Navigation – Plan du site
Séminaire Numérique et langues

Utiliser des corpus numériques avec un public Lansad

Using Corpora with Learners of Languages for Specific Purposes
Eva Schaeffer-Lacroix
Traduction(s) :
Utilizar corpus informáticos con un público Lansad (lenguas para especialistas de otras disciplinas)

Résumés

Depuis les années 80, certains chercheurs défendent l'usage de corpus numériques pour soutenir l'enseignement-apprentissage des langues (Johns, 1991). Il est possible de rattacher leurs arguments à l'idée que le matériau linguistique à partir duquel on apprend une langue est un paramètre important. Les textes auxquels on confronte les apprenants ont tendance à être restreints du point de vue quantitatif. De plus, même s'ils sont numérisés, ils sont souvent présentés sous forme statique et ne peuvent donc pas facilement être manipulés. Il paraît judicieux de mettre à disposition des apprenants un volume important de données textuelles pouvant être parcourues de façon ciblée. Cette possibilité est offerte par les corpus numériques, c'est-à-dire, des collections de textes explorables en ligne. Ce texte vise à faire connaître quelques éléments essentiels, conceptuels et techniques, liés à l'utilisation de telles ressources pour des besoins d'enseignement-apprentissage d'une langue étrangère avec un public de non-spécialistes. Il présente les gestes susceptibles de soutenir la création, la numérisation et l'exploration d'un corpus. La langue illustrant les propos est l'allemand et accessoirement l'anglais.

Haut de page

Entrées d'index

Mots-clés :

corpus, Lansad

Thématiques :

utilisation de corpus
Haut de page

Texte intégral

Je remercie chaleureusement Annette Hess, auteur du script de film Weissensee, et Christian Ingelmann, propriétaire du site Brieffreunde.org, de m'avoir permis d'utiliser les données provenant de ces deux sources pour un usage à des fins de formation et de recherche. Un grand merci également à l'équipe de Sketch Engine qui m'a accordé le droit de diffuser les clips de que j'ai produits afin d'illustrer quelques aspects de l'interface de son système de gestion de corpus.

1. Corpus pouvant convenir dans un contexte Lansad

1Les corpus numériques sont des collections de textes que l'on peut explorer en ligne à l'aide d'outils d'analyse de données textuelles. Les documents qui les constituent sont rassemblés en raison de certaines caractéristiques qu'ils ont en commun, en vue d'en faire un objet d'étude linguistique ou autre (Habert et al., 1997 : 144). Les usages qui en sont faits peuvent varier considérablement. Je m'intéresse particulièrement aux besoins d'un public Lansad (langues pour spécialistes d'autres disciplines), terme en général réservé au contexte universitaire. Il est employé ici dans une acception élargie, qui comprend également le public du secondaire.

2Dans un article sur l'évolution des outils d'interrogation de corpus, Anthony (2013) décrit, entre autres, les besoins spécifiques des enseignants de langue et des apprenants par rapport à l'exploration de corpus, besoins qui se distinguent de ceux des chercheurs en linguistique ou des informaticiens, statisticiens, etc.

Teachers (…) need to be able to quickly and easily access a corpus, filter the results to show only those that are directly relevant, and be able to display, save, and perhaps print those results for use in teaching materials. Similarly, students in a DDL classroom (…) need a corpus tool that gives them access to a corpus in an easy and intuitive way. They also need the tool to show them results that are immediately applicable to a given learning task (…).

Les enseignants (…) ont besoin de pouvoir accéder de façon rapide et aisée au corpus, de pouvoir filtrer les occurrences afin d'obtenir l'affichage de seulement celles qui sont pertinentes, et ils doivent pouvoir afficher, sauvegarder, et éventuellement imprimer ces occurrences afin de pouvoir les réutiliser dans des matériaux d'apprentissage. De même, les étudiants à qui on propose un apprentissage basé sur des données empiriques (…) ont besoin d'un outil d'exploration qui leur permette d'accéder au corpus de façon rapide et intuitive. De plus, cet outil doit leur fournir les occurrences susceptibles de les aider à résoudre rapidement une tâche d'apprentissage (…) (ma traduction).

3Il faut donc pouvoir accéder rapidement aux corpus et avoir à disposition une interface d'interrogation permettant d'obtenir pour sa requête, sans connaissances techniques poussées, un nombre d'occurrences juste suffisant pour pouvoir résoudre un problème linguistique précis. Je rajouterais quelques conditions susceptibles de rendre l'exploitation de corpus numériques à des fins d'enseignement-apprentissage encore plus pertinente : le contenu du corpus doit être identifiable et modifiable par l'enseignant, et il doit correspondre au genre textuel dans lequel s'inscrit le travail qui est confié aux apprenants.

4Un corpus peut être exploré à l'aide d'outils d'analyse spécifiques. Le plus connu d'entre eux est le concordancier. Cet outil permet de rechercher dans un corpus toutes les occurrences d'un mot-clé donné. Le résultat de la requête est affiché sous forme de lignes contenant le mot-clé, qui, lui, est mis en forme d'une façon qui le rend particulièrement visible. Le choix suivant de lignes de concordance, trouvées dans le corpus frTenTen12 (Kilgarriff et al., 2012), en est l'illustration.

