Skip to navigation – Site map

HomeVolumesVol. 18, n° 1Analyse de sites et logicielsAnalyse de trois systèmes de gest...

Analyse de sites et logiciels

Analyse de trois systèmes de gestion de corpus pour l'enseignement-apprentissage des langues étrangères

Eva Schaeffer-Lacroix

Index terms

Mots-clés :

analyse

Keywords:

review
Top of page

Full text

1. Introduction

1Les corpus numériques font actuellement leur entrée dans le monde de l'enseignement-apprentissage des langues. Deux numéros spéciaux de revues spécialisés en témoignent : en 2014, ReCALL (Journal of the European association of computer-assisted language learning) a publié un volume appelé Special Issue on Researching New Uses of Corpora for Language Teaching and Learning, et en 2015, LLT (Language Learning & Technology), a lancé un appel concernant le thème Special Issue on: Corpora in Language Learning and Teaching, à paraître en 2017. Afin de préparer enseignants et apprenants, concernés au premier chef, à cette évolution, il paraît utile de les informer sur des outils susceptibles de répondre à leurs besoins spécifiques. Ils peuvent, par exemple, souhaiter transformer des données textuelles en un corpus numérique sans y passer des heures et sans devoir acquérir des connaissances avancées en TAL (traitement automatique des langues). Il existe des plateformes, appelées "systèmes de gestion de corpus", qui rassemblent plusieurs outils de statistique textuelle. Ces plateformes ont une interface numérique plus ou moins complexe. Elles donnent minimalement l'occasion d'explorer des corpus déjà implémentés. Les outils mis à disposition permettent de créer des lignes de concordance, des listes de fréquence, etc. Certains des systèmes offrent en plus aux usagers la possibilité de déposer leurs propres données et parfois même de les faire annoter de façon automatique.

2La première partie de l'article donne un aperçu des caractéristiques idéales de corpus dits "pédagogiques", donc de banques de données pouvant trouver leur place au sein de dispositifs d'enseignement-apprentissage des langues étrangères. La seconde partie est consacrée à la présentation de caractéristiques idéales de systèmes de gestion de corpus. La troisième partie présente l'étude comparative d'un choix de caractéristiques de CQPweb (The Open Corpus Workbench, nd), Sketch Engine (Kilgarriff, Rychly & Pomikalek, nd) et TXM (Heiden, Magué & Pincemin, 2010). J'évaluerai la présence de fonctionnalités et de services jugés centraux pour un usage pédagogique, à savoir l'accès libre aux données des corpus, la convivialité des outils, pouvant être manipulés sans formation poussée par des personnes non spécialistes en informatique ou en TAL, ainsi que la qualité de l'assistance technique et humaine.

3Un glossaire définissant quelques termes centraux du domaine est proposé à la fin. Par contre, cet article ne contient pas de descriptions d'activités d'enseignement-apprentissage faisant appel aux corpus ; ceux ou celles qui s'y intéressent peuvent consulter un de mes autres articles, en particulier Schaeffer-Lacroix, 2014a, ou un des articles mentionnés dans la section "Publications" de mon blogue professionnel (Schaeffer-Lacroix, nd).

2. Un choix d'outils quelque peu opportuniste

4N'étant pas spécialiste du traitement automatique des langues, j'ai appris, plus ou moins en tant qu'autodidacte, à manipuler certains outils de ce type, pouvant convenir à un usage pédagogique. Je les ai découverts grâce aux colloques Untele (Usages des nouvelles technologies dans l'enseignement des langues étrangères), Les journées de la linguistique de corpus, Ivacs (Inter-Varietal Applied Corpus Studies Conference on Connecting Corpus Linguistics) et TaLC (Teaching and Language Corpora conference). Ce dernier est spécialement dédié à l'enseignement-apprentissage des langues à l'aide de corpus numériques.

5Le choix des outils comparés dans cet article, à savoir CQPweb, Sketch Engine et TXM, dépend aussi des occasions de formation continue qui se sont offertes à moi (voir mon blogue professionnel, Schaeffer-Lacroix, nd, section "Perfectionnement technique"). La durée de ces formations a varié entre deux heures et dix jours.

  • 1 Projet FNS "Politique linguistique et usage de la langue dans la suisse plurilingue : noms communs (...)

6L'outil CQPweb, une application de The IMS Open Corpus Workbench (nd), ne répond en principe pas à tous les critères cités dans la troisième partie. Toutefois, j'ai eu l'occasion d'utiliser CQPweb au sein d'un projet conséquent de recherche en linguistique1, ce qui m'a permis d'en découvrir plusieurs fonctions non seulement adaptées à un usage pour des recherches scientifiques, mais aussi à des fins d'enseignement-apprentissage d'une langue étrangère (LE). Ce système de gestion de corpus trouve donc sa juste place dans le tableau comparatif.

7En raison de difficultés que j'ai rencontrées concernant l'affichage de caractères allemands, ma langue de travail principale, j'ai écarté AntConc (Anthony, 2013) et Lexico3 (Fleury, Lamalle, Martinez & Salem, 2003). Cela n'enlève rien à la qualité de ces deux collections d'outils.

2. Quelles caractéristiques peut-on attendre d'un corpus pédagogique ?

2.1. Un genre textuel identifiable

8Les corpus pédagogiques (Braun, 2005 ; Schaeffer-Lacroix, 2012) sont des banques de données textuelles qui se prêtent à un usage dans un contexte d'enseignement-apprentissage des langues étrangères (LE). Ils peuvent servir d'outil de référence linguistique, en particulier s'ils se composent d'unités textuelles formant un tout signifiant. Dans cette perspective, on privilégiera des corpus dits "réflexifs" (Mayaffre, 2005) qui contiennent des documents représentant tous un même genre textuel. Ils se distinguent d'ensembles textuels de type "sac de mots" (Rastier, 2004) qui sont composés de bouts de texte isolés de leur environnement discursif. Ces derniers permettent de rester dans un cadre légal par rapport aux droits d'auteur sans avoir à faire de démarches particulières. Toutefois, les "sacs de mots" occultent le fait que le sens des données linguistiques dépend aussi du contexte plus ou moins large dans lequel elles apparaissent (cf. section 3.2., qui traite de la modulabilité de la taille du contexte du mot recherché à l'aide d'un concordancier).

2.2. Des données modifiables

9Demaizière et Grosbois (2014) relèvent la valeur discutable de documents dits "authentiques" pour l'enseignement-apprentissage des langues. Elles rappellent que l'apprenant peut être "authentiquement dérouté ou dépassé par des documents 'réels'". Il peut, en effet, y avoir des situations dans lesquelles on ne peut pas se contenter de (faire) travailler avec des textes en version d'origine. Les enseignants peuvent alors souhaiter avoir accès aux données brutes qui sont à l'origine du corpus pédagogique. Cela leur permettra de vérifier et / ou de remanier les données avant d'y confronter les apprenants et de garantir une qualité et une fiabilité jugées suffisantes même dans le cadre d'un public peu avancé en LE. Premièrement, il semble important de pouvoir éliminer en amont les erreurs de langue, le cas échéant. Deuxièmement, des coupes dans le texte peuvent être bénéfiques, voire nécessaires pour qu'il corresponde aux besoins des apprenants. On censurera éventuellement certains termes pour permettre un usage avec un public mineur, et on coupera des passages jugés inutiles, redondants ou pouvant prêter à confusion. Toutefois, on évitera de dénaturer outre mesure le texte d'origine : il doit pouvoir continuer à représenter un genre textuel donné même après avoir été retravaillé.

