Débloquer les archives émotionnelles : analyse du sentiment et de l'émotion pour les lettres historiques

Les lettres historiques sont bien plus qu'une encre sur parchemin; ce sont des récits intimes de l'expérience humaine, qui captent les espoirs, les peurs et les réalités quotidiennes des gens qui ont disparu depuis longtemps. Pourtant, le sous-texte émotionnel de ces documents reste souvent caché, obscurci par les changements de langage, les normes sociales et le volume de correspondance qui survit. Pour les historiens, les archivistes et les éducateurs, le défi n'est pas seulement de lire ce qui a été écrit, mais de comprendre véritablement le paysage émotionnel derrière les mots.

Cet article explore comment l'analyse des sentiments et des émotions peut s'appliquer aux lettres historiques, les considérations méthodologiques qui assurent une interprétation précise et les implications plus larges pour les humanités numériques. Nous allons passer par des exemples concrets, discuter des limites des modèles actuels et mettre en évidence comment ces outils, associés aux méthodes historiques traditionnelles, peuvent transformer une collection de lettres en un riche ensemble de données émotionnelles.

Définition du cadre analytique : analyse du sentiment et de l'émotion

Avant de plonger dans des applications historiques, il est essentiel de distinguer les deux approches computationnelles primaires : l'analyse sentimentale et l'analyse d'émotion. Bien qu'elles soient souvent utilisées de façon interchangeable, elles servent des fins analytiques différentes et donnent des types distincts de perspicacité.

Analyse du sentiment : polarité et tonalité

L'analyse des sentiments est la classification automatisée du texte en grandes catégories de polarité, typiquement positive, négative ou neutre. Les systèmes plus nuancés peuvent attribuer une note numérique (p. ex. -1 à +1) ou une étiquette ternaire. Pour les lettres historiques, l'analyse des sentiments peut répondre à des questions telles que : La tonalité globale d'un soldat a-t-elle augmenté de façon plus négative lorsque le conflit a duré? Une communauté a-t-elle changé de sentiment collectif au cours des mois précédant un événement politique majeur? La force de l'analyse des sentiments réside dans son caractère évolutif; elle peut rapidement traiter des milliers de lettres pour identifier les trajectoires émotionnelles les plus importantes.

Analyse de l'émotion : États Granulaires Affectants

L'analyse de l'émotion s'amplifie en identifiant des états émotionnels spécifiques – joie, tristesse, colère, peur, surprise, dégoût, et parfois plus nuancés comme la confiance ou l'anticipation.Cette approche s'appuie sur des modèles psychologiques comme Paul Ekman, les émotions de base ou Robert Plutchik, la roue des émotions. Lorsqu'elle est appliquée aux lettres historiques, l'analyse de l'émotion peut révéler, par exemple, non seulement qu'une lettre est négative, mais qu'elle se caractérise par un mélange de colère et de peur, une distinction qui peut signaler un point de crise ou un changement dans la relation de l'écrivain.

Pourquoi les deux sont importants pour la recherche historique

Les lettres historiques expriment rarement des émotions pures et uniques. Une lettre d'adieu peut mêler tristesse et espérance; une lettre d'affaires peut masquer la colère sous la politesse formelle. L'analyse des sentiments et des émotions permet aux chercheurs de saisir cette complexité, en fournissant un profil émotionnel plus riche que la polarité seule. Par exemple, une lettre avec un sentiment neutre peut encore contenir un contenu émotionnel significatif si l'auteur emploie un sous-énoncé ou ironie—nuances que l'analyse des émotions pourrait attraper en reconnaissant des mots associés à la colère supprimée ou à l'anxiété cachée.

Application de l'analyse du sentiment et de l'émotion aux lettres historiques

L'application pratique de ces techniques à la correspondance historique nécessite une préparation minutieuse et une adaptation spécifique à un domaine. Ci-dessous, nous décrivons les étapes clés et nous soulignons comment chacune contribue à un pipeline analytique robuste.

Étape 1: Numérisation et assemblage Corpus

La reconnaissance optique des caractères (OCR) doit gérer le script cursif, l'encre de fade et les mises en page variées. Pour les lettres manuscrites, la transcription manuelle ou la reconnaissance de l'écriture spécialisée, la qualité du texte numérique affecte directement la précision de l'analyse. Une fois assemblé, le corpus doit être organisé avec des métadonnées : date, auteur, destinataire, origine géographique, et tout événement ou contexte connu. Ces métadonnées deviennent essentielles pour relier les changements émotionnels aux facteurs historiques externes.

