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

L’évolution industrielle nous destine à vivre dans des environnements technologiques caractérisés par une dissémination informatique totale dans la multitude et d’objets connectés capables de traitement sémantique et d’interaction informationnelle avec les humains. Dans ce contexte d’Intelligence ambiante se déploient des dispositifs domotiques d’Interactions dites naturelles Homme / machine. Ainsi de Google Home présenté comme : « une enceinte à commande vocale qui fonctionne avec l'Assistant Google ». On pourra tout aussi bien discuter avec les agents de la concurrence : (...) Amazon Echo, Apple HomePod, etc. Ces dispositifs nous conduisent à interroger une étape contemporaine majeure de « la révolution technologique du langage » et de son automatisation, qui fait des machines de réels sujets parlants, inscrits dans un « couplage humano-machinique ». Dans ce contexte fortement marqué par les affordances, nous observons les modalités de cette interaction artéfactuelle et dite naturelle, caractérisée notamment par une simulation conversationnelle et une personnalisation des dispositifs technologiques. La perspective est celle d’une linguistique post-dualiste et non logocentrée, dans la lignée du courant de l’analyse du discours : Texte-Discours-Interaction. (shrink)

Depuis la fin des années 1970, le programme NALC-BDLC collecte des données dialectales auprès de locuteurs natifs dans l’ensemble de la Corse et dans le nord de la Sardaigne. Les enquêtes ethnolinguistiques de terrain sont menées sous la forme d’entretiens semi-dirigés avec l’aide de questionnaires thématiques. Cette entreprise au long cours a permis de rassembler un matériel linguistique riche, mais a parallèlement connu diverses évolutions – méthodologiques et technologiques – rendant la version actuelle partielle. Avant de décrire l’analyse menée pour (...) combler ces déficits, les possibilités offertes aujourd’hui sont exposées et mises en perspectives par rapport à celles de la version historique. Notre démarche dépasse cependant la « simple restauration » du système et s’envisage en deux directions : d’une part la mise en œuvre d’un projet de recherches qui renforcera les dimensions morphologie et syntaxe de la base, d’autre part l’application des techniques du Traitement Automatique du Langage (TAL) pour le développement du programme. (shrink)

Le livre de Yana Grinshpun est consacré à une particule qui a peu attiré l’attention jusqu’ici, probablement parce que son usage est réservé au discours écrit littéraire. Dans une première partie historique, l’auteure présente sommairement l’emploi de la particule en grec ancien, en latin et en français puis analyse son traitement dans les grammaires depuis l’Antiquité et dans les dictionnaires français du XVIe-XIXe siècles. Outre la caractérisation incertaine de ô – tantôt considéré comme in...

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)

Cet article s’intéresse aux conditions de constitution d’un corpus d’écrits sociaux du point de vue de l’analyse de discours (AD) et s’interroge sur la résolution des difficultés liées à sa contextualisation et à son exploration automatique. Nous serons ainsi amenées à proposer une approche multidimensionnelle de la co(n)textualité, qui opère des va-et-vient entre les formes linguistiques et les extérieurs des textes.

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)

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)

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)

La linguistique se penche sur les émotions afin de décrire les moyens langagiers de les exprimer ou de les représenter, tant au niveau de la structure de la langue que de l'interaction dans le discours. Par là même, elle met en exergue l'ubiquité des émotions dans le langage. Les contributions du volume Cartographie des émotions s'attachent à mettre à plat les liens entre langues et émotions. Elles cherchent à catégoriser, délimiter, appréhender les affects pour mieux comprendre les enjeux (...) linguistiques et sociolinguistiques de l'expression émotionnelle. On observera ainsi les champs lexicaux et les différents réseaux sémantiques qui s'y mettent en place, les combinatoires lexicales dans de grands corpus, les stratégies intonatives et syntaxiques auxquelles les locuteurs ont recours, les différences et les ressemblances entre les langues au niveau de l'expression des émotions, ainsi que la dimension pragmatique de l'expression émotionnelle et son impact sur les discours et leur interprétation. L'ouvrage ne s'adresse pas seulement aux étudiants et chercheurs en sciences du langage, communication, sociologie, traductologie, mais aussi à tous ceux qui travaillent sur l'interface émotion et communication et que passionne la complexité du langage et des langues. (shrink)

