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)

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)

Dans le cadre de la collecte des corpus oraux et multimodaux en Sciences Humaines et Sociales (SHS), le respect de l’application du nouveau Règlement Général sur la Protection des Données à caractère personnel provoque un profond bouleversement dans l’organisation et les méthodes de travail des chercheurs. C’est aussi le cas de la Loi Jardé, relative aux recherches impliquant la personne humaine, qui a étendu la notion de protection des personnes au-delà du champ de la recherche biomédicale. Ces deux importants (...) changements de cadre législatif obligent aujourd’hui la communauté scientifique à s’interroger à la fois sur la protection de la personne et sur la protection des données à caractère personnel.En définitive, avant d’initier un travail de recherche, un important travail de réflexion et d’actions est à mettre en place pour collecter des données dans le respect de la réglementation de protection des données et du cadre législatif de protection de la personne humaine. Identifier les difficultés pour envisager les solutions les plus adaptées est la mission que s’est fixée le groupe de réflexion constitué autour de la question « éthique » au Laboratoire Parole et Langage (LPL 2020). Nous proposerons dans cet article les réflexions argumentées de notre groupe sur l’impact de ces nouvelles réglementations sur les recherches en linguistique. (shrink)

Depuis les années soixante-dix et le corpus de Montréal (Sankoff et al., 1976), les corpus oraux et multimodaux ont été au cœur des transformations technologiques, méthodologiques et théoriques de la linguistique sur corpus numériques, reconfigurant les attentes en matière de conservation des documents sonores. Les outils et instruments de transcription, d’annotation, de traitement du signal, de textométrie, de visualisation, et plus généralement tous les outils du TAL et du traitement de don...

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)

L’article permet de préciser quelques spécificités du corpus CFPP2000 et montre à partir de l’exemple des interrogatives indirectes (percontatives) comment ce corpus peut contribuer à une description de ce que nous appelons « la langue commune ». Dans un premier temps, nous rappelons les choix qui ont présidé à la confection du CFPP2000. Puis nous examinons les types d’interrogatives indirectes qui apparaissent dans le CFPP2000, avec des fréquences variées. Les interrogatives indirectes selon la norme grammaticale (...) dominent. Cependant les interrogatives indirectes en « est-ce que » sont bien représentées et elles apparaissent chez des locuteurs de toutes les origines sociales montrant que le corpus CFPP2000 ne se confond pas avec ce standard des grammaires. En revanche, les percontatives in situ sont très rares et plusieurs indices montrent qu’il s’agit encore de formes stigmatisées. (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)

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 corpus de littéracie avancée réunit des écrits universitaires et professionnels produits par des étudiants du niveau Licence 1 au Master 2. Il contient actuellement 338 textes (+ d’1 million de mots) et est mis à disposition au format xml, assorti de métadonnées (niveau, discipline, genre, consigne d’écriture etc.). Il est à la fois un aboutissement et un point de départ dans le champ de la littéracie avancée : parce que l’enjeu n’est pas tant de constituer des corpus (...) que de les savoir utilisés et de nourrir les recherches actuelles et futures, il est pensé comme un construit évolutif. L’article expose d’abord les objectifs du corpus : le premier, d’ordre descriptif est de cerner les compétences rédactionnelles et les besoins de formation à un niveau avancé ; le second, d’ordre didactique, est qu’il sert de ressource pour la formation, notamment pour des activités d’observation et de manipulation par les apprenants. Sont ensuite présentées les métadonnées, conçues en phase avec les recommandations de la TEI et dans la perspective d’un outillage des linguistes et des didacticiens dans le champ de la littéracie avancée. Enfin, l’article met en évidence les potentialités du corpus : intégrer des données sur les processus d’écriture et des textes annotés par des relecteurs-correcteurs, élaborer des dispositifs didactiques à l’échelle textuelle. à terme, le corpus gagnera à être associé à des outils de requête et à s’enrichir d’annotations diverses, selon les besoins des chercheurs et des formateurs. (shrink)

Cet article présente les diverses manières de constituer un corpus en analyse du discours, et plus particulièrement dans le domaine de l’analyse du discours du côté de l’histoire. Il adopte une perspective historique, en prenant comme point de départ la configuration initiale des années 1970. Cependant, il s’agit aussi d’accorder une importance particulière à la formation de « corpus réflexifs », tant du côté de la lexicométrie que de l’archive et du matériau d’enquête. La notion de réflexivité du (...) discours apparaît alors au centre de toute interrogation sur la constitution des nouveaux corpus. (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)

La comparaison de deux corpus d’enquêtes sociolinguistiques réalisés à quarante ans d’intervalle permet de mettre en perspective certains aspects centraux de la constitution des données et d’interroger, par delà une description des différents choix méthodologiques et théoriques opérés, la place des données dans la linguistique de corpus.

