Ceci est une ancienne révision du document !
Revenir à la page d'accueil du cours.
Le cours "Introduction aux méthodes et aux outils numériques pour les sciences historiques" de Francesco Beretta, avec tous les documents, fichiers et scripts associés, est mis à disposition selon les termes de la licence Creative Commons Attribution - Pas d’Utilisation Commerciale - Partage dans les Mêmes Conditions 4.0 International. Cette autorité subsiste sous réserve de toutes les citations, extraits de documents, textes, images, etc. dont les droits reviennent à leurs auteurs respectifs, mentionnés explicitement ou non. |
On trouve ici la suite de ce qui a été exposé sur cette page: Pyramide de la connaissance: des sources au savoir historique
Le savoir historique est-il un savoir scientifique ?
Une discipline scientifique se définit par son objet, par sa méthode, par sa finalité.
[ Ajouter texte et slides ]
Toute recherche en histoire part de la construction d’une problématique à partir du savoir existant tel qu’il est présent dans la bibliographie. Après avoir défini un questionnement, choisi une ou plusieurs méthodes et construit son/ses objets scientifiques, l’historien-ne a recours aux sources pour en extraire les informations qui seront analysées et interprétées afin de répondre au questionnement et intégrer ces réponses dans le savoir élaboré en réponse à la problématique.
En histoire numérique, la production des données représente le moment décisif de passage de l’analogique au numérique et il est fondamental de réfléchir en détail à cette opération qui doit préparer les traitements qui seront appliqués aux données. L’application d’un modèle —on parle techniquement d’un « modèle conceptuel »— est décisive. Elle doit correspondre au questionnement de la recherche et doit être effectuée selon les règles de l’art afin que les analyses produites avec les outils numériques soient possibles et que les résultats soient pertinents.
Si on réutilise des données déjà existantes, on doit d’une part comprendre en détail le modèle —et les questionnements— à partir duquel elles ont été produites et, d’autre part, mettre en place les conversions sémantiques qui permettent d’injecter ces données dans le système d’information à partir duquel elles seront analysées. Au niveau conceptuel, c’est de nouveau un modèle qui est appliqué, sachant que tout modèle apporte une simplification et un appauvrissement par rapport à la richesse de la source de départ, mais que cette transformation est indispensable à la construction des analyses —notamment dans une approche sérielle— et doit donc être parfaitement maîtrisée et réfléchie critiquement.
Après avoir récolté suffisamment d’information sous forme de données numériques, on pourra appliquer à celles-ci différents traitements (statistiques ou autre) en adéquation avec le questionnement de la recherche, en choisissant les logiciels appropriés. De cette analyse ressortira un ‘modèle’ —au sens cette fois de modèle statistique— qui va rendre visible, par approximation, un ou plusieurs aspects de la structure présente dans l’information. L’expérience montre que le modèle obtenu (par ex. une courbe, ou une répartition sur le plan de facteurs, ou un graphe) doit être analysé avec précaution afin d’éviter les biais méthodologiques et les méprises. Cette analyse a donc une fonction essentiellement heuristique : il s’agit de mettre en évidence —par l’intermédiaire des données— un aspect de la réalité qui demande ensuite vérification, interprétation et contextualisation. Parfois on s’aperçoit du fait que le codage choisi —qui est aussi un modèle produisant une abstraction et une simplification— est inadéquat et qu’il faut donc le modifier afin de mettre mieux en valeur les structures présentes dans l’information.
Aussi, on remarque souvent que l’information récoltée est insuffisante pour répondre au questionnement, et qu’il est donc nécessaire de se procurer davantage de données. Ou alors la connaissance obtenue engendre de nouveaux questionnements, d’où l’importance de la notion de cycle qui permet de rendre compte des étapes progressives d’une recherche. Concernant l’analyse des données, le cycle doit être court, afin d’éviter qu’on passe plusieurs mois, voir années dans le cadre d’une thèse de doctorat, à récolter des données numériques mal structurées qui seront ensuite inadaptées aux traitements qu’on avait imaginés. Il s’agit donc de vérifier dès que possible, et régulièrement, si les modèles adoptés —conceptuel, de codage et statistique— permettent de répondre au questionnement, ou s’il est éventuellement nécessaire de les modifier.
Cf. Eckert G. et Beigel T., Historisch Arbeiten, p.59-87: “Quellen: Material des Historikers”
Le classement dépend de la finalité de l'utilisation:
Deux scénarios:
La lecture des travaux comme lieu d'apprentissage de la méthode en sciences historiques On s'efforcera de:
Le savoir historique comme réponse à une problématique (Castellanos Maria del Mar, Delacroix-Tessereau Florie et Vergnes Frédérique, La recherche et le traitement de l’information, Paris, Nathan, 2018 , p. 6-13):