3. Quelles caractéristiques peut-on attendre d'un système de gestion de corpus ?

3.1. Un accès libre aux données publiées

10Les trois systèmes présentés ci-dessous donnent aux usagers accès aux fichiers d'origine du corpus, et deux d'entre eux offrent aux enseignants (et pourquoi pas aux apprenants) la possibilité d'y déposer de façon plus ou moins instantanée leurs propres corpus créés à partir de données pour lesquelles ils ou elles détiennent les droits (cf. paragraphe 4.2). Cette option s'avère particulièrement utile dans le contexte d'un enseignement-apprentissage de langues autres que l'anglais, langues pour lesquelles on dispose parfois d'une quantité peu abondante de corpus numériques prêts à l'emploi, répondant aux critères évoquées ci-dessus.

3.2. Une visualisation variée et flexible des données

11Il paraît également important que les outils offrent aux usagers la possibilité de visualiser les données de plusieurs façons. Afin de pouvoir répondre à leurs besoins dans des situations d'apprentissage spécifiques, il doit être possible de déterminer la portion de langue à laquelle ils sont confrontés ou choisissent de se confronter. Certains systèmes disposent également de fonctionnalités de visualisation graphique de type barres de progression (cf. "Outil de distribution" dans le glossaire à la fin de cet article), nuage de mots ou autres.

3.3. Une facilité d'emploi des outils suffisante

12Dans le contexte de l'enseignement-apprentissage des langues, les corpus représentent un des outils d'accès au sens parmi d'autres, tels que les dictionnaires et traducteurs électroniques. Les arguments que l'on avancera pour justifier l'exploration de corpus pédagogiques (Johns, 1991 ; Boulton, 2008) tomberont dans l'oreille d'un sourd si l'obstacle technique qui doit être surmonté pour les utiliser est ressenti comme trop important. Je privilégie donc les systèmes dotés d'une ergonomie intuitive, permettant d'accéder aux corpus en peu de clics et proposant une gamme d'outils suffisamment faciles d'emploi. Ces systèmes ne doivent toutefois pas être trop frustes au niveau des fonctionnalités d'exploration, de visualisation et d'export des données. Le type de langage d'interrogation qui est proposé et l'assistance technique sont également des critères à prendre en compte.

3.4. Un langage d'interrogation abordable

13Certains des outils d'exploration de corpus nécessitent, davantage que d'autres, la connaissance d'un langage d'interrogation d'une certaine technicité. Le Corpus query language (CQP) est l'un des plus répandus dans le domaine. Il fonctionne avec les trois systèmes présentés dans cet article.

14Est-ce que les enseignants et apprenants doivent accepter de surmonter l'obstacle important que peut représenter l'apprentissage d'un tel langage ? Si on se contente de requêtes portant sur des mots ou bouts de mots isolés et si l'outil propose une assistance performante à formuler des requêtes plus complexes sans passer par un langage codé, la réponse à cette question est "non". Une telle assistance est proposée par Sketch Engine (Kilgarriff et al., nd) et, de façon plus explicite et plus élaborée, par TXM. CQPweb propose une version allégée du langage CQP, dite "simple query language" (langage de requête simplifié). De mon point de vue, l'apprentissage de cette version a un coût qui ne se distingue pas assez du coût nécessité par l'apprentissage de l'autre langage. De plus, on peut supposer que le simple query language est moins universel que le langage CQP.

15Si on veut faire des recherches d'une certaine complexité ou d'une portée générale, même sans être spécialiste en TAL, on a donc tout à gagner à se familiariser avec un des langages codés courants. On a des chances d'y arriver si on l'utilise sur une période suffisamment longue, de préférence dans un contexte où on peut obtenir de l'aide non seulement technique, mais aussi humaine.

4. Comparaison d'un choix de fonctionnalités et de services

4.1. Prise en main

16Sketch Engine est directement utilisable sans installation de logiciels et sans préparation particulière des fichiers contenant les données qui sont à la base du futur corpus. Tout peut être fait à partir de l'interface proposée en ligne. TXM nécessite l'installation préalable de plusieurs logiciels, et l'usage de CQPweb implique une préparation assez lourde des fichiers avant leur dépôt en ligne ; on doit donc accepter de faire un certain nombre de gestes techniques avant de pouvoir travailler avec TXM ou CQPweb. Le dépôt de données dans le but d'en faire un corpus numérique, est techniquement peu exigeant en ce qui concerne Sketch Engine et TXM ; il n'en est pas de même pour CQPweb. Les premiers pas avec TXM peuvent paraître contraignants, en particulier quand il s'agit d'équiper des machines dans un établissement scolaire ou universitaire avec les logiciels que ce système de gestion de corpus requiert, mais une fois que tout est bien installé et réglé, on a accès à une interface intuitive, et on profite de fonctionnalités bien pensées.

4.2. Dépôt des données

4.2.1. CQPweb

17Avant de pouvoir déposer ses propres données sur l'espace d'interrogation en ligne de CQPweb, on doit préparer le fichier contenant les données d'une façon qui nécessite des connaissances avancées en TAL (cf. Evert, 2009). En ce qui concerne le volet germanophone du corpus Feuille fédérale (2013-2016) du projet FNS, nous avons opté pour le soutien technique de spécialistes en linguistique de corpus afin de pouvoir interroger notre corpus à l'aide des outils de CQPweb. Je ne donnerai donc pas d'autres détails ici.

4.2.2. Sketch Engine

  • 2 "Étiquetage" veut dire, associer chaque terme du corpus à une catégorie grammaticale ou autre.

18Sketch Engine offre plusieurs possibilités de dépôt de fichiers, accessibles même aux novices en TAL. On peut utiliser des fichiers source de types variés (liste complète des extensions acceptées : .doc, .docx, .htm, .html, .pdf, .ps, .tar.bz2, .tar.gz, .tgz, .tmx, .txt, .vert, .xml, .zip). J'apprécie en particulier la prise en charge du format pdf. Les fichiers peuvent provenir de la machine de l'usager ou d'un site Internet. Les données peuvent également être déposées sur l'espace d'interrogation de Sketch Engine en les copiant et collant dans une case réservée à cet effet. Pendant le processus de création du corpus, on peut profiter d'un étiquetage automatique2 adapté à la langue des données. Pour l'allemand, l'étiquetage se fait actuellement à l'aide de l'outil German RFTagger 3.4 (Schmid & Laws, nd).

19Clip vidéo 1 – Déposer et interroger un corpus avec Sketch Engine.

20Le contenu des fichiers, transformé en corpus, peut ensuite être consulté en ligne, et il peut être partagé avec d'autres usagers de Sketch Engine.

