Le corpus PhraséoRoChe se centre sur le roman de chevalerie de langue française écrit en prose. Il rassemble des textes issus d’œuvres produites entre le XIIIe siècle et le XVIIe siècle, période bornée par la naissance et la disparition de ce genre textuel. Pour permettre des interrogations par le lecteur d’aujourd’hui d’un corpus outillé embrassant une diachronie aussi longue, il faut faire des choix concernant l’évolution de la langue, non seulement en traitant le décalage entre le (...) français contemporain et la langue des textes retenus mais aussi en faisant face aux difficultés liées à l’hétérogénéité de l’ancien français, du moyen français et du français préclassique. Quels choix méthodologiques peuvent être pertinents en vue de l’objectif défini, à savoir une exploitation de type linguistique, stylistique ou littéraire? Les collaborateurs du projet se sont heurtés à la triple difficulté de rester fidèles aux textes, d’intégrer la diversité des pratiques éditoriales des chercheurs selon les étapes de l’histoire du français et d’unifier le plus possible les principes de traitement pour faciliter la réception actuelle. Le présent article rend compte des deux volets de l’opération : la sélection et la transcription d’un ensemble de 40 textes, d’abord, et l’annotation au moyen de balises structurelles, d’étiquettes lexicales et d’étiquettes morphosyntaxiques, ensuite. (shrink)

Dans le cadre de la construction du corpus PhraseoRoChe, un corpus diachronique rassemblant des romans de chevalerie du 13e au 17e siècle, cet article s’intéresse aux performances de différents analyseurs (étiqueteurs, lemmatiseurs, parseurs en dépendances) entrainés sur des états de langue connexes allant de l’ancien français au moyen français et au français moderne. Nous étudions ainsi la possibilité d’étendre ces analyseurs au-delà des états de langues précis sur lesquels ils ont été entrainés, (...) en s’appuyant notamment sur les divergences entre analyseurs pour identifier les annotations les moins fiables, et ainsi prioriser les interventions manuelles de correction / validation des annotations automatiques. Nous étudions également les possibilités offertes par un traitement superficiel de modernisation graphique pour tirer parti d’un analyseur moderne appliqué à des états de langue anciens. (shrink)

1. Introduction Ce numéro spécial dédié aux corpus d’ancien et moyen français, à leur constitution et à leur exploitation, vient après bien d’autres numéros de revues présentantl’usage des corpus en linguistique depuis une dizaine d’années. Mais celui-ci est spécifiquement consacré aux corpus concernant les périodes les plus anciennes de la langue, c’est-à-dire aux formes et pratiques linguistiques qui sont les plus différentes de ce que connaît et pratique le locuteur moderne, et pour lesque..

1. Introduction Ce numéro spécial dédié aux corpus d’ancien et moyen français, à leur constitution et à leur exploitation, vient après bien d’autres numéros de revues présentantl’usage des corpus en linguistique depuis une dizaine d’années. Mais celui-ci est spécifiquement consacré aux corpus concernant les périodes les plus anciennes de la langue, c’est-à-dire aux formes et pratiques linguistiques qui sont les plus différentes de ce que connaît et pratique le locuteur moderne, et pour lesque...

L’antéposition d’un verbe non conjugué (participe passé, infinitif) en ancien et en moyen français a été assimilée à l’antéposition stylistique de l’islandais. Nous montrons que dans le cas du français, ces antépositions illustrent trois constructions différentes, toutes distinctes de l’antéposition stylistique de l’islandais. Dans la construction la plus fréquente, étiquetée déplacement stylistique à gauche, l’expression antéposée s’insère dans une position interne à la proposition plutôt que dans la périphérie gauche, à la droite immédiate de la position (...) canonique du sujet, qui peut y être réalisé, contrairement à ce que l’on observe en islandais. La même analyse est étendue aux cas où le sujet est nul ou déplacé plus à gauche. Les deux autres cas sont ceux où 1) l’expression antéposée est l’élément initial d’une construction V2, une situation rare, ou 2) il y a mise en relief du verbe non fini à la gauche immédiate de la position canonique du sujet. (shrink)

Le projet ANR Profiterole avait pour objectifs la constitution de ressources pour le français médiéval (9e-15e s.) : un corpus annoté en (morpho-)syntaxe et des lexiques, la conception d'analyseurs syntaxiques pour le français médiéval, le développement d’outils de diffusion et d’analyse textométrique de l’annotation syntaxique dans le contexte de la plateforme TXM, et, enfin, la modélisation de certains aspects syntaxiques de l’évolution du français. Nous commençons par décrire la constitution du corpus Profiterole en termes de (...) choix de textes, genres et périodes et de types d’annotation. Puis nous présentons les modèles d’analyse syntaxique développés conjointement à la constitution du corpus, ainsi que la manière dont leurs prédictions ont été combinées pour assister la correction manuelle de l’annotation du corpus. Enfin, nous abordons les modalités de diffusion des données et modèles produits dans le cadre du projet avec un accent particulier sur l’intégration du corpus annoté à TXM, tant dans sa version en ligne accessible depuis le portail de la Base de français médiéval (BFM) que dans sa version pour ordinateur personnel, avec des exemples de requêtes CQP et TIGER facilitant l’exploration et l’analyse du corpus. (shrink)

Dans le Roman de Silence (XIIIe siècle), le comte de Cornouailles fait passer sa fille Silence pour un garçon afin de préserver son droit d’héritage. Heldris de Cornouailles, l’auteur de cet ouvrage, explore les jeux linguistiques et les possibles romanesques générés par cette transgression de l’identité sexuelle (quiproquos allant jusqu’à une scène de séduction, inspirée du topos de la femme de Putiphar, qui confronte virtuellement l’héroïne à l’homosexualité féminine).

