Archives par étiquette : Sociolinguistique

Mentoring : quelles différences femme-homme?

Chez NamSor, nous aimons l’open source. Nous supportons deux projets open source via Open Collective : OpenAPI Generator et Uncopied et une librairie open source via Patreon : Canvas. Nous maintenons nos propres projets open source, nos SDK et CLT clients de notre API, mais aussi des projets de niche comme un modèle de traduction de noms japonais (git, démo). Nous sommes donc toujours ravis lorsque nous lisons des articles scientifiques utilisant l’API NamSor pour mieux comprendre comment les logiciels open source sont construits ou maintenus par la communauté.

Dans cette nouvelle étude, « Mentorat implicite Les efforts non reconnus des développeurs dans l’open source », Zixuan Feng, Amreeta Chatterjee, Anita Sarma et Iftekhar Ahmed caractérisent le mentorat implicite dans le développement de logiciels et examinent les différences de comportement entre les sexes.

Mentorat implicite : les efforts non reconnus des développeurs dans l’open source

Article complet de Zixuan Feng, Amreeta Chatterjee, Anita Sarma et Iftekhar Ahmed

Résumé — Le mentorat est traditionnellement considéré comme un apprentissage dyadique descendant. Cette perspective, cependant, néglige d’autres formes de mentorat informel qui se déroulent dans les activités quotidiennes dans lesquelles les développeurs investissent du temps et des efforts, mais restent non reconnus. Ici, nous étudions les différentes saveurs du mentorat dans les logiciels Open Source (OSS) pour définir et identifier le mentorat implicite. Nous définissons d’abord le mentorat implicite – des situations où les contributeurs guident les autres à travers des instructions et des suggestions intégrées dans les activités quotidiennes (OSS) – par le biais d’entretiens formatifs avec des contributeurs OSS, d’une revue de la littérature et d’une vérification des membres. Ensuite, à travers une enquête empirique sur les Pull Requests (PR) dans 37 projets Apache, nous construisons un classificateur pour extraire le mentorat implicite et le caractériser à travers le double prisme de l’expérience et du genre. Notre analyse de 107 895 RP montre que le mentorat implicite existe (27,41 % de tous les RP incluent le mentorat implicite) et qu’il ne suit pas le modèle d’apprentissage dyadique traditionnel. Lors de l’examen du sexe des paires mentor-mentoré, nous avons constaté une homophilie omniprésente – une préférence pour encadrer ceux qui sont du même sexe – dans 93,81 % des cas. Dans les cas de mentorat mixte, les femmes étaient plus susceptibles de mentorer des hommes.

Termes de l’index—Mentorat informel, mentorat implicite, mentorat homophile, logiciel libre. (gtranslated)

Quel rôle les femmes jouent-elles dans le mentorat implicite ?

Identification du genre : l’équipe a utilisé l’API Namsor pour identifier le sexe probable des contributeurs dans l’ensemble de données en fonction des noms des développeurs.

Voici quelques-unes des principales conclusions. Dans l’ensemble, plus de femmes que d’hommes offrent un mentorat implicite, mais la différence est faible. Il existe des différences significatives entre le mentorat implicite effectué par les hommes et les femmes, les femmes offrant plus de mentorat implicite entre pairs et ascendant. Il y a un fort effet d’homophilie dans le mentorat implicite. Dans les quelques cas de mentorat transgenre, les femmes ont tendance à franchir les frontières entre les sexes plus souvent que les hommes (70 %).

Lire l’article en anglais

Image : Un mentor guidant un développeur à Kuala Lumpur, NEXT Academy/Unsplash

A propos de NamSor

NamSor™ est une société européenne d’onomastique appliquée. 

Onomastique du Tatarstan

Le Tatarstan est une république de la Fédération de Russie qui partage une grande proximité culturelle avec son voisin de l’est, la Bachkirie. Les langues officielles sont le Tatar et le Russe, correspondant ainsi aux deux principaux groupes ethniques (Tatars et Russes). Ces groupes ethniques représentent respectivement 53% et 39% de la population, avec 8% d’autres minorités. 

