APPEL À COMMUNICATIONS
Journées d’étude Stylistique outillée et analyse des émotions et sentiments en littérature
Paris, 16-17 juin 2022
Le terme générique d' « analyse de sentiments » est souvent utilisé en Traitement Automatique des Langues pour désigner les études sur les opinions, les sentiments ou les émotions d'un individu ou d'une collectivité, comme l'illustre le titre de cet ouvrage : Sentiment Analysis: Mining opinions, sentiments, and emotions (Liu, 2015). Dans le champ plus spécifique des études littéraires assistées par ordinateur, Kim et Klinger (2021) soulignent que l'analyse des sentiments s'intéresse principalement à la polarité (positive/négative) des textes ; l'analyse des émotions, quant à elle, cherche plutôt à identifier un état affectif. L'expression des émotions étant au cœur de l'expérience littéraire, il n'est guère surprenant que les méthodes informatiques aient ouvert de nouvelles voies pour explorer les textes et les personnages de fiction à travers le prisme des émotions qui les caractérisent. Ainsi, à côté de travaux qui s’attèlent à retracer la trame émotionnelle d’un texte (Reagan et al. 2016 ; Schmidt, 2019), les différents états d’esprit des principaux protagonistes (Nalisnick et Baird, 2013a, 2013b ; Yavuz, 2020 ) ou l’évolution des relations qui les lient (Jhavar et Mirza, 2018), on trouve également des études qui cherchent à retracer l’évolution de l’expression des émotions en littérature (Rastier, 1995 ; Mohammad, 2012 ; Leemans et al., 2017), parfois en relation avec les lieux évoqués (Heuser et al., 2016). Pour un panorama complet et précieux, cf. Kim et Klinger (2021).
Du point de vue méthodologique, la détection automatique des sentiments dans les textes littéraires s’est principalement appuyée sur des lexiques pré-existants ou personnalisés en fonction de la période couverte par le corpus. Il est aussi important de noter l’apparition croissante d’outils prêts à l’emploi destinés en particulier aux textes littéraires, à l’instar de SentiArt (Jacobs, 2019), qui utilise des méthodes propres à l’intelligence artificielle, et SentText (Schmid et al., 2021). Les textes littéraires, dans une certaine mesure, sont donc traités comme des objets à part entière et nécessitent donc très souvent un ajustement des méthodes existantes. Ainsi, Gius et al. (2020) proposent au vu de la complexité du langage littéraire de se concentrer uniquement sur des segments de textes pertinents pour l’analyse des personnages, sans chercher à déterminer la polarité des mots relevant des sentiments. Cependant, prendre les textes littéraires comme terrains d’étude interpelle sur des questions de recherche qui ont été, jusqu’ici, peu explorées avec des outils informatiques : choix stylistiques liés à l’expression des émotions, détection des sentiments dans la critique littéraire ou encore chez les lecteurs. Plus spécifiquement, l’étude de la réception de la littérature pourrait permettre de mieux comprendre la diversité de l’expérience de lecture qui mêle appropriation des émotions décrites dans le texte, identification aux personnages et réactions de suspense, curiosité ou surprise face aux événements rapportés (Baroni, 2007).
Dans cette optique, ces journées visent d’une part à favoriser le partage d’expériences sur l’analyse des sentiments en littérature prise dans son sens large et d’autre part, à encourager l’émergence de nouvelles approches en humanités numériques littéraires, notamment en rapport avec les axes suivants:
· lexiques génériques et détection des sentiments en littérature;
· visualisation des émotions en littérature;
· émotion et style (métaphores, usage de la répétition, formes figées....);
· histoire des émotions dans la littérature;
· expression des émotions dans la littérature populaire;
· opinions des critiques et des lecteurs sur des œuvres littéraires et des auteurs. ;
· analyse de l’émotion montrée : les gestes des personnages, ou même plus généralement la description des personnages, peuvent révéler des affects ;
· le rapport entre émotions / sentiment et genres littéraires ;
· l'identification des causes des émotions / sentiments ;
· l’émotion du lecteur.