4.2.3. TXM

21TXM permet de déposer des fichiers en format texte (extension .txt) associés à des données tabulaires, à savoir des feuilles de type CSV (comma-separated values), ainsi que des fichiers XML + CSV ou XML-TEI. Je ne citerai pas les autres formats, qui sont encore plus "confidentiels" que les précédents et avant tout connus et utilisés par des spécialistes en TAL. On peut également opter pour un procédé de dépôt très simple, le "copier-coller" à partir d'un fichier en format texte. Les données sont ensuite traitées pour être interrogeables à l'aide d'outils de statistique textuelle (un concordancier, outil de création d'une liste de fréquence, etc.).

22Clip vidéo 2 – Déposer et interroger un corpus avec TXM.

23Un réglage dans l'onglet "Outils – Préférences" suffit pour s'offrir la possibilité de faire étiqueter ses données à l'aide de Treetagger (Schmid, 1993-1996) en version adaptée à la langue du corpus.

Figure 1 – Réglage de la langue par défaut.

Figure 1 – Réglage de la langue par défaut.

24On peut trouver peu pratique que les corpus déposés par les usagers à l'aide du procédé "copier-coller" portent tous un nom commençant par "PRESSEPAPIER", ce qui donne "PRESSEPAPIER1", "PRESSEPAPIER2", "PRESSEPAPIER3", etc.

4.3. Visualisation des données

4.3.1. CQPweb

25Le concordancier de CQPweb peut être paramétré à partir de l'onglet "User settings" du menu latéral gauche : on peut afficher des données sous forme de lignes de concordance ou de phrases, la fréquence minimale des collocations (donc, des éléments qui co-apparaissent avec le mot recherché), etc. L'option "régler la taille du contexte de gauche et / ou de droite d'un mot recherché" ne semble être implémentée que pour l'affichage des collocations. On peut également choisir la taille du contexte au moment d'exporter le résultat d'une requête, ce que je trouve un moment peu opportun au vu des besoins du public visé.

26Quand on fait des requêtes, le mot recherché apparaît au centre des lignes de concordance. Un clic sur le mot recherché donne accès à un contexte plus vaste, mais fixe, et on peut faire afficher les étiquettes de tous les termes de l'extrait affiché. La lisibilité de l'affichage de ces informations n'est toutefois pas très confortable. Selon les corpus, il est également possible de consulter le fichier d'où provient le terme recherché (cela est, d'ailleurs, le cas pour le corpus du projet FNS). Les lignes de concordance apparaissent selon l'ordre dans lequel le mot recherché figure dans le corpus, mais on peut également les faire afficher selon un ordre aléatoire (fonction "Show in random order"). Ce deuxième type d'affichage permet de se faire rapidement une idée de ce qui existe comme types d'occurrences pour une requête donnée. Il est particulièrement utile si on a affaire à un grand nombre de lignes de concordance.

27Clip vidéo 3 – Interroger un corpus avec CQPweb.

28On peut également visualiser la distribution d'un mot-clé dans le corpus. L'accès à cette fonction n'est pas aisé ; il y a plusieurs étapes à franchir avant d'arriver à une représentation graphique comme celle représentée en Figure 2.

Figure 2 – Distribution de la forme "Musikerinnen" (musiciennes) dans le corpus DDB V3.

Figure 2 – Distribution de la forme "Musikerinnen" (musiciennes) dans le corpus DDB V3.

29Citons également la fonction "Categorise query results" qui permet de créer, pour un terme donné, des catégories afin de pouvoir classer ses occurrences par simple clic dans une de ces catégories. Les résultats peuvent être sauvegardés. Cette option est particulièrement utile quand on cherche uniquement certaines acceptions ou fonctions d'un terme ou si on veut écarter les résultats non pertinents. Donnons un exemple qui a son importance au sein du projet FNS au sein duquel on s'intéresse uniquement aux noms communs désignant des personnes, à l'exclusion de noms propres et d'autres classes de mots. Le terme de "Schweizer" (Suisse, suisse) peut être un nom commun qui désigne la nationalité d'une personne, mais aussi un adjectif. De plus, il est un homonyme du nom de famille "Schweizer". L'intérêt pédagogique de ce type d'activités de classement me semble avéré.

Figure 3 – Classement de formes dans des catégories déterminées par l'usager.

Figure 3 – Classement de formes dans des catégories déterminées par l'usager.

4.3.2. Sketch Engine

30Le concordancier de Sketch Engine permet de régler très finement l'affichage des données autour du mot recherché. On peut opter pour un affichage de type KWIC (keyword in context), donc des lignes de concordance, ou bien pour un affichage de type "phrases". Dans le cas de corpus multilingues, on peut, en plus, faire afficher les portions de texte alignées qui peuvent correspondre à des paragraphes.

31Quand on clique sur le mot recherché, on a accès à un contexte plus vaste que celui fourni par la ligne de concordance. Ce contexte peut être successivement élargi du côté gauche et droite du mot-clé. On a également accès au fichier d'origine, en cliquant sur le lien qui apparaît à gauche de chaque ligne de concordance. Comme pour CQPweb, l'ordre des lignes peut être rendu aléatoire (fonction "Shuffle").

  • 3 Les données présentées dans le clip vidéo 4, les figures 4 à 8 et la figure 10 proviennent du corpu (...)

32Pour faire les réglages concernant l'affichage des lignes de concordance, on utilise l'onglet "View options" (possibilités de visualisation) du menu de gauche. Il est possible de régler au caractère près la taille du contexte du mot recherché ; elle sera toujours la même pour le contexte de droite et de gauche. Le nombre de lignes qui apparaissent à l'écran peut également être déterminé par les usagers. Les trois parties de la ligne de concordance, c'est-à-dire le contexte de gauche, le mot recherché ou le contexte de droite, peuvent être réordonnées pour apparaître dans l'ordre alphabétique. L'option "Checkbox for selecting lines" (case cliquable pour choisir des lignes) peut intéresser les enseignants souhaitant faire une présélection des occurrences, mais elle peut également faire partie d'une activité lors de laquelle les apprenantes doivent choisir des lignes jugées pertinentes, par exemple parce qu'elles représentent un cas de figure recherché dans une situation d'apprentissage donnée. La numérotation des lignes peut également soutenir le repérage ce qui peut être pratique lors d'une discussion métalinguistique3.

33Clip vidéo 4 – Interroger un corpus à l'aide de Sketch Engine.

34Les requêtes peuvent concerner un mot seul ou une suite de mots. La forme que l'on indique va être associée à son lemme et générer tous les résultats faisant partie de ce lemme. Pour donner un exemple : "chercher" va générer des lignes de concordance contenant "cherche", mais aussi "cherches", "cherchera", "cherché", etc.

35Il est particulièrement pertinent de travailler avec Sketch Engine si on s'intéresse à la co-apparition de deux mots-clés qui ne se suivent pas forcément ou à la co-apparition d'un mot-clé et de tous les représentants d'une classe de mots sélectionnée dans le menu déroulant. Dans une première case, on indique le terme que l'on recherche. Dans une deuxième case, on indique le terme ou la classe de mots qui doit co-apparaître avec le mot-clé de la première case. Quand on fait une telle requête combinée, les deux éléments recherchés sont marqués en rouge ce qui facilite leur repérage.

