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)

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)

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)

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)

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)

Au cours de cette recherche, nous réfléchissons à la question de la couverture médiatique du domaine sportif. Nous nous concentrons sur l’impact de la présence des médias sur la construction de l’information sportive elle-même. Nous discutons de la position de l’analyste du discours vis-à-vis de ce contexte de production de discours ; production fortement influencée par l’outil technologique. Par exemple, nous montrons que le placement de microphones sur les acteurs de la rencontre sportive pousse l’analyste à considérer ces participants comme (...) des objets et des producteurs de la couverture médiatique. Par l’analyse de ce type de corpus, nous proposons donc d’étudier ces questions de positionnement de l’analyste au sein de ce double contexte de production. (shrink)

Nous présentons une étude fondée sur un corpus de transcriptions de consultations médicales, dans le cadre d’un projet interdisciplinaire qui explore la question des inégalités sociales de santé. L’objet de cet article est de montrer comment, en tant que linguistes familiers du traitement outillé des corpus, nous avons choisi d’aborder ce matériau qui fait l’objet de questionnements disciplinaires complémentaires, et quels éléments de caractérisation spécifiques nous sommes en mesure d’apporter en réponse à une demande émanant de la (...) sphère médicale. (shrink)

Nous présentons une étude fondée sur un corpus de transcriptions de consultations médicales, dans le cadre d’un projet interdisciplinaire qui explore la question des inégalités sociales de santé. L’objet de cet article est de montrer comment, en tant que linguistes familiers du traitement outillé des corpus, nous avons choisi d’aborder ce matériau qui fait l’objet de questionnements disciplinaires complémentaires, et quels éléments de caractérisation spécifiques nous sommes en mesure d’apporter en réponse à une demande émanant de la (...) sphère médicale. (shrink)

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)

Situé dans une approche interactionniste du développement du langage, l’article propose une démarche méthodologique pour étudier l’étayage dans sa dynamique dialogique, pour laquelle le recours à un corpus s’avère indispensable. L’article comprend plusieurs parties : sont présentées d’une part les différentes facettes de l’étayage d’un point de vue théorique, d’autre part la construction d’un outil opérationnel sous la forme d’une grille d’analyse des conduites étayantes des adultes et des réactions des enfants. Enfin, quelques résultats issus d’une recherche sur les (...) interactions mère-enfant, à titre illustratif de la démarche, montrent la façon dont les activités effectuées par les participants façonnent leurs conduites. La discussion se focalise sur les apports d’une analyse de corpus (données de type naturel tout autant que contrôle de certains facteurs, comparaison de données qualitatives et quantitatives, etc.). (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)

Les vingt dernières années ont vu l’apparition d’une convergence forte entre une démarche appliquée se consacrant à la création de corpus de grande taille, à leur codage et à leur étiquetage, et diverses théories linguistiques dont les analyses reposent sur de tels corpus. Pour l’analyse de conversation (ou linguistique interactionnelle) une telle convergence ne semble pas possible, car son approche est qualitative et s’appuie sur de « petits » corpus. De plus, un examen approfondi du contexte (...) social des interactions recueillies est nécessaire, qui ne peut donc se réduire à la collecte de métadonnées. Une question surgit immédiatement : la notion de « petit » corpus a une validité sur le plan épistémologique? Le présent article montre qu’une réponse positive peut être apportée à cette question et qu’il est possible de fonder en raison une pratique qui, le plus souvent, se drape sous les oripeaux de l’évidence. (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)

Ce recueil d’articles fait suite à une journée d’étude organisée à Tours en janvier 2008 et qui avait pour objectif de décrire comment le discours, appréhendé à travers des études de corpus, devient un lieu majeur de l’analyse linguistique et un observatoire de certains faits langagiers susceptibles d’être théorisés comme phénomènes sociaux. Les cadres théoriques sollicités sont variés, mais relèvent tous peu ou prou à la fois du courant énonciativiste francophone et de l’école française de l...

