La Thésosphère
La recherche doctorale française, à explorer. La Thésosphère rassemble près de 385 000 thèses dans une carte interactive pour parcourir les sujets de recherche, découvrir leurs voisinages et retrouver les personnes qui les ont étudiés.
Qu’est-ce qu’une thèse ?
Une thèse de doctorat est un travail de recherche original, mené pendant plusieurs années avec l’accompagnement d’un ou de plusieurs directeurs de thèse. Elle développe une question, une démarche et des résultats qui contribuent aux connaissances d’un domaine. Ce travail prend la forme d’un manuscrit et est présenté lors d’une soutenance devant un jury, en vue de l’obtention du doctorat.
Les données et leur préparation
Les notices proviennent des données ouvertes de l’Agence bibliographique de l’enseignement supérieur (Abes), « Thèses soutenues en France depuis 1985 ». Pour le moment, la collection s’arrête en janvier 2024, date du jeu de données utilisé. Le corpus nettoyé comprend 384 920 notices ; 384 811 restent explorables après les exclusions de catégories non renseignées. Les résumés et les métadonnées sont conservés dans leur langue source.
La Thésosphère présente les notices bibliographiques et les résumés, sans héberger les manuscrits complets. Chaque fiche renvoie vers theses.fr pour consulter la notice d’origine et, lorsqu’il est disponible, accéder au texte de la thèse.
Lors de la préparation des données, les noms d’établissements sont harmonisés selon les fusions, successions et changements de nom documentés. Par exemple, Lille 1, 2 et 3 sont réunis sous Université de Lille, et Nancy et Metz sous Université de Lorraine. Les établissements simplement partenaires restent distincts. Les fiches affichent le nom regroupé et le nom historique lorsqu’ils diffèrent ; la recherche reconnaît les deux.
Comment la carte est construite
Chaque point représente une thèse. Pour comparer les sujets, les résumés et les mots-clés sont transformés en descriptions numériques. La proximité entre les thèses repose à 90 % sur les résumés et à 10 % sur les mots-clés contrôlés RAMEAU, issus d’un vocabulaire documentaire commun.
La méthode UMAP (Uniform Manifold Approximation and Projection) transforme ensuite ces descriptions en positions sur une carte en deux ou trois dimensions. Elle cherche à préserver les voisinages : les thèses dont les contenus se ressemblent ont tendance à se retrouver proches. Les vues 2D et 3D proposent deux projections du même corpus. Cette méthode est décrite dans la publication de McInnes, Healy et Melville (2018).
Comment l’explorer et l’interpréter
Survolez un point pour découvrir une thèse, cliquez pour consulter sa fiche, ou utilisez la recherche pour retrouver un sujet, un auteur ou un établissement. Les couleurs correspondent au critère choisi dans les filtres, par exemple la thématique ou l’année. Pour les établissements, les douze groupes les plus représentés ont une couleur propre ; les autres restent accessibles par la recherche.
La proximité visuelle est indicative, surtout à l’échelle d’un voisinage. Les axes n’ont pas d’unité et les distances sur la carte ne sont pas proportionnelles aux différences entre les sujets. Une projection simplifie les données : elle aide à explorer, sans constituer un classement de la qualité des thèses.
Mon travail
J’ai préparé et filtré les données, construit les représentations de la carte et développé l’interface pour rendre ce corpus plus facile à explorer.
Pour en savoir plus sur moi : https://tchitchek.science/.
Vous avez apprécié mon travail ?🙂 M’offrir une bière