Avec les Sophistes, puis Platon et Aristote, les grands philosophes de l’Antiquité classique ont démontré un intérêt marqué pour la question du langage, que ce soit dans ses parties constitutives ou dans sa dimension pragmatique. En revanche, les traces d’une réflexion explicite remontant aux corpus archaïques sont, elles, plus diffuses. Dans le cadre de mon article, scindé en deux parties, je proposerai, tout d’abord, une présentation synthétique des fragments explicites d’Héraclite d’Éphèse – lesquels reposent sur le lexique du λόγος (...) et de l’ὄνομα –, avant que de plonger dans l’analyse détaillée de trois séquences implicites – à savoir B25, B48 et B121 –, ce afin de démontrer que, d’une part, il existe, chez ce penseur archaïque, une perception plus ou moins aiguë des structures de la langue, que, d’autre part, celle-ci se déploie chez lui non pas en une réflexion autonome, mais au travers même de l’usage pratique qui en est fait et que, finalement, cette réflexion enclose dans son objet se révèle au moins aussi intéressante que celle reposant sur le vocabulaire précité. La lecture ciblée de ces séquences permettra de démontrer que, dans une époque antérieure aux grandes formalisations des philosophes et des grammairiens grecs, les structures éminemment complexes mises en place par le poète suggèrent, et parfois démontrent, une compréhension profonde de l’unité de la langue comme organe coordonné et des articulations qui la composent. (shrink)

RÉSUMÉĽarticle décrit brièvement les méthodes du Centre de Traitement Electronique des Documents de ľUniversité Catholique de Louvain. La pratique courante de ce Centre est de procéder par enregistrements intégraux; ceux‐ci peuvent être soumis à des analyses diverses présentant des niveaux ?approfondissement croissants. Ľauteur évoque rapidement les principaux résultats réalisables grâce aux programmes ?ordinateur dès à présent opérationnels. Il met en relief ľintérêt que présente ľapplication de ces méthodes aux textes philosophiques et note les travaux réalisés au Centre en (...) ce domaine. (shrink)

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

Le module ESLO-Enfants est un corpus variationniste longitudinal issu du grand corpus de langue française : Enquêtes SocioLinguistiques à Orléans (ESLO). Variationniste car il s’appuie sur un public varié (enfants de 2 ans à 7 ans avec leur entourage proche) provenant de familles de différentes catégories socio-économico-culturelles et enregistré dans des situations naturelles variées formant le quotidien des enfants. Ce corpus, qui sera mis à disposition à la fois sur ESLO et Childes, a été créé dans le but d’étudier l’impact (...) de l’environnement langagier (input) sur les productions enfantines (output). Pour cette étude, la liaison, objet à la fois stable et variable, s’est révélée être un phénomène sociolinguistique propice pour observer sa transmission à des enfants en cours d’acquisition du langage mais aussi pour observer d’éventuelles différences entre les familles. (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)

Le présent article revient sur la polémique qui anime les sphères politiques européenne et française depuis les années 1990 autour de la suppression du mot « race » des textes normatifs. Au-delà des enjeux idéologiques que ce débat cristallise, il propose d’élargir la perspective d’analyse à un phénomène plus englobant : la confrontation d’ordres juridiques hétérogènes engagés dans des processus intégratifs : « le droit français et le droit communautaire diffèrent dans leur démarche en matière de lutte contre les (...) discriminations ». Si le droit français « dit » la race, il lui nie une existence normative. A l’inverse, le droit de l’Union en fait un critère distinctif susceptible d’activer des dispositions juridiques liées au principe de non-discrimination. Ce changement de paradigme conduit le juge interne à modifier son approche traditionnelle des droits de l’Homme fondée sur le principe d’égalité. Les décisions du juge et du rapporteur public portent les traces d’aménagements dénominatifs lorsqu’il raisonne dans le cadre d’une approche plus relativiste, légitimant la différence de traitement. (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)

