Archives de catégorie : SLDR

Développement et migration SLDR/ORTOLANG

Gestion de dépôts

Le service SLDR/ORTOLANG a été conçu pour le dépôt de la plus grande diversité de données orales et linguistiques afin de répondre aux besoins de la communauté scientifique en termes de mutualisation des ressources. Aucune contrainte de volumétrie n’est imposée et le plan de classement des archives est adapté à chaque projet.

Liste des dépôts et mises à jour depuis janvier 2014 :

http://sldr.org/archivage_hist.php?date_start=2014-01&date_end=2015-12

Pour cette période, le SLDR a accueilli 56 nouveaux objets, constitués de 497 163 fichiers et d’un volume total de 560 947 Mb.

Cet ensemble d’objets comporte des outils, des corpus ou des enrichissements de corpus préexistants et provient de divers instituts en France (Marseille, Lyon, Tours,…) ainsi qu’à l’étranger (Pologne, Norvège, Angleterre,…). La variété de ces objets a impliqué un traitement spécifique en matière de droits, de description et de présentation.

Curation

  • Mutualisation :
    • Finalisation du corpus “ALIPE” <http://hdl.handle.net/11041/alipe-000853> : ce corpus disponible sur un site institutionnel est désormais intégralement et durablement accessible via le mécanisme d’identifiants pérennes du SLDR ;
    • La distribution et la documentation de SPPAS <http://hdl.handle.net/11041/sldr000800> sont maintenant gérées directement par SLDR. Le rapatriement des fonctions a été rendu possible par les fonctionnalités de navigation dans l’espace ‘vitrine’ <http://sldr.org/sldr000800/preview> et de création d’identifiants pérennes développées lors de la curation du projet ALIPE.
  • Archivage pérenne : le corpus “ANCOR” <http://hdl.handle.net/11041/ortolang-000903> a permis d’identifier un problème de validité des fichiers XML produits par certains logiciels ; des solutions ont été proposées afin de faciliter leur archivage pérenne par le CINES.
  • Droits : les producteurs de corpus constitués dans le cadre de l’appel IRCOM/ORTOLANG se sont vus proposer une licence spécifique « Licence ESR » destinée à favoriser l’ouverture de ces données à la recherche publique.
  • Site : l’interface du site SLDR a été modifiée pour s’intégrer davantage à la présentation de la plateforme ORTOLANG et accroître la lisibilité du service.

Procédures de migration

Des procédures ont été développées pour exporter automatiquement les objets de SLDR vers la nouvelle plateforme ORTOLANG. Cette exportation comprend, pour chaque objet :

  • l’intégralité des données dans toutes les versions de l’objet
  • l’intégralité des métadonnées descriptives stockées dans des fichiers XML
  • l’intégralité des métadonnées techniques exportées des tables MySQL vers des fichiers XML
  • les autorisations des participants
  • les licences particulières, le cas échéant
  • l’arborescence des fichiers réglant les droits d’accès
  • les notices des publications associées à l’objet
  • la liste des téléchargements de l’objet
  • l’intégralité des commentaires échangés à propos de l’objet
  • le script de création des identifiants pérennes du contenu de l’objet

Ces procédures permettent d’assurer la continuité du service : dépôt, curation et diffusion des données sur SLDR jusqu’à ce que les fonctionnalités de la nouvelle plateforme ORTOLANG autorisent une migration complète du service et des données/métadonnées.

Identifiants pérennes

  • Participation d’ORTOLANG (Bernard Bel, Arnaud Gingold) à un séminaire inter-européen sur les identifiants pérennes organisé par le réseau DASISH à Cologne les 8-9 décembre 2014. Présentation et discussion du dispositif de gestion des identifiants implémenté sur SLDR : http://sldr.org/doc/show/cologne/SLDR-DASISH-PID.pdf
  • Création du groupe de travail “Persistent Identifiers Policies” dans le cadre du réseau européen DARIAH, en collaboration avec Tibor Kalman et Ulrich Schwardmann (GWDG). Le GWDG est porteur du consortium EPIC : http://www.pidconsortium.eu

Certification CLARIN

Le SLDR a obtenu la certification de centre CLARIN type C :
https://centres.clarin.eu/centre/28

Moissonnage

Les métadonnées descriptives multilingues du SLDR sont moissonnées par les portails spécialisés suivants :

Nouvelles ressources

  • Script praat pour recueil infos acoustiques <http://hdl.handle.net/11041/ortolang-000895> : ce script, créé par des chercheurs de Grenoble, a été modifié pour récupérer un ensemble d’informations clés dans un TextGrid généré sous SPPAS.
  • Audio-visual condition of “Aix MapTask” <http://hdl.handle.net/11041/sldr000875> : poursuite de l’étude initiée par le corpus MAPTASK-AIX <http://hdl.handle.net/11041/sldr000732>, ce corpus en analyse la condition audio-visuelle.
  • Corpus “ANCOR” Centre <http://hdl.handle.net/11041/ortolang-000903> : corpus francophone d’envergure (488 000 mots) de parole spontanée annoté en anaphores et coréférences portant aussi bien sur des entités nominales que pronominales. L’annotation a été réalisée sur trois corpus de parole conversationnelle (Accueil_UBS, OTG et ESLO) diffusés également librement.
  • Corpus “Berlin” <http://hdl.handle.net/11041/ortolang-000893> : corpus pseudo-longitudinal de récits oraux d’une séquence filmique muette tirée de Modern Times de Charlie Chaplin (version expérimentale conçue par l’équipe de Heidelberg) ; un soin particulier a été apporté à la question des droits d’accès et d’usage des vidéos du corpus, d’une part, et de la séquence visionnée, d’autre part.
  • Corpus “Loup-garou” <http://hdl.handle.net/11041/ortolang-000900> : Enregistrements vidéo et audio multipistes d’interactions entre joueurs du « Loup garou » (étudiants en master LEX au LPL); constitution, transcription, curation et diffusion du corpus réalisées en collaboration avec le SLDR.
  • Transfert des données du BLRI <http://hdl.handle.net/11041/blri-000835> vers le site SLDR à partir de l’intranet du LPL
  • Dépôt du corpus “JURISDICT” <http://hdl.handle.net/11041/sldr000868> qui sera utilisé pour :
    • l’implémentation dans SPPAS d’un module de conversion et d’exploitation des fichiers d’annotation XML au format Transcriber ;
    • la construction automatique d’un modèle phonologique permettant l’alignement de transcriptions dans une langue jusqu’ici non traitée par SPPAS ;
    • les tests de procédures d’exportation sur un objet qui contient plus de 480 000 fichiers.
  • Dépôt de la collection “CREAGEST” <http://hdl.handle.net/11041/ortolang-000912> qui rassemble des discours de Langue des signes française (LSF). (Projet ANR 2008-2011). Il comprend deux corpus :
    1. “Sallandre & L’Huillier 2011“ recueilli auprès de 65 enfants sourds (bilingues LSF-Français) et 17 adultes sourds (vidéo 50 heures)
    2. “Garcia & L’Huillier 2011” de dialogues entre adultes sourds (vidéo 106 heures)