Re: [EGD-discu] Corpux, un générateur de corpus pour linux

[Goulven Guillard <lecotegougdelaforce@xxxxxxx>]

Le 24/07/2013 08:11, Cedric Auger a écrit :
> Le 24 juillet 2013 07:48, Olivier Guéry <nemolivier@xxxxxxxxx> a écrit :
> > Arrêtez moi si je me trompe mais un digramme n'est pas défini par le temps
> > entre deux frappes, mais par la non présence d'un espace entre deux
> > caractères, non ?
>
> Euh, j'aurais plutôt dit par sa fréquence d'apparition dans le corpus (en
> tout cas pour que ça ait un intérêt). Après, séparer les touches en groupes
> aux espaces (et à la ponctuation) ainsi que mettre tout en bas de casse
> s'impose je pense.
> En tout cas j'ai des dotes sur l'utilité de mesurer le temps entre deux
> touches.

Je ne suis pas d'accord avec la séparation sur les espaces et la 
ponctuation. Je m'attends à ce que des groupes tels que "s ", "e ", "es 
" ou les mêmes avec un "." au lieu de l'espace soient bien plus 
fréquents que d'autres, sinon les plus fréquents. C'est donc important 
au minimum pour la ponctuation pour un projet comme le bépo, et 
également pour l'espace voire la touche entrée pour un projet plus large 
(conception de clavier, par exemple).

De toute façon c'est configurable (on peut également rajouter d'autres 
touches : flèches, tabulation, etc., désactivées par défaut dans le 
script d'analyse mais actives dans le keylogger), et on peut faire en 
sorte de rendre ça encore plus configurable si besoin.

En revanche, je considère qu'il y a une sorte de relation de causalité 
entre les caractères d'un n-gramme. C'est ce qui m'a fait mettre en 
place cette coupure sur le temps entre deux frappes : un écart de dix 
minutes casse a priori toute causalité, les deux caractères ne sont pas 
liés — d'autant plus qu'avec la séparation par application, il est 
probable que d'autres applications aient été utilisées entretemps.

D'après les tests réalisés pendant l'écriture du programme, le temps 
entre deux frappes semble réparti en gros en une gaussienne à temps 
courts (moins d'une seconde) plus une très longue queue. J'ai pris 400 
ms pour mes tests parce que c'était en gros la fin de la queue de la 
gaussienne pour moi, mais clairement c'est beaucoup trop court, il 
faudrait probablement l'augmenter à une dizaine de secondes 
(c'est-à-dire bien au-delà de la gaussienne), car la rédaction d'un 
texte passe par des pauses de réflexion pendant lesquelles on réfléchit 
aux prochains mots.


> > Le calcul du temps entre deux frappes doit de toute façon être mis en
> > regard avec la vitesse de frappe.

Tout à fait, c'est ce que j'entends par calcul automatique. Ceci étant 
dans un premier temps l'urgence est de collecter des données, la partie 
analyse ça peut attendre.

@+

Goulven.


--
Pour vous d�bonner, envoyez un message avec comme objet "unsubscribe"
vers discussions-REQUEST@xxxxxxxxxxx