Tableau 1 – Mot-clé "concordance" dans le corpus frTenTen12.

et la vérité consiste en une

concordance

entre les choses et les mots

cette situation de

concordance

entretient un espoir d'entente

en faire des index et des

concordances

; voici une machine qui fait

outils (logiciels,

concordances

), manuels de référence

5Selon les types de concordanciers, il est possible d'afficher un contexte plus ou moins large pour les lignes auxquelles on s'intéresse particulièrement, et parfois, on peut même accéder au texte source dans son intégralité.

  • 1 On peut s'attendre à ce qu'à moyen terme, les fichiers hors ligne seront remplacés par des document (...)
  • 2 Tous les logiciels sont référencés à la fin de ce document.
  • 3 Les spécialistes (en linguistique de corpus, en informatique, etc.) ne sont pas obligés de se conte (...)

6Il existe des corpus en ligne qui sont étroitement associés à un outil d'analyse en particulier, souvent au point que les utilisateurs sont obligés de se servir de cet outil pour avoir accès aux données du corpus. Pour donner un exemple, le concordancier Konkordanzer-Corpus Deutsch (Divsic et al., 2008), mis à disposition sur la plateforme Compleat Lexical Tutor v.6.2 (Cobb, ndb) permet d'interroger le Braun Corpus. La composition de ce corpus est fournie, mais l'utilisateur n'a pas la main sur les données : il ne peut ni les compléter, ni les modifier. Un enseignant peut pourtant souhaiter retoucher un corpus, par exemple s'il y découvre une erreur d'orthographe ou autre, si une partie du contenu risquerait de choquer de jeunes apprenants ou s'il repère des documents pouvant avantageusement compléter les données déjà disponibles. Il serait donc idéal de disposer d'un fichier contenant les données du corpus1. Certains outils d'analyse de corpus permettent de travailler à partir de tels fichiers. Ils sont disponibles sous forme de logiciels téléchargeables, comme TextStat (Allorge, nd), AntConc 3.4.1w (Anthony, 2007). Lexico3 (Fleury et al., 2003), etc. On en trouve aussi sous forme de logiciels en ligne, par exemple Text-based Concordances V2.5 (Cobb, ndc) et Sketch Engine (Kilgarriff et al., nd)2. L'interface du concordancier proposé par le système de gestion de corpus Sketch Engine (Kilgarriff et al., nd) a fait ses preuves avec des publics variés, allant d'élèves du secondaire jusqu'à un public universitaire de type Lansad. Des recherches décrivant le rôle de cet outil dans le domaine de la révision de la production écrite en allemand (Schaeffer-Lacroix, 2014 à paraître) et de la réflexion sur la langue étrangère (Chachkine et al., 2013) existent. Il peut être à la portée des enseignants de langue de déposer un corpus sur le serveur de Sketch Engine et de le faire annoter automatiquement, c'est-à-dire de rajouter une étiquette à chaque mot du corpus, renseignant sur la partie du discours qu'il représente ou sur toute autre propriété jugée pertinente par le créateur du corpus (cf. section 4)3.

2. Arguments pour l'exploration d'un corpus en contexte Lansad

  • 4 Ce corpus a été créé entre 2004 et 2007 au sein des universités de Warwick, Reading et Oxford Brook (...)
  • 5 Dans ce texte, l'esperluette caractérise le fait qu'une requête porte sur deux éléments différents, (...)

7Quand un scripteur produit un texte en langue étrangère, il peut rencontrer des obstacles linguistiques qu'il trouve difficiles à résoudre sans que, d'un point de vue strictement lexical, il se sente limité. Dans un article que j'ai rédigé en anglais (je suis germanophone), la relectrice a proposé de modifier l'ordre des mots pour le passage suivant : "not all the five *recorded sessions were analyzed" (je n'ai pas analysé toutes les cinq séances) comme suit : "not all the five sessions recorded were analyzed". Intriguée, j'ai recherché la structure correspondant à la version corrigée dans un grand corpus général, enTenTen12 (Kilgarriff et al., 2010-12), accessible sur Sketch Engine. Ce corpus a été constitué à partir de données récoltées sur Internet par web-crawling, c'est-à-dire par un robot. On pourrait objecter qu'il aurait été plus pertinent de faire des requêtes dans le British Academic Written Corpus (BAWE) également mis à disposition par Sketch Engine (Kilgarriff et al., nd) ; ce corpus semble assez proche du genre textuel "article scientifique"4. Toutefois, contrairement à enTenTen12, il n'offre pas la possibilité de faire des requêtes de type "recorded & noun"5, donc des requêtes combinant un terme donné avec n'importe quel représentant d'une partie du discours sélectionnée dans un menu déroulant proposé exclusivement en anglais (cf. Figure 1 et section 4). Pour explorer le corpus BAWE, ce type de requêtes nécessite la connaissance du Corpus Query Language, un langage artificiel utilisé par les linguistes de corpus pour faire des requêtes très ciblées. En raison de mon parti pris de didacticienne, je privilégie des requêtes ne nécessitant pas la maîtrise de ce langage. En effet, j'estime que les enseignants et les apprenants doivent pouvoir se passer de connaissances techniques ou conceptuelles avancées ; c'est probablement à cette condition qu'ils seront prêts à adopter les outils d'interrogation de corpus pour un usage courant. Revenons à présent à ma requête faite dans enTenTen12, destinée à appuyer le choix linguistique fait par la relectrice anglophone.

