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
projetblnb.wordpress.com 