Aller au contenu

Méthodes textuelles · Deux transcriptions historiques · Acquisition 2026

Comment les règles de guillemets changent la mesure dans deux transcriptions de romans

Trois règles de guillemets, appliquées sans changement, donnent un écart de 5,78 points de pourcentage dans la transcription de Pride and Prejudice et de 35,70 dans celle de Frankenstein. Les courts débuts ne montraient aucun désaccord. Ces chiffres mesurent mécaniquement la part du texte placé entre guillemets, pas la fréquence du dialogue.

Publié le
Partager
Partager cette page
E-mailCiter et réutiliser cette étude
Principaux résultats en texte
Images réutilisablesComment les règles de guillemets changent la mesure dans deux transcriptions de romans — 5,78 points de pourcentage: Écart entre les règles dans la transcription d’Austen. Corps du texte extrait en entier ; même dénominateur, trois règles fixes.Télécharger l’image de partage (JPG) ↓

Principaux résultats

5,78 points de pourcentage

Écart entre les règles dans la transcription d’Austen

Corps du texte extrait en entier ; même dénominateur, trois règles fixes.

35,70 points de pourcentage

Écart entre les règles dans la transcription de Shelley

Corps du texte extrait en entier ; ce n’est ni le style de l’autrice ni une mesure d’exactitude sémantique.

0 point de pourcentage

Écart dans chaque essai sur le début

Cinquante premiers paragraphes retenus ; cet accord ne laissait pas prévoir le comportement sur le corps complet.

24

Paragraphes inspectés systématiquement

Douze positions fixes, régulièrement espacées, par livre ; inspection qualitative de passages ; pas d’étalon de référence.

La mesure change lorsque la règle de guillemets change

Un même roman numérique peut produire des estimations très différentes du texte entre guillemets sans modifier un seul mot de l’entrée. Dans les deux transcriptions étudiées, l’écart entre les résultats de trois règles fixes de ponctuation atteint 5,78 points de pourcentage pour Pride and Prejudice et 35,70 points de pourcentage pour Frankenstein. Ces différences concernent une mesure mécanique du texte. Elles n’établissent pas la quantité de dialogue utilisée par chaque autrice, le caractère plus conversationnel d’un récit ou la préférence des lecteurs. Le numérateur dépend des mots (unités lexicales) qu’une règle place dans des segments entre guillemets ; le dénominateur dépend de la transcription et de la procédure d’extraction choisies.

L’analyse a commencé par un contrôle volontairement restreint : les cinquante premiers paragraphes retenus de chaque livre. Les trois règles donnaient des pourcentages identiques dans chaque fenêtre initiale. Appliquer les mêmes règles aux corps extraits complets a révélé des désaccords absents de ces débuts. Cette séquence est centrale. L’accord dans un passage court et accessible ne suffisait pas à démontrer qu’un analyseur de guillemets se comporterait uniformément sur tout le livre. Ni l’accord initial ni le désaccord ultérieur n’établissent une propriété universelle des romans : ce sont des observations reproductibles sur deux entrées figées.

Une question délimitée, pas un classement littéraire

La quantité mesurée est le pourcentage d’unités lexicales définies classées comme contenues entre guillemets doubles selon une règle précise, dans une transcription extraite. La sensibilité est le pourcentage maximal moins le minimal parmi les trois règles pour cette même entrée. Maintenir le dénominateur constant dans chaque comparaison sépare les choix de délimitation des différences de longueur des livres. L’analyse ne moyenne pas les deux romans pour estimer la fiction anglaise. Elle n’échantillonne ni auteurs, périodes, pays, genres ou lecteurs et ne donne aucun intervalle de confiance pour une population imaginaire de livres.

L’échantillon est raisonné et fixé : la notice Project Gutenberg 1342, Pride and Prejudice de Jane Austen, et la notice 42324, version de 1831 de Frankenstein de Mary Shelley. Conversation et narration épistolaire ou encadrée offrent des situations contrastées utiles à l’examen des règles, mais ce motif de sélection ne permet pas de généraliser une comparaison de styles. Aucun roman supplémentaire n’a été ajouté après les résultats. Le catalogue Gutenberg plus large, ses langues et ses formats sont hors périmètre. L’apport est un audit de mesure à l’intérieur des textes, non un nouveau dénombrement de notices.

