Navigation – Plan du site
Traduction de textes déjà parus

Utilizar corpus informáticos con un público Lansad (lenguas para especialistas de otras disciplinas)

Utiliser des corpus numériques avec un public Lansad
Using Corpora with Learners of Languages for Specific Purposes
Eva Schaeffer-Lacroix
Traduction par Alejandro Arroyave Tobón et Juan Felipe Zuluaga Molina
Cet article est une traduction de :
Utiliser des corpus numériques avec un public Lansad

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 :

utilización de corpus

Indice de palabras clave :

corpus, Lansad
Haut de page

Texte intégral

Agradezco calurosamente a Annette Hess, autora del borrador de la película Weissensee, y a Christian Ingelmann, propietario del sitio Brieffreunde.org, por haberme permitido utilizar los datos que provienen de estos dos recursos para un uso con fines de formación e investigación. Un gran agradecimiento igualmente al equipo de Sketch Engine que me ha dado el derecho de difundir los clips que he producido con el fin de ilustrar algunos aspectos de la interface de su sistema de gestión de corpus.
El equipo de la revista agradece a Lydia Romeu y Mariluz Di Tillio-Lacruz su colaboración en la edición de este texto.

1. Corpus apropiados para un contexto Lansad

1Los corpus informáticos son colecciones de textos que pueden explorarse en línea con la ayuda de herramientas de análisis de datos textuales. Los documentos que los constituyen se recogen según ciertas características que estos tienen en común, con el objetivo de convertirlos en un objeto de estudio lingüístico o de otro tipo (Haber et al., 1997: 144). Los usos que pueden tener pueden variar considerablemente. Mi estudio se dirige particularmente a las necesidades de un público Lansad (lenguas para especialistas de otras disciplinas, por sus siglas en francés), término reservado generalmente al contexto universitario; empleado aquí en una acepción extendida que comprende también al público de secundaria.

2En un artículo acerca de la evolución de las herramientas de interrogación de corpus, Anthony (2013) describe, entre otros asuntos, las necesidades específicas de los docentes de lenguas y de los aprendices en relación con la exploración de corpus, necesidades que se distinguen de las de los investigadores en lingüística o de informáticos, estadísticos, etc.

Los docentes (…) deben ser capaces de acceder de forma rápida y fácil al corpus, de poder filtrar las ocurrencias con el fin de mostrar solo las que son pertinentes, y deben poder mostrarse, guardarse y, eventualmente, imprimirse para poder reutilizarlas en materiales de aprendizaje. Así mismo, los estudiantes a quienes proponemos un aprendizaje basado en datos empíricos (…) necesitan una herramienta de exploración que les permita acceder al corpus de forma rápida e intuitiva. Además, esta herramienta debe proveerles las ocurrencias susceptibles de ayudarles a resolver rápidamente una tarea de aprendizaje (…) (nuestra traducción).

(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 (…).)

3Es necesario entonces poder acceder rápidamente a los corpus y tener a disposición una interface de interrogación que permita obtener en su búsqueda, sin tener conocimientos técnicos exhaustivos, un número de ocurrencias suficiente para poder resolver un problema lingüístico preciso. Agregaría algunas condiciones susceptibles de hacer mucho más pertinente la explotación de corpus informáticos con fines de enseñanza-aprendizaje: el docente debe ser capaz de identificar y modificar el contenido del corpus el cual debe corresponder al género textual en el cual se inscribe el trabajo que es confiado a los aprendices.

4Un corpus puede ser explorado con la ayuda de herramientas de análisis específicas. La más conocida de ellas es un programa de concordancias. Esta herramienta permite buscar en un corpus, todas las ocurrencias de una palabra-clave dada. El resultado de la búsqueda es mostrado en forma de líneas que contienen la palabra clave, la cual es mostrada de tal manera que ésta pueda ser visible de forma particular. En la ilustración se observa la elección de líneas de concordancia, encontradas en el corpus frTenTen12 (Kilgarriff et al., 2012).

Tabla 1 – Palabra clave "concordancia" en el 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

5Dependiendo del tipo de programa de concordancia, es posible mostrar un contexto más o menos amplio para las líneas en las cuales hay un interés particular y, a veces, se puede acceder al texto fuente completo.

  • 1 Es de esperarse que, a mediano plazo, los programas fuera de línea sean reemplazados por documentos (...)
  • 2 Todos los programas son referenciados al final de este documento.
  • 3 Los especialistas (en lingüística de corpus, en informática, etc.) no están obligados a contentarse (...)