Constitution d’un grand corpus d’écrits émergents et novices : principes et méthodes Cette contribution propose une réflexion sur la construction d’un vaste corpus d’écrits qui permet d’approfondir notre compréhension des processus en jeu dans l’accès à la littératie dans sa diversité, au travers de la pluralité des genres et des types discursifs qui la constituent et chez des apprenants de profils divers : enfants/adultes, langue 1 / langue 2, entendants/sourds. La réflexion sur la mise en place de ce (...) corpus s’inscrit dans une perspective fonctionnaliste et énonciative et fait fond sur deux ensembles théoriques complémentaires. Du point de vue de l’acquisition des langues, nous souscrivons à la conception selon laquelle les productions d’apprenants ne constituent pas une déviance par rapport à la norme mais sont des manifestations (idiolectales) de systèmes linguistiques per se dont il s’agit de dégager les normes propres. Du point de vue de la littératie, nous nous inscrivons dans la tradition des travaux, d’inspiration bakhtinienne, qui considèrent l’hétérogénéité comme constitutive de toute production verbale. Ainsi, nous expliquons et justifions nos choix en matière de profils d’apprenants et de tâches rédactionnelles, en relation avec la perspective théorique adoptée, ainsi que les options retenues en matière d’outillage du corpus. (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...

Pour répondre aux problématiques engendrées par la diffusion de plus en plus massive des corpus linguistiques et à l’hétérogénéité de leurs formats, nous proposons une méthode permettant de prendre en main des corpus langagiers oraux et de les convertir dans un format permettant leur exploitation outillée. Pour cette recherche, le corpus ESLO nous sert d’exemple par sa licence de diffusion, son format, son volume et ses atouts sociolinguistiques et diachroniques. Notre travail se fonde sur la compilation de (...) ce corpus pour le rendre compatible avec l’outil de textométrie TXM. Nous opérons un ensemble de transformations des données pour l’utiliser au mieux. Enfin, pour illustrer les apports de ces avancées méthodologiques, nous proposons une analyse fine et multidimensionnelle de l’usage des interrogatives dans le corpus ESLO. (shrink)

Gallicagram est un nouvel outil de lexicométrie, fondé notamment sur les archives océrisées de la Bibliothèque nationale de France et sur celles du journal Le Monde ; il dénombre dans le corpus choisi et pour une période donnée les occurrences d’un mot ou d’un syntagme, et offre différents modes de visualisation des données obtenues. Ce logiciel mérite à plusieurs titres d’être investi par les chercheurs : outre le volume des données qu’il exploite, suffisant pour fonder des analyses lexicométriques depuis (...) le XVIIe siècle jusqu’à nos jours, Gallicagram a sur son concurrent immédiat, Ngram Viewer, l’avantage d’une transparence très supérieure et d’une structure plus constante au cours du temps. L’article présente Gallibase, son extension qui lui applique les outils de la statistique textuelle – en particulier les analyses factorielles et arborées. Il illustre son potentiel et insiste sur l’intérêt spécifique des corpus de presse, qui permettent des études sur périodes courtes. (shrink)

Ce recueil d’articles fait suite à une journée d’étude organisée à Tours en janvier 2008 et qui avait pour objectif de décrire comment le discours, appréhendé à travers des études de corpus, devient un lieu majeur de l’analyse linguistique et un observatoire de certains faits langagiers susceptibles d’être théorisés comme phénomènes sociaux. Les cadres théoriques sollicités sont variés, mais relèvent tous peu ou prou à la fois du courant énonciativiste francophone et de l’école française de l..