Figure 4 – "Lehrer" (enseignant) combiné avec n'importe quelle forme verbale (langage naturel).

Figure 4 – "Lehrer" (enseignant) combiné avec n'importe quelle forme verbale (langage naturel).

36On peut critiquer le choix des métatermes du menu déroulant, proposé uniquement en langue anglaise. Ce choix est parfois peu adapté aux autres langues que l'anglais (cf. la difficulté pour l'allemand de faire rechercher des particules verbales), mais ils ont le mérite d'exister. Leur bénéfice pratique est, malgré tout, important.

37La requête illustrée en Figure 4 a été exprimée en termes naturels. Si on utilise le langage CQP pour la même requête, les passages allant du terme recherché jusqu'au terme avec lequel il doit co-apparaître sont marqués en rouge. Cela me paraît moins exploitable que la visualisation précédente.

Figure 5 – "Lehrer" (enseignant) combiné avec n'importe quelle forme verbale (langage CQP).

Figure 5 – "Lehrer" (enseignant) combiné avec n'importe quelle forme verbale (langage CQP).

38Sketch Engine offre encore d'autres possibilités de visualisation, comme la fonction "Visualisation" qui présente la distribution du terme recherché, c'est-à-dire son emplacement matériel, dans le corpus. En Figure 6, il s'agit du terme "Lehrerin" qui veut dire "enseignante". Il est particulièrement fréquent vers la fin du fichier qui est à l'origine du corpus.

Figure 6 – Distribution de la forme "Lehrerin" (enseignante) dans le corpus Aufsaetze.

Figure 6 – Distribution de la forme "Lehrerin" (enseignante) dans le corpus Aufsaetze.

39Une façon assez ludique et esthétique de représenter la résonance d'un mot recherché est offerte par la fonction "Thesaurus". Elle affiche un nuage de mots qui apparaissent dans les mêmes environnements syntaxiques que le terme recherché (Thomas, 2015 : 182).

Figure 7 – Thesaurus appliqué à la forme "Lehrerin" (enseignante).

Figure 7 – Thesaurus appliqué à la forme "Lehrerin" (enseignante).

4.3.3. TXM

40Le concordancier de TXM peut être paramétré encore plus finement que celui de Sketch Engine. En se positionnant sur l'une des lignes de concordance qui s'affichent, on peut effectuer un clic droit qui permet d'accéder à une gamme de possibilités d'affichage du mot-clé. On peut indiquer le nombre de mots devant apparaître avant et après le mot recherché, ceci en distinguant les deux contextes (par exemple, cinq mots à gauche, sept à droite). D'autres options existent, comme l'affichage des propriétés du terme recherché, à savoir son étiquette, son lemme, sa classe de mot, et son numéro d'identification, ce dernier étant utile dans le cas de l'existence de sous-corpus.

41Au-dessus des lignes de concordance, d'autres options de classement sont proposées, appelées "clés de tri". Elles concernent le classement alphabétique de chacune des trois parties (contexte de gauche et de droite et mot recherché). Il est possible d'indiquer un ordre de priorité, traitant jusqu'à quatre types de classement. On peut toutefois trouver que ces possibilités dépassent les besoins d'enseignants et d'apprenants d'une LE.

42TXM permet de visualiser le texte suivi et de faire afficher les étiquettes de chaque terme sous forme de pop-up (cf. la fin de la vidéo en section 4.2.3.). Une telle représentation des données peut parfaitement soutenir le travail métalinguistique mené en cours de langue, malgré le fait qu'il arrive que certains mots n'ont pas d'étiquette adéquate. La discussion entre enseignants et apprenants (ou juste entre apprenants) peut tout à fait être alimentée par ce type de phénomènes. Ensemble, on peut chercher à comprendre pourquoi l'une ou l'autre étiquette n'a pas pu être déterminée par la machine.

43L'option "nuage de mots" est présente, tout comme pour Sketch Engine. Le graphique de distribution, obtenu à l'aide de la fonction "progression", est potentiellement plus complexe que pour Sketch Engine : il est possible de co-visualiser l'apparition de plusieurs termes dans le corpus. Le graphique suivant met en avant que dans le corpus Aufsaetze (Schaeffer-Lacroix, 2014b) les termes masculins ("Lehrer", donc "enseignant" et "Schüler", donc "élève garçon") sont plus fréquents que les termes équivalents féminins ("Lehrerin" et "Schülerin").

Figure 8 – Progression de quatre formes dans le corpus Aufsaetze.

Figure 8 – Progression de quatre formes dans le corpus Aufsaetze.

4.4. Exportation

4.4.1. CQPweb

Exportation du résultat d'une requête

44CQPweb offre la possibilité d'exporter en format texte des résultats de requêtes sous forme de lignes de concordance ou de texte suivi. Lors de l'export, il y a un paramétrage plutôt complexe à faire. L'extrait ci-dessous illustre le résultat que l'on peut obtenir dans le corpus Feuille fédérale (2013-2016) pour le terme "Musikerinnen" (musiciennes) si on ne fait afficher que le fichier d'origine et si on restreint à trois mots le contexte à droite et à gauche du mot recherché. On voit que le mot recherché ne se distingue pas visuellement des autres termes de la ligne de concordance.

de_1991_10051795 oder Musikern und Musikerinnen aus der Schweiz
de_1995_10053442  : Musiker und Musikerinnen oder Theaterleute aus
de_2002_1126 . Musiker und Musikerinnen in Orchestern,

Exportation du corpus

45En ce qui concerne l'exportation du résultat d'une requête, le corpus déposé sur CQPweb ne semble pas pouvoir être ré-exporté, en tout cas pas selon un procédé facilement identifiable.

4.4.2. Sketch Engine

Exportation du résultat d'une requête

46Sketch Engine offre des possibilités variées et conviviales d'exportation du résultat d'une requête, sous format texte ou XML. On peut exporter le résultat total, ou bien on restreint l'export à une seule page ou à un certain nombre de lignes de concordance.

Figure 9 – Exportation du résultat d'une requête sur Sketch Engine.

Figure 9 – Exportation du résultat d'une requête sur Sketch Engine.

47Sous l'onglet "Save" (sauvegarder) apparaît un onglet nommé "Save as subcorpus" (sauvegarder comme sous-corpus). La dénomination de cet onglet peut prêter à confusion : il ne s'agit pas d'un format de sortie ici. Toutefois, cela me permet de remarquer, en passant, qu'il est possible de sauvegarder un choix de lignes qui apparaîtront ensuite comme sous-corpus. Cela permettra ensuite de comparer entre elles des parties du corpus.

Exportation du corpus

48Il est possible de ré-exporter les fichiers que l'on a déposés sur Sketch Engine. On a le choix entre une sortie de type "texte suivi" (plain text) ou de type "texte étiqueté" (vertical text). L'exemple ci-dessous provient du corpus Aufsaetze (Schaeffer-Lacroix, 2014b). Traduction de l'extrait : "Puisque personne n'a encore donné signe de vie, je vais ouvrir la 'discussion'".