6Existen corpus en línea que están estrechamente asociados con una herramienta de análisis específica, muy a menudo hasta el punto que los usuarios están obligados a servirse de esta herramienta para tener acceso a los datos del corpus1. Para dar un ejemplo, el programa de concordancia Konkordanzer-Corpus Deutsch (Divsic et al., 2008), disponible en la plataforma Compleat Lexical Tutor v.6.2 (Cobb, ndb) permite interrogar el Braun Corpus. Aunque la composición de este corpus está disponible, el usuario no puede manipular los datos: no puede completarlos ni modificarlos. No obstante, un docente puede desear retocar un corpus, por ejemplo si descubre un error de ortografía o de cualquier otro tipo, si una parte del contenido puede incomodar a los jóvenes aprendices o si encuentra documentos que pueden completar provechosamente los datos ya disponibles. Sería entonces ideal disponer de un archivo que contenga los datos del corpus. Algunas herramientas de análisis de corpus permiten trabajar a partir de tales archivos. Éstos están disponibles en forma de programas descargables, como TextStat (Allorge, nd), AntConc 3.4.1w (Anthony, 2007), Lexico3 (Fleury et al., 2003), etc. También se encuentran en forma de programas en línea, por ejemplo Text-based Concordances V2.5 (Cobb, ndc) y Sketch Engine (Kilgarriff et al., nd)2. La interface del programa de concordancias propuesto por el sistema de gestión de corpus Sketch Engine (Kilgarriff et al., nd) mostró su interés con públicos variados, desde alumnos de secundaria hasta un público universitario de tipo Lansad. Existen investigaciones que describen el rol de esta herramienta en el campo de la revisión de la producción escrita en alemán (Schaeffer-Lacroix, 2014) y de la reflexión sobre la lengua extranjera (Chachkine et al., 2013). Poner un corpus en el servidor de Sketch Engine y hacer que se anote automáticamente está al alcance de los docentes de lenguas, es decir, agregar una etiqueta a cada palabra del corpus, informando acerca de la parte del discurso que represente o acerca de cualquier otra propiedad que sea pertinente para el creador del corpus (cf. sección 4)3.

2. Argumentos para la exploración de un corpus en contexto Lansad

  • 4 Este corpus fue creado entre 2004 y 2007 en el seno de las universidades Warwick, Reading et Oxford (...)
  • 5 En este texto, el et (&) caracteriza el hecho de que una búsqueda trata sobre dos elementos diferen (...)

7Cuando un escritor produce un texto en lengua extranjera, puede enfrentar obstáculos lingüísticos difíciles de resolver sin que, desde un punto de vista estrictamente léxico, se sienta limitado. En un artículo que redacté en inglés (soy germanófona), quien lo releyó propuso modificar el orden de las palabras para el pasaje siguiente: "not all the five *recorded sessions were analyzed" (no analicé todas las cinco sesiones) así: "not all the five sessions recorded were analyzed". Intrigada, busqué la estructura correspondiente a la versión corregida en un gran corpus general, en enTenTen12 (Kilgarriff et al., 2010-12), accesible en Sketch Engine. Este corpus ha sido constituido a partir de datos recogidos en internet por web-crawling, es decir por un robot. Podría objetarse que hubiera sido más pertinente hacer búsquedas en el British Academic Written Corpus (BAWE) disponible también en Sketch Engine (Kilgarriff et al., nd); este corpus parece más cercano al género textual "artículo científico"4. No obstante, contrario a enTenTen12, éste no ofrece la posibilidad de hacer búsquedas de tipo "recorded & noun"5, por ende tampoco las búsquedas que combinan un término dado con cualquier representante de una parte del discurso seleccionado en un menú desplegable que es desarrollado exclusivamente en inglés (cf. Figura 1 y sección 4). Para explorar el corpus BAWE, este tipo de búsqueda necesita el conocimiento del Corpus Query Language, un lenguaje artificial utilizado por los lingüistas de corpus para hacer búsquedas más específicas. Debido a mi condición de didacta, privilegio las búsquedas que no necesitan el manejo de este lenguaje. De hecho, estimo que los docentes y aprendices no deberían necesitar conocimientos técnicos o conceptuales avanzados; además, es probablemente bajo esta condición que estarán prestos a adoptar las herramientas de interrogación de corpus para un uso corriente. Volvamos ahora a mi búsqueda hecha en enTenTen12, destinada a apoyar la elección lingüística hecha por la relectora anglófona.

Figura 1 – Búsqueda "recorded were & noun plural left 1" el corpus enTenTen12.

Figura 1 – Búsqueda "recorded were & noun plural left 1" el corpus enTenTen12.

