mise en oeuvre.

Le dossier est souvent définit par son objet (dossier de subvention, dossier de patient, dossier de presse) sans que l'on s'appesantisse davantage sur ce que recouvre la notion de dossier, ce qu'elle sous-entend, à quoi elle fait référence. Ce numéro de Document numérique sur la numérisation de dossiers papier et la production de dossiers électroniques est une occasion d'essayer de définir ce qu'est un dossier et d'observer si le changement de support affecte le contenu du dossier. ABSTRACT. What we call « dossier » in French (in English whether file or folder or record) is usually defined through the subject it refers to (financial file, medical record, clipping file…), and the meaning of the very word « dossier » is not further explained; the reason of using this word instead of another is not so clear. This issue of Document numérique about electronic files/records, both digitalized paper documents and native electronic documents, seems an opportunity to precise what a « dossier » supposed to be and if changing the medium from paper to electronic means also changing structure and content.