Les troubles du langage font partie des troubles cognitifs présents dans la maladie d’Alzheimer. Ils sont le plus souvent étudiés dans des tâches cliniques ciblées, éloignées des situations de communication naturelle. Leur but est de mettre en évidence les déficits linguistiques comme par exemple les troubles lexico-sémantiques présents dès le début de l’évolution et spécifiques de la maladie. Nous avons choisi de compléter les épreuves classiques d’évaluation du langage par l’étude d’une situation d’échange conversationnel en essayant de dégager (...) de nouveaux critères cliniques fonctionnels. Notre étude porte sur l’analyse automatique de corpus conversationnels recueillis auprès de 10 personnes âgées (moyenne d’âge = 90 ans) dont 5 présentant une maladie d’Alzheimer à un stade débutant à modéré (MMS moyen = 15/30). Nos analyses montrent des différences quantitatives et qualitatives entre les deux populations étudiées et proposent de s’intéresser davantage à l’interaction verbale pour mieux décrire le retentissement des troubles du langage sur la communication verbale des sujets avec maladie d’Alzheimer. (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 (...) 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)

Dans le cadre des visual studies, Mitchell a montré que l’image organise de plus en plus notre perception sémiotique, en réarticulant la production du sens dans une perspective iconique. L’hypothèse d’un « devenir-image » du texte, du discours et de l’interaction n’est donc pas nouvelle mais semble confirmée par la communication numérique, où l’image joue un rôle important, réorganisant les contenus de sens et prenant parfois le pas sur l’expression verbale au sein du technographisme, défini comme une production (...) multimédiatique numérique native articulant image, texte et éventuellement son. Dans cet article, je propose de mettre en œuvre cette hypothèse à partir de l’exemple de la photographie de texte imprimé ou sur écran, qui est de plus en plus intégrée dans les discours numériques natifs, en particulier sur les réseaux sociaux comme Twitter ou Facebook. Je montrerai qu’elle relève d’une iconisation du texte, témoignant d’une conversion numérique de la scripturalité et posant la question d’un pilotage contemporain du sens par l’image. (shrink)

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

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

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)

Quelque nombreuses et quelque influentes qu'elles soient par ailleurs, les vues d'Aristote sur le langage se caractérisent à la fois par leur hétérogénéité et par leur marginalité. Sans faire nulle part du langage et de la signification l'objet d'une investigation autonome et méthodique, Aristote multiplie les remarques et les digressions à leur sujet, que ce soit dans ses écrits d'éthique et de politique ou dans ses traités d'histoire et de philosophie naturelle, ou encore dans ses manuels de dialectique, (...) de poétique et de rhétorique. Face à l'abondance de ces matériaux et aux difficultés qu'ils présentent du fait de s'offrir au lecteur en ordre quelque peu dispersé, «Le langage. Lectures d'Aristote» fait le choix d'indexer l'étude du langage chez Aristote sur des passages précis du corpus en ne posant aux textes aristotéliciens d'intérêt linguistique que les questions auxquelles ces mêmes textes - tantôt pris isolément, tantôt mis en relation les uns avec les autres - apportent une réponse. (shrink)

Pour des raisons essentiellement liées à la vocation des textes où la notion de présupposition a fait son apparition, c’est la présupposition d’existence qui s’est imposée la première à l’attention des philosophes du langage. Elle a également déterminé l’orientation des débats en les focalisant sur quelques problèmes traditionnels, au premier chef desquels le problème de l’absence de référence de certaines expressions et celui des imperfections du langage naturel. Contrairement aux noms propres et aux descriptions définies, les termes (...) qui signifient des universaux ont joué un rôle très marginal dans la discussion de ce qui est présupposé par les énoncés que nous échangeons. Ce sont pourtant les noms d’espèces et de genres qui ont été associés les tout premiers à des phénomènes qui relèvent de la présupposition. Afin de montrer que cette association n’a rien perdu de son intérêt, nous avons étudié le traitement qu’Aristote réserve à la famille de paralogismes qui exploitent la similarité morphologique entre noms propres et noms communs pour rattacher la même présupposition d’existence aux uns et aux autres, alors même que cette présupposition est légitime dans un cas (celui des expressions qui désignent des choses particulières), abusive dans l’autre cas (celui des expressions qui signifient des universaux). (shrink)