Figure 1 – Requête "recorded were & noun plural left 1" dans le corpus enTenTen12.

Figure 1 – Requête "recorded were & noun plural left 1" dans le corpus enTenTen12.

8La requête portant sur l'élément "recorded were", combiné avec n'importe quel nom au pluriel situé juste à la gauche de ce groupe de mots, a permis d'afficher 171 occurrences de structures comparables, toutes pertinentes. La sélection suivante de lignes de concordance en est l'illustration.

Tableau 2 – Sélection de deux occurrences obtenues pour la requête "recorded were & noun pl left 1".

a) but the times

recorded were

still a respectable 0.48 seconds

b) Thus the events

recorded were

represented by symbols.

a) mais les temps enregistrés se sont maintenus autour d'honorables 0,48 secondes

b) C'est pour cela que les séquences enregistrées ont été représentés par des symboles.

9Aucune occurrence d'une structure pouvant être comparée à ma version d'origine, donc "recorded" suivi d'un nom et de "were", n'existe dans ce giga-corpus. J'ai donc été convaincue par un argument d'ordre quantitatif.

10Regardons maintenant un exemple en langue allemande. Il s'agit d'un obstacle linguistique que j'ai observé en tant qu'enseignante d'allemand en classe de troisième en collège, lors d'un projet de rédaction d'annonces pour trouver un correspondant. Les élèves avaient accès à Brieffreunde.org, un petit corpus contenant des annonces, que j'ai créé à partir de données publiées sur le site du même nom (Ingelmann, 2014). Dans ce corpus, la formule finale Kussi (bisou) apparaît une seule fois. Elle a été reprise par neuf élèves sur 33, dont trois garçons. La vérification de la fréquence de cette formule finale dans le giga-corpus deTenTen10 (Kilgarriff et al., 2010-11), l'équivalent allemand de enTenTen12, permet de voir qu'elle y apparaît 228 fois (abstraction faite de quelques rares occurrences non pertinentes).

Tableau 3 – Choix d'occurrences pour Kussi dans le corpus deTenTen10.

a) bis bald mein Schatz.

Kussi

Bussi, deine Mama

b) Ich liebe euch alle

Kussi

!!! Eure Marina

c) nich böse sein... hdl,

kussi

patricia

a) À bientôt mon trésor. Bisou bisou, ta Maman

b) (Je vous aime tous Bisou !!! Votre Marina)

c) Ne m'en veux pas… jtd, bisou patricia

11L'analyse de ces lignes de concordance permet de constater que très souvent, l'auteur du message est féminin, et ceux qui utilisent ce terme semblent intimement connaître leur interlocuteur, comme l'illustrent les occurrences présentées en tableau 3. L'interrogation du corpus offre donc ici non seulement des arguments d'ordre quantitatif, mais aussi d'ordre qualitatif remettant en cause la pertinence pragmatique de la salutation finale Kussi dans une annonce pour trouver un correspondant, de surcroît si elle est rédigée par un auteur de sexe masculin.

3. Types de corpus

12On distingue en général trois types de corpus numériques : les corpus généraux, parallèles et réflexifs (Mayaffre, 2002). L'examen de certaines de leurs caractéristiques permettra d'évaluer leur pertinence pour un usage dans le domaine de l'enseignement-apprentissage des langues étrangères.

3.1. Corpus général

13Un corpus général contient des textes censés "représenter" une langue "dans sa globalité". On vise la récolte d'un très grand nombre de données, et on considère que plus un corpus est grand, plus il renseigne sur les caractéristiques de la langue. Certains chercheurs considèrent qu'un corpus général doit contenir au moins un million de mots (Dodd, 1997 : 131).

3.2. Corpus parallèle ou comparable

14Les textes d'un corpus parallèle ou comparable proviennent de deux ou plusieurs langues. Leurs données sont traduites ou traitent du même sujet en plusieurs langues. Souvent, de tels corpus sont relativement petits.

3.3. Corpus réflexif

15Les textes d'un corpus réflexif sont rassemblés en raison de leurs caractéristiques comparables ; ils peuvent appartenir à un même genre textuel ou représenter un même type de discours, etc. Souvent, ce type de corpus contient assez peu de données. J'ai pu montrer que, selon le genre textuel et l'objectif d'exploration du corpus, un corpus de très petite taille peut convenir s'il offre assez d'occurrences pour répondre aux questions des utilisateurs (Schaeffer-Lacroix, 2011).

16L'usage de corpus généraux n'est pas forcément aisé dans un contexte Lansad, car il peut être difficile pour un apprenant de faire le tri parmi les milliers, voire dizaines de milliers de lignes de concordance qu'il risque d'obtenir comme résultat pour sa requête (pour une critique de ce type de corpus, voir Bommier-Pincemin, 1999 : 416).

17Les corpus parallèles ou comparables peuvent, en particulier, aider les apprenants débutants ou ceux qui sont invités à réfléchir sur des faits de langue particulièrement pointus. Toutefois, à l'heure actuelle, de tels corpus dont l'une des langues est l'allemand sont peu nombreux, et leur création demande certaines compétences linguistiques et techniques.