Les œuvres, leurs éditions et les fichiers obtenus

Les œuvres originales restent attribuées à Austen et Shelley. Austen a vécu de 1775 à 1817, Shelley de 1797 à 1851. Pride and Prejudice paraît initialement en 1813, mais les éléments de titre du fichier 1342 identifient la source illustrée George Allen de 1894, avec préface de George Saintsbury et illustrations de Hugh Thomson. Saintsbury a vécu de 1845 à 1933, Thomson de 1860 à 1920. Leurs contributions sont identifiées séparément, non attribuées à Austen ; préface et blocs d’illustration sont exclus du récit mesuré. Il ne s’agit pas de comparer des éditions originales.

La notice 42324 identifie la publication de 1831 chez H. Colburn et R. Bentley, et la note de transcription mentionne une réimpression photographique de cette édition. L’identité bibliographique propre de cette réimpression n’est pas fournie et n’est pas inventée. Les fichiers ont été obtenus le 30 octobre 2026. L’en-tête Austen indique une mise à jour au 1er septembre 2026, tandis que la page de présentation indiquait le 29 septembre ; l’en-tête Shelley indique le 23 octobre. Ces dates diffèrent de celles des éditions historiques. Les empreintes des octets définissent les entrées, plutôt qu’un titre ou un lien actuel. La ponctuation témoigne de ces transcriptions, pas de la typographie des manuscrits des autrices.

Délimiter et préserver les corps de texte

Les débuts et fins ont été vérifiés dans leur contexte. Le corps Austen commence par la phrase initiale sur une vérité universelle, après titre, préface et sommaire. Il s’achève au dernier paragraphe consacré aux Gardiner, avant l’illustration finale, les informations d’impression et les éléments Gutenberg. Le corps Shelley commence à la première phrase narrative de Walton, après introduction et préface. Le destinataire et la date de la lettre initiale précèdent ce repère et sont exclus. Le corps se termine avec la disparition de la créature, avant marque de fin, imprimeur, corrections de transcription et licence. Les dates, signatures et destinataires des lettres ultérieures restent dans le corps.

À l’intérieur de ces limites, les blocs d’illustration complets sont retirés par une procédure équilibrant les crochets. Les titres isolés de chapitres et lettres sont également retirés. Les lignes vides délimitent les paragraphes, ensuite réunis par deux caractères de nouvelle ligne. Les repères exacts de début et fin, positions dans la source normalisée et empreintes accompagnent le code. Il s’agit d’une spécification reproductible, non de l’affirmation que toutes les unités retenues sont de la prose narrative. Notes internes et résidus de mise en forme non couverts restent présents : cette limite repérée est conservée plutôt que réparée silencieusement après les résultats complets.

Trois règles fixées avant la comparaison complète

R1 est une bascule globale sur les guillemets doubles. Les guillemets courbes sont traités comme les droits, et chaque marque rencontrée fait passer de l’extérieur à l’intérieur ou inversement. Une paire complète définit un segment même au-delà d’une limite de paragraphe. Une portion finale non refermée est exclue. Cette règle simple ignore la direction des guillemets courbes ouvrants et fermants. Elle traite aussi un guillemet ouvrant répété au début d’un paragraphe de continuation comme un changement d’état, même lorsqu’il indique la poursuite d’une même citation.

R2 utilise la même logique de paires mais se réinitialise à chaque paragraphe. Les paires complètes internes contribuent au numérateur ; une portion inachevée est exclue avant le paragraphe suivant. R3 distingue ouvrants et fermants courbes et conserve l’état entre paragraphes. Si une citation est déjà ouverte, un nouveau guillemet ouvrant initial est traité comme continuation. Les guillemets droits basculent autrement l’état, avec la même convention de continuation initiale. Les réouvertures courbes internes inattendues et guillemets fermants isolés sont consignées. Ce sont trois définitions opérationnelles, pas une compétition ayant une bonne réponse établie. R3 reste une heuristique, notamment pour les typographies inhabituelles et conventions mixtes.

