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...

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 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..

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)

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’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)

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)

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)

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)

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..

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)

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.

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)

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...

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..

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)

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)

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...

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)

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.

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)

La linguistique de corpus a fait avancer ces dernières années l’étude du cliché linguistique en mettant au point des techniques de repérage et de calcul de fréquence de suites syntaxiques à classes de mots identiques. Ce qu’elle appelle le « motif séquenciel » peut trouver une pertinence en analyse du discours en particulier quand il sert de révélateur d’un langage communautaire forgé par des locuteurs en relation idéologique. C’est ce que confirme la présence de motifs séquenciels à (...) lexèmes de même série morphologique dans deux récits sentimentaux publiés à Lyon dans les années 1540. Les formules reprises à l’identique ou sous forme de variante dans les Comptes amoureux et Philandre participent à l’énoncé d’une morale amoureuse défendant de manière polémique la liberté des sujets et l’union charnelle. Ce type de récurrences constitue une manière stimulante d’aborder le phénomène de la variation linguistique dans son interaction avec un réseau communautaire. (shrink)

Depuis la fin du xiiie siècle et le « moment 1300 », l’Occident connaît une large diffusion de savoirs sur l’écrit juridique et gestionnaire. Ces savoirs semblent cependant se limiter à un groupe spécifique, celui des « clercs », « notaires » ou juristes, qui font de cette maîtrise le socle de leur activité professionnelle : apparaissent alors des usages graphiques participant de la construction de cette identité professionnelle. À partir du milieu du xive siècle, cependant, nous pouvons observer une (...) lente appropriation de l’écrit juridique par d’autres que ces professionnels de l’écrit grâce à un nombre de plus en plus important de documents, phénomène qui reste encore largement méconnu. Le manuel de Guillaume Flambart, noble de moyenne envergure et petit officier des forêts, est l’un de ces documents : regroupant des textes de toute nature ayant trait à l’exercice de la justice, il constitue un corpus linguistique de premier choix. La combinaison de plusieurs approches méthodologiques permet de faire émerger des normes graphiques cohérentes au sein de ce manuscrit et, en contre-point, de s’interroger sur l’appartenance de cet homme au groupe des « professionnels de l’écrit ». (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)

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)

Cet article revient sur un corpus de conversations par SMS entre des personnes sourdes qui présentent un bilinguisme entre le français et la Langue des Signes Française. Ce regard rétrospectif sur ce corpus, notamment sur les motifs de son cadrage, l’enquête de terrain préalable à sa collecte, le protocole de collecte en tant que telle, ou le défi que constitue son annotation, permet de discuter des avantages et des limites des positionnements qualitatifs et quantitatifs en amont de la (...) constitution du corpus. Le contexte complexe des enjeux culturels, sociaux, économiques, historiques, identitaires, politiques, et épistémologiques, des sourds bilingues devient une ressource bien plus puissante s’il est envisagé à la fois comme le lieu de l’émergence des discours récoltés, et comme un giron potentiel de la problématisation du rapport entre l’analyste et son objet d’analyse. En décrivant les particularités linguistiques de ce corpus de conversations écrites entre personnes sourdes, cet article cherche à expliciter les écueils analytiques qui peuvent être anticipés ou évités par un travail exploratoire qualitatif tant en amont de la collecte des données et métadonnées, que lors du travail d’analyse. (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)

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)

L’usage de corpus n’est pas réservé aux linguistes. Néanmoins ceux-ci en sont des utilisateurs patentés, du fait, entre autres, que leurs analyses portent sur des productions linguistiques ou langagières non finies dont l’étude ne peut s’opérer que sur un échantillon. Mais pour que l’analyse prétende à quelque validité, cet échantillon doit être représentatif. Représentatif de quoi ? D’une réalité qui à la fois préexiste à l’analyse et qu’il contribue à cerner et à établir. D’où toute une palette de (...) class='Hi'>corpus dont les principaux types en usage dans la discipline, selon les matériaux utilisés, selon la clôture imaginée, selon la fonction assignée…, sont brièvement rappelés. La réflexion est ensuite centrée sur la délimitation de la place et de la fonction du corpus entre faits, analyses et théories ; il est montré, quelques exemples à l’appui, empruntés à la démarche du dialectologue et du lexicologue, que le corpus ne saurait être qu’un construit et que sa construction fait partie intégrante du prisme théorique à travers lequel le linguiste entend appréhender le réel. (shrink)

Cet article propose d’envisager un type particulier de texte, le texte tabulaire, qui s’oppose au texte linéaire, du double point de vue du texte et du corpus. Le texte tabulaire est un texte composé de plusieurs modules, ayant chacun une autonomie relative mais étant interdépendants les uns des autres, regroupés sur un espace matériel borné. L’objectif est double : il s’agit d’une part de décrire, dans une perspective croisée d’analyse du discours et de linguistique textuelle, le fonctionnement de (...) ce type de texte particulier, loin d’être marginal, et par ailleurs d’appliquer ces perspectives au fonctionnement des corpus, qui restent aujourd’hui calqués sur le modèle du texte linéaire. (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)

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.