Dans le Roman de Silence (XIIIe siècle), le comte de Cornouailles fait passer sa fille Silence pour un garçon afin de préserver son droit d’héritage. Heldris de Cornouailles, l’auteur de cet ouvrage, explore les jeux linguistiques et les possibles romanesques générés par cette transgression de l’identité sexuelle (quiproquos allant jusqu’à une scène de séduction, inspirée du topos de la femme de Putiphar, qui confronte virtuellement l’héroïne à l’homosexualité féminine).

L’auteur, responsable des aspects informatiques et linguistiques du projet « Manuscrits de Stendhal en ligne », décrit le processus de constitution d’un corpus, au sens linguistique du terme, dans le cadre d’une collaboration fortement interdisciplinaire. Il montre dans quelle mesure ce type de collaboration permet de construire un ensemble documentaire répondant aux besoins des chercheurs en littérature tout en apportant un matériau langagier riche et inédit pour le linguiste. Subséquemment, ce n’est pas l’objet de l’étude qui définit le (...) corpus à construire, mais à l’inverse, c’est le corpus construit qui limite et contraint les observations, remettant ainsi en question la notion d’analyse de corpus. (shrink)

L’auteur, responsable des aspects informatiques et linguistiques du projet « Manuscrits de Stendhal en ligne », décrit le processus de constitution d’un corpus, au sens linguistique du terme, dans le cadre d’une collaboration fortement interdisciplinaire. Il montre dans quelle mesure ce type de collaboration permet de construire un ensemble documentaire répondant aux besoins des chercheurs en littérature tout en apportant un matériau langagier riche et inédit pour le linguiste. Subséquemment, ce n’est pas l’objet de l’étude qui définit le (...) corpus à construire, mais à l’inverse, c’est le corpus construit qui limite et contraint les observations, remettant ainsi en question la notion d’analyse de corpus. (shrink)

La Base de français médiéval (BFM) fait partie des corpus de français médiéval (9e-15e s.) les plus anciens et les plus utilisés par les linguistes diachroniciens et plus largement par tous ceux qui s’intéressent à l’histoire du français. Elle est le fruit d’une collaboration entre linguistes-philologues et spécialistes de la méthode textométrique implémentée dans la plateforme TXM. L’article présente un état des lieux du corpus BFM2022 focalisé sur la représentativité et l’interopérabilité des données. Il illustre (...) l’apport des outils numériques pour l’équilibrage des données et présente la stratégie de standardisation multi-niveau (structure textuelle, références, métadonnées, annotations) ayant permis à la Base de s’intégrer à des corpus diachroniques plus étendus pour des recherches en diachronie longue. (shrink)

Depuis plusieurs décennies, la numérisation des textes anciens et les progrès du TAL pour les traiter et les interroger ont largement modifié nos habitudes de travail. Il est désormais possible d’obtenir des données quantitatives massives qui affinent notre perception des phénomènes linguistiques et stylistiques dans des corpus écrits dans des états de langue anciens. Les corpus numériques créés depuis maintenant près d’un quart de siècle permettent d’envisager plus facilement la dynamique du...

Parce que, perché, porque dans les langues romanes médiévales : l’utilité des études sur corpusNous proposons ici une réflexion sur l’utilité du corpus pour les linguistes, diachroniciens en particulier. Afin de montrer que le corpus est le complément idéal des outils traditionnels de la philologie (grammaires et dictionnaires de référence), nous étudions les conjonctions de subordination par / por ce que, perché et porque en français, italien et espagnol médiévaux, en deux temps : d’abord à partir (...) des outils philologiques, puis avec une étude sur corpus. Cette dernière nous permet d’émettre une hypothèse sur les différences observées dans le comportement des trois conjonctions, à savoir les emplois intersubjectifs de perché et porque et l’absence de tels emplois pour par / por ce que. (shrink)

Parce que, perché, porque dans les langues romanes médiévales : l’utilité des études sur corpusNous proposons ici une réflexion sur l’utilité du corpus pour les linguistes, diachroniciens en particulier. Afin de montrer que le corpus est le complément idéal des outils traditionnels de la philologie (grammaires et dictionnaires de référence), nous étudions les conjonctions de subordination par / por ce que, perché et porque en français, italien et espagnol médiévaux, en deux temps : d’abord à partir (...) des outils philologiques, puis avec une étude sur corpus. Cette dernière nous permet d’émettre une hypothèse sur les différences observées dans le comportement des trois conjonctions, à savoir les emplois intersubjectifs de perché et porque et l’absence de tels emplois pour par / por ce que. (shrink)

L’article présente les premiers résultats de l’analyse de la plus récente version des n-grammes de Google italiens et français (GN, 2020), dans le cadre d’un projet qui vise à construire, à partir des données brutes, un ensemble de dictionnaires électroniques disponibles en libre accès qui faciliteraient l’utilisation des GN pour la recherche diachronique en morphologie lexicale. L’analyse de dizaines de millions de n-grammes révèle que les GN italiens et français contiennent respectivement 2,7 et 3,7 millions de formes de (...) mots uniques avec l’information sur leur fréquence dans les livres publiés, en fonction de l’année de publication du livre correspondant sur une période d’environ 500 ans. L’article décrit également la procédure d’extraction des données concernant les mots complexes dont les composants sont écrits séparément. (shrink)