Cet article est préparé en collaboration avec e-onomastics pour l’interprétation anthropologique et la traduction vers la langue Russe. Il sera modifé et enrichi au besoin. 

Tatars in Kazan, 1870 
Казанские татары, 1870

Les noms personnels au Tatarstan

Nous avons utilisé l’algorithme NamSor ML de NamSor pour découvrir trois groupes de noms, parmi les noms masculins et féminins du Tatarstan. Pour chaque groupe, nous afficherons par ordre de fréquence le prénom le plus courant ainsi que le nom le plus fréquent dans le groupe concerné. Par lisibilité, plutôt que d’afficher une table de fréquence séparée des noms et prénoms, nous construisons un stéréotype onomasique consitué du prénom et du nom au même rang. 

Premier groupe de noms Tatars

Noms masculins Tatars du premier groupe

Rang Stéréotype de nom
1 Марат Хайруллин
2 Руслан Хабибуллин
3 Айрат Сафиуллин
4 Рамиль Валеев
5 Ильдар Абдуллин
6 Рустем Ахметзянов
7 Ринат Гарифуллин
8 Айдар Шайхутдинов
9 Альберт Хуснутдинов
10 Радик Хамидуллин
11 Алмаз Исмагилов
12 Ильнур Гатауллин
13 Ленар Галеев
14 Азат Гайнутдинов
15 Артур Валиуллин
16 Тимур Галиуллин
17 Дамир Гайнуллин
18 Рустам Мухаметзянов
19 Наиль Шайдуллин
20 Марсель Яруллин
21 Ильшат Ахметшин
22 Булат Зиганшин
23 Ренат Шамсутдинов
24 Равиль Мухаметшин
25 Ирек Давлетшин
26 Эдуард Хайрутдинов
27 Ильнар Халиуллин
28 Динар Шарафутдинов
29 Фарит Загидуллин
30 Адель Зайнуллин
Noms Tatars masculins du Premier Groupe

Noms féminin Tatars du premier groupe

Rang Stéréotype de nom
1 Лилия Хайруллина
2 Эльвира Хабибуллина
3 Гульнара Валеева
4 Гузель Ахметзянова
5 Алсу Валиуллина
6 Альбина Сафиуллина
7 Лейсан Абдуллина
8 Эльмира Гарифуллина
9 Венера Шайхутдинова
10 Елена Хамидуллина
11 Светлана Галеева
12 Альфия Шайдуллина
13 Гульназ Гатауллина
14 Наиля Хуснутдинова
15 Айгуль Халиуллина
16 Резеда Галиуллина
17 Диляра Мухаметзянова
18 Зульфия Зиганшина
19 Алина Яруллина
20 Фарида Губайдуллина
21 Ирина Рахматуллина
22 Наталья Гайнуллина
23 Алия Гайнутдинова
24 Регина Ахметшина
25 Юлия Исмагилова
26 Роза Мухаметшина
27 Ольга Зайнуллина
28 Диана Давлетшина
29 Рамзия Хайрутдинова
30 Татьяна Нигматуллина
Noms féminins Tatars du second groupe

Second groupe de noms Tatars

Noms masculins Tatars du second groupe

Rang Stéréotype de nom
1 Марат Сафин
2 Руслан Шакиров
3 Ильдар Закиров
4 Рамиль Зарипов
5 Айрат Хасанов
6 Рустем Ибрагимов
7 Ринат Сабиров
8 Альберт Садыков
9 Тимур Валиев
10 Айдар Гарипов
11 Радик Галимов
12 Рустам Галиев
13 Артур Гараев
14 Дамир Каримов
15 Наиль Ахметов
16 Ильнур Шарипов
17 Алмаз Юсупов
18 Азат Хафизов
19 Ленар Мустафин
20 Булат Хусаинов
21 Равиль Салахов
22 Марсель Мингазов
23 Ильшат Газизов
24 Ренат Вафин
25 Ильнар Хакимов
26 Рафаэль Латыпов
27 Ирек Камалов
28 Эдуард Габдрахманов
29 Динар Сулейманов
30 Фарит Султанов
Noms masculins Tatars du second groupe