L’interrogation en Italie du Nord : ce que les corpus nous disent et les questions qu’ils laissent ouvertesCet article traite de l’interrogation dans les variétés de l’Italie du Nord, plus précisément celles du ladin dolomitique. Une discussion sur les corpus disponibles, leurs avantages et leurs inconvénients est complétée par la présentation de mes enquêtes dialectales : méthodologie et données recueillies. Ainsi, on verra comment la recherche basée sur des corpus déjà existants et l’enquête de terrain peuvent se (...) compléter, les données des atlas linguistiques offrant un point de départ indispensable à des investigations plus spécifiques et nécessaires. (shrink)

L’interrogation en Italie du Nord : ce que les corpus nous disent et les questions qu’ils laissent ouvertesCet article traite de l’interrogation dans les variétés de l’Italie du Nord, plus précisément celles du ladin dolomitique. Une discussion sur les corpus disponibles, leurs avantages et leurs inconvénients est complétée par la présentation de mes enquêtes dialectales : méthodologie et données recueillies. Ainsi, on verra comment la recherche basée sur des corpus déjà existants et l’enquête de terrain peuvent se (...) compléter, les données des atlas linguistiques offrant un point de départ indispensable à des investigations plus spécifiques et nécessaires. (shrink)

En considérant les occurrences orales de différents emplois de la périphrase en aller + infinitif décrits par Bres et Labeau (2012a), cet article illustre la contribution positive des corpus oraux, et particulièrement du nouveau Corpus de français parlé à Bruxelles (CFPB) – au rassemblement d’occurrences authentiques de phénomènes linguistiques peu étudiés, au test de leurs descriptions théoriques, mais aussi à l’enrichissement de celles-ci.

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)

Cet article présente les diverses manières de constituer un corpus en analyse du discours, et plus particulièrement dans le domaine de l’analyse du discours du côté de l’histoire. Il adopte une perspective historique, en prenant comme point de départ la configuration initiale des années 1970. Cependant, il s’agit aussi d’accorder une importance particulière à la formation de « corpus réflexifs », tant du côté de la lexicométrie que de l’archive et du matériau d’enquête. La notion de réflexivité du (...) discours apparaît alors au centre de toute interrogation sur la constitution des nouveaux corpus. (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)

La comparaison de deux corpus d’enquêtes sociolinguistiques réalisés à quarante ans d’intervalle permet de mettre en perspective certains aspects centraux de la constitution des données et d’interroger, par delà une description des différents choix méthodologiques et théoriques opérés, la place des données dans la linguistique de corpus.

Cet article synthétise les acquis et développements issus de projets de recherche menés depuis 2013 à propos de l’analyse d’un type particulier de données CMC (Computer-mediated communication) : les tweets politiques. Après une caractérisation de ce genre de discours, et des problématiques soulevées, l’article développe les enjeux de l’exploration des corpus de ce genre ; l’appréhension et la constitution de ces données sociales en corpus ; la production de résultats scientifiques, et la mise en place de différents types (...) d’exploration de corpus. Les méthodes de constitution de corpus, la standardisation et la mise au format TEI, l’utilisation d’outils d’analyse des données textuelles, et le développement de plateformes, sont ainsi présentés, comme différents points d’une même recherche qui vise à caractériser et comprendre une pratique sociale avec une méthode scientifique et une portée citoyenne. L’exploration de corpus peut ainsi passer par des nouvelles productions de ressources, outils, interfaces, dont l’interactivité, l’hypertextualité, et l’ouverture, garantissent la validité des corpus, et la possibilité d’y accéder de manière contextuelle, et outillée. (shrink)

