De nouvelles données enfantines pour l’étude du français : réflexions autour de leur collecte et de leur étiquetage.Cet article propose une réflexion autour d’un certain nombre de questions importantes auxquelles un chercheur doit répondre lorsqu’il construit son corpus en vue de recherches sur l’acquisition du langage. Dans ce cadre, deux étapes sont notamment discutées : la collecte des données (choix des informateurs, nombre, représentativité, etc.) et l’étiquetage de ces données, le but étant pour le chercheur de proposer une base de (...) données fiable et efficace à la communauté scientifique. (shrink)

De nouvelles données enfantines pour l’étude du français : réflexions autour de leur collecte et de leur étiquetage.Cet article propose une réflexion autour d’un certain nombre de questions importantes auxquelles un chercheur doit répondre lorsqu’il construit son corpus en vue de recherches sur l’acquisition du langage. Dans ce cadre, deux étapes sont notamment discutées : la collecte des données (choix des informateurs, nombre, représentativité, etc.) et l’étiquetage de ces données, le but étant pour le chercheur de proposer une base de (...) données fiable et efficace à la communauté scientifique. (shrink)

1. A long-standing controversy The notion of corpus represents a long-standing and controversial matter in syntax. Before Chomsky, structuralists exploited corpora however these were considered as representative and homogeneous samples of a particular syntactic phenomenon or of a given language. This type of corpus was thus used within a behaviourist approach exclusively with empiricist and taxonomic aims. Then, as soon as Chomsky started to develop generative grammar in the 1950s, it is prec..

1. Une polémique historique En matière de syntaxe, la notion de corpus fut très controversée et reste encore problématique. Avant Chomsky, les structuralistes utilisaient des corpus, mais le terme désignait alors un échantillon représentatif et homogène d’un aspect syntaxique particulier ou d’une langue donnée et était utilisé dans une perspective behaviouriste exlusivement empiriste et taxinomique. C’est contre ce type de « corpus » que Chomsky s’est prononcé lorsqu’il a commencé à développe..

Le titre du présent numéro de CORPUS est à lui seul critique. Qualifier corpus par politique, c'est indiquer que le matériel linguistique qui a été rassemblé pour être traité a été choisi pour sa valeur extra-linguistique. Délibérément, c'est poser le corpus comme un lieu problématique de rencontre entre la langue et la société; l'analyste jouant le rôle conscient et déterminant d'entremetteur. La question des corpus, de leur constitution, de leur traitement, de leur usage a été posée dès l'o..

Le titre du présent numéro de CORPUS est à lui seul critique. Qualifier corpus par politique, c'est indiquer que le matériel linguistique qui a été rassemblé pour être traité a été choisi pour sa valeur extra-linguistique. Délibérément, c'est poser le corpus comme un lieu problématique de rencontre entre la langue et la société; l'analyste jouant le rôle conscient et déterminant d'entremetteur. La question des corpus, de leur constitution, de leur traitement, de leur usage a été posée dès l'o...

La notion de petit corpus nécessite une réflexion épistémologique pour se situer dans le paysage des sciences du langage. La taille du corpus ne pouvant suffire pour départager les petits corpus des grands corpus, la ligne de partage se situe au niveau de la représentativité et des objectifs de recherche. Le petit corpus est constitué en vue d’un objectif de recherche mené sur un domaine précis de la langue et du discours pour tenir compte des influences du type de discours (...) et du genre sur les phénomènes linguistiques étudiés. Le petit corpus doit donc rendre compte de ce champ d’investigation particulier. La spécialisation du corpus lui confère donc sa représentativité. Pour aboutir à cette spécialisation, il est nécessaire d’établir un corpus homogène concernant les paramètres textuels, (discours, type de texte, genre, etc.). Par ailleurs, le petit corpus rend possible un retour au contexte linguistique et situationnel : une connaissance approfondie des textes favorise l’interprétation des données. Afin d’illustrer ces propos sur les petits corpus, un corpus construit dans le cadre d’une recherche menée sur la synonymie selon une approche onomasiologique et syntagmatique est présenté. Au-delà de sa petite taille, ce corpus tire sa spécialisation de son homogénéité : les paramètres textuels ont été neutralisés, puisque les textes du corpus appartiennent tous au même discours, au même type de texte et au même genre. La recherche onomasiologique suppose d’ajouter un paramètre thématique lors de la constitution du corpus : les textes choisis doivent manifester de façon saillante la même thématique. Si les paramètres textuels semblent les plus évidents pour spécialiser un corpus, d’autres paramètres inhérents à l’objectif de recherche interviennent. (shrink)