Étape 2 : Prétraitement et normalisation

Le langage historique présente des défis uniques. L'orthographe était souvent non standard, la ponctuation erratique et le vocabulaire archaïque. Les étapes de prétraitement comprennent généralement:

  • Normalisation orthographique:[ Conversion de mots comme -thee-e-s ou -hath-s vers des équivalents modernes, ou les préserver mais cartographier vers un dictionnaire standard.
  • Tokénisation:[ Séparer le texte en mots tout en manipulant des abréviations archaïques (par exemple, - -&c. - pour --etc. -).
  • Stop-mot suppression (ou rétention):[ Certains modèles d'émotion profitent de garder des mots fonctionnels, car ils peuvent transmettre le sous-texte (par exemple, -but, -yet, - -Heat -Heat -Heat).

L'omission de normaliser l'orthographe peut entraîner des modèles qui ne classent pas les mots ou les traitent comme des mots hors du vocabulaire. Une bonne pratique consiste à construire un lexique historique personnalisé ou à utiliser un outil comme VADER (Dictionnaire averti de Valence et Raisonneur d'Entigments) après recyclage avec des échantillons de texte historique.

Étape 3: Sélection et adaptation du modèle

Aucun sentiment ou modèle d'émotion hors-la-sol ne convient parfaitement aux lettres historiques. Les modèles formés sur les réseaux sociaux modernes ou les critiques de films vont mal lire des termes comme -melancholy , qui au 19ème siècle était un terme clinique, pas nécessairement négatif, ou -gay , ce qui signifie heureux avant le 20ème siècle.

  • Utiliser l'apprentissage par transfert:[ Commencez par un modèle pré-entraînement (p. ex. BERT, RoBERTa) et finissez-le sur un ensemble de lettres historiques curées qui ont été annotées manuellement pour l'émotion.
  • Incorporer le thésauri historique: Des ressources comme le ]Le thésaurus historique de Oxford English Dictionary peuvent aider à cartographier les significations de mots à travers les siècles.
  • Conduire une validation spécifique au domaine:[ Demandez aux historiens de revoir un échantillon aléatoire de sorties de modèles pour attraper des erreurs de classification.

Étape 4: Analyse et interprétation

Une fois le modèle lancé, la sortie est un ensemble de données structuré : chaque lettre ou paragraphe marqué avec des étiquettes sentiment polarité et émotion. Les chercheurs peuvent alors :

  • Plot trajectoires émotionnelles[ au fil du temps pour un seul écrivain ou un seul groupe.
  • Correspond aux émotions avec des événements connus (par exemple, une pointe de peur avant une bataille, une baisse de joie après la mort d'un être cher).
  • Comparer les profils émotionnels entre les sexes, les classes sociales ou les factions politiques.

Par exemple, une étude des lettres des soldats de la guerre civile américaine pourrait constater que les officiers de terrain ont exprimé plus de colère au cours des premiers mois, ce qui a progressivement cédé la place à la tristesse et à la démission par les fins de guerre, des modèles qui s'alignent sur des récits historiques secondaires mais qui sont maintenant appuyés empiriquement.

Étude de cas : Sentiment dans les lettres d'Abigail et de John Adams

Pour illustrer la valeur pratique de ces méthodes, il faut tenir compte de la correspondance étendue entre John et Abigail Adams de 1762 à 1801. Leurs lettres sont une source riche de compréhension à la fois de l'émotion personnelle et du sentiment politique pendant la Révolution américaine et au début de la République.

  • Mesurer la fréquence des termes d'affection (joie, amour) pendant les périodes de séparation.
  • Tracer la colère et la frustration croissantes dans les lettres de John , lors de l'affaire XYZ (1797-1798).
  • Identifier les moments de peur dans les lettres Abigail , pendant les épidémies de variole et les menaces de guerre.

Une telle analyse ne remplacerait pas une lecture étroite, mais permettrait de comparer l'intensité émotionnelle au fil des décennies et entre les deux rôles différents — confident privé et homme d'État public.

Défis critiques et garanties méthodologiques

Bien que la promesse soit grande, l'application de l'analyse des sentiments et des émotions aux lettres historiques est pleine d'écueils. Ignorer ces défis peut conduire à des conclusions trompeuses.

Evolution linguistique et dérive sémantique

Un modèle de sentiment formé sur l'anglais moderne serait probablement mal classé une lettre décrivant une tempête -awful , quand l'auteur aurait pu signifier -impressive , ou -awe-spiring. , Pour atténuer cela, les chercheurs devraient construire des lexiques spécifiques à période et des modèles de test sur le texte historique tenu-out. Boîte à outils de langage classique (CLTK)[ et le Thesaurus historique de l'anglais sont des ressources précieuses.

Genre et registre

Les lettres suivent des conventions qui varient selon l'époque, le statut social et le sexe.Les manuels formels de rédaction de lettres du 18e siècle encouragent la circonlocution et la retenue émotionnelle; un écrivain peut exprimer une véritable colère comme étant un léger désaccord. L'exactitude du modèle dépend de la reconnaissance de ces expressions codées.