49Exemple plain text.

<file id="file1855423" filename="pasted_text.txt"> da sich noch niemand gemeldet hat, werde ich die „Diskussion“ eröffnen. (…)</file>
Exemple vertical text :
<file id="file1855423" filename="pasted_text.txt">
<s>
da ADV ADV da-r
sich PRO.Refl.Subst.3.Acc.Sg.* PRF sich-p
noch ADV ADV noch-r
niemand PRO.Indef.Subst.-.Nom.Sg.Masc PIS niemand-p
gemeldet VPP.Full.Psp VVPP melden-v
hat VFIN.Haben.3.Sg.Pres.Ind VAFIN haben-v
<g/>
, SYM.Pun.Comma $, ,-x
werde VFIN.Aux.3.Sg.Pres.Subj VAFIN werden-v
ich PRO.Pers.Subst.1.Nom.Sg.* PPER ich-p
die ART.Def.Acc.Sg.Fem ART die-x
„ SYM.Quot.Left $( ``-x
<g/>
Diskussion N.Reg.Acc.Sg.Fem NN Diskussion-n
<g/>
“ SYM.Quot.Right $( ''-x
eröffnen VINF.Full.- VVINF eröffnen-v
</s>
</file>

50Dans l'exemple étiqueté, on constate le problème suivant : les trémas allemands (ä, ö, ü) ne sont pas codés correctement. J'ai constaté la même chose avec les accents en langue française. En anglais, tous les types de lettres sont bien rendus.

4.4.3. TXM

Exportation du résultat d'une requête

51L'exportation des résultats d'une requête est possible moyennant l'exécution des étapes suivantes : il faut positionner le curseur sur l'élément à exporter, choisir le menu d'affichage horizontal "Vue – corpus" et cliquer ensuite sur les onglets "Fichier – Exporter – Données" du menu latéral. L'élément "A/Z word" à la fin de la liste dans le menu de gauche en Figure 10 permet de sélectionner la liste de fréquence qui doit être exportée.

Figure 10 – Exporter les résultats d'une requête avec TXM.

Figure 10 – Exporter les résultats d'une requête avec TXM.

52On peut trouver que ce procédé est un peu fastidieux en vue des besoins du public visé. De plus, on obtient des fichiers de format tabulaire (CVS) qui peuvent contenir des erreurs de codage de certains caractères allemands. Cela me semble assez problématique pour un contexte pédagogique. Il est donc préférable de faire un copier-coller des lignes auxquelles on s'intéresse.

Exportation du corpus

53Le corpus peut être ré-exporté, mais uniquement sous format TXM.

4. 5. Assistance

4.5.1. CQPweb

Assistance technique

54Le site The IMS Open Corpus Workbench (nd) regroupe diverses aides techniques pouvant servir pour CQPweb, entre autres :

  • un manuel d'utilisateur ;

  • une section FAQ (foire aux questions) ;

  • selon les corpus, un lien vers la fiche présentant les étiquettes ayant servi pour annoter le corpus (tagset) ;

  • un lien vers des vidéos en ligne présentant les fonctionnalités essentielles, produites par Andrew Hardie, un des responsables du projet de création de CQPweb (une série de 27 clips ; voir la chaîne Youtube Corpus Workbench ; cf. Hardie, 2013).

55Il est également utile de consulter l'article de Hardie (2012) présentant les spécificités de CQPweb.

Assistance humaine

56Je n'ai pas eu l'occasion de demander de l'aide humaine proposée sur la page d'accueil de CQPweb Lancaster (2008-2015), gérée par Andrew Hardie. J'aurais souhaité pouvoir tester l'onglet "Open help system", mais au moment de la rédaction de l'article, j'ai obtenu un message d'erreur. Sur la page correspondant au corpus du projet FNS dans lequel je suis impliquée, donc un corpus géré par CQPweb, on a accès à un formulaire qui renvoie explicitement à Andrew Hardie.

Figure 11 – Formulaire d'aide pour CQPweb.

Figure 11 – Formulaire d'aide pour CQPweb.

57La formulation "Send email about bugs to Andrew Hardie" (En cas de bogue, envoyez un courriel à Andrew Hardie) suggère que l'aide est proposée uniquement à ceux ou celles qui constatent un dysfonctionnement de l'outil ; l'accompagnement des usagers de CQPweb ayant des questions concernant la manipulation de l'outil ne semble pas être prévu ici. Certains trouveront peut-être une réponse à leurs questions dans la série des tutoriels proposée par Hardie dans un but de formation à l'utilisation de CQPweb. Précisons que ce système de gestion de corpus est gratuit et que l'on ne peut pas forcément s'attendre à une aide personnalisée, en tout cas pas à une aide apportée par une seule personne. L'assistance personnalisée doit alors être organisée de façon individuelle, au sein de projets qui se servent de CQPweb.

58Notons qu'une communauté d'utilisateurs et utilisatrices de CQPweb communiquant par liste courriel existe, mais elle sert particulièrement à résoudre des questions techniques par et pour des spécialistes en TAL, comme le suggère la description ci-dessous trouvée sur la page d'accueil de la liste CWB (Corpus WorkBench) (Evert, 2009).

This list hosts technical discussion among developers of the open source version of the Corpus WorkBench corpus processor. Discussed topics include but are not limited to: functional specifications, rewriting and documentation of codebase, indexing and query efficiency issues, integration with standard relational database, development of Web interface, etc.
(Cette liste accueille des discussions techniques entre développeurs de la version libre du processeur Corpus WorkBench. Les thèmes de discussion incluent, de façon non exclusive, les spécifications des fonctions, la réécriture et la documentation du code source, l'indexation et l'efficacité des requêtes, l'intégration de standards de bases de données relationnelles, le développement de l'interface numérique, etc.).

4.5.2. Sketch Engine

Assistance technique

59La page d'accueil de Sketch Engine (Kilgarriff et al., nd) permet d'accéder à une section nommée "Documentation". Le Sketch Engine wiki (nd) regroupe plusieurs types d'aide, contenant, entre autres :

  • des manuels d'utilisateur ;

  • une section FAQ ;

  • des démonstrations sous forme de requêtes-type ;

  • des démonstrations sous forme de vidéos (voir aussi la chaîne Youtube TheSketchEngine, nd).

60De plus, l'interface d'interrogation de corpus donne accès à un lien vers la fiche présentant les étiquettes ayant servi pour annoter le corpus (tagset).

Assistance humaine

61Sketch Engine propose une assistance à partir de l'interface d'interrogation (formulaire à remplir) avec réponse par courriel. On est invité à décrire le problème que l'on rencontre et on peut joindre un fichier (une capture d'écran, par exemple). La visée formative n'est pas beaucoup plus présente ici que dans le formulaire mis à disposition sur CQPweb, mais le texte du formulaire Sketch Engine ne semble pas uniquement viser le rapport de pannes ; il laisse une certaine ouverture pour le contenu que l'on souhaite aborder via ce formulaire.

