Annotation sémantique contextuelle de textes et d'images dans l'environnement MARKUS

Dans cet article, nous discutons des fondements de la conception de COMARKUS et IMMARKUS, deux services d'annotation basés sur un navigateur pour la création d'annotations sémantiques complexes de textes et d'images, sous la forme à la fois d'entités individuelles ou de balises avec des propriétés et de clusters d'entités ou de balises possédant également leur propre ensemble de propriétés. Nous abordons d'abord les défis rencontrés avec les plateformes existantes d'annotation de textes et d'images, en prenant pour cas d'étude une histoire sociale de longue durée des infrastructures matérielles chinoises, notamment les remparts urbains, les routes et les ponts. Nous expliquons comment la conception et la reconception méthodologiques ont constitué un besoin urgent découlant à la fois de résultats théoriques et empiriques. Dans les deux autres sections, nous exposons comment COMARKUS et IMMARKUS ont été conçus pour relever ces défis et faciliter une histoire transmédia des infrastructures basée sur les événements ou les clusters. Tout au long de l'article, nous visons à illustrer l'utilisation plus générale des méthodes d'annotation de COMARKUS et IMMARKUS et à montrer comment les résultats d'annotation peuvent être visualisés et analysés dans la plateforme de recherche d'information transmédia X-MARKUS et le service d'analyse spatiale MUNDa, ou exportés pour analyse dans un large éventail d'environnements d'analyse de données. Nous discutons également de la manière dont l'apprentissage automatique et l'IA générative sont intégrés dans ces services et peuvent s'insérer dans un flux de recherche en sciences humaines visant la contextualisation des données de recherche. Nous considérons cette conception méthodologique comme faisant partie d'un effort plus large pour relever le défi de la contextualisation des données, en mettant l'accent sur la modélisation sémantique des sources d'images et de textes, la traçabilité des régions d'images et des emplacements d'entités textuelles et de clusters de données, ainsi que sur l'utilisation des métadonnées de pièces et de sources dans l'analyse de données.