To show the importance of preparing historical editions as textual data first, while leaving presentation (whether in print or on the web) as a secondary down-stream task, this article identifies beneficial outcomes for research that can be achieved through computational analysis when such a corpus of textual data is at hand. With a focus on the deep intertextuality characteristic of the medieval scholastic corpus, it reviews three distinct methods for detecting different forms of textual relatedness within the corpus: n-gram intersections, (...) document embeddings, and convolution. In each case, special attention is given to how the availability of a domain specific knowledge graph helps us both properly prepare the corpus for analysis and visualize the results in ways that enhance research. Such results include observing trends in citation practices across different genres and sub-genres of the corpus, automatically grouping questions by similarity, and detecting sustained and uncited textual re-use. (shrink)

Depuis Le poids des mots (2000), consacré au discours de gauche et de droite dans l’entre-deux-guerres, Damon Mayaffre consacre ses travaux aux discours politiques français en combinant analyse qualitative et traitement statistique des textes, dans une approche logométrique qu’il contribue à théoriser. Dès lors et, depuis 2017, il s’attache à décrire le discours d’Emmanuel Macron, ou plutôt, ce mystérieux verbe macronien. En effet, contrairement aux mesures ou à la politique macroniste qui so...

La pragmatique linguistique a pour objet le calcul du sens dans les inférences et les implicatures, l’étude des effets des actes de langage, des présuppositions. Un des domaines qui a retenu l’attention des chercheurs en pragmatique est celui de l’anaphore et de la déixis. Le corpus examiné fournit des occurrences intéressantes d’anaphore pour un traitement pragmatique : le conférencier doit convaincre et garder son public attentif. Il cherche à établir une connivence avec son public en faisant référence à (...) un « common ground », tout en rendant son discours cohérent et structuré. Nous partons de l’hypothèse que l’anaphore ne peut être traitée qu’au niveau du texte, en prenant en compte des facteurs de cohésion du discours, de sémantique et de pragmatique, de stylistique. (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)

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)

Ce numéro est consacré à la notion postdualiste d’affordance, à la fois circulante et en débat. Dans sa définition la plus sommaire, l’affordance s’entend comme l’incitation à l’action. Les objets environnants lancent des signaux qui suscitent de la part des organismes un certain éventail d’actions. Initiée par Gibson dans le champ de la psychologie sociale, elle est définie comme l’ensemble des potentialités d’action offertes par l’environnement. La notion a été ensuite largement rep...

A partir de l’étude de corpus de textes, manuelle et informatique, nous présentons une réflexion sur l’analyse de texte ou de discours à travers l’exemple de l’exposition didactique. Celle-ci peut s’envisager à différents grains. Nous posons la question de la taille du texte, de son style collectif à travers sa disposition et ses marques. Nous interrogeons la pertinence du modèle choisi en relation avec la notion d’échelle. Enfin, nous posons la question de la résolution adéquate pour des logiciels (...) d’analyse, à l’aide d’une dizaine d’exemples. (shrink)

This article explores the notion of noise in emotion annotation, within the context of measuring the acceptability of innovations. For the task under study, using annotator disagreement as a measure of noise tends to overestimate its presence in the data. An alternative approach is proposed, which involves modeling the annotation process through a probabilistic model. This method accounts for the variability in annotations, though it does limit the ability to accurately assess the noise component.

Que lisaient les mathematiciens classiques dans une figure de geometrie, une courbe, un tableau de nombres, une combinaison de signes algebriques? En interrogeant le rapport de ce qui se lit et de ce qui se voit dans les textes mathematiques, cet ouvrage decouvre, entre l'age classique et le XIXe siecle, une transformation de la rationalite plus profonde qu'on a coutume de le penser. Entre la geometrie de Descartes, les series de Leibniz et Bernoulli, la theorie des fonctions chez Euler (...) et Lagrange, et d'autre part les geometries du XIXe siecle, la logique de Boole ou l'analyse de Cauchy, il n'y a pas seulement un progres conceptuel, il y a en verite un basculement du regime de la representation, de l'ordre du langage et des choses. Ce livre n'est pas une histoire des mathematiques. Il est une archeologie de leur discours, en un sens proche de celui que Michel Foucault donnait a ce terme. (shrink)