Figure 12 – Formulaire d'aide pour Sketch Engine.

Figure 12 – Formulaire d'aide pour Sketch Engine.

62L'inscription sur Sketch Engine est payante, ce qui ouvre en principe le droit à une assistance satisfaisante en termes de délai et qualité des réponses fournies. En effet, comme l'illustre l'exemple ci-dessous, j'ai pu tester l'excellente réactivité de l'assistance qui a donné suite à une question que j'avais concernant mes corpus publiés sur Sketch Engine.

2015-08-05 16:06 GMT+02:00 < noreply@(...) >
Hello,

I have just discovered the new way to present public and private corpora on Sketch Engine. Does this mean that everybody accesses my private corpora from now on? I hope that this is not the case.
Thank you in advance for your kind answer.
Best regards, Eva Lacroix

De: "V. B." (...)@gmail.com
À: (...)@free.fr
Cc: "SUPPORT" support@(...)
Envoyé: Mercredi 5 Août 2015 16:16:50
Objet: Re: Sketch Engine feedback from elacroix
Dear Eva,
your corpora are shared only when you explicitly set so and share with specific users. You don't need to be afraid.
Best regards,
V. B.

4.5.3. TXM

Assistance technique

63TXM propose aux utilisateurs les aides suivantes :

  • manuel d'utilisateur ;

  • FAQ ;

  • vidéos en ligne, produites par Bénédicte Pincemin (2012) : atelier proposé à l'ENS (école normale supérieure) de Lyon le 27 septembre 2012 ; quatre volets.

64Il est utile de consulter la plateforme Textométrie (2013) qui informe sur les actions de formation, de recherche et autres autour de TXM.

Assistance humaine

65On pourrait s'attendre à ce que l'assistance fournie pour l'utilisation d'un outil gratuit comme TXM soit moins performante que pour un outil payant. C'est loin d'être le cas. Le développement et la diffusion de TXM sont portés par une équipe très engagée et par une communauté bien présente d'utilisateurs et utilisatrices. Des sessions de formation gratuites de grande qualité sont proposées plusieurs fois par an à l'ENS de Lyon ou dans d'autres villes, selon les besoins et les demandes des universités qui s'intéressent à ce système de gestion de corpus. Les échanges via une liste de diffusion sont assez fréquents, et on y ressent un réel désir de l'équipe d'accompagner les chercheurs et chercheuses qui souhaitent utiliser TXM pour leurs travaux. En particulier, la réactivité pourrait ne pas être la même que pour un outil payant. Toutefois, l'aide humaine par courriel fonctionne très bien ; selon les questions, un ou plusieurs membres de l'équipe participent à la résolution des problèmes rencontrés par les usagers de TXM, dans des délais très corrects, souvent à leur grande satisfaction, comme le laisse entrevoir le message suivant de Jean-Philippe Maître, envoyé le 6 mars 2015 pour clore un échange de courriels avec l'assistance de TXM.

Bonjour Bénédicte,
C'est un plaisir que de pouvoir partager tout cela et de bénéficier de tant de retours dans de si brefs délais. Je te remercie infiniment pour tes réponses à mes différents points, et pour l'ensemble de la documentation transmise. Je vais regarder tout cela attentivement.

66Ceci dit, la documentation en ligne fonctionne également très bien, comme l'illustre cet échange courriel des 26 et 27 janvier 2015 entre Bénédicte Pincemin, Serge Heiden et moi-même, évoquant l'aide fournie dans la partie FAQ.

Bonjour,
grâce à votre documentation FAQ, j'ai enfin réussi à me dépanner, toute seule comme une grande :). (…)
Très cordialement, Eva.

Bravo Eva !
Cela nous aide vraiment quand les utilisateurs font des efforts pour se débrouiller au maximum, en particulier sur les questions techniques et sur les questions fréquentes documentées. Et au passage cela a fait de la pub pour la FAQ. Souhaitons que vous fassiez des émules !
Amitiés, Bénédicte
Merci également Eva pour avoir communiqué publiquement sur la résolution autonome du problème. L'idéal étant de rendre compte également dans le mail de ce qui clochait et de comment on l'a résolu, ce qui peut parfois nous amener à reformuler certaines choses dans la FAQ.
Bonne continuation dans TXM,
Serge

67Ou le message du 28 octobre 2015.

Bonsoir Eva,
(l'aide humaine) est un des aspects les plus difficiles à gérer dans ce type de projet et de communauté (ça fonctionne un peu mieux et plus facilement chez les informaticiens entre eux). Il manque dans nos formations initiales le fait d'inculquer un certain nombre de mécanismes comportementaux communautaires qui pourraient faire que ce soit moins compliqué et plus efficace (étant donné les moyens dont on dispose en personnels et en infrastructure dans le public par rapport à un business model qui maîtrise la construction de son environnement à partir de ses revenus). Donc le fait d'en témoigner me semble un premier pas, rare, en ce sens. (…)
Amitiés,
Serge

4.6. Ouverture internationale

68Un dernier point à considérer est sans doute l'ouverture internationale offerte par certaines caractéristiques des systèmes de gestion de corpus. Une telle ouverture peut se juger, entre autres, à l'aune de l'offre de langues de l'interface. Au moment de la rédaction de l'article, la seule langue proposée pour l'interface de CQPweb est l'anglais. Les langues que TXM propose sont l'anglais, le français et le russe. Sketch Engine dispose de neuf langues, dont des langues slaves et asiatiques. Certes, les trois systèmes de gestion de corpus peuvent être manipulés en anglais ; certains estimeront que c'est suffisant. Toutefois, dans le contexte d'utilisation qui nous intéresse, il paraît avantageux de pouvoir travailler avec un outil dont la langue de l'interface est celle que l'on enseigne et / ou apprend.

5. Bilan global

69Évalués du point de vue didactique, les trois systèmes de gestion de corpus analysés dans cet article ont tous des avantages et des inconvénients. Certains usagers n'auront personne pour les aider quand ils chercheront à préparer leurs données pour les implémenter sur CQPweb ; ils renonceront donc à ce système et se priveront ainsi de certaines fonctions originales et prometteuses, comme la catégorisation des occurrences. D'autres ne souhaiteront pas télécharger de logiciel ; ils ne choisiront donc pas TXM, et ils le regretteront peut-être au moment où il s'agira de visualiser les données de façon très variable et quand ils chercheront de l'aide humaine. D'autres encore ne seront pas prêts à payer pour un outil numérique ; ils écarteront donc Sketch Engine, ce qui, d'un point de vue utilisabilité et richesse des fonctions, serait bien dommage. Bref, le choix n'est pas simple, surtout qu'il existe d'autres systèmes de gestion de corpus tout aussi intéressants et performants qui n'ont pas été présentés ici. Cela ne doit pas empêcher les enseignants et apprenants de s'aventurer dans ce domaine passionnant et prometteur, permettant de porter un regard neuf et original sur les données présentées en contexte.