18Les corpus réflexifs sont, davantage que les deux autres types de corpus, susceptibles de soutenir l'enseignement-apprentissage des langues. Certes, parfois, ils contiennent très peu de données, ce qui peut avoir comme conséquence que certaines requêtes n'aboutissent pas. Toutefois, les apprenants n'auront pas nécessairement besoin de beaucoup d'occurrences pour obtenir l'information qu'il leur faut pour résoudre un problème donné. Dans un corpus réflexif, les apprenants auront, plus facilement que dans un corpus général, des chances de repérer des éléments pertinents qu'ils pourront réutiliser pour produire ou améliorer leur propre texte. Cela explique pourquoi la suite de ce texte se concentre sur ce type de corpus, à quelques exceptions près : certains exemples provenant des corpus généraux deTenTen10, enTenTen12 et frTenTen12 illustreront mes arguments (ceux qui ne portent pas de mention de source spécifique).

4. Outils d'interrogation de corpus

19Afin de pouvoir faire des recherches dans un corpus numérique, on peut, entre autres, avoir recours à un concordancier. Le concordancier est un outil qui permet de rechercher un mot-clé dans le corpus et de le mettre en relief, ainsi que le contexte dans lequel il apparaît.

Tableau 4 – Mot-clé love dans le corpus enTenTen12.

a) I am living my dreams – I

love

my job, my family, and my life…

b) I tried to depict my

love

of life, nature…

a) Je vis mes rêves – J'aime mon travail, ma famille, et ma vie…

b) J'ai essayé d'esquisser mon amour pour la vie, la nature…

20Un concordancier ne trouve que les données que le corpus contient. Il peut s'agir de données brutes (donc de mots ou de suites de mots) ou d'étiquettes qui ont été ajoutées aux données de façon manuelle ou grâce à un outil d'annotation. Les étiquettes permettent de faire des requêtes plus "abstraites", portant, entre autres, sur les parties du discours. Le verbe anglais to love (aimer) qui apparaît dans la première ligne de concordance du tableau 4 serait annoté comme suit par l'outil TreeTagger (Schmid, 1993-1996) : "love <VVP love-v>". Cette information signale qu'il s'agit ici d'un verbe au présent qui n'est pas utilisé à la troisième personne. S'il s'agissait du nom commun love (amour), ce qui est le cas dans le second exemple du tableau 4, l'étiquette serait "<NN love>".

5. Étapes de création d'un corpus

21La création d'un corpus commence par la récolte de données numérisées correspondant au projet de recherche et / ou d'apprentissage. Il s'agit de les identifier, d'obtenir de la part du propriétaire l'autorisation d'utiliser ces données (sauf si elles sont libres de droit) et de les rassembler ensuite dans un document numérisé qui peut être un fichier de type word, un document gérant du texte en ligne, etc. Ensuite, les spécialistes en linguistique de corpus étiquètent les données à l'aide d'un langage de balisage, par exemple le XML (Extensible Markup Language, 1996-2003). Il est également possible de faire étiqueter les corpus de façon automatique. Le système de gestion de corpus Sketch Engine propose cette possibilité qui peut intéresser les non-spécialistes. Il met à disposition des corpus prêts à l'emploi, mais on peut également déposer ses propres fichiers et les faire annoter. C'est ce que j'ai fait avec le corpus d'annonces Brieffreunde.org (cf. section 1) qui apparaît dans la partie de l'interface nommée "My corpora" (cf. Figure 2).

Figure 2 – Corpus publics et corpus privés sur Sketch Engine.

Figure 2 – Corpus publics et corpus privés sur Sketch Engine.

22Ce clip de démonstration permet de suivre les étapes de dépôt d'un corpus sur Sketch Engine.

6. Activités d'apprentissage à partir d'un corpus

23Illustrons maintenant le type de travail que l'on peut faire à partir d'un corpus d'annonces en ligne dans un contexte d'apprentissage d'une langue étrangère.

6.1. Projet Brieffreunde.org

6.1.1. Consultation du corpus par les apprenants

24Les données sur lesquelles s'appuie cette section proviennent du projet Brieffreunde.org qui a été exécuté avec deux classes de germanistes inscrits en collège. La rédaction de la première version de l'annonce pour trouver un correspondant a fait émerger plusieurs types de questions. Par exemple, quand il s'agissait de parler de leurs loisirs, certains des scripteurs ont manifesté des difficultés liées au fait qu'en allemand, les structures qui expriment la préférence varient selon l'emploi d'une construction avec objet direct ("J'aime la danse") ou d'une construction infinitive ("J'aime danser"). Pour aborder ce type de constructions, il peut être utile de faire consulter le corpus numérique par les apprenants. Il paraît judicieux que l'enseignant leur suggère des mots-clés susceptibles de correspondre à ceux qui leur viendraient facilement à l'esprit dans ce contexte thématique (cf. Tableau 5). Les requêtes suivantes ont été proposées aux participants de Brieffreunde.org afin de les aider à surmonter certains des obstacles qu'ils ont rencontrés pendant la première phase de travail.

Tableau 5 – Types de questions et de requêtes.

Questions ayant émergé lors du projet Brieffreunde.org

Mots-clés possibles pour interroger le corpus Brieffreunde.org

Comment dire où l'on habite ?

wohnen (habiter)

Comment dire que l'on aime (faire) quelque chose ?

lieben (aimer)

mögen (bien aimer)

tanzen (danser) & adverbe

sehr (≈ très ; beaucoup)

Comment parler de ses loisirs ?