8La búsqueda del elemento "recorded were", combinado con cualquier nombre en plural ubicado a la izquierda de este grupo de palabras, arrojó 171 ocurrencias de estructuras comparables, siendo todas pertinentes. La selección siguiente de líneas de concordancia se observa en la ilustración.

Tabla 2 – Selección de dos ocurrencias obtenidas en la búsqueda "recorded were & noun pl left 2".

a) but the times

recorded were

still a respectable 0.48 seconds

b) Thus the events

recorded were

represented by symbols.

a) pero los tiempos registrados se mantuvieron alrededor de los 0,48 segundos

b) Es por esto que las secuencias registradas fueron representadas por símbolos

9Ninguna ocurrencia de una estructura que pueda ser comparada con mi versión original, siendo "recorded" seguido de un nombre y de "were", existe en este giga-corpus. Me convenció un argumento de orden cuantitativo.

  • 6 Estudiantes de secundaria entre 14 y 15 años de edad.

10Observemos ahora un ejemplo en lengua alemana. Se trata de un obstáculo lingüístico que he observado como docente de alemán en clase de troisième de collège6, durante un proyecto de redacción de anuncios para encontrar un correspondiente. Los alumnos tenían acceso a Brieffreunde.org, un pequeño corpus que contiene anuncios, que creé a partir de datos publicados en el sitio del mismo nombre (Ingelmann, 2014). En este corpus, la fórmula final Kussi (beso) aparece una sola vez. Ésta fue tomada por nueve alumnos de 33, de los cuales había tres hombres. La verificación de la frecuencia de esta fórmula final en el giga-corpus deTenTen10 (Kilgarriff et al., 2010-11), el equivalente alemán de enTenTen12, permite ver que aparece 228 veces (luego de haber extraído algunas escasas ocurrencias que no eran pertinentes).

Tabla 3 – Elección de ocurrencias para Kussi en el 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) Hasta luego mi tesoro. Besos, besos, tu Mamá.

b) (¡¡Los amo a todos Besos!! Su Marina)

c) No me detesten… tqm, besos patricia

11El análisis de estas líneas de concordancia permite constatar que, muy a menudo, el autor del mensaje es femenino y los que utilizan este término parecen conocer íntimamente su interlocutor, como lo ilustran las ocurrencias presentadas en la tabla 3. La interrogación del corpus ofrece entonces aquí no solamente argumentos de orden cuantitativo, sino también de orden cualitativo que cuestionan la pertinencia pragmática del saludo final Kussi en un anuncio para encontrar un correspondiente, aún más cuando es redactado por un autor de sexo masculino.

3. Tipos de corpus

12Se distinguen en general tres tipos de corpus informáticos: los corpus generales, paralelos y reflexivos (Mayaffre, 2002). El examen de algunas de sus características permitirá evaluar su pertinencia para usarlos en el campo de la enseñanza-aprendizaje de las lenguas extranjeras.

3.1. Corpus general

13Un corpus general contiene textos que se supone "representan" una lengua "en su globalidad". Se tiene como objetivo la recolección de un gran número de datos, y se considera que entre más grande sea un corpus, más informa acerca de las características de la lengua. Ciertos investigadores consideran que un corpus general debe contener al menos un millón de palabras (Dodd, 1997: 131).

3.2. Corpus paralelo o comparable

14Los textos de un corpus paralelo o comparable provienen de dos o varias lenguas. Sus datos se traducen o tratan del mismo tema en varias lenguas. A menudo, estos corpus son relativamente pequeños.

3.3. Corpus reflexivo

15Los textos de un corpus reflexivo se reúnen en según sus características comparables; pueden pertenecer a un mismo género textual o representar un mismo tipo de discurso, etc. A menudo, este tipo de corpus contiene muy pocos datos. Pude demostrar que, según el género textual y el objetivo de exploración del corpus, un corpus de talla muy pequeña puede ser apropiado si ofrece suficientes ocurrencias para responder a las preguntas de los usuarios (Schaeffer-Lacroix, 2011).

16El uso de corpus generales no es necesariamente fácil en un contexto Lansad, puesto que puede ser difícil para un aprendiz hacer una clasificación entre los millares, casi decenas de millares de líneas de concordancia que podría obtener como resultado para su búsqueda (para una crítica de este tipo de corpus, ver Bommier-Pincemin, 1999: 416).

17Los corpus paralelos o comparables pueden, en particular, ayudar a los aprendices principiantes o a aquellos que quieren reflexionar acerca de aspectos de la lengua muy especializados. Sin embargo, actualmente, los corpus en los cuales una de las lenguas es el alemán son pocos y su creación exige competencias lingüísticas y técnicas específicas.