Noms féminins Tatars du second groupe

Rang Stéréotype de nom
1 Лилия Закирова
2 Гульнара Шакирова
3 Альбина Зарипова
4 Гузель Сафина
5 Эльвира Ибрагимова
6 Алсу Хасанова
7 Альфия Каримова
8 Эльмира Сабирова
9 Гульназ Гарипова
10 Айгуль Галиева
11 Венера Валиева
12 Лейсан Ахметова
13 Резеда Гараева
14 Наиля Садыкова
15 Зульфия Галимова
16 Диляра Юсупова
17 Фарида Хафизова
18 Ирина Шарипова
19 Алия Камалова
20 Юлия Хусаинова
21 Алина Мингазова
22 Елена Газизова
23 Роза Салахова
24 Ольга Хакимова
25 Миляуша Латыпова
26 Регина Усманова
27 Римма Султанова
28 Диана Мустафина
29 Рамзия Салихова
30 Галина Кадырова
Noms féminins tatars du second groupe

Troisième groupe (noms Russes et autres)

Noms masculins Russes au Tatarstan

Rang Stéréotype de nom
1 Александр Иванов
2 Сергей Кузнецов
3 Андрей Петров
4 Алексей Васильев
5 Дмитрий Егоров
6 Владимир Павлов
7 Евгений Макаров
8 Олег Семенов
9 Николай Кузьмин
10 Игорь Федоров
11 Михаил Смирнов
12 Юрий Николаев
13 Максим Михайлов
14 Денис Сергеев
15 Валерий Романов
16 Павел Андреев
17 Виктор Захаров
18 Роман Степанов
19 Артем Никитин
20 Анатолий Новиков
21 Антон Волков
22 Вячеслав Попов
23 Константин Морозов
24 Виталий Алексеев
25 Иван Борисов
26 Владислав Григорьев
27 Вадим Антонов
28 Эдуард Козлов
29 Илья Филиппов
30 Василий Данилов
Noms masculins Russes au Tatarstan

Noms féminins Russes au Tatarstan

Rang Stéréotype de noms
1 Елена Иванова
2 Татьяна Кузнецова
3 Наталья Петрова
4 Ольга Васильева
5 Светлана Павлова
6 Ирина Егорова
7 Людмила Романова
8 Марина Сергеева
9 Екатерина Николаева
10 Юлия Михайлова
11 Валентина Андреева
12 Надежда Захарова
13 Галина Алексеева
14 Анна Матвеева
15 Мария Федорова
16 Анастасия Борисова
17 Любовь Степанова
18 Оксана Смирнова
19 Нина Никитина
20 Лариса Макарова
21 Лилия Кузьмина
22 Евгения Антонова
23 Наталия Семенова
24 Вера Волкова
25 Лидия Новикова
26 Александра Миронова
27 Алина Морозова
28 Ксения Козлова
29 Тамара Ильина
30 Виктория Григорьева
Noms féminins Russes au Tatarstan

Observations

Malgré que nous ayons lancé l’algorithme NamSor ML séparément sur les noms masculins et féminins, celui-ci a été cohérent dans la constitution de trois groupes,

  • Noms Tatars (Groupe 1 ex. Марат Хайруллин, Лилия Хайруллина),
  • Noms Tatars (Groupe 2 ex. Марат Сафин, Лилия Закирова),
  • Noms Russes et autres types de noms (Groupe 3 ex. Александр Иванов, Елена Иванова).

Il ne semble pas exister de varations significatives d’occurence des noms Tatars de Groupe 1 et de Groupe 2.