Top of page

Bibliography

Bibliographie

Boulton, A. (2008). "Esprit de corpus – Promouvoir l'exploitation de corpus en apprentissage des langues". Revue électronique Texte et corpus, n° 3. pp. 37-46. http://web.univ-ubs.fr/corpus/jlc5/ACTES/ACTES_JLC07_boulton.pdf

Braun, S. (2005). "From pedagogically relevant corpora to authentic language learning contents". ReCALL, vol. 17, n° 1. pp. 47-64.

Demaizière, F. & Grosbois, M. (2014). "Numérique et enseignement-apprentissage des langues en Lansad – Quand, comment, pourquoi ?". Apprentissage des langues et systèmes d'information et de communication (Alsic), vol. 17. http://alsic.revues.org/2691. DOI : 10.4000/alsic.2691

Evert, S. (2009). The IMS Open Corpus Workbench (CWB)– Corpus Encoding Tutorial. http://cwb.sourceforge.net/files/CWB_Encoding_Tutorial/CWB_Encoding_Tutorial.html

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

Hardie, A. (2012). "CQPweb– combining power, flexibility and usability in a corpus analysis tool". International Journal of Corpus Linguistics, vol. 17, n° 3. pp. 380-409. Disponible en ligne : http://www.lancaster.ac.uk/staff/hardiea/cqpweb-paper.pdf. DOI : 10.1075/ijcl.17.3.04har

Heiden, S., Magué, J.-P., Pincemin, B. (2010). "TXM – Une plateforme logicielle open-source pour la textométrie – Conception et développement". In Bolasco, S. (dir.). 10th International Conference on the Statistical Analysis of Textual Data. JADT 2010, vol. 2. pp. 1021-1032. Roma : Edizioni Universitarie di Lettere Economia Diritto. Disponible en ligne : https://halshs.archives-ouvertes.fr/halshs-00549779/fr/

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, vol. 4. Birmingham : Birmingham University. pp. 1-13. Disponible en ligne : http://moodle.ils.uw.edu.pl/pluginfile.php/10011/mod_resource/content/2/Tim%20Johns%20and%20DDL.pdf

Mayaffre, D. (2002). "Les corpus réflexifs : entre architextualité et intertextualité". Corpus, vol. 1. pp. 51-70. http://corpus.revues.org/11

Pincemin, B. (2006). "Concordances et concordanciers – De l'art du bon KWAC". In Rastier, F., Ballabriga, M., Duteil-Mougel, C. & Fouquié, B. (dir.). Corpus en lettres et sciences sociales – Des documents numériques à l'interprétation – XVIIème colloque d'Albi Langages et signification. Toulouse : CALS-CPST. pp. 33-42. Disponible en ligne : http://www.revue-texto.net/Parutions/Livres-E/Albi-2006/pincemin.pdf

Rastier, F. (2004). "Enjeux épistémologiques de la linguistique de corpus". Texto !, vol. IX, n° 2. Rubrique "Dits et inédits". Disponible en ligne : http://www.revue-texto.net/1996-2007/Inedits/Rastier/Rastier_Enjeux.html

Schaeffer-Lacroix, E. (2009). Corpus numériques et production écrite en langue étrangère – Une recherche avec des apprenants d'allemand. Thèse de doctorat. Université Paris 3 Sorbonne nouvelle.

Schaeffer-Lacroix, E. (2012). "Qu'est-ce qui rend les corpus 'pédagogiques' ?". Procedia– Social and Behavioral Sciences, vol. 34. pp. 198-201. Disponible en ligne : http://www.sciencedirect.com/science/article/pii/S1877042812003448. DOI : 10.1016/j.sbspro.2012.02.039

Schaeffer-Lacroix, E. (2014a). "Utiliser des corpus numériques avec un public Lansad". Apprentissage des langues et systèmes d'information et de communication (Alsic), vol. 17. http://alsic.revues.org/2720. DOI :10.4000/alsic.2720

Thomas, J. (2015). Discovering English with Sketch Engine. Brno : Versatile.

Sites, ressources et outils

Anthony, L. (2014). AntConc (Version 3.4.3). Logiciel. Tokyo : Waseda University. http://www.laurenceanthony.net/

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

Hardie, A. (2013). Corpus workbench. Tutoriels pour la prise en main de CQPweb. https://www.youtube.com/watch?v=Yf1KxLOI8z8

Pincemin, B. (2012). Tutoriel pour la prise en main de TXM. https://www.youtube.com/watch?v=qNUxOI8vfU4

CQPweb Lancaster (2008-2015). Page Internet gérée par Andrew Hardie, permettant d'accéder à plusieurs corpus interrogeables à l'aide de CQPweb. https://CQPweb.lancs.ac.uk/

CQPweb voir The IMS Open Corpus Workbench.

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

Feuille fédérale (2013-2016). Corpus issu du projet Politique linguistique et usage de la langue dans la Suisse plurilingue : noms communs de personne dans le langage administratif (SNF 143585, 2013-2016, université de Genève). L'accès à ce corpus peut être demandé en écrivant à daniel.elmiger@unige.ch.

Schaeffer-Lacroix, E. (2014b). Aufsaetze. Corpus contenant des extraits de discussions de futurs enseignants et enseignantes d'allemand sur un forum en ligne, portant sur des lectures pédagogiques.

Schaeffer-Lacroix, E. (nd). Blogue professionnel. http://didaktik.hautetfort.com/

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

Schmid, H. & Laws, F. (nd). RFTagger. Outil d'annotation. http://www.cis.uni-muenchen.de/~schmid/tools/RFTagger/

Sketch Engine voir Kilgarriff, A., Rychly, P. & Pomikalek J. (nd).

Sketch Engine wiki (nd). https://www.sketchengine.co.uk/xdocumentation/wiki

The IMS Open Corpus Workbench (nd ; page réactualisée en 2015). Un ensemble d'outils libres d'exploration de corpus, étant à la base du système de gestion de corpus CQPweb. Mis à disposition par Andrew Hardie, Marco Baroni, Stefan Evert et Serge Sharoff. http://sourceforge.net/projects/cwb/

TheSketchEngine (nd). Chaîne Youtube. https://www.youtube.com/user/TheSketchEngine

Textométrie (2013). Plateforme présentant les actions de développement de TXM, ainsi que les actions de recherche et de formation. http://textometrie.ens-lyon.fr/

Top of page

Appendix

Glossaire

Annotation

Les annotations sont des informations linguistiques ou des métadonnées, donc des informations extralinguistiques, que l'on "attache" aux éléments dont se compose le corpus. Habert, Nazarenko et Salem (1997 : 7) définissent l'annotation comme "l'ajout d'information, de quelque nature qu'elle soit : morphologique, syntaxique, sémantique, prosodique, critique". L'annotation peut être faite au niveau paradigmatique, donc pour chaque mot du corpus. Ce procédé est appelé "tagging". Il peut aussi être effectué au niveau syntagmatique et donc concerner des segments plus longs. Il peut s'agir d'unités de deux mots ou plus, de phrases ou d'unités au-delà de la phrase, par exemple des paragraphes ou des sections, etc. (Pincemin, 2006). Ce deuxième procédé est appelé "parsing" (Schaeffer-Lacroix, 2009 : 29).