Unités lexicales, couverture et diagnostics

Les mots (unités lexicales, ou « tokens ») sont reconnus par l’expression déclarée [A-Za-z]+(?:['’][A-Za-z]+)*. Les apostrophes internes droites ou courbes restent dans une unité lorsqu’elles sont entourées de lettres ; les traits d’union séparent les unités et les chiffres sont exclus. Les lettres accentuées et ligatures ne sont pas couvertes par les plages alphabétiques ASCII et peuvent donc scinder des mots. Une unité entre au numérateur lorsque son milieu tombe dans un segment de citation achevé. Cette convention rend le calcul exact et reproductible, sans constituer une segmentation linguistiquement exhaustive. Changer cette segmentation définirait une autre analyse, absente de la comparaison rapportée.

Les trois règles ignorent volontairement les guillemets simples comme délimiteurs autonomes. Un passage entre guillemets simples imbriqué dans une citation double déjà comptée n’ajoute pas de couverture : ses unités sont déjà dans le segment externe. Les paroles délimitées uniquement par des guillemets simples, par des tirets ou rapportées sans marque peuvent être manquées. Les diagnostics comptent segments achevés, portions finales non refermées, guillemets ouvrants de continuation, guillemets fermants isolés et réouvertures internes. Pour R2, une fin non refermée signifie que la bascule reste ouverte en fin de paragraphe ; cela ne prouve pas que la marque initiale est sémantiquement ouvrante. Les listes de positions conservent ces occurrences.

Ce que l’essai initial montrait, et ne pouvait montrer

Après correction de l’extraction, les cinquante premiers paragraphes Austen retenus contiennent 1 254 unités lexicales, dont 955 comptées par chaque règle : 76,1563 %. Le début Shelley correspondant compte 3 885 unités, dont 156 retenues par toutes les règles : 4,0154 %. Il y a 52 segments achevés dans le début Austen et 13 dans celui de Shelley, sans portion finale non refermée, quelle que soit la règle. Les fenêtres ont des longueurs différentes parce que les paragraphes varient. Leurs pourcentages très éloignés ne doivent pas classer les romans entiers ni caractériser les pratiques habituelles des autrices.

L’inspection des passages a repéré un défaut dans la première extraction avant validation de l’essai. Une expression régulière interrompait la suppression des illustrations à un crochet imbriqué, laissant des fragments de crochets et un marqueur sans légende qui occupaient des positions dans la fenêtre de cinquante paragraphes. Le résultat Austen invalide était de 850 unités sur 1 140, soit 74,5614 %. Le retrait équilibré des crochets a restauré la fenêtre prévue et modifié le pourcentage de 1,5949 point. Le résultat invalide est conservé avec une mention explicite. Il documente une défaillance d’implémentation, non une estimation générale du biais d’extraction. L’accord entre règles n’avait pas détecté cette défaillance.

Sensibilité du corps complet dans la transcription d’Austen

Le corps Austen extrait complet contient 122 174 unités sur 2 060 paragraphes retenus. R1 en inclut 57 181, soit 46,8029 %. R2 en inclut 50 280, soit 41,1544 %. R3 en inclut 57 345, soit 46,9372 %. L’écart entre le maximum et le minimum est de 5,7827 points de pourcentage. R1 trouve 1 751 segments achevés ; R2 et R3 en trouvent chacune 1 735. R2 enregistre 32 fins de paragraphe non refermées, tandis que R3 reconnaît 32 guillemets ouvrants de continuation. R1 et R3 finissent sans portion finale non refermée ; R3 ne consigne aucun guillemet fermant courbe isolé ni réouverture courbe interne.