Dans cet article, nous décrivons un schéma et des modèles de représentation développés pour structurer les corpus de communication médiée par ordinateur (CMC) en suivant les recommandations de la Text Encoding Initiative (TEI). Nous considérons le discours CMC comme un échange dialogique entre humains, organisé de manière séquentielle. Nous insistons d’abord sur le fait que de nombreuses caractéristiques de la CMC ne sont pas traitées de manière adéquate par les schémas et les outils actuels d’encodage de corpus. Nous (...) formulons donc un ensemble de recommandations pour représenter la CMC avec des schémas d’encodage, en insistant sur le fait que la TEI nous semble être un cadre particulièrement approprié pour l’encodage des corpus CMC. Nous proposons une modélisation des unités de base de la CMC (énoncés, messages et actions non verbales) ainsi que des structures de niveaux macro- et micro des interactions dans les environnements de la CMC. À partir de ces modèles, nous introduisons le CMC-core, un noyau TEI pour l’encodage des corpus CMC, qui définit un ensemble de traits d’encodage spécifiques à la CMC sur quatre niveaux: (i) éléments, (ii) classes de modèles, (iii) classes d'attributs et (iv) modules de l'infrastructure TEI. La description du noyau proposé est illustrée au moyen d’exemples extraits des corpus des chercheurs du groupe SIG TEI CMC, représentant une grande variété de genres de la CMC (le chat, le wiki talk, le tweet, le blog, les interactions Second Life…). Le matériel décrit, i.e. les schémas, les exemples d’encodage et la documentation, est disponible sur le Wiki du SIG CMC TEI et accompagnera une demande d’enrichissement de la TEI (TEI feature request) au conseil de la TEI à la fin de l’année 2019. (shrink)

Corpus informatisés de français médiéval : contraintes sur leur constitution et spécificités de leurs apports Partant du constat que le linguiste médiéviste ne peut que travailler sur corpus, cet article envisage les contraintes spécifiques qui pèsent sur la constitution de ces corpus, désormais numériques, en particulier en ce qui concerne leur représentativité. La nature de l’étude et la perspective temporelle (synchronique ou diachronique) sont deux facteurs décisifs. Sont ensuite envisagés les apports des corpus, enrichis ou (...) non, tant du point de vue de la quantification des faits que de leur interprétation qualitative. (shrink)

Notre article illustre l’utilité de la calibration générique des corpus pour l’analyse diachronique de la langue française. Nous explorons le cas de l’antéposition stylistique de l’infinitif et du participe au sein de trois corpus constitués respectivement de textes littéraires, de coutumiers normands et de procès, de la période de l’ancien français à celle du français classique. Le calibrage générique montre que les évolutions de ces phénomènes d’antéposition diffèrent selon le type de texte, et que les (...) textes légaux montrent une surreprésentation de ces constructions, en lien avec la pratique de la langue latine qu’observaient les spécialistes du droit. (shrink)

Tout le film est toujours une microphysique du pouvoir, en potence, d’être étudier. Aujourd’hui l'augmentation des productions d'horreur et son public ont fait le film d'horreur une «contreculture» dominante, mais toujours sous l'effet négatif du pouvoir et du savoir qui disqualifient les discours, matérialisée dans ces films, ce qui les rend illégitime et exiler en soi espace filmique, transformée en un lieu adapté pour interdite et marquée par certaines pratiques discursives avec certains dispositifs d'exclusion. Paradoxalement, les types marginaux qui apparaissent (...) dans l'ordre de ces productions occupent les positions de sujets à exercer le pouvoir dans l'horreur et dans le même temps le renforcement de leur marginalité et de son objectivation. Ces aspects et les spécificités qui caractérisent les productions d'une part, nous ont amenés à identifier les pratiques de l'objectivation qui transforment corps dans les sujets dans l'horreur; d'autre part, de démontrer que ces films constituent une nouvelle technologie de contrôle social des corps, mais l'objectif principal de cette étude est d'analyser les relations de pouvoir à travers l'antagonisme des stratégies dans ce discours, qui est, pour savoir ce que cela signifie d'avoir un corps libre, nous examinons ce qui se passe sur le corps subjugué dans les films d'horreur, prenant l'archeogenealogie de Foucault comme base théorique. Cette questionhypothèse aurait un autre groupe: d'où pourrait faire une telle histoire? Nous supposons que dans les moments de crise, les films d'horreur ont beaucoup à prouver, donc nous avons opté pour un très similaire à celui qui Foucault a été invité par les experts de la revue Cahiers du cinéma pour discuter des conditions pour les productions cinématographiques comme Le Chagrin et la Pitié (1969), Portier de nuit (1974) et Lacombe Lucien (1974), quand on a regardé le déclin du gaullisme et l’ascention de Valéry Giscard d'Estaing , le vainqueur de la présidentielle de 1974, avec le soutien de l'ancien droit Tardieu et petainistes, anciens alliés de l'occupation du Führer Hitler de la France, entre 1940 à 1943. Maintenant, les conditions de production sont ceux qui marquent la fin des gouvernements socialistes de Mitterrand et Chirac, et le retour au pouvoir de la droite, à l'ascension politique de Nicolas Sarkozy. Au milieu de la crise économique de l'Union Européenne, flotte dans l'air la peur terrifiante de risque que l'arrivée de l'extrême droite au pouvoir. La présence croissante d'immigrants est aussi dans l'ordre d'une nouvelle crise de l'identité française. Ce sont les conditions de production de À l'intérieur, Frontière (s),Martyrs, Ils, La Meute, Captifs et Derrière les murs et, des films qui font partie de notre corpus. À la methodologie, nous développons les trois concepts opérationnels: le dispositif filmique de la mémoire, de la vérité et de l'objectivité pour traiter la mémoire populaire, recodé dans ces films et soi-disant perçu par nous comme l'un des principaux modes de contrôle des corps d’horreur; la notion d’intericonicité est encore utilisée pour indiquer des images qui renvoient à d'autres, mais tout en réalisant que chaque image a dans sa juxtaposition afin de utopies des hétérotopies. Donc, nous avons décidé de donner une nouvelle forme à cette notion, y compris l'utopique juxtaposés à des espaces hétérotopiques, sous l'influence de la discussion faite par Foucault dans le Corps utopique et Les hétérotopies. Keyword:Mémoire. Corps. Pouvoir. Discours politique. Film français d’horreur. (shrink)

