Contrat de recherche postdoctoral en TAL et/ou linguistique outillée (TAL)

Le programme scientifique ArchivU annonce l’ouverture d’un contrat postdoctoral à temps plein sur 12 mois. Le postdoctorant ou la postdoctorante doit être titulaire d’un doctorat en traitement automatique des langues ou en linguistique outillée et avoir une expérience confirmée dans le traitement de données textuelles numériques.

Contexte de la recherche

Le projet ArchivU se donne pour but d’analyser les mutations de l’institution universitaire et du travail scientifique sur une diachronie courte, des années 1970 à nos jours, via l’analyse de deux genres textuels où se joue l’activité de l’université dans sa diversité : les comptes rendus des réunions du conseil d’administration et les rapports des laboratoires. Programme interdisciplinaire réunissant linguistes, historiens, philosophes, sociologues et conservateurs, ArchivU s’attache ainsi spécifiquement à des sources archivistiques encore largement inexploitées qui lui fournissent son corpus premier.

Le corpus ArchivU comprend l’intégralité des comptes rendus de l’université de Nanterre et de l’UPEC de 1971 à 2018 ainsi qu’une sélection de rapports de laboratoire de l’université de Nanterre depuis les années 1970. Ce corpus est destiné à être enrichi par trois niveaux de balisage : un balisage physiquepermettant de mettre en évidence la structure physique du texte ; un balisage sémantique, en partie automatisé, visant entre autres les entités nommées (noms de personnes, de lieux, dates, etc.) ; et une première ébauche de balisage linguistique fin des marqueurs caractéristiques des genres de discours étudiés (par exemple le discours rapporté et plus largement la polyphonie énonciative).

Les missions proposées pour ce poste :

Dans le cadre de la recherche ArchivU, le postdoctorant /la postdoctorante sera amené à proposer un projet de recherche en relation avec l’enrichissement et l’analyse du corpus ArchivU. La mission consistera à réaliser des tâches variées telles que :

-Établissement, structuration, et nettoyage des données (correction des sorties OCR et encodage XML) ;

– Prise en main/adaptation d’un outil d’annotation manuelle multi-utilisateur et de guides d’annotation

– Analyse des données avec une approche en statistiques textuelles

– Gestion et documentation des données et (méta)données sur la base d’un protocole préexistant à reproduire ;

– Mise en place d’outils de détection automatique à but d’enrichissement du corpus en rapport avec des marqueurs caractéristiques des genres de discours étudiés (type fine-tuning de LLM pour la détection et le balisage linguistique fin) ;

– Participation aux activités de publication et communication de l’équipe

– Formation des équipes aux méthodes et à l’utilisation des outils.