La proximité des pourcentages globaux de la bascule et de la règle tenant compte des continuations ne prouve pas l’identité de leurs segments. La couverture agrégée peut masquer des changements compensatoires, et aucune estimation d’exactitude par unité n’est présentée. Le plus grand écart avec la règle réinitialisée montre que limiter les paires achevées à un seul paragraphe exclut du texte retenu ailleurs. L’audit repère des lettres écrites sur plusieurs paragraphes parmi les structures concernées. Une part mécanique plus grande ne signifie donc pas automatiquement davantage de conversation orale retrouvée : elle peut aussi inclure davantage d’une lettre ou d’un autre objet écrit cité.

Sensibilité du corps complet dans la transcription de Shelley

Le corps Shelley extrait complet contient 75 234 unités réparties sur 768 paragraphes. R1 en inclut 38 625, soit 51,3398 %. R2 en inclut 11 769, soit 15,6432 %. R3 en inclut 30 545, soit 40,6000 %. L’écart est de 35,6966 points de pourcentage. R1 compte 388 segments achevés ; R2 et R3 en comptent chacune 293. R2 enregistre 190 fins de paragraphe non refermées et R3 reconnaît 190 guillemets ouvrants de continuation. Aucune règle globale ne termine avec une portion finale non refermée. Ce fichier utilisant des guillemets droits dans le texte mesuré, les diagnostics propres aux courbes de R3 ne résolvent pas les questions sémantiques sous-jacentes.

Ces résultats montrent pourquoi un nombre final pair de guillemets constitue un faible contrôle de qualité. Une bascule globale peut revenir à l’état extérieur à la fin après avoir franchi auparavant des frontières inadéquates. Les guillemets ouvrants répétés en début de paragraphe peuvent changer son état et modifier de longs passages de couverture sans déséquilibre terminal. L’audit confirme des continuations dans le récit de la créature et une lettre écrite, sans classer toutes les unités contestées ni attribuer tout l’écart à un seul phénomène. L’écart observé appartient à cette transcription et à ces règles, pas à Frankenstein dans toutes ses éditions.

Une inspection systématique fixe des deux corps

Avant le calcul des résultats complets, douze positions de paragraphes par livre ont été fixées par indices équidistants du premier au dernier paragraphe retenu. La position k est précisément 1 + floor(k × (N − 1) / 11), où floor désigne la partie entière,, pour k de zéro à onze et N paragraphes retenus. Les vingt-quatre paragraphes ont tous été inspectés. Leurs indices commençant à un, empreintes et descriptions sont disponibles dans l’audit. La procédure répartit l’inspection entre début, milieu et fin sans choisir les passages parce qu’ils produisent le plus grand désaccord numérique.

Chez Shelley, les paragraphes sélectionnés comprennent une continuation du récit de la créature, des paroles entre guillemets simples imbriquées dans ce récit, une continuation de la lettre écrite d’Elizabeth et un texte explicitement présenté comme inscription. Un autre est une note interne citant un titre littéraire. Les sélections Austen comprennent discours direct, narration, questions indirectement rapportées et correspondance décrite dans la narration. L’espacement égal ne garantit pas de couvrir chaque phénomène rare. Ce sont des descriptions qualitatives de passages, non un ensemble d’annotations validé indépendamment. L’audit étaye des structures rencontrées, pas la précision, le rappel, la fréquence des erreurs ou la fiabilité entre annotateurs à l’échelle du corpus.

Pourquoi le texte entre guillemets n’est pas un taux de dialogue

Un audit antérieur distinct, ciblé, a inspecté vingt-six paragraphes : douze dans les fenêtres initiales et quatorze passages diagnostiques ultérieurs. Il documente chez Austen des lettres avec marques de continuation, du discours rapporté imbriqué, un proverbe cité et des apostrophes. Chez Shelley, il relève une exclamation imaginée du destinataire, des références littéraires, des paroles dans une lettre non citée, une question rapportée sans guillemets et une lettre sur plusieurs paragraphes. Cet audit est distinct de la sélection systématique fixe ; certains paragraphes se recoupent, donc les totaux ne doivent pas être additionnés comme autant de passages uniques. Les exemples ciblés n’estiment pas un taux d’erreur.