Ce numéro de la revue CORPUS est consacré au domaine berbère, l’une des branches de la famille afro-asiatique, et en particulier à la constitution et aux usages de corpus en linguistique berbère. Certains aspects de la structure grammaticale des langues berbères ainsi que de leur diversité étant encore peu connus, l’objectif général de ce volume est de faire progresser notre connaissance de la (micro)variation dans la famille berbère. Tout d’abord, il importe de garder à l’esprit que les (...) lang... (shrink)

L'oeuvre de Pierre Bourdieu est aujourd'hui "utilisée", citée, discutée, critiquée, dans les domaines les plus divers du savoir contemporain : de la sociologie à la philosophie en passant par l'ethnologie, la linguistique, la science politique ou l'économie institutionnaliste. Passant en revue chronologiquement l'essentiel de son oeuvre, ces Lectures de Bourdieu en facilitent une approche génétique, tout en prenant la mesure de la diversité des terrains explorés. Elles permettent aussi de percevoir un style de pensée, un "habitus sociologique" marqué par (...) la réflexivité, tout en inventoriant la "boîte à outil" conceptuels élaborés par Bourdieu (habitus, capital, champ). Ecartant la recherche de l'originalité à tout prix et la fidélité religieuse à un auteur canonique, ces Lectures de Bourdieu invitent à un rapport réaliste à l'héritage théorique de Bourdieu. Il s'agit, d'une part, de proposer un accès à l'oeuvre, de favoriser l'acquisition de schèmes d'interprétation et d'un style de recherche et d'encourager ainsi la lecture des textes originaux. Il s'agit, d'autre part, en se démarquant des travers de l'application mécaniques, tout en renonçant aux profits faciles de la distinction à tout prix et du dépassement à tout crin, d'inviter à l'appropriation active d'un mode de pensée scientifique qui n'exclut en rien les rectifications. (shrink)

What does Saussure really mean by “semiology”? This is the question we try to answer in this text. In fact, reading his writings and notes, we realize that Saussure uses the term “semiology” in different contexts and with different meanings. So the notion of “semiology” issued from his works is more complex than it seems because it undergoes several transformations throughout the development of Saussurian thought. The term “semiology” never appears in the texts published during in his lifetime, but we (...) find several mentions of this notion in the manuscript sources that make up the Saussurian corpus. While this term appears first during the period between 1881 and 1891, especially in all the documents known under the title of Phonétique, in the Gothic lessons, and in the manuscript “De l’essence double du langage”, the notion of “semiology” is presented to the public in the Cours de linguistique générale with a very precise meaning that has been taken up in Adrien Naville’s Nouvelle Classification des sciences. Then, after the publication of a large part of Saussure’s autograph writings, Ecrits de linguistique générale, we can return to this notion not only to trace its genesis, but also to better understand its complexity. And this is what we propose to do in this article. (shrink)

Corpus linguistics grew up in the domain of written (and literary) varieties, while its recent methodological revolution is due to the computer-assisted capacity of elaborating massive amounts of text data. On the other hand, the so-called ‘low-density varieties’, including spoken varieties as well as varieties spoken in minority communities, have been confined to a rather marginal role. Among others, this is due to the technical problems connected to the scarce degree of normalization in linguistic –including graphemic– terms, as well (...) as to the scarcity of language resources for automatic processing. In this paper, we will exploit the possibilities opened by corpus linguistics for acquiring and analyzing the textual patrimony of the Walser German communities of Piedmont and Aosta Valley. The varieties of Highest Alemannic spoken there, dramatically exposed to language decay, provide a limited but significant amount of data, which is accompanied by a substantial lexical documentation due to the active collaboration of the speakers’ communities in collecting and compiling local dictionaries. After briefly introducing our archive and discussing the peculiar solutions adopted for the construction of the platform, we will also present corpus-based morphological investigations regarding the representation of verbal prefixes, of the clitic group, as well as of the inflectional behaviour of verb classes. (shrink)

Dans cet article, nous présentons et discutons de notre méthodologie pour la constitution d’un « petit corpus » comparatif de narration orale en occitan. Il s’agit d’un « petit corpus » nouveau et unique, dans une langue minorisée, ce qui soulève un certain nombre de défis particuliers : la complexité des rapports entre l’écrit et l’oral dans la pratique du conte d’une part, et d’autre part, de nombreuses difficultés méthodologiques (variations diatopique, diachronique et sociolinguistique ; absence de données (...) numérisées ; outils de traitement automatique des langues en cours de développement). Cet article propose non seulement une méthodologie pour la constitution d’un corpus permettant d’explorer divers degrés d’oralité, mais contribue aussi plus globalement au débat sur la problématique des « petits corpus » pour les langues minorisées. (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)