18Los corpus reflexivos son más susceptibles de apoyar la enseñanza-aprendizaje de lenguas que los dos otros tipos de corpus. Por supuesto, a veces, éstos contienen muy pocos datos, lo que puede tener como consecuencia que ciertas búsquedas no se logren. No obstante, los aprendices no necesitarán obligatoriamente muchas ocurrencias para obtener información que les haga falta para resolver un problema dado. En un corpus reflexivo, los aprendices tendrán, de forma más fácil que en un corpus general, oportunidades para reconocer elementos pertinentes que podrán reutilizar para producir o mejorar su propio texto. Esto explica por qué la continuación de este texto se concentra en este tipo de corpus, con algunas excepciones: ciertos ejemplos provenientes de corpus generales deTenTen10, enTenTen12 y frTenTen12 ilustrarán mis argumentos (los que no tienen mención de recurso específico).

4. Herramientas de interrogación de corpus

19Con el fin de poder hacer investigaciones en un corpus informático, se puede, entre otras cosas, acceder a un programa de concordancias. El programa de concordancias es una herramienta que permite buscar una palabra clave en el corpus y ponerla de relieve, así como el contexto en el cual aparece.

Tabla 4 – Palabra clave love en el 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) Vivo mis sueños – amo mi trabajo, mi familia, y mi vida…

b) He intentado esbozar mi amor por la vida, la naturaleza…

20Un programa de concordancias solo muestra los datos que contiene el corpus. Puede tratarse de datos brutos (palabras o series de palabras) o de etiquetas que fueron agregadas a los datos de forma manual o gracias a una herramienta de anotación. Las etiquetas permiten hacer búsquedas más "abstractas", sobre, entre otras cosas, las partes del discurso. El verbo en inglés to love (amar) que aparece en la primera línea de concordancia de la tabla 4 sería anotado de la manera siguiente por la herramienta TreeTagger (Schmid, 1993-1996): "love <VVP love-v>". Esta información señala que se trata de un verbo en presente que no es utilizado en la tercera persona. Cuando se trata del nombre común love (amor), tal como se muestra en el segundo ejemplo de la tabla 4, la etiqueta sería "<NN love>".

5. Etapas de creación de un corpus

21La creación de un corpus comienza con la recolección de datos numéricos correspondientes al proyecto de investigación y/o de aprendizaje. Hay que identificarlos, obtener la autorización para utilizar esos datos por parte del propietario (salvo que estén libres de derechos) y reunirlos luego en un documento virtual que puede ser un archivo de tipo Word, un documento que manipule texto en línea, etc. Luego de esto, los especialistas en lingüística de corpus etiquetan los datos con la ayuda de un lenguaje de programación, por ejemplo XML (Extensible Markup Language, 1996, 2003). Igualmente, es posible hacer que los corpus se etiqueten de forma automática. El sistema de gestión de corpus Sketch Engine propone esta posibilidad que puede interesar a los no especialistas. Éste pone a disposición corpus listos para el uso, aunque se puede igualmente agregar sus propios documentos y anotarlos. Es lo que hice con el corpus Briffreunde.org (cf. sección 1) que aparece en la parte de la interface nombrada "My corpora" (cf. Figura 2).

Figura 2 – Corpus públicos y corpus privados en Sketch Engine.

Figura 2 – Corpus públicos y corpus privados en Sketch Engine.

22Este clip de demostración permite seguir las etapas de depósito de un corpus en Sketch Engine.

6. Actividades de aprendizaje a partir de un corpus

23Ilustremos ahora el tipo de trabajo que puede hacerse a partir de un corpus de anuncios en línea en un contexto de aprendizaje de lengua extranjera.

6.1. Proyecto Brieffreunde.org

6.1.1. Consulta del corpus por los aprendices

24Los datos sobre los cuales se apoya esta sección provienen del proyecto Brieffreunde.org que ha sido ejecutado con dos clases de aprendices de alemán inscritos en secundaria. La redacción de la primera versión del anuncio para encontrar un correspondiente hizo emerger diferentes tipos de preguntas. Por ejemplo, cuando se trataba de hablar de sus actividades de tiempo libre, algunos escritores manifestaron dificultades ligadas al hecho de que en alemán, las estructuras que expresan la preferencia varían en función del uso de una construcción con objeto directo ("Me gusta el baile") o de una construcción infinitiva ("Me gusta bailar"). Para abordar este tipo de construcciones, puede ser útil hacer que los aprendices consulten el corpus informático. Así mismo, sería bueno que el docente les sugiriera palabras clave susceptibles de corresponder a lo que les vendría fácilmente a la mente en ese contexto temático (cf. Tabla 5). Las siguientes búsquedas fueron propuestas a los participantes de Brieffreunde.org con el fin de ayudarlos a superar ciertos obstáculos que encontraron durante la primera fase de trabajo.