Ces catégories importent parce que citation typographique et fonction communicative répondent à des questions différentes. Une lettre écrite peut être entièrement entre guillemets sans être un échange conversationnel. Une inscription peut être citée comme objet rencontré par un personnage. Une formule peut renvoyer à une œuvre littéraire ; des paroles imaginées peuvent représenter une réponse anticipée plutôt qu’un événement oral. Inversement, un récit peut signaler une question sans en délimiter les mots. Les règles présentes ne résolvent pas ces distinctions. Appeler leurs résultats « pourcentages de dialogue » introduirait une affirmation sémantique que la mesure et l’audit n’ont pas validée.

Limites restantes de l’extraction et portée des preuves

L’audit systématique a révélé une note interne chez Shelley ; l’inspection ciblée antérieure avait repéré des restes de syntaxe de mise en forme autour d’une salutation de lettre chez Austen. Ces unités restent sous la spécification d’extraction inchangée. Leur conservation assure la reproductibilité du calcul figé, mais empêche de qualifier le dénominateur de prose narrative purifiée. Les retirer demanderait une variante d’extraction déclarée séparément et un nouveau calcul, non une correction invisible des chiffres. De même, segmentation ASCII, limites de paragraphes et exclusion des guillemets simples sont des limites choisies, non des options prouvées optimales par les résultats.

L’échantillon est trop petit et trop délibérément choisi pour conclure sur une population. Les œuvres historiques sont abordées par des transcriptions contemporaines pouvant différer des livres sources ; aucune collation avec des images de pages ou manuscrits n’a été menée. Aucune comparaison de ponctuation moderne et historique n’est tentée. Il n’existe pas non plus de référence sémantique indépendante annotée. Ces limites n’effacent pas les différences de sensibilité sur une même entrée, mais en bornent la signification : on peut reproduire le comportement des trois procédures sur ces octets, non déduire l’intention d’une autrice, l’expérience d’un lecteur ou l’exactitude de chaque segment.

Travaux antérieurs et apport méthodologique plus étroit

L’analyse des citations littéraires est un domaine établi. Le Project Dialogism Novel Corpus fournit des annotations de citations et de leurs attributs contextuels ; la documentation de LitBank distingue discours direct et autres textes entre guillemets. Constater que les guillemets peuvent entourer autre chose que du dialogue n’est donc pas présenté comme une découverte. Cette étude ne remplace pas ces ressources et n’établit pas un meilleur modèle d’attribution des citations. Les trois règles transparentes rendent visibles des choix de mesure, sans concurrencer des systèmes entraînés ni démontrer des performances de pointe.

L’apport plus limité combine une comparaison figée de deux transcriptions, un essai initial sans différence, un résultat complet sensiblement différent, des diagnostics explicites et une correction d’extraction documentée. Il montre comment un contrôle préliminaire rassurant peut être insuffisant pour le périmètre d’un calcul ultérieur. Les résultats demandent une vérification indépendante du code et de l’interprétation ; une exclusion déclarée de matériaux éditoriaux ou une annotation sémantique répondraient à d’autres incertitudes. Ajouter des romans avant ces contrôles augmenterait le volume sans améliorer nécessairement la validité. Aucune extension du corpus ne fait partie de l’analyse.

Réutilisation, attribution et reproductibilité

Les deux notices Gutenberg indiquent le domaine public aux États-Unis ; les en-têtes et licences reçus ont été inspectés sans notice d’œuvre restreinte identifiée. Les règles Gutenberg autorisent la recherche sur les œuvres non restreintes, sans certifier le droit d’auteur dans toutes les juridictions. Les auteurs et contributeurs historiques sont décédés depuis longtemps, ce qui appuie une sélection prudente sans procurer d’autorisation universelle. Alisson Bento est responsable de l’analyse, des calculs et des explications, non de la paternité ou de la propriété des romans, de leur préface historique ou des illustrations. Aucun roman intégral ni ajout éditorial moderne n’est inclus dans les téléchargements proposés.