Work on advice has concentrated on institutional settings where there are restrictions on roles, actions and their organisation. This article focuses on advice giving in mundane settings: interactions between mothers and their young-adult daughters in a corpus of 51 telephone calls. Analysis reveals a range of designs that can be ‘advice implicative’ including advice-implicative interrogatives and advice-implicative assessments. Recipients orient to the characteristic features these implicit forms share with more explicit advice: normative pressure on the recipient’s conduct and (...) epistemic asymmetry between advisor and advisee. Advice-implicative actions orient to contingencies on the recipient’s ability or willingness to perform the target action. They also display varying degrees of entitlement over the recipient’s performance of the target action. Manipulating contingency and entitlement can soften or heighten both the normative thrust and the knowledge asymmetry of the advice giving. This analysis further discusses the distinction between the practices of advising, directing and requesting, and allows consideration of how action design connects to relationality between parties. (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...

Hyperbase est un logiciel d’Analyse de Données Textuelles (ADT) qui offre une suite d’outils statistiques dédiés à l’étude de corpus. Initialement développé sur ordinateur de bureau, il se décline depuis 2015 en plateforme web offrant une interface à l’ergonomie travaillée pour un usage tourné vers les sciences humaines et sociales. Après un rappel méthodologique de l’ADT, cette contribution présente Hyperbase Web version 2024, à partir d’exemples concrets d’usages, de notes techniques ainsi que des entrées par le menu (manuel d’utilisateur). (...) Cette présentation sert de référence pour la prise en main du logiciel ou l’utilisation avancée des méthodes d’ADT. (shrink)

lecting statistics about missing bindings and macros, and other errors. This guides debugging and development efforts, leading to iterative improvements in both the tools and the quality of the converted corpus. The build system thus serves as both a production conversion engine and software test harness. We have now processed the complete arχiv collection through 2006 consisting of more than 400,000 documents (a complete run is a processor-yearsize undertaking), continuously improving our success rate. We are now able to convert (...) more than 90% of these documents to XHTML+MathML. We consider over 60% to be successes, converted with no or minor warnings. While the remaining 30% can also be converted, their quality is doubtful, due to unsupported macros or conversion errors. (shrink)

L’adjectif prochain fait partie de ces adjectifs que Schnedecker (2002a) nomme « les adjectifs du troisième type ». Ni qualificatifs ni relationnels, souvent marginalisés, ces derniers possèdent des caractéristiques qui n’ont fait l’objet d’aucune étude systématique sur corpus. Nous nous proposons de combler cette lacune en réalisant une analyse distributionnelle de prochain dans différents genres textuels (oraux et écrits). Dans un premier temps, l’analyse portera sur les phénomènes de sélection lexicale qui apparaissent dans les emplois attestés et qui semblent (...) fortement conditionnés par la position de l’adjectif par rapport à son nom recteur. Nous verrons également que le nombre du nom recteur impose des contraintes d’emploi qui ont été peu détaillées dans les travaux antérieurs. Dans un deuxième temps, nous nous intéresserons aux noms recteurs, tels fois, saison et siècle, dont le fonctionnement diffère. L’étude sera l’occasion de comparer la description sur corpus avec celle proposée par Berthonneau (2002), basée sur une analyse introspective. La comparaison permettra de mettre en évidence les spécificités et les limites des deux approches. Une démarche similaire sera développée à partir des entrées de quelques dictionnaires. Au-delà de l’analyse de détail, l’article a pour objectif de présenter les bases descriptives permettant de problématiser le statut catégoriel de prochain. (shrink)

L’adjectif prochain fait partie de ces adjectifs que Schnedecker (2002a) nomme « les adjectifs du troisième type ». Ni qualificatifs ni relationnels, souvent marginalisés, ces derniers possèdent des caractéristiques qui n’ont fait l’objet d’aucune étude systématique sur corpus. Nous nous proposons de combler cette lacune en réalisant une analyse distributionnelle de prochain dans différents genres textuels (oraux et écrits). Dans un premier temps, l’analyse portera sur les phénomènes de sélection lexicale qui apparaissent dans les emplois attestés et qui semblent (...) fortement conditionnés par la position de l’adjectif par rapport à son nom recteur. Nous verrons également que le nombre du nom recteur impose des contraintes d’emploi qui ont été peu détaillées dans les travaux antérieurs. Dans un deuxième temps, nous nous intéresserons aux noms recteurs, tels fois, saison et siècle, dont le fonctionnement diffère. L’étude sera l’occasion de comparer la description sur corpus avec celle proposée par Berthonneau (2002), basée sur une analyse introspective. La comparaison permettra de mettre en évidence les spécificités et les limites des deux approches. Une démarche similaire sera développée à partir des entrées de quelques dictionnaires. Au-delà de l’analyse de détail, l’article a pour objectif de présenter les bases descriptives permettant de problématiser le statut catégoriel de prochain. (shrink)