Tabla 5 – Tipos de preguntas y de búsquedas.

Preguntas que surgieron durante el proyecto Brieffreunde.org

Posibles palabras clave para interrogar en el corpus Brieffreunde.org

¿Cómo se dice dónde uno vive?

wohnen (vivir)

¿Cómo decir que a uno le gusta (hacer) algo?

lieben (gustar)

mögen (gustar mucho)

tanzen (bailar) & adverbio

sehr (≈ muy; mucho)

¿Cómo hablar de sus actividades de tiempo libre?

Nombres de deportes o de instrumentos (Tennis; Klavier, etc.) & un verbo o una preposición

machen (hacer)

spielen (tocar)

25Las líneas siguientes presentan una selección de resultados obtenidos con la ayuda de búsquedas "lieben" (gustar), "mögen" (gustar mucho) y "tanzen" (bailar) combinado con un adverbio.
La palabra clave "
lieben" permite obtener 7 ocurrencias, de las cuales 3 son pertinentes.
Ejemplo: "
Ich liebe es, Briefe zu schreiben" (Me gusta escribir cartas).
La palabra clave "
mögen" permite obtener 12 ocurrencias, de las cuales 10 son pertinentes. Ejemplo: "Ich mag Tiere, besonders Katzen" (Me gustan los animales, sobre todo los gatos).
La palabra clave "
tanzen" permite obtener 3 ocurrencias, de las cuales 2 son pertinentes.
Ejemplo: "
Ich schreibe gerne briefe, mache sport, tanze gerne" (Me gusta escribir cartas, hago deporte y me gusta bailar).

26La consulta del corpus puede entonces permitir detectar dos estructuras básicas para expresarse en el campo de las actividades de tiempo libre, una primera que expresa la preferencia en el nivel del verbo conjugado y la segunda en el nivel del adverbio gern (de buen agrado):

  • etwas mögen/lieben (gustar/adorar algo);

  • etwas gern(e) machen (gustar hacer algo).

27Podría agregarse la estructura más escasa es lieben, etwas zut un (adorar hacer algo) que contiene el pronombre impersonal es (comparable a it en inglés) que tiene como función complemento de objeto directo.

6.1.2. Consulta del corpus por el docente

28Según los tipos de actividades que se desean realizar, se puede igualmente hacer que el docente consulte el corpus en la preparación del curso. Puede entonces proceder a una preselección de líneas de concordancia. Decidirá eventualmente "limpiarlas" (quitar segmentos superfluos), suprimir algunas o decidirá clasificarlas según un orden que pueda tener sentido en el marco de una actividad que prevé. Las líneas de concordancia pueden luego ser integradas en una actividad lingüística, por ejemplo en una actividad que tenga como objetivo ayudar a precisar dónde se vive con relación a una ciudad. En el marco del proyecto Brieffreunde.org, los aprendices debían vincular enunciados precisando dónde vive alguien con relación a Berlín en lugares enumerados en un mapa de esta ciudad. La tabla 6 presenta una parte de las líneas de concordancias limpiadas, utilizadas para esta actividad.

Tabla 6 – Precisar dónde se vive.

1

Ich

wohne

im östlichen Berlin

(lado este de Berlín)

2

ich

wohne

in Birkenwerder bei Berlin

(cerca de Berlín)

3

ich

wohne

mitten in Berlin

(en pleno centro de Berlín)

6.1.3. Exploración libre del corpus

29También es posible prever una actividad de exploración más abierta que se inspire en la "caza de tesoros" ("treasure hunt" descrita en Kennedy y Miceli, 2001): los aprendices recorren el corpus con la ayuda de palabras clave de su elección o con la ayuda de términos propuestos en una lista. Deben reconocer expresiones nuevas, graciosas, sorprendentes, interesantes, útiles que encuentren; en conclusión, expresiones que no conocían antes, pero que creen comprender gracias al contexto que se muestra. Luego, podrán integrar algunas en su producción personal, adaptándolas, si es necesario.

