Centre d’aide
5/6/2024
Dans le cadre d’un projet reposant sur un exercice de cartographie conceptuelle, les participants sont invités à donner individuellement des éléments de réponse à une problématique donnée. Ces éléments sont ensuite nettoyés et regroupés pour former l’ensemble qui sera utilisé pour l’analyse de la carte conceptuelle. La méthode classique pour effectuer cette sélection est de lire manuellement les réponses et de les regrouper à l’aide d’un tableur (par exemple, Excel). Cette méthode est fastidieuse et devient rapidement impraticable si le nombre de participants est élevé. Une seconde approche est de sélectionner un nombre aléatoire d’éléments de réponse. Bien que cette option soit plus rapide, elle peut être biaisée et ne pas refléter la diversité des réponses.
Pour améliorer cette étape, nous proposons d’utiliser des méthodes d’analyse de langage naturel pour regrouper les éléments de réponse selon leur similarité. Dans un premier temps, chaque phrase est transformée en vecteur numérique à l’aide d’un modèle de langage pré-entraîné, c'est-à-dire sentence-BERT (Reimers et Gurevych, 2019). Ensuite, les vecteurs sont projetés dans un espace réduit par Uniform Manifold Approximation (Leland et al., 2020) et regroupés par partitionnement hiérarchique (hierarchical clustering). Ce processus partitionne les éléments de réponses selon leur thématique, et nous permet de réduire considérablement le temps de nettoyage et de sélection des idées.
L’application des méthodes de langage naturel nous permet donc de réaliser des consultations de cartographie conceptuelle avec un plus grand nombre de participants, et de considérer l’ensemble des éléments de réponse lors de la sélection des items pour l’analyse.
Pour plus d’informations sur la cartographie conceptuelle et l’outil CM* de Polygon, veuillez consulter les liens suivants : En quoi consiste la cartographie conceptuelle ? & page de l’outil CM*.
Outil de cartographie conceptuelle
Analyse de langage naturel
