Europresse est une base de données d’archivage d’articles de presse et de contenus informationnels issus du web. Son utilisation est courante dans la recherche en SHS lorsque l’on souhaite réaliser des analyses du traitement médiatique de discours de presse.

Première version de l’atelier : Automatiser et faciliter la collecte d’un corpus sur Europresse

Gaël Lejeune (STIH) et Thibault Grison (SCAI / GRIPIC), dans une intervention nommée “Automatiser et faciliter la collecte d’un corpus sur Europresse”, animée par Lisa Bolz (GRIPIC), ont présenté le 30 septembre 2021 des méthodes de choix des mots-clés et des sources, ou encore des méthodes pour stocker des corpus extraits de la plateforme. Il a également été abordé la question de la visualisation de corpus par sources, et de la difficulté à produire des analyses quantitatives en raison des différentes dates d’archivages sur Europresse selon les titres de presse. Enfin, il a été abordé lors de cet atelier les manières d’automatiser la collecte de corpus pour en faciliter cette dernière.

Les supports de présentation sont disponibles au téléchargement :

Seconde version de l’atelier : utiliser l’outil Europarser pour la collecte et la structuration de corpus d’articles de presse

Support de présentation de l’atelier

Dans cet atelier qui a eu lieu le 26 novembre 2023, Gaël Lejeune a présenté différentes problématiques liées à :

La définition des corpus de manière générale.
La disponibilité de corpus de presse en ligne.
L’utilisation et les limites d’Europresse.
L’extraction de données structurées à l’aide de l’outil Europarser qui permet d’obtenir des fichiers HTML à partir d’Europresse.
L’exploitation de ces données structurées dans Excel, TXM, etc.

Pour la partie extraction, vous pouvez vous référer au tutoriel que nous avons mis à disposition en ligne.

Quelques problèmes ont été identifiés et seront abordés dans de futurs ateliers :

Le nombre de résultats donné par Europresse.
Le questionnement sur la racinisation/lemmatisation des requêtes par le moteur Europresse.
L’extraction automatique de l’horodatage.
L’extraction automatique des rubriques.