Le but de cet article est d'apprécier l'interdépendance qui, en matière d'analyse linguistique comme ailleurs solidarise l'approche scientifique et l'objet qu'elle s'est donné.En la circonstance, il s'agira des définitions, des attentes de rendement, bref d'un ensemble de présupposés sous-jacents à l'établissement d'un corpus. L'analyse est ici conditionnée par la nature et les dimensions du terrain couvert, par les connaissances antérieures et les théories qui le préstructurent, mais il ne faut pas se leurrer, nature et dimensions du domaine n'ont (...) pas de légitimité a priori : toute pratique de coupes dans le continuum du réel requiert une justification. Même si certains découpages (périodisations, classifications) semblent naturels, l'évidence n'est que le fruit de nos habitudes culturelles, voire de conventions académiques. Bien des cloisons sont déplaçables, et la délimitation du champ est alors affaire de point de vue. C'est ce qu'on montrera en examinant deux approches connexes, l'analyse du discours vs la linguistique textuelle. Ces disciplines, quoique familières, n'échappent pas à une prévisible confusion, car dans les faits texte et discours ne sont pas séparables : ce n'est qu'à travers l'analyse des textes, objets empiriques, qu'un type de discours est connaissable. A rebours, la reconnaissance du discours manifesté est indispensable à l'interprétation de tel ou tel texte occurrent. Une troisième pratique, qui relie les étapes, trouve ici sa place : la stylistique aujourd'hui explicitement ancrée dans les « sciences du discours », et précisément caractérisée par sa gestion d'un double point de vue sur le 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 propose d’envisager un type particulier de texte, le texte tabulaire, qui s’oppose au texte linéaire, du double point de vue du texte et du corpus. Le texte tabulaire est un texte composé de plusieurs modules, ayant chacun une autonomie relative mais étant interdépendants les uns des autres, regroupés sur un espace matériel borné. L’objectif est double : il s’agit d’une part de décrire, dans une perspective croisée d’analyse du discours et de linguistique textuelle, le fonctionnement de (...) ce type de texte particulier, loin d’être marginal, et par ailleurs d’appliquer ces perspectives au fonctionnement des corpus, qui restent aujourd’hui calqués sur le modèle du texte linéaire. (shrink)

Cet article présente et discute la méthodologie de construction d’un corpus plurilingue en diachronie longue (1681-1914). Puisqu’il n’existait pas de corpus alsacien significatif, un important travail de construction d’un corpus significatif a été mené afin de constituer un corpus documentant les contacts linguistiques dans les écrits des locuteurs-scripteurs alsaciens. Cette tâche a présenté un certain nombre de défis méthodologiques causés par le contact des langues, la variation sociolinguistique et diachronique, le manque de sources primaires et de (...) documents numérisés. Parmi ces défis entrent aussi en compte la complexité du contexte historico-politico-sociolinguistique et les rapports entre oralité et scripturalité. (shrink)

Les récits de vie constituent un corpus apprécié tant par la sociologie que par la sociolinguistique. Cet article vise à distinguer les présupposés épistémologiques de ces deux approches disciplinaires des récits de vie, et à dégager la spécificité de ce type de corpus. A une approche sociologique qui utilise les entretiens biographiques pour en extraire des données factuelles, s’oppose une interprétation des récits à partir de leur matérialité discursive. Partant du présupposé que les récits sont une re-construction (...) class='Hi'>linguistique du monde, il s’agit suivant l’approche sociolinguistique d’opérer une analyse à la fois discursive et interactionnelle des récits de vie, en prenant en compte le contexte interactionnel dont ils sont issus. Une telle approche suppose une conception « ouverte » de la notion de corpus. (shrink)

Le but de cet article est d'apprécier l'interdépendance qui, en matière d'analyse linguistique comme ailleurs solidarise l'approche scientifique et l'objet qu'elle s'est donné.En la circonstance, il s'agira des définitions, des attentes de rendement, bref d'un ensemble de présupposés sous-jacents à l'établissement d'un corpus. L'analyse est ici conditionnée par la nature et les dimensions du terrain couvert, par les connaissances antérieures et les théories qui le préstructurent, mais il ne faut pas se leurrer, nature et dimensions du domaine n'ont (...) pas de légitimité a priori : toute pratique de coupes dans le continuum du réel requiert une justification. Même si certains découpages (périodisations, classifications) semblent naturels, l'évidence n'est que le fruit de nos habitudes culturelles, voire de conventions académiques. Bien des cloisons sont déplaçables, et la délimitation du champ est alors affaire de point de vue. C'est ce qu'on montrera en examinant deux approches connexes, l'analyse du discours vs la linguistique textuelle. Ces disciplines, quoique familières, n'échappent pas à une prévisible confusion, car dans les faits texte et discours ne sont pas séparables : ce n'est qu'à travers l'analyse des textes, objets empiriques, qu'un type de discours est connaissable. A rebours, la reconnaissance du discours manifesté est indispensable à l'interprétation de tel ou tel texte occurrent. Une troisième pratique, qui relie les étapes, trouve ici sa place : la stylistique aujourd'hui explicitement ancrée dans les « sciences du discours », et précisément caractérisée par sa gestion d'un double point de vue sur le corpus. (shrink)