Au vu de l’éclosion soudaine de ce « printemps arabe » qui a essaimé de pays en pays, cet article montre comment, à l’ère de la transparence et de la simultanéité, les moyens d’information et de communication ont créé un champ d’action propice au soulèvement contre les dictatures. Mais, si les réseaux sociaux numériques – Facebook en particulier –, les SMS, et les e-mails, ont donné aux citoyens les moyens de leur révolution, il est aussi question d’imagination constituante. En effet, (...) les chaînes d’information en continu du monde arabe – Al Jazeera principalement –, ont alimenté un imaginaire révolutionnaire à coup d’images télévisuelles, et surtout de discours informationnel « ami », souvent protecteur, qui a en même temps insufflé des idées et du courage à des peuples arabes endormis depuis des décennies, qui soudain croient en une révolution possible et passent à l’action.This article shows how, in the sudden “Arab Awakening” and its domino effect as it spread from country to country, means of information and communication in an age of transparency and simultaneity opened up a sphere for action that could potentially trigger an uprising against dictatorship. But although the social networking sites – especially Facebook –, text messaging and emails gave citizens the means to revolt, there is also the question of the imagination that created that terrain. The 24-hour news channels in the Arab world, especially Al Jazeera, nourished the revolutionary imagination with telegenic images and especially a “ friendly” and often protective informational discourse that, in parallel, inspired people with courage and ideas after decades of slumber, galvanising them into action. (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)

[fr] Dans les Ḫaṣā’iṣ, Ibn Ǧinnī (m. 392/1002) fait état, incidemment, d’une différenciation entre parlers arabes nomades et sédentaires, ces derniers étant caractérisés par une perte partielle de la flexion désinentielle (’i‘rāb). Dans la mesure où Ibn Ǧinnī se réfère sur ce point à une source antérieure de près de deux siècles d’une part, indique qu’il n’y a presque plus, à son époque, de bédouin au parler « châtié » (faṣīḥ, c’est-à-dire fléchi mu‘rab) d’autre part, on peut voir dans ses (...) remarques une reconnaissance implicite d’une situation de diglossie, les parlers nomades étant à l’origine de la variété haute (al-luġa al-‘arabiyya al-faṣīḥa). Cette situation est d’ailleurs révélée par une anecdote, où l’on voit un même usager, d’origine bédouine, alterner ce qu’Ibn Ǧinnī appelle « les deux manières de parler » (ǧihatā al-kalām), avec et sans flexion désinentielle. Malgré les apparences, il ne s’agit pas de sociolinguistique et d’histoire de la langue. Il s’agit de théorie du langage, avec l’hypothèse d’un phénomène d’entropie, liée à l’utilisation de la langue, l’utilisateur se passant, par d’autres moyens, de la flexion désinentielle, source de difficulté et d’erreurs. Il s’agit aussi et surtout d’un discours épilinguistique, conforme à l’idéologie linguistique (thèse de la faṣāḥa bédouine) et à la théologie (thèse de la « langue du Ḥiǧāz » comme al-luġa alfuṣḥā), deux thèses difficilement conciliables. (shrink)

This paper addresses the treatment of noise caused by word omissions in a corpus of school writings, in order to facilitate their subsequent automatic processing. While a normalization step may facilitate the processing of these texts, certain linguistic expressions remain challenging to comprehend, particularly in instances where the writer omits words from the text. The present contribution proposes three automatic and semi-automatic potential solutions to this problem. The first method employs a "mask" token in the form of xxx. The second (...) is a semi-automatic approach whereby each morpho-syntactic category proposed during normalization is replaced by the corresponding "prototypical word." The third involves a FlauBERT method, using this language model to "reconstruct" the most probable token in the text. The three methods are evaluated quantitatively, and the results obtained using method 3, which proved to be the most effective in the context of our research, are also presented qualitatively. (shrink)

Notre propos s’inscrit dans le cadre d’une Sémantique-Rhétorique de corpus. Nous privilégions l’analyse de contenu sur corpus textuel et nous nous engageons sur la voie de la caractérisation des textes, genres et discours. Notre perspective est détaillée à travers l’analyse d’un texte politique. Nos propositions portent sur le repérage et la description de procédés sémantico-rhétoriques, ainsi que sur leur codage au sein des textes (balisage du corpus).