Dans le domaine de l’analyse des données textuelles (ADT), les chercheurs s’intéressent à la relation entre le texte et son support d’exploration. Ces dernières années, l’évolution de l’informatique a profondément modifié notre rapport au texte induisant le développement de nouveaux outils d’étude et critères d’analyse. Dans ce contexte théorique, le concept de lecture polyangulaire permet de compléter les notions de lectures linéaire, réticulaire ou matricielle. Cette approche du texte est devenue possible grâce aux outils d’édition de corpus toujours plus (...) performants proposés par les logiciels de traitement automatique des textes, tel Hyperbase Web Édition. Les fondements de la lecture polyangulaire reposent à fois sur les techniques de corpus based et de corpus driven. Elle vise à multiplier les partitionnements de corpus afin de faire émerger aussi précisément que possible la trame du tissu textuel. Cette nouvelle méthode est ensuite illustrée par deux exemples issus des bases latines diffusées par le LASLA de l’Université de Liège. (shrink)

Corpus informatisés de français médiéval : contraintes sur leur constitution et spécificités de leurs apports Partant du constat que le linguiste médiéviste ne peut que travailler sur corpus, cet article envisage les contraintes spécifiques qui pèsent sur la constitution de ces corpus, désormais numériques, en particulier en ce qui concerne leur représentativité. La nature de l’étude et la perspective temporelle (synchronique ou diachronique) sont deux facteurs décisifs. Sont ensuite envisagés les apports des corpus, enrichis ou (...) non, tant du point de vue de la quantification des faits que de leur interprétation qualitative. (shrink)

Le travail présenté dans cet article s’inscrit dans une recherche qui a pour but la constitution d’un corpus scolaire et le développement d’un outil d’aide à son exploitation à partir de l’annotation de phénomènes linguistiques saillants. Nous nous concentrerons ici sur les écrits produits en fin de classe de CP par des scripteurs encore débutants. L’objet de ce travail est d’explorer les possibilités qu’offre le traitement automatique des langues pour appréhender ces écrits particulièrement éloignés de la norme. L’hypothèse est (...) que la connaissance du contexte de production facilite ce processus. Nous mesurons cet apport au travers d’un exemple de traitement, à savoir le développement d’un outil d’aide à l’annotation de certaines erreurs orthographiques. Après une rapide présentation du projet et des caractéristiques du corpus élaboré, l’article propose un exposé détaillé du module d’annotation de ces erreurs. Il en expose la méthode d’identification et de correction au moyen d’une ressource lexicale de formes phonologiques ainsi que le modèle d’annotation élaboré. (shrink)

Ce travail sur la réduction segmentale (c.-à-d. la suppression ou réduction temporelle de segments) en français spontané nous a permis de proposer une méthode de recherche pour les études en linguistique, ainsi que d’apporter des connaissances sur la propension à la réduction des segments à l’oral. Cette méthode, appelée méthode ascendante, nous permet de travailler sans hypothèse spécifique sur la réduction. Les résultats suggèrent que les liquides, les glides et la fricative voisée /v/ sont plus facilement réduites que (...) les autres consonnes et que les voyelles nasales résistent mieux à la réduction que les voyelles orales. Parmi les voyelles orales, les voyelles orales arrondies ont tendance à être plus souvent réduites que les autres voyelles orales. (shrink)

L’objectif principal que nous poursuivons dans cet article est de montrer que pour un phénomène aussi complexe que le schwa, qui ne se laisse pas appréhender de manière triviale, la constitution de corpus s’appuyant sur une méthodologie rigoureuse et explicite est un élément indispensable de la construction des objets phonologiques. A cette fin, nous nous concentrons sur l’étude de la position finale, et plus spécifiquement de l’opposition /Cə#/ vs /C#/, à la lumière de trois enquêtes du projet « Phonologie (...) du français contemporain (PFC) : usages, variétés et structure » : un corpus de Douzens (Aude), un corpus de Biarritz (Pays Basque) et un corpus de Treize-Vents (Vendée). Après avoir resitué la problématique du schwa dans le débat général sur le traitement des positions finales, nous présentons le projet PFC, sa méthodologie et ses outils. Nous exposons enfin les résultats obtenus pour les trois corpus : le corpus de l’Aude représente un français du Midi très conservateur, où l’opposition /Cə#/ vs /C#/ est tenace malgré des variations entre générations ; le corpus du Pays Basque représente un français du Midi en évolution, où cette opposition tend à disparaître mais est résiduellement présente ; le corpus de Vendée (variété rarement décrite) se révèle plus proche du français de référence, et les données indiquent sans ambiguïté que l’opposition /Cə#/ vs /C#/ a été éliminée. Notre conclusion, si la démarche est correcte, est que ces résultats et les analyses qu’ils permettent (y compris l’étude des corrélations entre oral et écrit) seraient difficiles, voire impossible, à obtenir sur la base d’intuitions ou d’observations non contrôlées. (shrink)