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)

La multiplication des très grands corpus en linguistique historique a entraîné des discussions nombreuses sur les procédures d’annotation et les métadonnées associées, notamment concernant les questions relevant de l’étiquetage morphosyntaxique et de la tokenisation. D’autres sujets cruciaux, en revanche, semblent moins abordés, comme la question de la découpe en propositions ou en « phrases » des données linguistiques, la préservation des informations philologiques ou, encore, la question de l’encodage et des formats de données. Notre contribution explore ces thématiques (...) en prenant exemple sur le corpus MICLE, qui a dû résoudre des difficultés inédites au long de sa constitution. (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)

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)

Cet article se veut une présentation des méthodes principales que nécessitent les études en géolinguistique, un vaste domaine de recherche consacré à l’analyse de la variation, du changement et de la diffusion linguistiques. Je présenterai d’abord les outils méthodologiques d’enquêtes de terrain indispensables à la constitution d’un corpus de matériaux oraux (et visuels) qui permettent des analyses géolinguistiques, dont également celles de type comparatif. Plusieurs de ces concepts pourraient être appliqués à d’autres disciplines des sciences humaines en raison de (...) leur caractère général. Ensuite, je montrerai quelles sont les méthodes cartographiques les plus appropriées pour présenter et représenter la variation géolinguistique. Des données de l’Atlas linguistique des variétés berbères du Rif (Lafkioui 2007) seront utilisées pour illustrer les méthodes examinées. (shrink)

Cette livraison de la revue Langages semble avoir un objectif éditorial officiel, affiché dans son titre, consistant à porter un regard réflexif et critique sur les apports et les limites des (grands) corpus à divers domaines de l’analyse linguistique, et un objectif profond, moins immédiatement perceptible mais sans doute premier dans l’esprit des coordinateurs et particulièrement de Marcel Cori, consistant à remettre à sa juste place la linguistique de corpus accusée d’avoir des ambitions h..

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)

La textométrie propose une approche et des outils pour analyser les corpus numériques, que les chercheurs en sémantique interprétative mettent à profit depuis une quinzaine d’années. Pour éclairer ces réussites, on entreprend ici de repérer des adéquations essentielles entre la théorie linguistique de la sémantique interprétative, et les principes fondateurs de l’approche textométrique. Les connivences sont nombreuses : la place centrale des textes à toutes les étapes de l’analyse, le souci de rester au plus proche du texte et (...) d’éviter toute préconception réductrice, le rôle déterminant du contexte global construit par le corpus de référence, le fonctionnement différentiel des calculs contrastifs comme des tris… Dans le contexte de renouveau actuel des logiciels textométriques, la sémantique interprétative est appelée à nourrir la réflexion théorique sous-jacente. (shrink)

La textométrie propose une approche et des outils pour analyser les corpus numériques, que les chercheurs en sémantique interprétative mettent à profit depuis une quinzaine d’années. Pour éclairer ces réussites, on entreprend ici de repérer des adéquations essentielles entre la théorie linguistique de la sémantique interprétative, et les principes fondateurs de l’approche textométrique. Les connivences sont nombreuses : la place centrale des textes à toutes les étapes de l’analyse, le souci de rester au plus proche du texte et (...) d’éviter toute préconception réductrice, le rôle déterminant du contexte global construit par le corpus de référence, le fonctionnement différentiel des calculs contrastifs comme des tris… Dans le contexte de renouveau actuel des logiciels textométriques, la sémantique interprétative est appelée à nourrir la réflexion théorique sous-jacente. (shrink)