Noms de sports ou d'instruments (Tennis ; Klavier, etc.) & un verbe ou une préposition

machen (faire)

spielen (jouer)

25Les lignes suivantes présentent un choix de résultats obtenus à l'aide des requêtes "lieben" (aimer), "mögen" (bien aimer) et "tanzen" (danser) combiné avec un adverbe.
Le mot-clé "lieben" permet d'obtenir 7 occurrences, dont 3 pertinentes.
Exemple : "Ich liebe es, Briefe zu schreiben" (J'adore écrire des lettres).
Le mot-clé "mögen" permet d'obtenir 12 occurrences, dont 10 pertinentes. Exemple : "Ich mag Tiere, besonders Katzen" (J'aime les animaux, surtout les chats).
Le mot-clé "tanzen" permet d'obtenir 3 occurrences, dont 2 pertinentes.
Exemple : "Ich schreibe gerne briefe, mache sport, tanze gerne" (J'aime écrire des lettres, je fais du sport et j'aime danser).

26La consultation du corpus peut donc permettre de détecter deux structures de base pour s'exprimer dans le domaine des loisirs, une première exprimant la préférence au niveau du verbe conjugué et la deuxième au niveau de l'adverbe gern (volontiers) :

  • etwas mögen / lieben (aimer / adorer quelque chose) ;

  • etwas gern(e) machen (aimer faire quelque chose).

27On pourrait y ajouter la structure plus rare es lieben, etwas zu tun (adorer faire quelque chose) qui contient le pronom impersonnel es (comparable à it en anglais) ayant la fonction de complément d'objet direct.

6.1.2. Consultation du corpus par l'enseignant

28Selon les types d'activités que l'on souhaite mettre en place, il peut également faire sens que l'enseignant consulte le corpus lors de sa préparation du cours. Il peut alors procéder à une présélection de lignes de concordance. Il choisira éventuellement de les "nettoyer" (enlever des segments superflus), d'en supprimer certaines, ou il décidera de les classer selon un ordre pouvant faire sens dans le cadre d'une activité qu'il prévoit. Les lignes de concordance peuvent ensuite être intégrées dans une activité linguistique, par exemple dans une activité ayant pour objectif d'aider à préciser où l'on habite par rapport à une ville. Lors du projet Brieffreunde.org, les apprenants étaient invités à relier des énoncés précisant où quelqu'un habite par rapport à Berlin à des emplacements numérotés sur un plan de cette ville. Le tableau 6 présente une partie des lignes de concordance nettoyées, retenues pour cette activité.

Tableau 6 – Préciser où l'on habite.

1

Ich

wohne

im östlichen Berlin

(côté est de Berlin)

2

ich

wohne

in Birkenwerder bei Berlin

(près de Berlin)

3

ich

wohne

mitten in Berlin

(en plein centre de Berlin)

6.1.3. Exploration libre du corpus

29Il est également possible de prévoir une activité d'exploration plus ouverte qui s'inspire de la "chasse aux trésors" (treasure hunt) décrite dans Kennedy et Miceli (2001) : les apprenants parcourent le corpus à l'aide de mots-clés de leur choix ou à l'aide de termes proposés dans une liste. Ils sont invités à repérer des expressions qu'ils trouvent nouvelles, drôles, surprenantes, intéressantes, utiles – bref, qu'ils ne connaissaient pas auparavant, mais qu'ils pensent comprendre grâce au contexte qui s'affiche. Par la suite, ils pourront en intégrer certaines dans leur production personnelle, en les adaptant, si nécessaire.

6.2. Projet Weissensee

30Le projet Weissensee a été proposé à Cornélia, Marjorie et Solène, trois étudiantes inscrites à un cours d'allemand Lansad au niveau B1 / B2 dans le cadre de leur formation master 1 de documentation à l'IUFM de Paris (institut universitaire de formation des maîtres). Le corpus du projet contient le script de film de la série télévisée Weissensee (Hess, 2010). J'ai traduit son premier épisode afin de pouvoir le mettre à disposition sous forme de corpus parallèle. Dans ce contexte, l'exploration de corpus vise à soutenir la production d'une scène d'un script de film remplaçant une scène de cette série. Un travail linguistique spécifique a été mené afin de préparer les étudiantes à ce type de production et de les aider à réviser leur texte.

6.2.1. Discussions métalinguistiques à partir de lignes de concordance

31Dans la troisième version de sa scène de script de film, Cornélia avait à réviser le passage suivant : "Julia ist zwischen ihren zwei Männern immer *xxx *geteilt" (Julia est toujours partagée entre ses deux hommes). Le verbe n'est pas conforme du point de vue sémantique, et l'adverbe de temps immer (toujours) doit être complété par l'adverbe intensifiant noch (encore). Afin d'aider Cornélia à réviser le deuxième obstacle de ce passage, j'ai proposé aux étudiantes de mener une discussion synchrone en ligne, à l'aide du traitement de texte collaboratif Titanpad (Renner, 2010). Cette discussion était basée sur l'exploitation de 12 lignes de concordance que j'avais présélectionnées dans notre corpus parallèle. Le tableau 7 en présente quatre.

Tableau 7 – Choix de lignes de concordance illustrant le sens de "toujours".

LISA (zu Marion) Papa hat immer noch keine neue Frau.

