Article sur la méthodologie pour la catégorisation

Nous disposons désormais d’une nouvelle liste d’URL plus complète (où les URL réduites ont été développées) et d’une nomenclature complète et suffisamment précise. Avant de réaliser notre nouveau travail de catégorisation à l’aide de ces outils, il importait d’améliorer notre méthodologie afin de la rendre plus fiable et plus efficace.

Catégories “NON-AFFECTE” et “INDISPONIBLE”

Aux nomenclatures de l’INSEE nous avons rajouté deux étiquettes supplémentaires pour les cas particuliers.

L’étiquette “INDISPONIBLE” est affectée aux URL ne pouvant être atteintes. Soit à cause d’une erreur 404, soit parce que le site n’est pas indisponible en Union européenne à cause de la RGPD, par exemple.

L’étiquette “NON-AFFECTE”, elle, a deux principaux usages :

  • Indiquer une URL qui n’a pas encore été traitée (plutôt que de laisser un vide).
  • Indiquer un obstacle dans la catégorisation. Par exemple un manque d’information ou d’expertise empêchant de choisir quelle étiquette appliquer.

Harmonisation des fichiers

Puisque nous travaillons en groupe et que la quantité d’URL à traiter est relativement importante, nous nous sommes répartis le travail de manière équitable. Toutefois il s’est avéré important de coordonner nos méthodes de travail afin d’éviter les incohérences, voire une impossibilité de recombiner nos résultats en fin de traitement.

Nous avons pris soin d’utiliser des fichiers Excel identiques (si ce n’est pour les URL qu’ils contenaient bien sûr), avec les mêmes en-têtes, étiquettes, format et paramètres. Pour s’assurer du maintien de cette cohérence nous avons également utilisé la fonction de validation des données de Excel.

Validation des données

Excel offre une fonction très utile qui nous a permis de rendre notre travail plus fiable et limiter les erreurs de frappe pendant la catégorisation : la validation des données. Cette fonction, une fois appliquées à une cellule, permet d’y empêcher l’entrée de données ne correspondant pas à certains critères. Dans notre cas nous avons fait en sorte que ne soit autorisées que les catégories des listes de l’INSEE que nous avons sélectionnées.
Cela permet d’éviter toute erreur dans la saisie et de faciliter le travail.


Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search