Le risque de présentisme

L'imposition de catégories émotionnelles modernes sur des expériences passées peut fausser l'interprétation. Par exemple, ce que nous appelons maintenant la dépression, peut avoir été décrit comme --melancholy ou --vapors, - mais pas nécessairement considéré comme pathologique.

Sparté des données et petits ensembles de données

De nombreuses collections de lettres historiques sont petites, quelques centaines de lettres plutôt que les milliers nécessaires pour former des modèles d'apprentissage profond. Dans de tels cas, les lexiques fondés sur des règles ou le simple apprentissage automatique (p. ex., régression logistique avec des fonctionnalités de sac de mots) peuvent être plus appropriés.

Intégration des méthodes informatiques et traditionnelles

L'approche la plus productive considère l'analyse des sentiments et des émotions comme un complément aux méthodes historiques traditionnelles plutôt que comme un remplacement. Voici des stratégies d'intégration pratiques :

  1. Utiliser les résultats de calcul pour indiquer les motifs pour une lecture étroite. Par exemple, une poussée de colère à travers plusieurs lettres d'un mois donné pourrait inciter un historien à réexaminer ces documents pour un événement précis.
  2. Incorporer des boucles de rétroaction qualitatives:[ Après une analyse initiale, les historiens examinent des échantillons ambigus et ajustent les lignes directrices d'annotation du modèle en conséquence.
  3. Combiner avec d'autres méthodes numériques:[ L'analyse en réseau des co-auteurs de lettres ou de la modélisation thématique peut révéler comment l'émotion se rapporte aux liens sociaux et aux préoccupations thématiques.

Cette approche hybride est illustrée par le projet Mapping the Republic of Letters, qui utilise l'analyse de réseau pour tracer les réseaux de correspondance, mais pourrait être étendu pour inclure le contenu émotionnel.

Outils et ressources pratiques pour les historiens

Les historiens qui souhaitent expérimenter avec l'analyse des sentiments et des émotions mais qui manquent d'expertise en programmation peuvent commencer par des outils conviviaux :

  • VADER – un outil basé sur le lexique pour l'analyse des sentiments qui fonctionne raisonnablement bien avec des textes courts; nécessite des compétences de base en Python mais a été adapté en interfaces web.
  • Syuzhet – un paquet R qui extrait les arcs de sentiments et d'émotions des récits; peut être exécuté à travers RStudio sans codage lourd.
  • Transtribus – une plateforme de reconnaissance de texte manuscrit qui offre également un marquage de sentiment de base dans le cadre de son pipeline.

Pour ceux qui veulent investir dans des modèles personnalisés, des plateformes comme Hugging Face hébergent des modèles de transformateurs pré-formés qui peuvent être affinés sur le texte historique avec des ressources informatiques modestes.

Considérations éthiques et utilisation responsable

Travailler avec des lettres personnelles, surtout celles qui n'étaient pas destinées à la publication, soulève des questions éthiques même lorsque les écrivains sont décédés depuis longtemps.

  • Respecter les attentes de l'époque en matière de protection de la vie privée. Certaines lettres devaient être brûlées après la lecture; les rendre publiques nécessitent une attention particulière.
  • Éviter les diagnostics émotionnels réducteurs. Étiqueter une personne comme -chroniquement triste - en se basant sur l'analyse computationnelle peut simplifier de façon excessive leur vie et leur contexte.
  • Soyez transparent sur l'incertitude. Les cotes du modèle sont probabilistes, et non absolues.

Orientations futures : vers une AI historique et émotionnelle

Les modèles de langages de grande envergure (LLM) tels que GPT-4 et ses successeurs sont de plus en plus capables de générer des interprétations émotionnelles plausibles du texte. Cependant, ils manquent encore d'empathie véritable et souvent de fabriquer des explications (hallucinations).

  • L'analyse d'émotions multimodales qui incorpore le style d'écriture, l'état du papier, et même les sceaux ou les diagrammes comme indices émotionnels.
  • Des modèles d'émotion culturelle-crosse qui expliquent comment différentes sociétés historiques ont conceptualisé les sentiments (par exemple, la notion chrétienne médiévale de -acedia , versus l'ennui moderne).
  • I.A. expliquable qui montre quels mots ou phrases ont conduit à une étiquette d'émotion, permettant aux historiens de vérifier ou de contester le raisonnement du modèle.

Conclusion

Ce ne sont pas des clés magiques qui déverrouillent le passé, mais des instruments contondants qui, lorsqu'ils sont soigneusement calibrés et utilisés en partenariat avec l'expertise historique, peuvent révéler des dimensions émotionnelles auparavant invisibles. Les lettres que nous a laissées l'histoire ne sont pas de simples artefacts; ce sont des voix qui attendent d'être entendues au fil des siècles. En appliquant des outils informatiques avec rigueur et humilité, nous pouvons écouter plus étroitement, non pas pour remplacer l'oreille de l'historien, mais pour l'amplifier.