L’objectif principal que nous poursuivons dans cet article est de montrer que pour un phénomène aussi complexe que le schwa, qui ne se laisse pas appréhender de manière triviale, la constitution de corpus s’appuyant sur une méthodologie rigoureuse et explicite est un élément indispensable de la construction des objets phonologiques. A cette fin, nous nous concentrons sur l’étude de la position finale, et plus spécifiquement de l’opposition /Cə#/ vs /C#/, à la lumière de trois enquêtes du projet « Phonologie (...) du français contemporain (PFC) : usages, variétés et structure » : un corpus de Douzens (Aude), un corpus de Biarritz (Pays Basque) et un corpus de Treize-Vents (Vendée). Après avoir resitué la problématique du schwa dans le débat général sur le traitement des positions finales, nous présentons le projet PFC, sa méthodologie et ses outils. Nous exposons enfin les résultats obtenus pour les trois corpus : le corpus de l’Aude représente un français du Midi très conservateur, où l’opposition /Cə#/ vs /C#/ est tenace malgré des variations entre générations ; le corpus du Pays Basque représente un français du Midi en évolution, où cette opposition tend à disparaître mais est résiduellement présente ; le corpus de Vendée (variété rarement décrite) se révèle plus proche du français de référence, et les données indiquent sans ambiguïté que l’opposition /Cə#/ vs /C#/ a été éliminée. Notre conclusion, si la démarche est correcte, est que ces résultats et les analyses qu’ils permettent (y compris l’étude des corrélations entre oral et écrit) seraient difficiles, voire impossible, à obtenir sur la base d’intuitions ou d’observations non contrôlées. (shrink)

Notre article examine d’abord la possibilité d’occuper la zone préverbale par des éléments autres que le sujet et classe ces éléments d’après leur degré d’intégration dans une phrase « canonique ». Par la suite, les éléments initiaux apparaissant dans un corpus littéraire composé de quatre extraits de romans contemporains sont examinés d’après différents critères et les résultats sont brièvement comparés aux données globales d’un corpus de textes d’économie.

Selon l'étude européenne translinguistique Neurodys (Becker et al., 2013), la prévalence de la dyslexie touche entre 5 et 10% des enfants âgés de 8 à 12 ans. L’apprentissage du langage écrit revient à maîtriser conjointement ses deux versants : lecture et écriture. La présente étude vise l’analyse des processus d'écriture utilisés par des scripteurs dyslexiques (DL) et dysorthographiques (DO). Afin de favoriser les collaborations chercheurs-praticiens, comme le proposent Hayes et Berninger (2014), nous étudions les données chronométriques relatives à un (...) class='Hi'>corpus de textes recueillis auprès de 7 adolescents dyslexiques et dysorthographiques, recrutés dans le cadre de situations de soin courant orthophonique, afin de décrire les opérations de traitement cognitif du langage écrit en contexte d’activité rédactionnelle. Les corpus de productions écrites d’adolescents DL/DO suivis en orthophonie apportent par le biais du relevé chronométrique (vitesses d’écriture, durées des pauses en fonction de leur localisation dans le texte, longueur des passages d’écriture sans pause longue) des éléments sur l’activité de rédaction et les modalités de révision du texte. Ce travail ouvre des perspectives quant au recueil de données en contexte professionnel, de manière à interroger les données cliniques par des outils de recherche développés en linguistique de corpus. (shrink)

Des revues et des ouvrages spécialisés ont préconisé l’exploitation des textes littéraires dans l’apprentissage du français langue étrangère. Mais les recherches et les pratiques pédagogiques axées sur les apports de la littérature dans l’enseignement de la prononciation sont rares. En didactique des langues, les enseignants ont tendance à négliger, très souvent, l’acquisition des compétences orales, face à la concurrence de la langue écrite, de la grammaire ou du vocabulaire. Dans cet article, nous présentons les expériences sur le développement de (...) la production orale et la correction de la prononciation en relation avec la littérature dans le dispositif de formation Campus Virtuel FLE à l’Université de León. À l’heure du numérique nous aurons recours aux multiples ressources, outils, environnements informatiques et médias sociaux en relation avec les domaines suivants : 1. Le projet Littérature Française Multimédia FLE, une base de données audiovisuelle en ligne sur la littérature française pour l’enseignement et apprentissage du FLE ; 2. Les tâches sur la littérature pour l’acquisition des compétences orales ; 3. Le corpus Oral FLE Prononciation des productions orales des apprenants hispanophones ; 4. Les techniques et méthodes de correction de la prononciation à l’aide des médias sociaux. (shrink)