*
Modalités de soumission
Les propositions de contribution (600 à 1000 mots) en français ou en anglais sont à envoyer avant le 1er mars 2022 à Dominique Legallois (dominique.legallois@sorbonne-nouvelle.fr) et Suzanne Mpouli (suzanne.mpouli@u-paris.fr).
Les notifications d’acceptation seront communiquées mi-avril.
*
Informations pratiques
Les communications pendant les journées pourront se faire en français ou en anglais. Un dispositif hybride (présentiel/distanciel) est également prévu.
*
Organisateurs
Dominique Legallois (Université Sorbonne Nouvelle, Lattice)
Suzanne Mpouli (Université de Paris, Centre des Humanités Numériques – Direction Générale Déléguée des Bibliothèques et Musées)
*
Comité scientifique
Jean-Baptiste Camps, École Nationale des Chartes
Francesca Frontini, Istituto di Linguistica Computazionale "A. Zampolli"
Ioana Galleron, Université Sorbonne Nouvelle
Berenike Herrmann, University of Bielefeld
Olivier Kraif, Université de Grenoble Alpes
Thierry Poibeau, Université Sorbonne Nouvelle
Glenn Roe, Sorbonne Université
*
Références bibliographiques
Baroni, R. (2007). La tension narrative. Paris : Seuil.
Gius, E., Murawska, A., Schmidt, O., Sökefeld, C. et Vauth, M. (2020). « Sentiment sensitivity. Using sentiment analysis in literary studies to analyze genre and the depiction of illness». Book of Abstracts Digital Humanities 2020.
Heuser, R., Moretti, F. et Steiner E. (2016). « The emotions of London ». Stanford Literary Lab Pamphlets, 13. https://litlab.stanford.edu/LiteraryLabPamphlet13.pdf
Jacobs, A. M. (2019). « Sentiment analysis for words and fiction characters from the perspective of computational (neuro-)poetics». Frontiers in Robotics and AI, 6 (53).
Jhavar, H. et Mirza, P. (2018). « EMOFIEL: Mapping emotions of relationships in a story ». Companion Proceedings of the Web Conference 2018, pp. 243–246.
Kim E. et Klingler, R. (2021). « A Survey on sentiment and emotion analysis for computational literary studies ». Zeitschrift für digitale Geisteswissenschaften, doi: 10.17175/2019_008_v2
Leemans, I., van der Zwaan, J. M., Maks, I., Kuijpers, E. et Steenbergh, K. (2017). « Mining embodied emotions: A Comparative analysis of sentiment and emotion in Dutch texts, 1600-1800 ». Digital Humanities Quarterly, 11(4).
Mohammad, S. M. (2012). « From once upon a time to happily ever after: Tracking emotions in mail and books ». Decision Support Systems 53 (4), 730–741.
Nalisnick, E. T. et Baird, H. S. (2013a). « Character-to-character sentiment analysis in Shakespeare’s plays ». Proceedings of the 51st Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers), pp. 479-483.
Nalisnick, E. T. et Baird, H. S. (2013b). « Extracting sentiment networks from Shakespeare's plays ». 2013 12th International Conference on Document Analysis and Recognition, pp. 758-762.
Novakova, I. et Siepmann, D. (dir.). (2020). Phraseology and style in subgenres of the novel. Londres : Palgrave Macmillan.
Rastier, F. (dir.). (1995). L'Analyse thématique des données textuelles : L'exemple des sentiments. Paris : Didier.
Reagan, A. J., Mitchell, L., Kiley, D., Danforth, C. M. et Dodds, P. S. (2016). « The emotional arcs of stories are dominated by six basic shapes ». EPJ Data Science, 5(1), 1-12.
Schmidt, T. (2019). « Distant reading sentiments and emotions in historic German plays ». Abstract Booklet DH Budapest 2019, pp. 57-60.
Schmidt, T., Dangel, J. et Wolff, C. (2021). « SentText: A Tool for lexicon-based sentiment analysis in Digital Humanities ». Information between Data and Knowledge. Information Science and its Neighbors from Data Science to Digital Humanities. Proceedings of the 16th International Symposium of Information Science, pp. 156-172.
Yavuz, M. C. (2010). « Analyses of character emotions in dramatic works by using EmoLex unigrams ». Proceedings of the Seventh Italian Conference on Computational Linguistics, CLiC-it’20.