Sur un corpus de contes du xviie où les discours directs ne sont pas typographiquement marqués, nous procédons à un balisage des séquences des discours représentés en vue de caractériser les modes d’articulation du discours direct aux autres types de séquences. L’analyse textométrique s’appuie sur le balisage TEI des séquences et le langage de requête CQL de TXM. Pour ce faire, nous analysons l’interaction entre les segments introducteurs, les incises et la ponctuation gauche du DD. Ainsi nous avons pu (...) dégager le trait vicariant de l’incise et du segment introducteur. Les propriétés syntaxiques des frontières entre discours narratorial et DD sont étudiées selon qu’il existe une incise ou un segment introducteur dans le contexte gauche du DD. (shrink)

L’adjectif prochain fait partie de ces adjectifs que Schnedecker (2002a) nomme « les adjectifs du troisième type ». Ni qualificatifs ni relationnels, souvent marginalisés, ces derniers possèdent des caractéristiques qui n’ont fait l’objet d’aucune étude systématique sur corpus. Nous nous proposons de combler cette lacune en réalisant une analyse distributionnelle de prochain dans différents genres textuels (oraux et écrits). Dans un premier temps, l’analyse portera sur les phénomènes de sélection lexicale qui apparaissent dans les emplois attestés et qui semblent (...) fortement conditionnés par la position de l’adjectif par rapport à son nom recteur. Nous verrons également que le nombre du nom recteur impose des contraintes d’emploi qui ont été peu détaillées dans les travaux antérieurs. Dans un deuxième temps, nous nous intéresserons aux noms recteurs, tels fois, saison et siècle, dont le fonctionnement diffère. L’étude sera l’occasion de comparer la description sur corpus avec celle proposée par Berthonneau (2002), basée sur une analyse introspective. La comparaison permettra de mettre en évidence les spécificités et les limites des deux approches. Une démarche similaire sera développée à partir des entrées de quelques dictionnaires. Au-delà de l’analyse de détail, l’article a pour objectif de présenter les bases descriptives permettant de problématiser le statut catégoriel de prochain. (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)

This article pursues the exploration of how contemporary works of deconstruction can challenge preconceptions of the body and embodiments and interrogate their limits, particularly in relation to intertwined foldings of desire, gender, race and sexuality. Through readings of Jacques Derrida and Sarah Kofman, the authors show that deconstruction allows for an understanding of the body or bodies that goes beyond the present body — indexed as human, male, white, able, living body — thus opening up towards the thinking of bodies (...) and corporealities exceeding the limitations of Christian transsubstantiation and of the Eucharist. The deconstructive body is not one of communion; it is one of (self-)interruption, différance and non-presence. It is the other's body — or the body as otherly. The authors then analyse the ethical-political implications of this thinking of another body, one inassimilable by Western metaphysics, and marked by incalculable sexual differences, animality, undecidable life-death, machinicity, monstrosity, and so on. (shrink)

L’article présente le projet ORFEO (outils pour l’étude du Français écrit et oral). Ce projet a consisté à rassembler 4M de mots de Français oral et 6M de mots d’écrit à partir de ressources existantes. Les ressources orales ont été unifiées dans un format trs et alignées avec les fichiers sons au phonème. Les corpus sont présentés avec des métadonnées qui permettent de constituer des sous-corpus d’étude. Les données orales ont été segmentées et annotées en POS et relations (...) de dépendance semi automatiquement. La précision des annotations a fait l’objet d’une évaluation. L’ensemble est interrogeable à partir d’une plateforme adaptée du logiciel libre ANNIS. La ressource sera mise à disposition en open source courant 2017. (shrink)