LISA (à Marion) Papa n'a toujours pas de nouvelle femme.

Martin, noch immer in seiner Uniform, kommt auf seinem Fahrrad angefahren.

Martin, toujours en uniforme, arrive en vélo.

Sie wollte immer, dass ich was Künstlerisches mache.

Elle a toujours voulu que je fasse quelque chose dans l'art.

Hier bleibe ich immer klein. Ein Mädchen... die Tochter von...

Ici, je resterai toujours petite. Une enfant… la fille de…

32Lors de la discussion, les étudiantes ont défini ensemble deux facettes de "toujours" qui sont d'ordre aspectuel et qui nécessitent deux réalisations différentes en allemand.

Figure 3 – Discussion métalinguistique concernant le sens de "toujours".

Figure 3 – Discussion métalinguistique concernant le sens de "toujours".

33Marjorie (cf. Figure 3) a réussi à formaliser la différence entre les deux usages comme suit : si "toujours" exprime une durée indéterminée, il doit être rendu par "immer". Si "toujours" désigne une durée à finalité attendue / entrevue / désirée, il convient de mettre "immer noch" en allemand. Au cours de la discussion, Cornélia a révisé son passage en tenant compte de cette découverte (cf. Figure 3, première ligne).

6.2.2. Exploiter les résultats de requêtes

34Dans la première version de sa production écrite, Cornélia avait à réviser le passage suivant : "Sie ist in *ihren Gedanken *versinken" (Elle est plongée dans ses pensées). Je lui ai proposé de faire une requête combinant les mots-clés "Gedanken" (pensées) et "versinken" (plonger). Cornélia a choisi d'explorer le corpus deTenTen10, probablement parce que le corpus contenant le script de film n'offrait pas de résultats pour cette requête. Le clip présenté en annexe montre qu'elle sélectionne au bout d'un bref laps de temps l'énoncé suivant : "aber Ruth ist sehr in Gedanken versunken" (mais Ruth est profondément plongée dans ses pensées).

35La portion de texte sélectionnée par Cornélia semble lui fournir les informations dont elle a besoin : il suffit d'enlever l'adjectif possessif ihren (son) et de modifier la forme du participe II du verbe versinken pour obtenir une version révisée de façon satisfaisante : "Sie ist in Gedanken versunken" (Elle est plongée dans ses pensées). Il aurait toutefois été possible d'aller plus loin lors de cette exploration de corpus. Cornélia aurait pu classer par ordre alphabétique les mots qui se trouvent à gauche du mot-clé principal "Gedanken". Cela aurait mis en relief le fait que in Gedanken versunken est fréquemment précédé par un adverbe intensificateur, comme sehr, tief, völlig (très, profondément, pleinement). Le choix d'un de ces éléments lui aurait permis de complexifier son texte. D'ailleurs, il aurait été intéressant de faire expliquer à Cornélia pourquoi elle a choisi cette ligne en particulier. C'est un procédé qui pourrait être appliqué lors d'une nouvelle recherche.

7. Pour finir

36L'objectif principal de cette publication a été de convaincre les enseignants du secteur Lansad de l'utilité d'apprendre à exécuter les gestes techniques nécessaires pour travailler avec ses propres corpus. S'ils acceptent de faire ce pas, ils peuvent par la suite offrir aux apprenants la possibilité d'observer la langue en contexte et de déterminer la quantité de texte qu'ils souhaitent observer. Pour ceux qui doutent encore de l'utilité de tels efforts techniques, mais qui s'intéressent au type de travail décrit dans ce texte, j'aborderai dans ce qui suit les concordanciers en ligne, prêts à l'emploi, mis à disposition sur le site Compleat Lexical Tutor v.6.2 (Cobb, ndb). Ces outils permettront peut-être au lecteur encore sceptique de se familiariser avec certains types de requêtes et peut-être même de se sentir prêt à créer ses propres corpus par la suite, s'il souhaite aller plus loin. À ce jour, il est possible d'interroger sur Compleat Lexical Tutor v.6.2, un corpus allemand, un corpus espagnol, plusieurs corpus anglais et plusieurs corpus français. L'utilisateur a accès au contenu de ces corpus uniquement en passant par les concordanciers (cf. section 1). Ma démonstration ci-dessous se restreint au concordancier pour l'anglais, appelé Corpus concordance English. Je réplique les requêtes "recorded" / "recorded were" destinées à réviser le passage erroné "not all the five *recorded sessions were analyzed", déjà évoqué en section 2. Je présenterai uniquement les résultats que j'ai identifiés dans le corpus BNC Humanities, car dans Academic Abstracts, un deuxième corpus pouvant paraître pertinent par rapport au genre textuel recherché, je n'ai pas trouvé d'occurrences concluantes.

Figure 4 – Requête à l'aide de l'outil Corpus Concordance English.

Figure 4 – Requête à l'aide de l'outil Corpus Concordance English.
  • 6 Ce réglage – à une distance jusqu'à quatre mots à droite ou à gauche du mot-clé principal – ne peut (...)

37Résultats de la requête (recorded combiné avec were ou are à sa droite, à une distance jusqu'à quatre mots6) : on obtient une seule occurrence, incluant "are" : "Other deitis RECORDED are the Mother Goddesses".