Sur la base d’un échantillon de cent mille noms au Tatarstan, la proportion de noms Tatars correspond assez exactement aux chiffres connus de la démographie (53%). Sous réserve d’un complément de validation, ce résultat permettrait d’effecture des études démographiques innovantes et nouvelles. 

A propos de NamSor

NamSor™ est une société européenne d’onomastique appliquée. 

Lire cet article en anglais ou en russe

Image credits – Evg Klimov/Unsplash

根据中文名字判断性别,根据姓名的汉语拼音找到相似的中文名字,最大可能的用中文姓名识别身份和了解你的客户

👉中文姓名翻译,性别识别和匹配👈

你曾经有没有遇到这种尴尬的情况,发邮件时称呼对方为“王先生”,最后发现对方是一位女士?或者因为不知道对方的性别而直接称呼“王先生/女士”,显然看上去不是很礼貌对不对? 和您一样,我们也遇到了类似的情况。很显然这种情况会让您很尴尬。

汉语姓名的格式通常为:“姓氏姓名”,例如:“张三”,“李四”,“王二”,开头的姓氏是我们改变不了的,所以通常情况下我们根据一个人的名字判断性别。

一般情况下男生的名字和和女生的名字是有区别的。

中文男性的名字:

男生的姓名通常会带“木”字旁, 如:”楠, 杨, 桢“,“亻”单人旁也很常见,如:“伊, 佳,伟.”, 其他中文男性名字常见的字:
“力”
“雄”
“泽”
“洪”
“子”
“成”
“龙”
“仲”
“季”

中文女性的名字:

女性天生柔弱,而又楚楚动人,婀娜多姿,如水一般,明媚的双眸清澈见底,所以女性的名字通常带有花草之类的美好寓意,或者与之相似的。 女性的名字通常带有“艹”字头, 如:”蓉, 薇,芷“,或者“王”字旁,例如:“瑞, 琪, 瑶”,或者“女”字旁, 例如:“妍,媛,婷,婉,嫣” 其他的比较常见的女性的名字常有的子如:
“若曦”
“梦”
“丽”
“雪”
“安”
“颖”
“柔”

一些特列:

随着时代的发展,孩子的父母不再顾虑那么多,少了避讳之后,一些中性或者带有异性色彩的名字越来越普遍。例如:
“李果果” – 男,
“王笑笑” – 男,
“陈曦” – 女,
“杨男” – 女,

我们百分之百保证可以根据您提供的中文名字翻译成汉语拼音。即使根据汉语拼音可以转化成很多个中文姓名,我们任然可以大概率的匹配您想要的结果。

Statistiques ethniques : vers quelle taxonomie?

La question des statistiques ethniques suscite de nombreux débats.

Par exemple, la publication récente d’une étude des discriminations dans l’allocation du crédit dans les banques (‘Un testing bancaire met en lumière des discriminations dans l’accès au crédit‘, Le Figaro du 23/09/2017) relance la question de pouvoir, pour les banques, analyser les éventuels biais liés à leur personnels et leur formation, aux pratiques commerciales (segmentation client) ou même aux algorithmes automatiques d’analyse du risque crédit.

Le profilage onomastique est une alternative intéressante à la statistique ethnique : il permet par l’étude des prénoms et des noms de mettre en évidence des corrélations, des éventuels biais, et de guider des études qualitatives plus poussées. Surtout, il évite de figer un référentiel ethnique déclaratif – dont la taxonomie fait nécessairement débat – et qui implique une coûteuse collecte de données en amont.

La comparaison de deux logiciels de profilage onomastiques, le logiciel commercial NamSor et le service web gratuit universitaire NamePrism, permet de mettre en évidence deux façons radicalement différente de classer les noms.

Loin d’invalider l’une ou l’autre des méthodes, cela montre combien les noms sont d’efficaces révélateurs d’identité, et également à quel point ces identités sont complexes. Elles peuvent être analysés sous des angles très différents, selon des taxonomies multiples.