Les fichiers associés contiennent effectifs dérivés, descriptions et empreintes d’audit, méthodes d’extraction exactes, code exécutable et références sources. Les fichiers bruts sous licence restent séparés et privés. L’acquisition a porté sur deux fichiers texte individuels d’un miroir indiqué par Gutenberg, sans parcours récursif, avec des requêtes espacées de plus de deux secondes. Un chemin obsolète a renvoyé 404 avant que le chemin généré pris en charge réussisse ; aucune restriction d’autorisation n’a été contournée. Publication originale, édition source, mise à jour de transcription et acquisition restent distinctes. Reproduire les calculs n’autorise pas en soi à redistribuer les textes, et les exigences juridiques de réutilisation restent distinctes de la reproductibilité informatique.

Comment les règles de guillemets changent la mesure

Corps du texte extraits en entier · deux transcriptions exactes de Project Gutenberg. Part des mots entre guillemets, pas part du dialogue

Graphique complet et source
Corps du texte extraits en entier · deux transcriptions exactes de Project Gutenberg. Part des mots entre guillemets, pas part du dialogue. PG1342 : source illustrée de 1894, 122 174 mots dans le corps du texte ; écart entre règles (maximum − minimum) : 5,7827 points de pourcentage. PG42324 : source de 1831, 75 234 mots dans le corps du texte ; écart entre règles (maximum − minimum) : 35,6966 points de pourcentage. 1342 : R1 46,8029 %, R2 41,1544 %, R3 46,9372 %. 42324 : R1 51,3398 %, R2 15,6432 %, R3 40,6000 %. R1 : chaque guillemet double fait passer de dehors à dedans, et inversement, d’un paragraphe à l’autre ; les fins non refermées sont exclues. R2 : même bascule, remise à zéro à la fin de chaque paragraphe ; les fins de paragraphe non refermées sont exclues. R3 : guillemets courbes avec leur direction ; un guillemet ouvrant en début de paragraphe prolonge un segment resté ouvert. Les guillemets droits font basculer l’état, sauf en début de paragraphe où ils prolongent ; les fins non refermées sont exclues. Règles fixes et déterministes : les écarts ne sont ni des intervalles de confiance ni une incertitude statistique. Même corps de texte et même dénominateur de mots pour toutes les règles, dans chaque livre. Deux livres ne forment pas un corpus représentatif ; on n’en déduit aucune supériorité de style. L’absence de fin globale non refermée ne prouve pas l’exactitude sémantique. Les notes dans le corps du texte et les limites d’extraction subsistent ; il n’y a ni étalon de référence sémantique ni évaluation de l’accord entre annotateurs. Sources : Project Gutenberg, PG1342 et PG42324. Calculs et figure originaux : Alisson Bento. Les identifiants désignent des transcriptions précises, pas toutes les éditions. Cette figure ne reproduit aucun passage des sources ni aucune illustration.

Faites défiler le graphique horizontalement pour le consulter. ↔

Graphique et valeurs

Faites défiler le tableau horizontalement pour voir toutes les colonnes.

Résultats sur les corps complets selon trois règles fixes
TranscriptionMots (unités lexicales)R1 globale (%)R2 par paragraphe (%)R3 avec continuation (%)Écart (points de pourcentage)
1342122 17446,802941,154446,93725,7827
4232475 23451,339815,643240,600035,6966

Pourcentage des unités lexicales déclarées mécaniquement contenues dans des segments appariés de guillemets doubles. Ce ne sont pas des pourcentages de dialogue.