38Résultats de la requête (recorded) : il y a cinq occurrences pertinentes sur 302 lignes de concordance qui s'affichent et que j'ai exportées en cochant la case en début de la ligne.

Figure 5 – Lignes de concordance exportées du corpus BNC Humanities.

Figure 5 – Lignes de concordance exportées du corpus BNC Humanities.

39Les options de contextualisation de la requête du concordancier de Cobb (nda) sont assez restreintes, ce qui rend le repérage d'occurrences pertinentes assez chronophage. Malgré les restrictions évoquées, l'utilisation du concordancier de Cobb (nda) offre une bonne entrée en matière d'exploration de corpus pour l'anglais et le français. Je le recommanderais moins pour l'allemand et l'espagnol : on n'a accès qu'à un corpus général, ce qui restreint la pertinence des résultats pour un contexte Lansad. Le Braun Corpus contient des données qui paraissent convenir pour l'enseignement-apprentissage de l'allemand. Je pense par exemple aux entrées "Skills and hobbies" ; "Popular Lore", "Witze" (blagues) et "Fiction". Il est dommage que les données de ces rubriques soient mélangées à des données provenant de textes journalistiques, religieux et autres. On ne peut donc pas savoir si les caractéristiques linguistiques des occurrences obtenues grâce à une requête dans ce corpus sont pertinentes par rapport à un genre textuel spécifique. Comme déjà précisé en section 1, il me semble donc parfaitement justifié, pour un contexte d'enseignement-apprentissage des langues étrangères, et en particulier de l'allemand, de se servir de Sketch Engine. L'abonnement aux services proposés par ce système de gestion de corpus est payant ; un accès gratuit d'une durée de 30 jours est toutefois offert et peut convenir pour certains projets d'enseignement-apprentissage. Je recommande donc l'usage de Sketch Engine, en attendant la possibilité d'avoir accès à un autre outil ayant des propriétés comparables, tout en étant de type open source. Cet outil devrait être conçu dans le souci de tenir compte des besoins d'utilisateurs variés, à savoir de ceux de linguistes et informaticiens, mais aussi de ceux d'acteurs impliqués dans l'enseignement-apprentissage des langues.

Haut de page

Références

Les liens externes étaient valides à la date de publication.

Bibliographie

Anthony, L. (2013). "A critical look at software tools in corpus linguistics". Linguistic Research, vol. 30, n° 2. pp. 141-161. http://isli.khu.ac.kr/journal/content/data/30_2/1.pdf

Bommier-Pincemin, B. (1999). Diffusion ciblée automatique d'informations : conception et mise en œuvre d'une linguistique textuelle pour la caractérisation des destinataires et des documents. Thèse de doctorat en linguistique. Université Paris 4. Disponible en ligne : http://www.revue-texto.net/Inedits/Pincemin/Pincemin_these.html

Chachkine, E., Demaizière, F. & Schaeffer-Lacroix, E. (2013). "Pour un apprenant réfléchissant". Linguistik online, vol. 60, n° 3. http://www.linguistik-online.de/60_13/chachkineDemaiziereSchaeffer-Lacroix.html

Dodd, B. (1997). "Exploiting a corpus of written German for advanced language learning". In Wichmann, A., Fligelstone, S., McEnery, T. & Knowles, G. (dir.). Teaching and Language Corpora. London : Longman. pp. 131-145.

Habert, B., Nazarenko, A. & Salem, A. (1997). Les linguistiques de corpus. Paris : Armand Colin.

Hess, A. (2010). Weissensee. Script de film. http://www.stichwortdrehbuch.de/drehbuch

Johns, T. (1991). "Should you be persuaded – Two samples of data-driven learning materials". In Johns, T. & King, P. (dir.). Classroom concordancing. English language research journal 4. Birmingham : Birmingham University. pp. 1-13.

Kennedy, C. & Miceli, T. (2001). "An evaluation of intermediate students' approaches to corpus investigation". Language Learning & Technology, vol. 5, n° 3. pp. 77-90. http://llt.msu.edu/vol5num3/kennedy/default.html

Mayaffre, D. (2002). "Les corpus réflexifs : entre architextualité et hypertextualité". Corpus, vol. 1. http://corpus.revues.org/11

Schaeffer-Lacroix, E. (2011). "Exploiter des concordances pour la rédaction d'annonces en allemand". Les langues modernes – "Aider à écrire", vol. 2. http://www.aplv-languesmodernes.org/spip.php?article3958

Schaeffer-Lacroix, E. (2014 à paraître). "Impact de discussions métalinguistiques sur l'apprentissage de la production écrite en allemand, langue étrangère". Linx – Revue des linguistes de l'université Paris Ouest Nanterre La Défense.