Notre expérience de constitution d’une base de données orale (au sein du Groupe aixois de recherches en syntaxe) nous a servi à constituer, à la fin des années 90, une base de données d’écrits scolaires manuscrits (élèves de 5 à 11 ans). L’article rend compte des questions inhérentes à la constitution d’un tel corpus : du recueil de données à leur transcription et à leur édition. Si les méthodes d’analyse de l’oral peuvent résoudre certains des problèmes rencontrés, elles ne (...) peuvent le faire sur l’ensemble des textes. En effet, les écrits des élèves comportent des spécificités linguistiques qui interrogent les conventions de transcription et des décisions sont à discuter au sein de la communauté scientifique, comme nous le montrerons en nous appuyant sur des textes de jeunes élèves (6 à 8 ans). (shrink)

Cet article présente un processus de fouille de données afin d’extraire des connaissances associées au motif de la parenté et de la famille dans un corpus en ancien français de la première moitié du XIIIe siècle. Après une numérisation puis un prétraitement des données fondé sur des techniques de TAL (Traitement Automatique du Langage), il a été procédé à une extraction de motifs séquentiels (enchaînements de voisinages de mots liés à la thématique traitée). Dans cet article, nous (...) présentons les problèmes liés à la numérisation et aux traitements du texte. Puis, nous détaillons ce processus automatique et exhaustif et analysons les premiers résultats obtenus en procédant à l’étude précise d’un motif séquentiel dans différents textes du cycle Lancelot-Graal. (shrink)

Cet article présente un processus de fouille de données afin d’extraire des connaissances associées au motif de la parenté et de la famille dans un corpus en ancien français de la première moitié du XIIIe siècle. Après une numérisation puis un prétraitement des données fondé sur des techniques de TAL (Traitement Automatique du Langage), il a été procédé à une extraction de motifs séquentiels (enchaînements de voisinages de mots liés à la thématique traitée). Dans cet article, nous (...) présentons les problèmes liés à la numérisation et aux traitements du texte. Puis, nous détaillons ce processus automatique et exhaustif et analysons les premiers résultats obtenus en procédant à l’étude précise d’un motif séquentiel dans différents textes du cycle Lancelot-Graal. (shrink)

Cet article interroge la question des corpus en analyse multimodale des corpus oraux d’interactions filmées dans le cadre d’une linguistique qui intègre l’étude des gestes à celle du discours pour rendre compte des pratiques langagières dans leur globalité. Ce type d’approche est traditionnellement associé à des petits corpus supports d’analyses qualitatives. À l’appui d’un tour d’horizon de recherches contemporaines en analyse multimodale des interactions orales, nous montrons que l’étude linguistique des gestes se prête à une (...) grande variété d’approches innovantes au plan méthodologique. En pratique, il reste à ce jour difficile de construire des grands corpus pour l’analyse gestuelle, parce qu’il s’agit d’une entreprise longue et coûteuse (enregistrement, transcription, annotation) : les petits corpus sont nombreux parce qu’ils sont plus faciles à construire pour un chercheur seul ou une petite équipe de recherche aux moyens limités. Cette situation tend cependant à évoluer, et ce de plusieurs manières, grâce aux collaborations nationales et internationales et aux nouveaux outils numériques. Les « petits » corpus n’en restent pas moins sources de résultats précieux en analyse gestuelle. Pour diverses raisons, les standards internationaux de l’évaluation de la recherche tendent à valoriser l’analyse quantitative aux dépens de l’analyse qualitative, faisant oublier que ces deux types d’approches ont des objectifs certes différents mais complémentaires : ils permettent de répondre à des questions de recherche différentes (étroites ou larges) et de proposer des savoirs d’origines différentes (généralisabilité des résultats ou généralisabilité des processus observés), dont la légitimité est elle aussi de nature différente (réfutabilité des résultats ou consilience des experts). Nombre de travaux récents en analyse gestuelle encouragent à remettre en question la dichotomie traditionnelle entre analyses qualitatives et quantitatives, en intégrant les deux approches de diverses manières. (shrink)

Dans cette contribution, nous présentons la base CLAPI développée au laboratoire ICAR dans le contexte de l’évolution des bases de données de langues parlées en France au cours des trente dernières années. Nous détaillons les deux composantes de CLAPI, l’archive de corpus de langue parlée en interaction audio et vidéo enregistrés dans des situations sociales naturelles variées, et la plateforme d’outils.L’usage et l’apport de CLAPI sont illustrés par deux études. L’une décrit comment la base peut être utilisée pour des (...) travaux de linguistique interactionnelle intégrant la multimodalité (« oh là là ») ; l’autre concerne une recherche combinant données et métadonnées (« trop »). L’article est aussi l’occasion d’un bilan plus général. La mise en perspective montre en effet qu’après la période des questions est venue celle des dilemmes. La période des questions, choix et décisions à toutes sortes de niveaux a accompagné la mise en place des bases de données. L’expérience permet maintenant de mesurer leurs indéniables apports en termes non seulement de quantité de données disponibles (et traitables grâce aux outils), mais aussi de qualité (comme conséquence des exigences de standardisation liées au partage des données). La période des dilemmes nous conduit à nous interroger sur les meilleurs choix à opérer aujourd’hui dans les relations entre la poursuite des recherches sur des corpus variés (et parfois sensibles) et les exigences des bases de données ouvertes. (shrink)

Dans quelle mesure, et de quelle manière, la confrontation d’un texte à un corpus en modifie-t-elle l’analyse ? Symétriquement, de quelle approche du texte la constitution d’un corpus est-elle tributaire ? L’exemple du projet éditorial de L’Astrée, aux deux volets complémentaires (édition critique / site internet), permet d’ébaucher quelques réponses à ces questions qui engagent tout autant une méthodologie qu’un arrière-plan épistémologique. Cette contribution se réclame d’une philologie actualisée, soucieuse de tenir compte des nouveaux espaces de dialogue (...) entre linguistique et littérature. (shrink)