R1 : chaque guillemet double fait passer de dehors à dedans, et inversement, d’un paragraphe à l’autre ; les fins non refermées sont exclues. R2 : même bascule, remise à zéro à la fin de chaque paragraphe ; les fins de paragraphe non refermées sont exclues. R3 : guillemets courbes avec leur direction ; un guillemet ouvrant en début de paragraphe prolonge un segment resté ouvert. Les guillemets droits font basculer l’état, sauf en début de paragraphe où ils prolongent ; les fins non refermées sont exclues. Règles fixes et déterministes : les écarts ne sont ni des intervalles de confiance ni une incertitude statistique. Même corps de texte et même dénominateur de mots pour toutes les règles, dans chaque livre. Deux livres ne forment pas un corpus représentatif ; on n’en déduit aucune supériorité de style. L’absence de fin globale non refermée ne prouve pas l’exactitude sémantique. Les notes dans le corps du texte et les limites d’extraction subsistent ; il n’y a ni étalon de référence sémantique ni évaluation de l’accord entre annotateurs. Sources : Project Gutenberg, PG1342 et PG42324. Calculs et figure originaux : Alisson Bento. Les identifiants désignent des transcriptions précises, pas toutes les éditions. Cette figure ne reproduit aucun passage des sources ni aucune illustration.

Télécharger le graphique (SVG) ↓ · Télécharger le graphique (PNG) ↓

Données et téléchargements

Faites défiler le tableau horizontalement pour voir toutes les colonnes.

Résultats sur les corps complets selon trois règles fixes
TranscriptionMots (unités lexicales)R1 globale (%)R2 par paragraphe (%)R3 avec continuation (%)Écart (points de pourcentage)
1342122 17446,802941,154446,93725,7827
4232475 23451,339815,643240,600035,6966

Pourcentage des unités lexicales déclarées mécaniquement contenues dans des segments appariés de guillemets doubles. Ce ne sont pas des pourcentages de dialogue.

Faites défiler le tableau horizontalement pour voir toutes les colonnes.

Diagnostics des analyseurs sur les corps complets
TranscriptionRègleMots inclusSegments appariésPortions finales non referméesGuillemets ouvrants de continuationGuillemets fermants isolésRéouvertures internes
1342R157 1811 7510000
1342R250 2801 73532000
1342R357 3451 73503200
42324R138 6253880000
42324R211 769293190000
42324R330 545293019000

L’absence de portion finale non refermée ne prouve pas une segmentation correcte. Les fins non refermées de R2 sont des restes mécaniques de la bascule.

Données et méthode

Notre méthode de calcul

  1. Deux romans anglais originaux fixes ; empreintes sources exactes, repères du corps vérifiés dans leur contexte et segmentation figée avant comparaison complète.
  2. Trois règles de guillemets inchangées ; dénominateur constant dans chaque transcription ; comparaisons descriptives et déterministes.
  3. Cinquante premiers paragraphes retenus conservés comme essai exploratoire ; défaut de suppression d’illustrations de la version v0 invalide corrigé explicitement avant extension.
  4. Douze positions équidistantes par livre inspectées ; audit ciblé antérieur identifié séparément ; aucune affirmation d’exactitude sémantique fondée sur un étalon annoté.

Ce que les données ne permettent pas de conclure

  • Échantillon raisonné de deux transcriptions ; aucune inférence sur auteurs, genres, population, préférences des lecteurs ou causalité.
  • Lettres citées, références littéraires, inscriptions et paroles imaginées ne sont pas uniformément du dialogue oral ; guillemets simples autonomes et tirets exclus.
  • Note interne et restes de mise en forme conservés ; segmentation ASCII scindant mots accentués et ligatures ; aucune affirmation sur la typographie manuscrite.
  • Aucune annotation sémantique indépendante ; zéro portion finale non refermée ne prouve pas l’exactitude ; R3 est heuristique.
  • Situation juridique hors États-Unis non vérifiée ; reproductibilité distincte des droits de redistribution des textes.

Sources originales

  1. Project Gutenberg 1342: Pride and Prejudice

    Project Gutenberg 1342, Pride and Prejudice : Jane Austen, 1775–1817 ; notice dans le domaine public aux États-Unis. Les éléments de titre identifient George Allen 1894 ; préface Saintsbury et illustrations Thomson exclues. Empreinte exacte du miroir dans le manifeste.

