Lexique

Alignement : « le terme désignant l’association d’un ensemble de données avec un autre. Dans le domaine des corpus oraux, le terme d’alignement concerne l’association d’un segment de données « secondaires » numérisées – notamment des transcriptions – aux données « primaires » qui lui correspondent : un signal audio, vidéo, textuel, etc. numérisé. Les relations entre ces ensembles de données, ainsi que leur nature, peuvent varier considérablement. » (Source : Corinte, Corpus d’interactions. Icar.cnrs.fr)

CER: Character Error Rate ou Taux d’erreur caractère désigne le taux de caractères incorrectement reconnus par rapport à un texte de référence.

OCR – OCéRisation : OCéRisation dérive de l’abréviation OCR, Optical Character Recognition, soit Reconnaissance optique des caractères. D’un point de vue technique, le terme désigne le traitement d’une image (le texte peut être scanné) sur laquelle on fait intervenir un logiciel de reconnaissance de caractères. Ce logiciel déchiffre les formes et les traduit en lettres. Ce procédé permet de convertir des grands ensembles de données en textes, rendant ainsi possible la recherche plein-texte. (Source : ENSSIB.fr)

TEI : Text Encoding Initiative. Créée en 1987, la TEI vise à standardiser les pratiques d’encodage et de structuration des textes numérisés. D’abord développée pour SGML, la TEI deviendra ensuite une norme d’encodage en XML, potentiellement utilisable pour toute source textuelle numérisée. Mais plus qu’un outil ou un standard technique, ce qui frappe dans cette initiative, c’est sa capacité à structurer une communauté multidisciplinaire et internationale : linguistes, historiens, littéraires, philologues, archéologues utilisent en effet cette norme, en l’adaptant à leurs propres besoins. Son intérêt : être suffisamment souple pour s’adapter aux besoins de chacun. La TEI est un projet qui propose un « métalangage » commun, un cadre de travail et de structuration suffisamment souple pour permettre à différentes communautés scientifiques de retrouver leurs spécificités » (Humanités numériques: état des lieux et perspectives, p. 10)

Écritures sinistroverses : caractérisent les écritures de droite à gauche comme l’écriture arabe.

FAIR : Findable, Accessible, Interoperable and Reusable ; la notion de FAIR et plus précisément de FAIR data recouvre, dans le contexte de la science ouverte et du partage et de l’ouverture des données, les manières de construire, stocker et présenter ou publier des données en permettant que la donnée soit « Facile à trouver, Accessible, Interopérable et Réutilisable » (Source : Wikipédia)

SGML : ou Standard Generalized Markup Language (langage standard de balisage généralisé). Il s’agit d’une norme ISO (la norme ISO 8879). C’est un langage de codage de données dont l’objectif est de permettre, dans un échange entre systèmes informatiques, de transférer, en même temps, des données textuelles et leurs structures.

Web Sémantique : Le Web sémantique vise à faciliter l’exploitation des données structurées, pour donner du sens au contenu des pages Web, en permettant leur interprétation par des machines. Il ne s’agit pas d’un web à part, mais plutôt d’une extension ou d’une amélioration du Web courant où chaque donnée acquiert un sens défini, afin de créer un réseau d’informations structurées, disponibles en ligne et facilement réutilisables. L’ensemble repose sur des normes, des standards ouverts comme RDF et SPARQL, et des recommandations évitant ainsi redondances, conversions lourdes et permettant la traçabilité des données sources. (Source : enssib.fr)

XML : ou eXtensible Markup Language est un langage informatique de balisage générique. Autrement dit, il s’agit d’un langage de description grâce à des balises qui permettent de structurer de manière hiérarchisée et organisée les données d’un document.