Le Dictionnaire du moyen français est fondé en grande partie sur un vaste corpus informatisé. Le but de cet article est d’examiner de façon concrète l’atout que représente l’exploration d’un tel corpus pour la rédaction d’articles concernant des verbes fréquents et polysémiques (croire, cuider, penser, savoir, connaitre). L’accent est mis sur deux fonctionnalités offertes par Frantext : l’étude de voisinage et la recherche de cooccurrences, qui permettent au rédacteur d’affiner la description des unités lexicales traitées ; (...) moyennant une phase de tri « manuel », il est possible par exemple d’établir le paradigme des noms figurant en fonction d’objet pour une acception donnée ou encore la fréquence de certaines constructions syntaxiques. Ce sont là des apports importants pour un dictionnaire qui vise à donner des descriptions explicites des usages – ce qui n’est pas toujours le cas dans les dictionnaires de français médiéval antérieurs. (shrink)

La contribution se propose de mettre en évidence les problèmes épistémologiques et méthodologiques posés par l’annotation discursive de productions écrites d’élèves et les choix techniques qu’implique sa mise en œuvre. Dans un premier temps, l’article montre l’intérêt scientifique de la constitution de « grands » corpus scolaires rassemblant plusieurs centaines de textes d’élèves d’école primaire et de collège de niveaux scolaires différents répondant à une même consigne. L’unicité de la consigne permet de comparer les productions en vue d’élaborer une (...) cartographie des moyens linguistiques choisis par les élèves et de mettre en évidence des indicateurs de progressivité. Dans un second temps, sont présentés les enseignements tirés de l’expérience d’annotation discursive qui a abouti à la création de la ressource ANNODIS, corpus de textes en français écrit standard annoté discursivement. Elle s’interroge sur les adaptations nécessaires pour traiter des textes d’élèves et définit des principes de travail généraux notamment sur le choix de la version de texte à annoter, la définition du modèle d’annotation et les guides d’annotation. Sont ensuite exposés deux chantiers d’annotation portant sur des textes d’élèves de fin d’école primaire en réponse à une consigne mettant en jeu la cohésion textuelle, qui demande d’insérer dans un texte narratif trois phrases comportant des pronoms et des syntagmes nominaux anaphoriques. Les notions sont illustrées par l’analyse de deux textes d’élèves de 5° Primaire. L’annotation des Relations de Discours procède successivement, dans une démarche proche de celle d’Annodis, par segmentation du texte en Unités de Discours Élémentaires, analyse de la cohérence temporelle et annotation des Relations de discours. L’annotation des chaînes de référence dans les textes d’élèves suppose des adaptations plus importantes du guide d’annotation antérieurement élaboré. Les premiers essais permettent ainsi de définir des principes de travail pour l’annotation des textes d’élèves. (shrink)

Dans quelle mesure, et de quelle manière, la confrontation d’un texte à un corpus en modifie-t-elle l’analyse? Symétriquement, de quelle approche du texte la constitution d’un corpus est-elle tributaire? L’exemple du projet éditorial de L’Astrée, aux deux volets complémentaires (édition critique / site internet), permet d’ébaucher quelques réponses à ces questions qui engagent tout autant une méthodologie qu’un arrière-plan épistémologique. Cette contribution se réclame d’une philologie actualisée, soucieuse de tenir compte des nouveaux espaces de dialogue entre (...) class='Hi'>linguistique et littérature. (shrink)

Cet article présente le contexte général ayant conduit à l’élaboration du Corpus de français parlé au Québec (CFPQ) et les principes méthodologiques ayant présidé à sa confection. Il illustre ensuite l’intérêt que représente cette ressource documentaire pour l’étude de la langue parlée en contexte informel par le biais d’un examen lexico-sémantique de la séquence je sais pas. L’intérêt pour cette séquence vient d’abord d’un constat : celle-ci est particulièrement fréquente dans le corpus pris comme cible. En effet, (...) elle y occupe le premier rang, en terme de fréquence, pour ce qui concerne la présence de trois unités graphiques figurant en contiguïté. Ce constat oriente vers l’idée selon laquelle son degré d’« entrenchment » (c’est-à-dire d’enracinement) doit être grand, qu’elle a toute chance d’être mémorisée en bloc dans un certain nombre de contextes, à la manière des séquences complexes ou expressions (semi-)figées. L’attention se focalise sur des exemples où je sais pas agit à titre d’expression verbale, puis d’expression discursive. (shrink)

Le Dictionnaire du moyen français est fondé en grande partie sur un vaste corpus informatisé. Le but de cet article est d’examiner de façon concrète l’atout que représente l’exploration d’un tel corpus pour la rédaction d’articles concernant des verbes fréquents et polysémiques (croire, cuider, penser, savoir, connaitre). L’accent est mis sur deux fonctionnalités offertes par Frantext : l’étude de voisinage et la recherche de cooccurrences, qui permettent au rédacteur d’affiner la description des unités lexicales traitées ; (...) moyennant une phase de tri « manuel », il est possible par exemple d’établir le paradigme des noms figurant en fonction d’objet pour une acception donnée ou encore la fréquence de certaines constructions syntaxiques. Ce sont là des apports importants pour un dictionnaire qui vise à donner des descriptions explicites des usages – ce qui n’est pas toujours le cas dans les dictionnaires de français médiéval antérieurs. (shrink)

Dans cet ouvrage, qui fut à l'origine une thèse universitaire, « Tout a été fait pour faciliter la lecture par les non-hellénistes » déclare l'auteure dans l'introduction (p. 17). Pari tenu! Cette étude, très savante, très structurée, écrite dans une langue limpide et élégante est d'une lecture si facile et si plaisante qu'elle vous donne la sensation fort agréable de partager son intelligence. Le corpus très homogène de Sophie Lalanne est composé de cinq romans, Callirhoé de Chariton d'Aphr...