L’usage de corpus n’est pas réservé aux linguistes. Néanmoins ceux-ci en sont des utilisateurs patentés, du fait, entre autres, que leurs analyses portent sur des productions linguistiques ou langagières non finies dont l’étude ne peut s’opérer que sur un échantillon. Mais pour que l’analyse prétende à quelque validité, cet échantillon doit être représentatif. Représentatif de quoi? D’une réalité qui à la fois préexiste à l’analyse et qu’il contribue à cerner et à établir. D’où toute une palette de corpus (...) dont les principaux types en usage dans la discipline, selon les matériaux utilisés, selon la clôture imaginée, selon la fonction assignée…, sont brièvement rappelés. La réflexion est ensuite centrée sur la délimitation de la place et de la fonction du corpus entre faits, analyses et théories ; il est montré, quelques exemples à l’appui, empruntés à la démarche du dialectologue et du lexicologue, que le corpus ne saurait être qu’un construit et que sa construction fait partie intégrante du prisme théorique à travers lequel le linguiste entend appréhender le réel. (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)

Partant du substrat intellectuel et scientifique sur lequel repose, en dernière analyse, l’Atlas linguistique de la France (ALF : 1902-1910) de Jules Gilliéron (1854-1926), cet article envisage l’évolution ultérieure de la géographie linguistique « atlantiste », surtout sous l’égide de Karl Jaberg (1877-1958) et Jakob Jud (1882-1952), auteurs de l’atlas italo-suisse AIS, et des promoteurs des Nouveaux atlas linguistiques de la France (NALFs) à partir de 1950. Il en appert que l’orientation théorique de base et la recherche inconditionnée (...) de l’intercomparabilité des données d’atlas collectées ont fini par céder devant une « faim empirique » générale qui risque de saper la raison d’être de la géographie linguistique à proprement parler. A la fin, il est fait mention des deux parties de l’atlas linguistique ladin ALD, publiées – chaque fois en 7 volumes – en 1998 et en 2012, qui ont été élaborées dans le plus strict respect des principes « atlantistes » de Jules Gilliéron. (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)

This article deals with English causal subordinate clauses introduced by since or as. Both these markers may convey different meanings according to contextual variations, and can express temporal relations, from which their causal value is derived. The semantic closeness between as and since whenever they express a causal relation makes it necessary to harvest a large number of attested examples in order to compare and contrast them. The recourse to large on-line corpora such as the British National Corpus gives (...) rise to specific practical difficulties, however, especially as far as as is concerned; because of the high frequency of the subordinators in question, one is confronted to thousands of examples, few of which turn out to have a clear causal value in the case of as, hence the recourse to other means in order to make up a large enough corpus of examples.The concept of presupposition is examined, as it has often been argued that causal since subordinates, unlike as subordinates, introduce a presupposed content. But when confronted to a large number of examples, this criterion falls short of accounting for the subtle differences between the two conjunctions. A more theoretical approach is required; thanks to the tools provided by A. Culioli’s Theory of Enunciative and Predicative Operations, it becomes possible to formalise the hypothesis that a since causal relationship is presented as unproblematic and is addressee-oriented, whereas an as causal relationship is felt as unproblematic, and is speaker-oriented.This difference can be felt in the fact that it seems to be easier to find examples of causal as clauses in the press, while the causal use of since is more widespread in general, and does not seem to be specific to a genre in particular. In order to put this impression to the test, I have resorted to the multi-lingual parallel corpus Intercorp. (shrink)

Les récits de vie constituent un corpus apprécié tant par la sociologie que par la sociolinguistique. Cet article vise à distinguer les présupposés épistémologiques de ces deux approches disciplinaires des récits de vie, et à dégager la spécificité de ce type de corpus. A une approche sociologique qui utilise les entretiens biographiques pour en extraire des données factuelles, s’oppose une interprétation des récits à partir de leur matérialité discursive. Partant du présupposé que les récits sont une re-construction (...) class='Hi'>linguistique du monde, il s’agit suivant l’approche sociolinguistique d’opérer une analyse à la fois discursive et interactionnelle des récits de vie, en prenant en compte le contexte interactionnel dont ils sont issus. Une telle approche suppose une conception « ouverte » de la notion de corpus. (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 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)

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)

Une question lancée comme un défi a sous-tendu ce numéro de Corpus. Parallèlement aux linguistiques de corpus qui commencent à être clairement établies, serait-il envisageable de définir une stylistique de corpus ? Ou bien formulé autrement, que peut être un corpus pertinent en stylistique ? Quelles sont ses spécificités, si elles existent ? Articulant la problématique du corpus et l’analyse stylistique, les contributeurs explorent ce faisant des enjeux épistémologiques qui font envisager un..