L’article original est en anglais,
https://blog.namsor.com/2017/09/27/visually-comparing-name-nationality-classification-services/

Ce projet Github contient l’échantillon de noms utilisé pour les comparaisons,
https://github.com/namsor/namsor_nameprism

About NamSor

NamSor™ Applied Onomastics is a European vendor of sociolinguistics software (NamSor sorts names). NamSor mission is to help understand international flows of money, ideas and people.
Reach us at: contact@namsor.com

Onomastique et GEOINT à la Société de Géographie

Vendredi 11 septembre 2015 était l’anniversaire de l’attentat terrible qui a impulsé la naissance de la discipline GEOINT aux Etats-Unis, comme outil de fusion des différentes données collectées par différentes agences de renseignement – et l’occasion de nombreux tweets avec les hashtag #GEOINT #GEOINTRevolution

 

Quel nom pour la GEOINT en France?

C’était l’une des questions posées lors du colloque organisé à la Société de Géographie les 11-12 septembre 2015 en partenariat avec le département de géographie de l’Ecole normale supérieure ENS Ulm et Airbus Defense and Space.

Le nom de GEOINT place la discipline dans le contexte (langue, origine) d’organisations américaines: la National Geospatial-Intelligence Agency et l’USGIF. Alors comment traduire GEOINT dans le respect de nos traditions scientifiques, culturelles et industrielles?

Délicat, car un nom fédère une communauté. Intelligence géospatiale, par exemple, serait parlant pour la communauté militaire et pour les consultants de l’intelligence économique tandis que le nom d’informatique geodécisionnelle serait compris par les informaticiens qui traduisent déjà ‘business intelligence‘ en informatique décisionnelle. L’un ou l’autre de ces noms serait-il suffisament attractif pour les géographes? Ou bien, continuerons nous d’utiliser le nom GEOINT?

Le colloque a montré l’étendue possible du GEOINT au delà de son acceptation américaine et de sa connotation ‘renseignement’. Essentiels pour l’analyse stratégique, la géopolitique, la fusion de données multiples et leur visualisation dans l’espace et le temps sont applicables également dans des domaines civils comme: le géomarketing, les villes intelligentes, le transport et le tourisme …

L’onomastique appliquée au décryptage des enjeux identitaires et de territoire

Ci-dessous notre présentation lors de la table ronde sur les outils du GEOINT et du ‘big data’.

A propos de NamSor

NamSor™ Applied Onomastics concoit un logiciel de sociolinguistique pour l’analyse du ‘big data’ et de l’open data. contact@namsor.com

 

NomTri trie des noms. Et vous que faites-vous?

L’onomastique (du grec onoma, nom) est la science qui étudie les noms propres (Wikipedia, Janvier 2013)

Nous sommes tous automaticiens. Notre cerveau, aussi naturellement que nous comprenons une langue et que nous connaissons notre environnement, extrait en permanence des informations à partir des noms de lieux, de sociétés, de personnes, de restaurants, de plats gastronomiques…

NomTri est un projet personnel de logiciel pour l’analyse onomastique.

Sa fonction principale est de trier ou de classer automatiquement divers types de noms propres, de façon très flexible pour offrir des services utiles à d’autres disciplines : linguistique, sociolinguistique, anthropologie, sociologie, géographie, géopolitique, histoire, sciences du marketing,  criminologie, traitement automatique des langues, fouille de textes, web sémantique, traduction automatique, translittérations de noms, intelligence économique … mais que de passerelles à établir, de relations humaines à construire, d’expérimentations à tenter, de résultats à vérifier pour qu’il arrive jusqu’à VOUS.

Et VOUS, que faites-vous ? En quoi l’onomastique -qui vous sert si naturellement dans la vie courante- peut-elle vous être utile dans vos recherches scientifiques ou dans vos applications professionnelles ?