Calculateur de fréquence

Le calculateur de fréquence permet de classer les mots d'un corpus selon leur ordre de fréquence. Certains logiciels (…) donnent l'occasion de comparer la fréquence des mots dans plusieurs corpus différents. La fonction "keyword" permet d'établir une liste alphabétique pour chaque corpus et une deuxième liste qui classe les mots par fréquence relative par rapport aux autres mots dans le corpus (Schaeffer-Lacroix, 2009 : 36).

Concordance

Un corpus étant fixé, une concordance (…) est la liste de toutes les occurrences d'un pivot, alignées verticalement en colonne, entourées de part et d'autre par leur contexte, accompagnées d'une référence indiquant de façon pertinente leur positionnement dans le corpus, et triées selon un critère pertinent pour l'analyse (Pincemin, 2006).

Collocation

Une collocation se compose d'au moins deux mots qui se suivent ou qui sont séparés par d'autres mots. Elle ne dépasse pas la limite d'une phrase, la phrase étant définie ici comme mots entre deux signes de ponctuation limitatifs, de type point, point d'exclamation et point d'interrogation. La collocation forme une unité de sens, et elle est soumise à certaines restrictions syntaxiques, sémantiques et pragmatiques. Elle se caractérise par un certain degré de figement et de récurrence au sein d'un corpus (Schaeffer-Lacroix, 2009 : 64).

Corpus

Un corpus est un ensemble de données linguistiques attestées. Il peut s'agir de données écrites, orales ou de type multimédia. Un corpus est une forme particulière de base de données. Il contient des parties de textes ou des textes entiers qui sont comparables entre eux parce qu'ils ont des caractéristiques communes, comme par exemple l'appartenance à un même genre textuel. La particularité du corpus par rapport à d'autres types de bases de données est l'objectif de théorisation qui sous-tend sa constitution. L'objectif principal n'est pas premièrement le stockage ou la diffusion des données, mais l'étude des données ou l'étude de leur impact dans un domaine d'application. Des objectifs de type théorique peuvent être l'étude linguistique, stylistique ou autre des données. Un des objectifs de type "théorie appliquée" peut être la recherche d'informations dans un contexte d'apprentissage d'une langue étrangère. Un corpus doit contenir un nombre suffisant de textes représentatifs. La quantité de textes est considérée comme suffisante si elle permet de mener de façon satisfaisante les observations qui motivent la constitution du corpus. Les énoncés des textes du corpus ont un statut de norme linguistique, norme spécifique au genre textuel qui y est représenté, le cas échéant (Schaeffer-Lacroix, 2009 : 27).

Étiquetage voir Annotation

Outil de distribution

Appelé aussi "outil de dispersion" ou "barre de progression", l'outil de distribution permet de localiser des mots-clés ou des segments de texte dans le corpus, soit au sein du texte suivi, soit à l'aide d'un graphique qui représente la totalité du corpus en une suite continue (d'après Schaeffer-Lacroix, 2009 : 36).

Pivot

(...) un pivot, à savoir le mot ou motif linguistique dont on veut étudier les occurrences en contexte (Pincemin, 2006).

Top of page

Notes

1 Projet FNS "Politique linguistique et usage de la langue dans la suisse plurilingue : noms communs de personne dans le langage administratif" (2013-2016). Je remercie Kirsten Adamzik et Daniel Elmiger de l'université de Genève de m'avoir impliquée dans ce projet.

2 "Étiquetage" veut dire, associer chaque terme du corpus à une catégorie grammaticale ou autre.

3 Les données présentées dans le clip vidéo 4, les figures 4 à 8 et la figure 10 proviennent du corpus Aufsaetze (compositions, rédactions) qui contient des discussions de futurs enseignants et enseignantes d'allemand sur un forum en ligne, faisant suite à la lecture d'articles pendant un séminaire de master 2 (Schaeffer-Lacroix, 2014b).

Top of page

List of illustrations

Title Figure 1 – Réglage de la langue par défaut.
URL http://journals.openedition.org/alsic/docannexe/image/2852/img-1.png
File image/png, 25k
Title Figure 2 – Distribution de la forme "Musikerinnen" (musiciennes) dans le corpus DDB V3.
URL http://journals.openedition.org/alsic/docannexe/image/2852/img-2.png
File image/png, 40k
Title Figure 3 – Classement de formes dans des catégories déterminées par l'usager.
URL http://journals.openedition.org/alsic/docannexe/image/2852/img-3.png
File image/png, 42k
Title Figure 4 – "Lehrer" (enseignant) combiné avec n'importe quelle forme verbale (langage naturel).
URL http://journals.openedition.org/alsic/docannexe/image/2852/img-4.png
File image/png, 24k
Title Figure 5 – "Lehrer" (enseignant) combiné avec n'importe quelle forme verbale (langage CQP).
URL http://journals.openedition.org/alsic/docannexe/image/2852/img-5.png
File image/png, 18k
Title Figure 6 – Distribution de la forme "Lehrerin" (enseignante) dans le corpus Aufsaetze.
URL http://journals.openedition.org/alsic/docannexe/image/2852/img-6.png
File image/png, 35k
Title Figure 7 – Thesaurus appliqué à la forme "Lehrerin" (enseignante).
URL http://journals.openedition.org/alsic/docannexe/image/2852/img-7.png
File image/png, 26k
Title Figure 8 – Progression de quatre formes dans le corpus Aufsaetze.
URL http://journals.openedition.org/alsic/docannexe/image/2852/img-8.png
File image/png, 75k
Title Figure 9 – Exportation du résultat d'une requête sur Sketch Engine.
URL http://journals.openedition.org/alsic/docannexe/image/2852/img-9.png
File image/png, 12k
Title Figure 10 – Exporter les résultats d'une requête avec TXM.
URL http://journals.openedition.org/alsic/docannexe/image/2852/img-10.png
File image/png, 25k
Title Figure 11 – Formulaire d'aide pour CQPweb.
URL http://journals.openedition.org/alsic/docannexe/image/2852/img-11.png
File image/png, 38k
Title Figure 12 – Formulaire d'aide pour Sketch Engine.
URL http://journals.openedition.org/alsic/docannexe/image/2852/img-12.png
File image/png, 9.7k
Top of page

References

Electronic reference

Eva Schaeffer-Lacroix, Analyse de trois systèmes de gestion de corpus pour l'enseignement-apprentissage des langues étrangèresAlsic [Online], Vol. 18, n° 1 | 2015, Online since 20 December 2015, connection on 29 March 2024. URL: http://journals.openedition.org/alsic/2852; DOI: https://doi.org/10.4000/alsic.2852

Top of page

About the author

Eva Schaeffer-Lacroix

Eva Schaeffer-Lacroix est maître de conférences en études germaniques à l'université Paris-Sorbonne – Espé 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 – Espé 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.

By this author

Top of page

Copyright

CC-BY-NC-ND-4.0

The text only may be used under licence CC BY-NC-ND 4.0. All other elements (illustrations, imported files) are “All rights reserved”, unless otherwise stated.

Top of page
Search OpenEdition Search

You will be redirected to OpenEdition Search