    Consulté le 30 octobre 2026

  2. Project Gutenberg 42324: Frankenstein

    Project Gutenberg 42324, Frankenstein : Mary Shelley, 1797–1851 ; notice dans le domaine public aux États-Unis ; version H. Colburn/R. Bentley de 1831. Le fichier mentionne une réimpression photographique sans identité bibliographique propre précisée. Octets exacts figés.

    Consulté le 30 octobre 2026

  3. Project Gutenberg License

    Licence Project Gutenberg : recherche sur les œuvres non restreintes ; licence du fichier contrôlée ; juridictions hors États-Unis non certifiées.

    Consulté le 30 octobre 2026

  4. Project Gutenberg Permission How-to

    Guide d’autorisation Project Gutenberg : différences entre transcription et édition source, liens d’attribution et limites juridictionnelles.

    Consulté le 30 octobre 2026

  5. Project Gutenberg Robot Access

    Accès automatisé Project Gutenberg : aucun parcours du site ; procédures d’acquisition désignées ; exemple avec espacement de deux secondes.

    Consulté le 30 octobre 2026

  6. Project Gutenberg Official Mirrors

    Miroirs officiels Project Gutenberg : liste le miroir pglaf utilisé pour les deux fichiers individuels UTF-8.

    Consulté le 30 octobre 2026

  7. Project Gutenberg Mirroring How-to

    Guide de miroir Project Gutenberg : procédures prises en charge ; rsync indisponible ici ; aucun miroir récursif effectué.

    Consulté le 30 octobre 2026

  8. Project Dialogism Novel Corpus paper

    Article Project Dialogism Novel Corpus : Vishnubhotla, Hammond et Hirst (2022), travaux antérieurs d’annotation des citations littéraires ; aucun texte du corpus téléchargé ou réutilisé.

    Consulté le 30 octobre 2026

  9. LitBank official repository

    Dépôt officiel LitBank : la couche citation distingue discours direct et autres textes entre guillemets et aborde d’autres typographies ; contexte des travaux antérieurs uniquement.

    Consulté le 30 octobre 2026

  10. George Saintsbury author metadata

    Métadonnées de George Saintsbury : dates 1845–1933 établies ; contribution à la préface Austen identifiée séparément et non attribuée à Austen.

    Consulté le 30 octobre 2026

  11. Bodleian John Johnson Collection: Hugh Thomson

    Bodleian John Johnson Collection, Hugh Thomson : notice institutionnelle identifiant l’illustrateur, 1860–1920 ; illustrations exclues.

    Consulté le 30 octobre 2026

  12. Jane Austen House: first reading of Pride and Prejudice

    Jane Austen House, première lecture de Pride and Prejudice : publication originale en janvier 1813, distincte de l’édition source analysée de 1894.

    Consulté le 30 octobre 2026

Citer et réutiliser cette étude

Alisson Bento. Comment les règles de guillemets changent la mesure dans deux transcriptions de romans. Analyse méthodologique des transcriptions Project Gutenberg 1342 et 42324, obtenues le 30 octobre 2026 ; éditions sources historiques de 1894 et 1831. https://alissonbento.com/fr/research/quotation-measurement-sensitivity-two-transcriptions/

Analyse, calculs et explication : Alisson Bento. Romans originaux : Jane Austen (1775–1817), Pride and Prejudice, et Mary Wollstonecraft Shelley (1797–1851), Frankenstein. Préface de la source Austen : George Saintsbury (1845–1933) ; illustrations : Hugh Thomson (1860–1920), toutes deux exclues. Notices Gutenberg indiquées dans le domaine public aux États-Unis ; licences effectives inspectées ; aucune autorisation juridique universelle ni approbation revendiquée. Seuls résumés dérivés, code, méthodes et références sont fournis, sans romans intégraux.

Corrections ou questions éditoriales

Faites passer.

Comment les règles de guillemets changent la mesure dans deux transcriptions de romans | Alisson Bentoalissonbento.com

WhatsAppFacebookXTelegramRedditThreadsE-mailSMS