6.2. Proyecto Weissensee

30El proyecto Weissensee fue propuesto por Cornélia, Marjorie y Solène, tres estudiantes inscritas en un curso de alemán Lansad en el nivel B1/B2 en el marco de su formación master 1 de documentación en el IUFM de París (instituto universitario de maestros). El corpus del proyecto contiene el guion técnico de la serie Weissensee (Hess, 2010). Traduje su primer episodio con el fin de poder ponerlo a disposición como un corpus paralelo. En este contexto, la exploración de corpus tiene como objetivo apoyar la producción de una escena de un guion técnico que reemplace una escena de esta serie. Se llevó a cabo un trabajo lingüístico específico con el fin de preparar a los estudiantes a este tipo de producción y de ayudarlos a revisar su texto.

6.2.1. Discusiones metalingüísticas a partir de líneas de concordancia

31En la tercera versión de su escena de guion técnico, Cornélia debía revisar el pasaje siguiente: "Julia ist zwischen ihren zwei Männern immer *xxx *geteilt" (Julia sigue dudando entre sus dos hombres). El verbo no es pertinente desde el punto de vista semántico y el adverbio de tiempo immer (siempre) debe completarse con el adverbio intensificador noch (todavía). Con el fin de ayudar a Cornélia a revisar el segundo obstáculo de este pasaje, propuse a las estudiantes tener una discusión sincrónica en línea, con la ayuda del programa de tratamiento de texto colaborativo Titanpad (Renner, 2010). Esta discusión estaba basada en la explotación de 12 líneas de concordancia que yo había preseleccionado en nuestro corpus paralelo. La tabla 7 presenta cuatro de ellos.

Tabla 7 – Elección de líneas concordancia que ilustra el sentido de "immer (siempre, todavía)".

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

LISA (con Marion) Papa todavía no tiene una nueva mujer.

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

Martin, siempre de uniforme, llega en bicicleta.

Sie wollte immer, dass ich was Künstlerisches mache.

Ella siempre ha querido que yo haga algo relacionado con el arte.

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

Aquí, seré siempre pequeña. Una niña… la niña de…

32Durante la discusión, los estudiantes definieron juntos dos facetas de "siempre" que están en orden aspectual y que necesitan dos realizaciones diferentes en alemán.

Figura 3 – Discusión metalingüística concerniente al sentido de "siempre".

Figura 3 – Discusión metalingüística concerniente al sentido de "siempre".

33Marjorie (cf. Figura 3) logró formalizar la diferencia entre los dos usos así: si "siempre" expresa una duración indeterminada, debe equivaler a "immer". Si "siempre/todavía" designa una duración con una finalidad esperada/entrevista/deseada, es apropiado poner "immer noch" en alemán. Durante la discusión, Cornélia revisó su pasaje teniendo en cuenta este descubrimiento (cf. Figura 3, primera línea).

6.2.2. Explotar los resultados de las búsquedas

34En la primera versión de su producción escrita, Cornélia debía revisar el pasaje siguiente: "Sie ist in *ihren Gedanken *versinken" (Se sumergió en sus pensamientos). Le propuse hacer una búsqueda combinando las palabras clave "Gedanken" (pensamientos) y "versinken" (sumergirse). Cornélia escogió explorar el corpus deTenTen10, probablemente porque el corpus que contiene el guion no ofrecía resultados para esta búsqueda. El clip presentado en anexo muestra que ella seleccionó, luego de un corto lapso, el enunciado siguiente: "aber Ruth ist sehr in Gedanken versunken" (pero Ruth está profundamente sumergida en sus pensamientos).

35La porción de texto seleccionada por Cornélia parece ofrecerle la información que necesitaba: fue suficiente con quitar el adjetivo posesivo ihren (su) y modificar la forma del participio II del verbo versinken para obtener una versión revisada de forma satisfactoria: "Sie ist in Gedanken wersunken" (ella está sumergida en sus pensamientos). Hubiera sido también posible ir más lejos durante la exploración del corpus. Cornélia hubiera podido clasificar por orden alfabético las palabras que se encuentran a la izquierda de la palabra clave principal "Gedanken". Esto hubiera subrayado el hecho de que in Gedanken wersunken es frecuentemente precedido por un adverbio intensificador, como sehr, tief, wöllig (muy, profundamente, plenamente). La elección de uno de estos elementos le hubiera permitido complejizar su texto. Además, hubiera sido interesante hacer que Cornélia explicara por qué escogió esta línea en particular. Éste es un procedimiento que podría ser realizado durante una nueva investigación.