The ARXMLIV corpus is a remarkable collection of text containing scientific mathematical discourse. With more than half a million documents, it is an ambitious target for large scale linguistic and semantic analysis, requiring a generalized and distributed approach. In this paper we implement an architecture which solves and automates the issues of knowledge representation and knowledge management, providing an abstraction layer for distributed development of semantic analysis tools. Furthermore, we enable document interaction and visualization and present current implementations of (...) semantic tools and follow-up applications using this architecture. We identify five different stages, or purposes, which such architecture needs to address, encapsulating each in an independent module. These stages are determined by the different properties of the document formats used, as well as the state of processing and linguistic enrichment introduced so far. We discuss the need of migration between XML representations and the challenges it would pose on our system, revealing the benefits and trade-off of each format we employ. In the heart of the architecture lies the Semantic Blackboard module. The Semantic Blackboard comprises a system based on a centralized RDF database which can facilitate distributed corpus analysis of arbitrary applications, or analysis modules. This is achieved by providing a document abstraction layer and a mechanism for storing, reusing and communicating results via RDF stand-off annotations deposited in the central database. Achieving a properly encapsulated and automated pipeline from the input corpus document to a semantically enriched output in a state-of-the-art representation is the task of the Preprocessing, Semantic Result and Output Generation modules. Each of them addresses the task of format migration and enhances the document for further semantic enrichment or aggregation. The fifth module, targeting Visualization and Feedback, enables user interaction and display of different stages of processing.. (shrink)

La base de données orales de français de Suisse romande (OFROM) contient des transcriptions d’enregistrements auxquels ont participé des locuteurs nés et vivant en Suisse. Elle a été créée par des linguistes soucieux de documenter les usages oraux du français en Suisse romande, et de combler ainsi le retard dans la description des usages oraux de la langue parlée dans cette partie de la francophonie, notamment sur le plan du lexique, de la syntaxe et de la phonologie. La base de (...) données OFROM a été mise en ligne en décembre 2012 ; elle est encore jeune et d’ampleur modeste (65 heures de parole pour près de 410 000 mots transcrits, au moment où nous écrivons), mais il est prévu de l’enrichir et de la diversifier régulièrement au cours des années à venir. La première partie de cet article présente les principes fondamentaux qui ont guidé la constitution de la base (choix des locuteurs, des supports et conventions de transcription, annotations, etc.). La seconde partie contient les résultats obtenus à l’issue d’études en cours ou de sondages prospectifs, portant sur la variation lexicale et la variation syntaxique. Ils permettront d’illustrer quelques-unes des potentialités qu’offrent la base et son moteur de recherche. (shrink)

Cet article propose d'interroger la notion de contextualisation à partir d'une perspective d'analyse textuelle des discours. La contextualisation est ici définie comme le processus par lequel le chercheur tente d’établir la pertinence d’une mise en relation entre un texte et un autre (ou plusieurs autres) et de leur regroupement au sein d’un corpus. Trois critères (générique, auctorial et thématique) sont identifiés, autorisant les passages de texte à texte(s) et dessinant ce que nous suggérons d'appeler des sphères de contextualisation. Finalement, (...) une hiérarchisation et des articulations possibles entre ces trois sphères sont envisagées. (shrink)

Cet article propose d'interroger la notion de contextualisation à partir d'une perspective d'analyse textuelle des discours. La contextualisation est ici définie comme le processus par lequel le chercheur tente d’établir la pertinence d’une mise en relation entre un texte et un autre (ou plusieurs autres) et de leur regroupement au sein d’un corpus. Trois critères (générique, auctorial et thématique) sont identifiés, autorisant les passages de texte à texte(s) et dessinant ce que nous suggérons d'appeler des sphères de contextualisation. Finalement, (...) une hiérarchisation et des articulations possibles entre ces trois sphères sont envisagées. (shrink)

Cet article détaille la méthodologie mise en place dans le projet EMOLEX qui a abouti à la mise à disposition de corpus multilingues, d’interfaces d’interrogation et d’analyse de ces corpus ainsi que d’applications permettant d’exploiter les analyses linguistiques portant sur le lexique des affects dans cinq langues européennes.