L’apprentissage des langues étrangères et les méthodes employées dans l’enseignement des langues connaissent une véritable révolution numérique. Du fait de l’accessibilité et de l’ubiquité des données, de nombreuses expérimentations sont mises en place afin de confronter les apprenants aux langues cibles. Les données linguistiques organisées en corpus permettent de mettre en regard formes et contextes afin de favoriser la réflexion métalinguistique nécessaire au processus d’acquisition. Dans...

Cette note présente des ouvrages parus récemment en français et constituant des instruments de travail permettant d’aborder la lecture de la Bible, essentiellement le Premier Testament. Ils ne sont pas destinés d’abord aux exégètes mais à un public plus large. Il s’agit de traductions de parties ou de livres de l’A.T., d’introductions à la Bible, en particulier l’A.T. ou certains de ses corpus, d’une histoire d’Israël et d’une étude sur l’évolution de sa religion, et enfin de réflexions sur (...) la lecture et l’interprétation de la Bible. (shrink)

Cet article présente le Corpus FRAN, premier corpus panfrancophone en ligne sur les variétés de français nord-américaines, élaboré dans le cadre du projet international Le français à la mesure d’un continent (dir. F. Martineau). Il présente d’abord les grandes questions théoriques qui sous-tendent le projet et l’élaboration du Corpus FRAN, puis discute de l’architecture du Corpus FRAN ainsi que de l’interface élaborée pour son interrogation et du protocole de transcription. La configuration du Corpus (...) FRAN, couvrant plusieurs siècles et plusieurs communautés, permet des recherches croisées qui sont susceptibles de mettre en évidence les convergences et divergences entre ces communautés et d’examiner le parcours particulier des locuteurs et scripteurs. Nous illustrons les perspectives qu’ouvre le Corpus FRAN sur la variation et le changement linguistiques par l’étude de deux traits typiques du français nord-américain : la variante m’as (et les variantes associées je vas et je vais) et les variantes de la conséquence ça fait que et so (et les variantes associées alors et donc). (shrink)

Cet article offre une réflexion sur la constitution de corpus pour l’analyse de la variation et du changement morphosyntaxique. Le Corpus MCVF (Modéliser le changement : les voies du français) est structuré de façon à permettre l’analyse de la variation morphosyntaxique, à travers plusieurs périodes historiques, tout en tenant compte, dans une certaine mesure, de facteurs sociolinguistiques comme la distribution sociale et régionale. Les principes qui sous-tendent la sélection des textes et leur annotation morphosyntaxique sont d’abord présentés. (...) L’intérêt d’un corpus annoté morphosyntaxiquement est ensuite illustré par quelques exemples de recherche sur la négation. (shrink)

Le présent article met en évidence deux fonctions distinctes du corpus : heuristique et validante. Chacun connaît la seconde : un corpus est utilisé afin de démontrer la plausibilité ou la véracité d'une hypothèse qui a une existence indépendante. A la différence de celle-ci, la première fonction montre, plutôt qu’elle ne démontre. Le linguiste ne cherche plus ici à convaincre ; il cherche à comprendre. Il part à la rencontre de l'inconnu avec un questionnement, mais sans solution, même (...) hypothétique, pour le puzzle dont il a identifié quelques pièces. La vertu du corpus ici est consubstantielle à son existence : le classement. Qui dit corpus dit en effet principe de classement. Le corpus heuristique a ceci de particulier qu'il est éphémère : sitôt ses services rendus, il sera transformé par le linguiste en corpus de validation (qui aura vocation à convaincre le monde). Ce changement d'objectif induit alors une organisation et une présentation très différentes de celles qui ont permis la découverte du fonctionnement linguistique en question. En remontant cette opération, le présent article essaie d'isoler les propriétés invariables des corpus heuristiques. Le propos est illustré par un cas particulier tiré de mon expérience personnelle, i.e. les alternances de longueur vocalique dans les itératifs tchèques. (shrink)

La politique d'accessibilité par le numérique a ouvert aux personnes sourdes un service national d'écoute et de secours, par fax et SMS depuis 2011, par e-mail, texte en temps réel (TTR) et vidéo depuis 2019. Cet article analyse comment les spécificités des interactions textuelles, numériques, et du « français sourd » sont prises en compte dans les appels d'urgence par SMS, et quelles « prises », ou indices, sont mobilisés par les agents pour percevoir le niveau de détresse ou (...) la gravité d'une urgence. Dans ce contexte et au regard de ces enjeux, comment se jouent le dévoilement de l'identité et de la situation singulière de ces requérants? L'analyse de ces pratiques de communication, a fortiori de ces pratiques professionnelles, révèle la prise en compte incontournable des compétences linguistiques, langagières et interactionnelles en jeu. (shrink)