Fabriquer de nouvelles formes en discours pour que l’interprétant fabrique un sens plus riche au décodage : tel est l’enjeu continu de la tension entre contrainte systémique et sens visé, conditionnant ainsi le formatage et la présentation des discours. C’est cette tension qui constitue l’objet des études fondées sur des corpus allemands et français, qui sont rassemblées dans ce volume. La production du sens fait feu de tout bois et n’hésite donc pas à susciter l’invention, la distorsion formelle (...) à son service, à tous les niveaux de l’analyse linguistique : présentation des discours, formatage du discours de la critique littéraire, répétition des formes en discours, linéarisation de la phrase allemande, mots-composés en allemand et formes des temps verbaux surcomposés. (shrink)

Corpus linguistics has benefited greatly from advances in data processing. However, for the ordinary linguist, the use of morphosyntactic taggers still carries a certain element of mystery and magic. Equipped with this tool, the linguist can work on massive data, but is mostly unaware of how the labels were assigned, and more fundamentally, what errors may have arisen during labeling. And yet, the quality of the labeling process will determine the quality of the results used for analysis. While noise is (...) fairly easy to detect in tagged data, the resulting silence elsewhere is much more insidious, difficult to track down, and therefore potentially more damaging to linguistic analyses. In our study, we compared our manual tagging of Subjunctive Present occurrences in a ten-hour corpus of spoken French with the tagging provided by TreeTagger, TreeTagger-TCOF and Dismo. We'll show that noise in the tagging of the Present tense is the main cause of the high rate of silence in the tagging of the Subjunctive, the confusions being due –as revealed by our exhaustive analysis of the Subjunctive Present forms of the 6500 verbs in the Petit Robert dictionary– to common orthographic forms with the Present tense. Yet the “precision” of taggers is often presented as reaching scores of around 95% (including for spoken French). While “precision” rates here range from 70% to 99%, “recall” rates are much lower: from 44% to 61%. In short, despite its name, the so-called “precision” rate, calculated on all tags, is a poor indicator of the quality of tagging when it comes to a specific label such as SubjPr. (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 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)

1. Linguistique et critique des textesParmi les questions posées par l’étude des manuscrits et l’établissement des textes, il y a des problèmes d’attribution de fragments anonymes, des problèmes de reconnaissance d’interpolations dues à certains copistes, et plus généralement, de reconnaissance de scripteurs différents dans un corpus donné. Il s’agit donc, tantôt de rapprocher d’un corpus ou d’un scripteur connus un fragment inconnu, tantôt de déceler dans un corpus donné, un ou plusieurs pas...