Les écrits scolaires posent des problèmes d’analyse automatique à cause des nombreux écarts à la norme langagière qu’ils comportent. Dans le but de constituer et de rendre exploitable un corpus significatif d’écrits d’élèves, le groupe de recherche ECRISCOL (Écrits Scolaires) de l’université de la Sorbonne Nouvelle a élaboré des solutions techniques pour préserver l’accès aux manuscrits des élèves tout en rendant possible une analyse automatique par des logiciels d’analyse textuelle. Le corpus en construction comporte une dimension développementale – il est (...) constitué de textes produits par des élèves d’âges et de niveaux différents – et il rend compte de l’écriture même des textes puisque l’ensemble de ses traces – notes, brouillons, versions finales – sont présentées et rendues analysables. (shrink)

Cette contribution se centre sur le rapport que l'on est en mesure d'établir entre la façon dont est construit un corpus de discours et les objectifs de l'analyse, ce qui explique son titre. On part des définitions larges qui sont données sur cette notion en sciences sociales et en linguistique pour montrer les problèmes qu'elle pose au regard des opérations de recueil des données, de la question de l'exhaustivité, des catégories sur lesquelles il porte, de la nature de l'outil de (...) traitement des données. Puis en on précise la différence qu'il faut opérer entre langue et discours, texte et discours, texte et contexte, distinctions sur lesquelles il faut être au clair lorsqu'on traite de corpus. Suite à ces distinctions, on montre de quelle façon la construction d'un corpus dépend d'un positionnement théorique lié à un objectif d'analyse, ce que l'on appelle une problématique. On envisage trois types de corpus selon qu'ils se réfèrent à une problématique dite cognitive, communicative ou représentationnelle. Puis on montre comment un corpus de textes s'élabore dans un jeu de déconstruction et de reconstruction selon des critères d'ouverture ou de clôture (intertexte et hypertexte), de contraste (interne et externe) et de pertinence quantitative et/ou qualitative. On termine par le renvoi à un exemple d'analyse pratiqué par le Centre d'Analyse du Discours à propos du discours d'information télévisé, afin de montrer comment on peut tirer parti de certaines de ces options, et comment elles peuvent se combiner. (shrink)

Cette contribution se centre sur le rapport que l'on est en mesure d'établir entre la façon dont est construit un corpus de discours et les objectifs de l'analyse, ce qui explique son titre. On part des définitions larges qui sont données sur cette notion en sciences sociales et en linguistique pour montrer les problèmes qu'elle pose au regard des opérations de recueil des données, de la question de l'exhaustivité, des catégories sur lesquelles il porte, de la nature de l'outil de (...) traitement des données. Puis en on précise la différence qu'il faut opérer entre langue et discours, texte et discours, texte et contexte, distinctions sur lesquelles il faut être au clair lorsqu'on traite de corpus. Suite à ces distinctions, on montre de quelle façon la construction d'un corpus dépend d'un positionnement théorique lié à un objectif d'analyse, ce que l'on appelle une problématique. On envisage trois types de corpus selon qu'ils se réfèrent à une problématique dite cognitive, communicative ou représentationnelle. Puis on montre comment un corpus de textes s'élabore dans un jeu de déconstruction et de reconstruction selon des critères d'ouverture ou de clôture (intertexte et hypertexte), de contraste (interne et externe) et de pertinence quantitative et/ou qualitative. On termine par le renvoi à un exemple d'analyse pratiqué par le Centre d'Analyse du Discours à propos du discours d'information télévisé, afin de montrer comment on peut tirer parti de certaines de ces options, et comment elles peuvent se combiner. (shrink)

Les atlas linguistiques sont-ils des corpus? Nous voudrions ici montrer pourquoi certains atlas ne sont pas des corpus et comment leur informatisation pourrait, néanmoins, permettre de les exploiter comme tels. Le questionnement auquel font écho ces lignes est celui de la possibilité d’une informatisation de l’Atlas linguistique de la Wallonie (ALW), envisagée dans un premier temps comme l’intégration d’échantillons des publications dans des bases de données, exploitables via une interface de consultation en ligne. Ce travail consisterait à réduire la matière (...) de l’enquête qui avait été enrichie lors de l’édition des matériaux. Cependant, nous voudrions montrer la part d’analyse qu’il est souhaitable de conserver lors de cette réduction. (shrink)