7. Para finalizar

36El objetivo principal de esta publicación fue convencer a los docentes del sector Lansad de la utilidad de aprender a ejecutar los gestos técnicos necesarios para trabajar con sus propios corpus. Cuando acepten dar este paso, podrán luego ofrecer a los aprendices la posibilidad de observar la lengua en contexto y determinar la cantidad de texto que desean observar. Para los que dudan todavía de la utilidad de tales esfuerzos técnicos, pero que se interesan por el tipo de trabajo descrito en este texto, abordaré en lo que sigue los programas de concordancia en línea, listos para ser utilizados, disponibles en el sitio Compleat Lexical Tutor v.6.2 (Cobb, ndb). Estas herramientas le permitirán tal vez al lector todavía escéptico familiarizarse con ciertos tipos de búsquedas y mejor aún sentirse listo para crear sus propios corpus luego, si acaso desea ir más allá. Hasta ahora, es posible interrogar en Compleat Lexical Tutor v.6.2, un corpus de alemán, un corpus de español, varios corpus de inglés y varios corpus de francés. El usuario tiene acceso al contenido de estos corpus únicamente pasando por los programas de concordancia (cf. sección 1). Mi demostración más abajo se restringe al programa de concordancia para el inglés, llamado Corpus Concordance English. Replico las búsquedas "recorded"/"recorded were" destinadas a revisar el pasaje erróneo "not all the five *recorded sessions were analyzed", ya evocado en la sección 2. Presentaré únicamente los resultados que identifiqué en el corpus BNC Humanities, ya que en Academic Abstracts, un segundo corpus que puede parecer pertinente con relación al género textual buscado, no encontré ocurrencias concluyentes.

Figura 4 – Búsqueda con la ayuda de la herramienta Corpus Concordance English.

Figura 4 – Búsqueda con la ayuda de la herramienta Corpus Concordance English.
  • 7 Este ajuste – con una distancia hasta cuatro palabras a la derecha o a la izquierda de la palabra p (...)

37Resultados de la búsqueda (recorded combinado con were o are a su derecha, con una distancia de cuatro palabras7): se obtiene una sola ocurrencia, incluyendo "are": "Other deitis RECORDED are the Mother Godesses".

38Resultados de la búsqueda (recorded): hay cinco ocurrencias pertinentes de 302 líneas de concordancia que se muestran y que exporté señalando el cuadro en el inicio de la línea.

Figura 5 – Líneas de concordancia exportadas del corpus BNC Humanities.

Figura 5 – Líneas de concordancia exportadas del corpus BNC Humanities.

39Las opciones de contextualización de la búsqueda del programa de concordancia de Cobb (nda) son bastante restringidas, lo que vuelve la identificación de ocurrencias pertinentes bastante cronófaga. A pesar de las restricciones evocadas, la utilización del programa de concordancia de Cobb (nda) ofrece una buena entrada en materia de exploración de corpus para el inglés y el francés. Lo recomiendo menos para el alemán y el español pues no se tiene acceso a un corpus general, lo que restringe la pertinencia de los resultados para un contexto Lansad.

40El Braun Corpus contiene datos que parecen apropiados para la enseñanza-aprendizaje del alemán. Pienso por ejemplo en las entradas "Skills and hobbies"; "Popular Love", "Witze" (chistes) y "Ficción". Desgraciadamente los datos de estas rúbricas estén mezclados con datos que provienen de textos periodísticos, religiosos y de otro tipo. No se puede entonces saber si las características lingüísticas de las ocurrencias obtenidas gracias a una búsqueda en este corpus sean pertinentes con relación a un género textual específico. Como ya precisé en la sección 1, me parece entonces perfectamente justificado, para un contexto de enseñanza-aprendizaje de lenguas extranjeras y, en particular del alemán, servirse de Sketch Engine. Es necesario pagar por los servicios propuestos por este sistema de gestión de corpus, aunque se ofrece un servicio gratuito de una duración de 30 días y puede ser apropiado para ciertos proyectos de enseñanza-aprendizaje. Recomiendo entonces el uso de Sketch Engine, hasta no tener acceso a otra herramienta de propiedades comparables, siempre y cuando sean de open source. Esta herramienta debería tener en cuenta las necesidades de usuarios variados, a saber, las de los lingüistas e informáticos, pero también las de los actores implicados en la enseñanza-aprendizaje de lenguas.

Haut de page

Références

Les liens externes étaient valides à la date de publication.

Bibliografía

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 línea: 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 moderne – Aider à écrire, vol. 2. http://www.aplv-languesmodernes.org/spip.php?article3958

Schaeffer-Lacroix, E. (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.

