Un nombre, et c'est tout? Comprendre les mesures de spécificité

La comparaison de la prévalence de certaines caractéristiques dans deux groupes de textes est l'une des stratégies les plus fondamentales des études de lettres tant établies que numériques. Dans le paradigme quantitatif, cela signifie généralement de comparer les fréquences de certaines caractéristiques dans un groupe cible de textes à leurs fréquences dans un groupe de comparaison ou un corpus de référence. Au fil des décennies, de nombreuses mesures de spécificité ou de la 'keyness' ont été proposées pour cette tâche, chacune avec leurs avantages et leurs inconvénients.

La présente contribution commence par une analyse des caractéristiques souhaitables d'une telle mesure de spécificité dans le contexte des études de lettres. Il se concentre ensuite sur une mesure qui, plutôt que d'avoir été proposée en statistique ou en informatique, a été développée par dans les études de lettres numériques : Zeta, proposé par John Burrows et adapté par Hugh Craig. Basé sur une nouvelle réalisation de Zeta en Python, la contribution expliquera les propriétés statistiques de Zeta, présente un certain nombre d'applications possibles de la mesure et discute des améliorations possibles qui pourraient rendre Zeta encore plus utile.