L’objectif de cet article est double : il s’agit, d’une part, de présenter un nouveau corpus permettant d’envisager le phénomène émergent de la communication transfrontalière en Europe et, d’autre part, de formuler trois questionnements utiles au cadrage de son analyse sémantique. À partir du corpus eurorégional – multilingue et multigenre – nous posons les questions de la dispersion des discours en ligne, de l’hétérogénéité des données et de la contextualisation de l’analyse. Notre démarche consiste à construire progressivement un (...) modèle d’analyse adapté à l’appréhension, tantôt automatique et tantôt manuelle, de la diversité des textes. Enfin, nous proposons d’illustrer la démarche en l’appliquant à la mobilité, observable récurrent du corpus. (shrink)

Cet ouvrage a été réalisé à partir de la thèse soutenue par l’auteur le premier décembre 2006 à Paris IV. Le titre met bien en évidence les multiples systèmes de la langue dans lequel intervient le terme étudié, que l’on a pu caractériser de « Protée syntaxique ». Dès l’introduction, le problème est bien posé et la démarche bien explicitée avec l’annonce d’un plan justifié par la place donnée à la perspective historique – ce qui ne surprend pas chez un (...) jeune chercheur qui s’est intéressé à pl.. (shrink)

Cet ouvrage a été réalisé à partir de la thèse soutenue par l’auteur le premier décembre 2006 à Paris IV. Le titre met bien en évidence les multiples systèmes de la langue dans lequel intervient le terme étudié, que l’on a pu caractériser de « Protée syntaxique ». Dès l’introduction, le problème est bien posé et la démarche bien explicitée avec l’annonce d’un plan justifié par la place donnée à la perspective historique – ce qui ne surprend pas chez un (...) jeune chercheur qui s’est intéressé à pl... (shrink)

This article takes its inspiration from Jacques Derrida to consider how deconstructionism can be done inadvertently. This possibility is underscored when one considers how a very significant phrase in Ifá texts— “A díá fún...” has been construed away from its transliteration as “Ifá divination was performed for...” by each of Oluwole and Karenga. Oluwole justifies her “deconstruction” on the grounds that such transliteration does not capture the philosophic cogs gravid within Ifá verses. Karenga, through his Kawaida methodology, “improvises” to suit (...) the ethical inferences he seeks to deduce out of the corpus. On this showing, this research infers that each of these scholars have engaged in a reflective activity that passes, on Derrida’s reading, as deconstruction, unbeknownst to them. Would they admit that their intellectual drudgeries amount to postmodern philosophy? This is the primary research question that this disquisition interrogates. (shrink)

Erik J. Olsson and David Westlund have recently argued that the standard belief revision representation of an epistemic state is defective. In order to adequately model an epistemic state one needs, in addition to a belief set K and an entrenchment relation E, a research agenda A, i.e. a set of questions satisfying certain corpus-relative preconditions the agent would like to have answers to. Informally, the preconditions guarantee that the set of potential answers represent a partition of possible expansions (...) of K, hence are equivalent to well-behaved sets of alternative hypotheses. (shrink)

Résumé Cette question pointe vers des domaines encore mal définis du contexte des théologies contemporaines. Ce contexte est à peine esquissé : l’essai se concentre sur l’état classique de la théologie telle qu’elle est entendue communément, depuis son héritage patristique mâle et clérical. L’interrogation sonde ce corpus à l’aide des propositions faites par Henri Meschonnic et par Jacques Derrida.The title of this paper directs our attention towards as-yet uncharted domains in contemporary theology. However, this aspect of the paper is (...) only sketched out, as it is primarily concerned with theology as it is commonly understood, that is, the legacy of the male, clerical Fathers. This corpus is examined using propositions put forth by Henri Meschonnic and by Jacques Derrida. (shrink)

Le présent article retrace les étapes qui ont présidé à l’élaboration d’une base de données d’exemples de structures à subordonnées comparatives du français. Ce travail a été réalisé dans le cadre du projet « Structures à Subordonnées Comparatives du français » (SCF). Piloté par le laboratoire LaTTiCe sous la direction de C. Fuchs, ce projet a réuni des membres de quatre laboratoires français : B. Combettes et A. Kuyumcuyan (ATILF, Nancy), C. Guimier (CRISCO, Caen), N. Fournier et M. Morinièr..

Le présent article retrace les étapes qui ont présidé à l’élaboration d’une base de données d’exemples de structures à subordonnées comparatives du français. Ce travail a été réalisé dans le cadre du projet « Structures à Subordonnées Comparatives du français » (SCF). Piloté par le laboratoire LaTTiCe sous la direction de C. Fuchs, ce projet a réuni des membres de quatre laboratoires français : B. Combettes et A. Kuyumcuyan (ATILF, Nancy), C. Guimier (CRISCO, Caen), N. Fournier et M. Morinièr...