L’intégration des technologies de l’information et de la communication (TIC) à l’apprentissage représente une avenue explorée à la fois par les milieux scientifique, institutionnel et scolaire afin de développer des environnements éducatifs stimulants pour les apprenants. Au Québec, L’École en réseau, un projet d’innovation technologique rassemblant 23 commissions scolaires et près d’une centaine d’écoles majoritairement de l’ordre primaire (6 à 12 ans), a mis entre autres en place le forum de coélaboration de connaissances (FCC) pour répondre à certains besoins émergents (...) de professionnels de l’éducation en matière d’avancées technopédagogiques ainsi qu’à ceux des apprenants baignant aujourd’hui dans la culture du numérique. Cette plateforme propose entre autres un espace de collaboration sous forme de discours écrit asynchrone dans lequel chaque élève collabore et construit sa compréhension d’un phénomène, d’un problème à résoudre ou d’un texte dans le cadre de multiples activités liées à différentes matières scolaires. Les participants – élèves, enseignants et conseillère pédagogique – sont amenés à écrire des textes, de longueur et de type divers, à les annoter, à les améliorer et à les enrichir à l’intérieur d’une base de connaissances qui conserve les traces de leurs échanges sous forme de toile interactive. Cet article traite du potentiel de documentation du FCC qui permet aux utilisateurs, soit les élèves, les enseignants, les conseillers pédagogiques, voire les chercheurs, de visualiser les activités, les progrès et les habitudes d’utilisation de chacun sous différents angles grâce à ses diverses fonctionnalités. Les traces laissées par la communication asynchrone facilitent en effet, selon Gikand, Morrow et Davis (2011), l’auto-évaluation de la compréhension qu’ont les élèves du contenu en plus de leur permettre le partage de questionnements ainsi qu’une réflexion sur leur contribution aux discussions sur le forum. Le potentiel relié à l’archivage de différentes données d’un forum, tel que défini par Heinrich, Milne et Moore (2009), permet l’analyse statistique et le profilage d’élèves afin de mieux répondre à leurs besoins en tant qu’apprenants. Aussi, l’analyse des interactions (posting behaviours) et suivis de fréquentation sur la plateforme (non-posting behaviours) peut amener les enseignants et les élèves à réfléchir sur leurs pratiques et diriger leurs interventions pédagogiques (Xie, 2013). Par ailleurs, la notion de transparence comme la définissent Lafuente Martínez et al. (2015), appliquée au FCC, est également présentée ici. Celle-ci comprend les échanges entre les élèves durant la réalisation de l’activité d’apprentissage et d’évaluation : les versions antérieures du travail tout au long de la réalisation de la tâche d’écriture et tout élément témoignant de leur processus réflexif (plans, notes, schémas, etc.). Cette mise en disponibilité du brouillon des textes des élèves représente une opportunité de documenter la progression des apprentissages de l’apprenant et d’exploiter le potentiel d’autorégulation de l’évaluation formative (Pachler, Daly, Mor, Mellar, 2010). Enfin, la possibilité de suivre l’évolution de la pensée critique de l’apprenant, à savoir si celui-ci, par ses interventions sur les textes des autres, propose des commentaires qui favorisent le dialogue et qui amènent des éléments de réflexion pour faire progresser les discussions (Olofsson, Lindberg, Stödberg, 2011) est mise en relief à l’aide des interventions des élèves, recueillies à même la plateforme. (shrink)

Les affordances de certaines formes technolangagières interrogent le rapport à la matérialité des énoncés tels qu’ils apparaissent dans les environnements numériques. C’est le cas de ce que nous appelons les « publications fantômes » sur Facebook. Énoncés translucides qui n’existent que pour l’utilisateur tant qu’il n’a pas cliqué sur le bouton « publier ». Cet article proposera une définition des publications fantômes s’appuyant sur une typologie diachronique réunie à partir d’un micro-corpus constitué depuis leur apparition sur le site en 2015. (...) Cette typologie nous permettra de considérer l’augmentation des affordances et leur utilisation stratégique par Facebook. (shrink)

Cet article traite des enjeux réels et pragmatiques des modes d’adresse et de désignation des femmes dans le processus de légitimation à être des personnes comme les autres. L’article s’intéresse ici aux modalités performatives du traitement de ces questions en milieu institutionnel, administratif, juridique qui passent parfois par des sanctions financières, comme cela est par exemple le cas, à un niveau global et reconnu, pour le non-respect de la loi sur la parité par les partis politiques. La discrimination langagière, (...) linguistique, des femmes est un phénomène acculturé et donc rendu invisible, qui ne peut être brisé dans sa circularité que par le fait de le rendre visible à travers des relevés et analyses de certains de ces phénomènes qui font leur quotidien. Diverses analyses de faits administratifs discriminants envers les femmes illustrent la nécessité et les difficultés d’un changement de paradigme – à savoir, en effet, les femmes sont des Humains comme les autres. (shrink)

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

Cet article vise à réintégrer la question du langage intérieur dans les idées linguistiques de l’énonciation, notamment celles sur le mode de signifiance et l’opération énonciative. En nous référant aux études de Benveniste, de Merleau-Ponty et de Culioli, nous examinons dans quelle mesure le langage intérieur se distingue du monologue intérieur au sens de se parler à soi-même : ce langage intérieur en tant qu’expression pure et naturelle du sens général, implique une réflexivité non consciente et non (...) verbale, dans la genèse du sens ainsi que dans la construction dynamique des formes discursives. Eu égard à ces valeurs, nous procédons à l’analyse énonciative du discours littéraire de la conscience. Plusieurs faits de discours, liés à la non-coïncidence entre le mot et la chose vécue dans la conscience, tels que la nomination, l’indéfinition, la négation, manifestent les traces du langage intérieur global, non construit, inconscient et silencieux, qui mobilise le langage extériorisé. (shrink)