La numérisation massive des sources historiques et la croissance exponentielle des sources numériques natives en ligne ont propulsé la discipline de l'histoire d'un « âge de carence » à un « âge d'abondance ». Donner un sens aux « big data du passé » nécessite de nouvelles approches en matière de gestion des données, d'exploration des données, de visualisation et d'interprétation des données.

À l'avenir, l'étude des flux migratoires massifs, des changements climatiques ou de la formation de l'opinion publique sur les plateformes de médias sociaux nécessitera à la fois une culture numérique critique de la part des historiens et une approche humaniste de l'analyse des données.

« Deep Data Science of Digital History » (D4H) est une nouvelle unité de formation doctorale financée par le programme PRIDE du FNR, qui sera lancée à l'automne 2022. Cette UD interdisciplinaire se concentre sur de multiples défis à l'intersection entre les disciplines de l'histoire et de la science des données et s'appuie sur les apprentissages épistémologiques et méthodologiques de l'UD interdisciplinaire « Digital History and Hermeneutics »

Ses principaux objectifs et ambitions sont les suivants :

- Rapprocher la recherche en sciences humaines et en sciences en créant une « zone d'échange » interdisciplinaire s'appuyant sur le concept d' « herméneutique numérique » ;

- Former une nouvelle génération de doctorants compétents dans le domaine numérique pour traiter les « big data du passé » de manière critique et compétente, en combinant la tradition épistémique de la lecture rapprochée avec des méthodes de lecture à distance basées sur la machine (« lecture évolutive ») ;

- Développer une compréhension commune du lien entre l'homme et la machine dans la collecte, la conservation, la gestion, l'analyse, l'interprétation et la visualisation des données historiques ; 

- Problématiser les temporalités multicouches des ensembles de données et expérimenter de nouvelles formes et de nouveaux formats de modèles et de simulations historiques dans une perspective de temps long et profond. 

D4H réunit le Luxembourg Centre for Contemporary and Digital History (C²DH) de l'Université du Luxembourg, la Faculté des Sciences, des Technologies et de la Médecine (FSTM), la Faculté des Sciences Humaines, des Sciences de l'Education et des Sciences Sociales (FHSE), ainsi que le Luxembourg Institute of Science and Technology (LIST) et le Luxembourg Institute of Socio-Economic Research (LISER). Le DTU comprendra un total de 18 postes de doctorants. Il sera dirigé par le professeur Andreas Fickers, directeur du Luxembourg Centre for Contemporary and Digital History (C²DH).

La nouvelle unité de formation doctorale propose d'approfondir la collaboration interdisciplinaire entre l'histoire numérique et l'informatique en explorant les concepts d'histoire profonde et de science des données profondes. Le C²DH se concentrera sur trois piliers thématiques et méthodologiques :

1) données et connaissances profondes

2) l'analyse et l'apprentissage profonds

3) visualisation et interprétation profondes

Le concept de « Deep data and knowledge » répond aux défis de la création d'ensembles de données numériques qui, dans le domaine de l'histoire, sont souvent caractérisés par l'hétérogénéité des données et leur nature instable ou fluide en termes de volume et d'intégrité. Les doctorants seront formés à l'analyse des caractéristiques, des formats, des histoires et des infrastructures des données historiques et formeront nos doctorants à la critique des données historiques et à la gestion des données traçables. L'analyse et l'apprentissage profonds s'engagent dans des approches de pointe dans les technologies d'apprentissage automatique et l'utilisation de l'intelligence artificielle pour analyser de grands ensembles de données historiques. La visualisation et l'interprétation profondes font l'objet de discussions épistémologiques sur la façon dont les techniques de visualisation et les interfaces dynamiques transforment l'imagination et l'interprétation historiques. Sur la base des tendances récentes en matière d'intelligence artificielle explicable, de visualisation de l'information et d'interaction homme-machine, l'objectif est de promouvoir des débats critiques sur la manière dont les arguments historiques peuvent être transformés en « arguments graphiques », et dont les nouvelles techniques de représentation de grands ensembles de données historiques peuvent être transformées en modes exploratoires pour l'échantillonnage temporel et spatial de l'information historique.

Pour plus d'informations sur l'unité de formation doctorale, veuillez contacter le responsable du projet : andreas.fickers@uni.lu

Source : article originalement publié sur Université du Luxembourg