Rendre compte des processus psychologiques qui sous-tendent les stratégies de consultation conçues comme des actions de rassemblement d'informations, de sélection d'un corpus d'images de télévision dans les fonds, corpus à transformer pour procéder à des traitements analytiques ou illustratifs , supposés pertinents pour l'identification et/ou la compréhension des phénomènes étudiés. Les observations et les reconstitutions de séance, donnent accès aux difficultés cognitives de manipulation et d'appropriation des outils et logiciels disponibles. Les jugements métacognitifs qui régulent les clôtures « (...) acceptables » de corpus et la « représentativité typique » des éléments iconiques et linguistiques sélectionnés, sont évoqués pour expliquer la gestion de ces recherches.A study of the psychological processes that underlie the consulting strategies conceived as actions of assembling data, of selecting a corpus of television images from the collections of Inathèque de France, a corpus requring transformation to carry out analytical processing, that are supposed to be relevant to identify or to understand investigated phenomena. The session observations and reconstitutions give access to the cognitive difficulties in handling and adapting available tools and software. The metacognitive assessments that control the "acceptable closures" of corpus and the "typical representativeness" of the iconic and linguistic elements selected, are discussed with a view to explaining how the researchers managed their work. (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)

Résumé Cet article propose une réflexion théorique et méthodologique permettant de décrire et d’interpréter les textscapes à des fins d’analyse communicationnelle. L’objectif consiste à tester le concept sémiotique de textscape linguistique pour analyser la mise en scène des langues dans la communication des organisations sur le web. Le cadre théorique fait appel aux études du paysage linguistique (Linguistic Landscape Studies) et à la théorie des paysages textuels (textscapes). Le corpus est composé de 100 sites web d’organisations économiques (...) (chambres de commerce, clusters économiques, entreprises) qui revendiquent un positionnement à l’échelle transfrontalière européenne. L’étude est menée d’un point de vue statistique (analyse de métadonnées) et qualitatif (analyse sémiotique du textscape linguistique) en vue de préciser la place et les fonctions communicationnelles du textscape linguistique dans la communication multilingue. Les résultats ont permis de dégager les profils d’expression, un scénario sémiotique typique des sites web observés et surtout de localiser les (dés)équilibres communicationnels. (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...

Créer une nouvelle revue est une aventure, stimulante certes, mais risquée aussi, et particulièrement gourmande en temps et en énergie. Il y faut donc de bonnes raisons. Au nombre de celles qui nous ont poussés à créer se trouve le constat que la linguistique de corpus, actuellement très en vogue, ne disposait d'aucun périodique qui lui fût spécifiquement consacré. Les ouvrages collectifs, les manuels de haut niveau, les numéros spéciaux fleurissent, mais de revue régulière, point. L'UMR « B...

Créer une nouvelle revue est une aventure, stimulante certes, mais risquée aussi, et particulièrement gourmande en temps et en énergie. Il y faut donc de bonnes raisons. Au nombre de celles qui nous ont poussés à créer se trouve le constat que la linguistique de corpus, actuellement très en vogue, ne disposait d'aucun périodique qui lui fût spécifiquement consacré. Les ouvrages collectifs, les manuels de haut niveau, les numéros spéciaux fleurissent, mais de revue régulière, point. L'UMR « B.

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)

Marcel Beaufils fut un pedagogue exceptionnel qui exerca une influence decisive sur l'evolution de l'esthetique musicale en France, a partir des annees 50. Or, parmi ses ouvrages, Musique du son, musique du verbe est tres certainement celui qui porte le plus fortement la marque de son activite d'enseignant au Conservatoire National Superieur de Musique de Paris ; cette mission, il semblait l'entendre davantage comme celle d'un declencheur d'idees, catalyseur, plutot que du transmetteur d'un savoir fige une fois pour toutes. Bouleversant (...) toute tentative de classification academique, toute certitude acquise, ce livre laisse des pointilles ; un grand souffle traverse son ecriture. N'en deplaise aux musicographes, il s'agit la d'un ouvrage de creation, qui nous rappelle que Marce Beaufils etait egalement un ecrivain qui savait manier le verbe a la fois en tant que dramaturge et en tant que poete. (shrink)