La collection Pangloss est une bibliothèque numérique développée par le laboratoire LACITO du CNRS à Paris. Son objectif est de rassembler des enregistrements sonores en diverses langues du monde — la plupart menacées d'extinction – et de les rendre accessibles à un large public Présentation de la Collection Pangloss (site du LACITO)..
La collection offre un libre accès en ligne à des documents de divers types (contes et légendes, récits de vie, témoignages d'artisans, enquêtes lexicales ou phonologiques) dans des langues de tous les continentsMichailovsky, Boyd, Martine Mazaudon, Alexis Michaud, Séverine Guillaume, Alexandre François & Evangelia Adamou. 2014. Documenting and researching endangered languages: the Pangloss Collection. Language Documentation and Conservation 8. 119–135.. Elle accueille également des dictionnaires.
En , la collection Pangloss contenait Voir la liste de toutes les ressources Pangloss sur le site de l'hébergeur “CoCoON” (accès 26 mars 2024). dans 220 langues et dialectesNombre des entrées dans la liste des langues représentées sur Pangloss (accès 26 mars 2024)..
Principes Une archive sonore avec transcriptions synchronisées La collection Pangloss donne accès à des enregistrements originaux. Certains d'entre eux possèdent des transcriptions (phonétique, phonologique, et/ou orthographique, selon les cas) et traductions. Chaque document est enregistré dans son contexte culturel, et transcrit en collaboration avec des locuteurs natifs, selon les méthodes d'enquête et description de langues à tradition oraleBouquiaux, Luc & Jacqueline Thomas. 1971. Enquête et description des langues à tradition orale. Deuxième édition 1976. Paris: Société d’études linguistiques et anthropologiques de France..
Dictionnaires Outre les enregistrements sonores, la collection Pangloss héberge également des dictionnaires depuis 2002Jacobson, Michel & Boyd Michailovsky. 2002. Linking linguistic resources: time aligned corpus and dictionary. International Workshop on Resources and Tools in Field Linguistics. Las Palmas.. En 2017, la collection de dictionnaires de la collection Pangloss a adopté le nom « Lexica »Bonnet, Rémy, Céline Buret, Alexandre François, Benjamin Galliot, Séverine Guillaume, Guillaume Jacques, Aimée Lahaussois, Boyd Michailovsky & Alexis Michaud. 2017. Vers des ressources électroniques interconnectées: Lexica, les dictionnaires de la collection Pangloss. Actes des 9èmes Journées Internationales de la Linguistique de corpus, 48–51. Grenoble: Université Grenoble Alpes..
Architecture de l'archive ouverte Les données archivées sont structurées dans un format ouvert, et peuvent être téléchargées (pour certaines, sous licence Creative Commons). Le logiciel utilisé pour préparer et diffuser les ressources est en libre accès (code open-source). "La Collection Pangloss s’est appuyée très tôt sur les technologies – comme l’écosystème XML – qui sont maintenant au cœur des humanités numériques"..
La collection Pangloss est un membre du réseau OLAC d'archives linguistiques et du réseau d'archives de langues en danger..
La collection Pangloss est définie comme une des collections de CoCoON (pour « COllections de COrpus Oraux Numériques »), plate-forme technique qui accompagne les producteurs de ressources orales dans la création, la structuration et l'archivage de leurs corpus.. Les données sont archivées dans l'archive de l'Infrastructure de Recherche (IR*) Huma-Num.
Historique En 2001, le « programme Archivage du LACITO » comptait une centaine de documents dans une vingtaine de langues. En 2011, la collection Pangloss comptait environ en , dont 350 documents transcrits et annotésMichailovsky, Boyd, Alexis Michaud & Séverine Guillaume. 2011. A simple architecture for the fine-grained documentation of endangered languages: the LACITO multimedia archive. Keynote speech at Oriental-COCOSDA 2011, October 26th-28th, 2011. Hsinchu, Taiwan.. En 2014, elle comptait , dont environ transcrits et annotés. En , elle comptait 132 langues.. En , la collection Pangloss atteignait en 170 langues, début 2024 Combien de langues sont représentées sur Pangloss ?.
En 2021, un logiciel de traitement automatisé du langage doit faciliter la tâche de transcription, de l'ordre d'une heure devant désormais suffire pour entraîner un modèle acoustique, et quelques heures pour entraîner un modèle de langage (au lieu d'une centaine antérieurement).Cécile Macaire (2021), "Recognizing lexical units in low-resource language contexts with supervised and unsupervised neural networks". Rapport de recherche.. Cette innovation est relatée dans des travaux de Traitement Automatique des Langues qui détaillent la chaîne de traitement utilisée.
Références
Liens externes Page d'accueil de la Collection Pangloss. Accès à la Collection Pangloss par le biais du moteur de recherche de la plateforme CoCoON Présentation de la Collection Pangloss. Exemple de texte : “Les écailles de poisson de Tiwécaalè”, récit en langue cèmuhî de Nouvelle-Calédonie, raconté en 1965 par Bernadette Tyèn, et recueilli par le linguiste Jean-Claude Rivierre.
Catégorie:Archives sonores Catégorie:Centre national de la recherche scientifique