Logiciels et sites

Allorge, L. (nd). TextStat 3.0. Concordancier téléchargeable. http://www.lunerouge.org/spip/article.php3?id_article=443

Anthony, L. (2007). AntConc 3.4.1w. Concordancier téléchargeable. http://www.antlab.sci.waseda.ac.jp/antconc_index.html

Cobb, T. (nda). Online Concordancers – 1. Corpus-based concordances V7. Pour interroger des corpus existants. http://www.lextutor.ca/concordancers/

Cobb, T. (ndb). Compleat Lexical Tutor v6.2 for Data Driven Learning on the Web. Plateforme donnant accès à de nombreux outils, dont des concordanciers. http://www.lextutor.ca/

Cobb, T. (ndc). Text-based concordances. Pour publier et interroger son propre corpus. http://www.lextutor.ca/concordancers/text_concord/

Divsic, D., Rott, S. & Horst, M. (2008). Braun Corpus. Corpus général allemand interrogeable à l'aide du concordancier Konkordanzer-Corpus Deutsch (v5.1). http://www.lextutor.ca/concordancers/concord_g.html

Extensible Markup Language (1996-2003). Site officiel décrivant les spécificités du langage de balisage XML. http://www.w3.org/XML/

Fleury, S., Lamalle, C., Martinez, W. & Salem, A. (2003). Lexico3. Outils de statistique textuelle. Paris : Université Paris 3. http://www.cavi.univ-paris3.fr/Ilpga/ilpga/tal/lexicoWWW/

Ingelmann, C. (2014). Brieffreunde.org. Site pour trouver un correspondant. http://www.brieffreunde.org/

Kilgarriff, A., Rychly, P. & Pomikalek, J. (nd). Sketch Engine. Système de gestion de corpus. http://www.sketchengine.co.uk/

Kilgarriff, A., Rychly, P. & Pomikalek, J. (2010-11). deTenTen10. Giga-corpus créé par webcrawling. http://www.sketchengine.co.uk/

Kilgarriff, A., Rychly, P. & Pomikalek, J. (2010-12). enTenTen12. Giga-corpus créé par webcrawling. http://www.sketchengine.co.uk/

Kilgarriff, A., Rychly, P. & Pomikalek, J. (2012). frTenTen12. Giga-corpus créé par webcrawling (Spiderling). http://www.sketchengine.co.uk/

Renner, M. (2010). TitanPad. Traitement de texte collaboratif en ligne. http://titanpad.com/

Schmid, H. (1993-1996). TreeTagger. Outil d'annotation. http://www.ims.uni-stuttgart.de/projekte/corplex/TreeTagger/

Haut de page

Document annexe

Haut de page

Notes

1 On peut s'attendre à ce qu'à moyen terme, les fichiers hors ligne seront remplacés par des documents en ligne.

2 Tous les logiciels sont référencés à la fin de ce document.

3 Les spécialistes (en linguistique de corpus, en informatique, etc.) ne sont pas obligés de se contenter de cette option qui a certains inconvénients. En effet, les systèmes d'annotation ne peuvent être dissociés d'une théorie linguistique à laquelle l'utilisateur du corpus n'adhère pas forcément.

4 Ce corpus a été créé entre 2004 et 2007 au sein des universités de Warwick, Reading et Oxford Brookes par Hilary Nesi et Sheena Gardner (à l'époque membre du Centre for Applied Linguistics, Warwick), Paul Thompson (Department of Applied Linguistics, Reading) et Paul Wickens (Westminster Institute of Education, Oxford Brookes), avec le soutien du Economic and Social Research Council (RES-000-23-0800).

5 Dans ce texte, l'esperluette caractérise le fait qu'une requête porte sur deux éléments différents, en l'occurrence sur les termes recorded et noun.

6 Ce réglage – à une distance jusqu'à quatre mots à droite ou à gauche du mot-clé principal – ne peut pas être modifié.

Haut de page

Table des illustrations

Titre Figure 1 – Requête "recorded were & noun plural left 1" dans le corpus enTenTen12.
URL http://alsic.revues.org/docannexe/image/2720/img-1.png
Fichier image/png, 35k
Titre Figure 2 – Corpus publics et corpus privés sur Sketch Engine.
URL http://alsic.revues.org/docannexe/image/2720/img-2.png
Fichier image/png, 29k
Titre Figure 3 – Discussion métalinguistique concernant le sens de "toujours".
URL http://alsic.revues.org/docannexe/image/2720/img-3.png
Fichier image/png, 137k
Titre Figure 4 – Requête à l'aide de l'outil Corpus Concordance English.
URL http://alsic.revues.org/docannexe/image/2720/img-4.png
Fichier image/png, 12k
Titre Figure 5 – Lignes de concordance exportées du corpus BNC Humanities.
URL http://alsic.revues.org/docannexe/image/2720/img-5.png
Fichier image/png, 21k
Haut de page

Pour citer cet article

Référence

Eva Schaeffer-Lacroix, « Utiliser des corpus numériques avec un public Lansad », Alsic [En ligne], Vol. 17 | 2014, mis en ligne le 11 juin 2016, Consulté le 23 avril 2017. URL : http://alsic.revues.org/2720 ; DOI : 10.4000/alsic.2720

Haut de page

Auteur

Eva Schaeffer-Lacroix

Eva Schaeffer-Lacroix est maître de conférences en études germaniques à l'université Paris-Sorbonne - ESPE de Paris. Ses recherches portent sur l'usage des technologies pour l'enseignement-apprentissage de l'allemand, langue étrangère. Elle s'intéresse en particulier aux corpus numériques et à la production écrite.
Affiliation : université Paris-Sorbonne – ESPE de Paris.
Courriel : elacroix@espe-paris.fr
Toile : http://didaktik.hautetfort.com
Adresse : laboratoire CeLiSo, Maison de la Recherche ; 28 rue Serpente, 75006 Paris, France.

Articles du même auteur

Haut de page

Droits d'auteur

CC-by-nc-nd

Haut de page