Nous allons maintenant analyser les données via iTrameur.
La première chose que nous allons faire pour les résultats en anglais, est de remplacer tous les syntagmes comme « nursing home », « retirement home » par la chaîne de caractères suivante: « retirement_home ». Ce changement nous permet de ne pas avoir de doublons dans les représentations qui vont suivre.
Calcul des cooccurrents :
Après avoir créé la base, nous cherchons les cooccurrents de « retirement_home » dans le DUMP.
Voici les résultats obtenus pour 10 termes à gauche et à droite :
Cooc | FqCooc | CoFreq | IndSP |
---|---|---|---|
Abuse | 8 | 8 | 13 |
As | 25 | 12 | 12 |
Illinois | 12 | 9 | 12 |
Evictions | 5 | 6 | 11 |
a | 860 | 66 | 10 |
in | 604 | 50 | 9 |
residents | 114 | 18 | 8 |
Tri | 8 | 6 | 8 |
To | 41 | 11 | 8 |
Adjusting | 5 | 5 | 8 |
Not | 17 | 8 | 8 |
Scary | 5 | 5 | 8 |
Illegal | 5 | 5 | 8 |
require | 12 | 6 | 7 |
industry | 23 | 8 | 7 |
Columbia | 8 | 5 | 7 |
Stop | 8 | 5 | 7 |
AARP | 16 | 7 | 7 |
County | 32 | 8 | 6 |
Sues | 5 | 4 | 6 |
American | 23 | 7 | 6 |
Feed | 10 | 5 | 6 |
Blog | 26 | 7 | 6 |
for | 414 | 29 | 5 |
owners | 15 | 5 | 5 |
abuse | 7 | 4 | 5 |
Ce qui donne le graph suivant :
Pour 30 termes à gauche et à droite :
Cooc | FqCooc | CoFreq | IndSP |
---|---|---|---|
Abuse | 8 | 13 | 19 |
Feed | 10 | 13 | 17 |
Illinois | 12 | 13 | 15 |
American | 23 | 17 | 13 |
To | 41 | 22 | 12 |
require | 12 | 11 | 11 |
As | 25 | 16 | 11 |
AARP | 16 | 13 | 11 |
elder | 11 | 10 | 10 |
Columbia | 8 | 8 | 9 |
Evictions | 5 | 7 | 9 |
Illegal | 5 | 7 | 9 |
Sues | 5 | 7 | 9 |
residents | 114 | 33 | 8 |
Adjusting | 5 | 6 | 8 |
Not | 17 | 11 | 8 |
Scary | 5 | 6 | 8 |
Thought | 5 | 6 | 8 |
abuse | 7 | 7 | 8 |
Single | 26 | 14 | 8 |
a | 860 | 134 | 7 |
Tri | 8 | 7 | 7 |
regulations | 19 | 11 | 7 |
standards | 11 | 8 | 7 |
Koreans | 6 | 6 | 7 |
Karl | 4 | 5 | 7 |
Merton | 4 | 5 | 7 |
Ferron | 4 | 5 | 7 |
Stop | 8 | 7 | 7 |
55 | 7 | 6 | 6 |
73 | 2 | 4 | 6 |
the | 1410 | 198 | 6 |
are | 199 | 41 | 6 |
fund | 13 | 8 | 6 |
Advocates | 8 | 6 | 6 |
industry | 23 | 11 | 6 |
Her | 8 | 6 | 6 |
trends | 2 | 4 | 6 |
manpower | 2 | 4 | 6 |
statistics | 2 | 4 | 6 |
Foundation | 22 | 11 | 6 |
Evict | 2 | 4 | 6 |
Patients | 2 | 4 | 6 |
Ms | 10 | 7 | 6 |
275 | 3 | 4 | 5 |
in | 604 | 94 | 5 |
States | 7 | 5 | 5 |
up | 73 | 19 | 5 |
trust | 22 | 10 | 5 |
federal | 14 | 7 | 5 |
where | 25 | 10 | 5 |
Son | 3 | 4 | 5 |
advocates | 6 | 5 | 5 |
California | 32 | 11 | 5 |
substandard | 3 | 4 | 5 |
lived | 11 | 7 | 5 |
attorneys | 10 | 6 | 5 |
eviction | 7 | 5 | 5 |
Sue | 6 | 5 | 5 |
arbitration | 51 | 15 | 5 |
Blog | 26 | 10 | 5 |
Levin | 7 | 5 | 5 |
Perconti | 7 | 5 | 5 |
neglect | 3 | 4 | 5 |
Graph associé :
On peut voir que les syntagmes associés sont diverses, mais sont assez liés à nos hypothèses, formulées dans un article antérieur.
On remarque que le mot est associé à l’argent : sues, fund, sue, foundation
Mais aussi à la justice et aux lois : regulations, advocates, illegal, evict, sue (poursuivre en justice)
Viennent ensuite divers termes : single, abuse, scary, adjusting… qui proviennent des articles de journaux choisis.
Enfin, notons la présence de mots vides (sans sens sémantique) : to, are, her, Ms, the, in, not, as