Programas y sitios web

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

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

Cobb, T. (nda). Online Concordancers – 1. Corpus-based concordances V7. Para consultar corpus existentes. http://www.lextutor.ca/concordancers/

Cobb, T. (ndb). Compleat Lexical Tutor v6.2 for Data Driven Learning on the Web. Plataforma que da acceso a numerosas herramientas, incluídos los concordanceros. http://www.lextutor.ca/

Cobb, T. (ndc). Text-based concordances. Para publicar y consultar su propio corpus. http://www.lextutor.ca/concordancers/text_concord/

Divsic, D., Rott, S. & Horst, M. (2008). Braun Corpus. Corpus general alemán que se puede consultar con la ayuda del concordancero Konkordanzer-Corpus Deutsch (v5.1). http://www.lextutor.ca/concordancers/concord_g.html

Extensible Markup Language (1996-2003). Página oficial que describe las especificidades del lenguaje de marcación XML. http://www.w3.org/XML/

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

Ingelmann, C. (2014). Brieffreunde.org. Página para encontrar corresponsal. http://www.brieffreunde.org/

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

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

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

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

Renner, M. (2010). TitanPad. Tratamiento de texto colaborativo en línea. http://titanpad.com/

Schmid, H. (1993-1996). TreeTagger. Herramienta de anotación. http://www.ims.uni-stuttgart.de/projekte/corplex/TreeTagger/

Haut de page

Document annexe

Haut de page

Notes

1 Es de esperarse que, a mediano plazo, los programas fuera de línea sean reemplazados por documentos en línea.

2 Todos los programas son referenciados al final de este documento.

3 Los especialistas (en lingüística de corpus, en informática, etc.) no están obligados a contentarse con esta opción que tiene ciertos inconvenientes. De hecho, los sistemas de anotación no pueden estar disociados de una teoría lingüística a la cual el usuario del corpus no se adhiere necesariamente.

4 Este corpus fue creado entre 2004 y 2007 en el seno de las universidades Warwick, Reading et Oxford Brookes par Hilary Nesi et Sheena Gardner (a la época miembro del Centre for Applied Linguistics, Warwick), Paul Thompson (Department of Applied Linguistics, Reading) y Paul Wickens (Westminster Institute of Education, Oxford Brookes), con el apoyo del Economic and Social Research Council (RES-000-23-0800).

5 En este texto, el et (&) caracteriza el hecho de que una búsqueda trata sobre dos elementos diferentes, en nuestra ocurrencia sobre los términos recorded y noun.

6 Estudiantes de secundaria entre 14 y 15 años de edad.

7 Este ajuste – con una distancia hasta cuatro palabras a la derecha o a la izquierda de la palabra principal – no puede ser modificado.

Haut de page

Table des illustrations

Titre Figura 1 – Búsqueda "recorded were & noun plural left 1" el corpus enTenTen12.
URL http://alsic.revues.org/docannexe/image/2882/img-1.png
Fichier image/png, 40k
Titre Figura 2 – Corpus públicos y corpus privados en Sketch Engine.
URL http://alsic.revues.org/docannexe/image/2882/img-2.png
Fichier image/png, 38k
Titre Figura 3 – Discusión metalingüística concerniente al sentido de "siempre".
URL http://alsic.revues.org/docannexe/image/2882/img-3.png
Fichier image/png, 151k
Titre Figura 4 – Búsqueda con la ayuda de la herramienta Corpus Concordance English.
URL http://alsic.revues.org/docannexe/image/2882/img-4.png
Fichier image/png, 9,8k
Titre Figura 5 – Líneas de concordancia exportadas del corpus BNC Humanities.
URL http://alsic.revues.org/docannexe/image/2882/img-5.png
Fichier image/png, 17k
Haut de page

Pour citer cet article

Référence

Eva Schaeffer-Lacroix, « Utilizar corpus informáticos con un público Lansad (lenguas para especialistas de otras disciplinas) », Alsic [En ligne], Vol. 19, n° 2 | 2016, mis en ligne le 06 juin 2016, Consulté le 21 septembre 2017. URL : http://alsic.revues.org/2882 ; DOI : 10.4000/alsic.2882

Haut de page

Auteur

Eva Schaeffer-Lacroix

Eva Schaeffer-Lacroix es profesora titular de estudios germánicos en la universidad Paris-Sorbonne - Espé de París. Sus temas de investigación tienen que ver con el uso de las tecnologías en la enseñanza-aprendizaje del alemán como lengua extranjera. Se interesa particularmente en los corpus numéricos y en la producción escrita.
Afiliación: université Paris-Sorbonne – Espé de Paris.
Correo electrónico: elacroix@espe-paris.fr
Sitio : http://didaktik.hautetfort.com
Dirección: 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