1L'intérêt des corpus électroniques pour l'enseignement des langues et de la linguistique n'est plus à démontrer et fait désormais l'objet de conférences et d'études approfondies, surtout dans communauté universitaire anglo-saxonne. L'exploitation des corpus peut être plus ciblée et plus fine si l'on recourt à des outils de traitement automatique du langage (TAL).
2(1) Tout d'abord, par rapport à des outils informatiques ordinaires utilisant des concordances "brutes", le TAL permet des explorations complexes sur des informations linguistiques fines, comme les t grammaticaux ou les types sémantiques ([Kraif03], [Brun02]). Avec un système comme INTEX ([Silberztein93], [Silberztein99]), on peut, par exemple, effectuer des recherches sur des catégories grammaticales d'un certain type, certaines fonctions syntaxiques, appliquer des grammaires locales pour cerner des phénomènes précis [Garrigues99]. Ces explorations peuvent être menées de façon interactive par les apprenants ou être effectuées en amont pour un prétraitement du corpus.
3(2) Par ailleurs, le TAL permet de travailler sur des volumes textuels considérables et variés, les outils TAL étant a priori adaptables à tout type de texte, voire même à plusieurs langues. On peut ainsi imaginer proposer la génération automatique d'activités dont le contenu serait renouvelé selon les ressources TAL et les corpus employés [Chanier00], un peu à la façon des exercices lexicaux générés à partir de corpus étiquetés et de ressources lexicales, comme dans le projet ALFALEX [Selva02].
4(3) Enfin, de façon plus originale, les outils ordinaires du TAL peuvent être détournés et manipulés pour proposer une approche réflexive dans l'apprentissage des langues et de la linguistique. Par exemple, pour l'étude des mécanismes de morphologie lexicale, un repérage des mots construits dérivés de verbe sera proposé, ainsi qu'un classement des modes de construction.
5Cependant, malgré son intérêt évident, le TAL ne s'adapte pas de façon immédiate à l'apprentissage / enseignement des langues et de la linguistique. La première difficulté est tout d'abord liée aux performances imparfaites des outils de TAL qui doivent de ce fait être utilisés avec circonspection dans les applications pédagogiques. En effet, si quelques applications simples (comme l'étiquetage morpho-syntaxique) donnent de bons résultats, elles ne sont jamais exemptes d'erreurs, ce qui est gênant dans un contexte d'enseignement. Deux options sont alors possibles : a) proposer un post-traitement des outils TAL, b) proposer une supervision par l'enseignant des outils de TAL.
6Deuxièmement, les ressources linguistiques utilisées par les outils de TAL sont longues et difficiles à élaborer. Par exemple, les outils de génération lexicale développés par Thierry Selva dans le cadre d'ALFALEX [ALFALEXnd] reposent sur un dictionnaire informatisé complexe, le DAFLES, intégrant des relations paradigmatiques (synonymes, etc.) et syntagmatiques (collocations, informations sur le régime des mots). L'ajout ou la modification de ces informations lexicales nécessite une réelle expertise linguistique.
7Enfin, la manipulation des outils TAL eux-mêmes est relativement complexe, et peu d'outils conviviaux ont été à ce jour développés et peuvent être mis entre les mains de non-spécialistes. Malgré les difficultés mentionnées, nous pensons néanmoins que certains outils de TAL sont extrêmement prometteurs pour les applications pédagogiques, en particulier si les applications sont elles-mêmes développées par les enseignants.
8Cet article présente un système de traitement de corpus, NooJ, qui présente des fonctionnalités spécifiquement conçues pour l'enseignement des langues et de la linguistique. NooJ reprend certaines fonctionnalités d'INTEX [Silberztein99], en les améliorant et en les adaptant au développement d'activités pédagogiques. Après avoir exposé les principales fonctionnalités de NooJ pour le prétraitement des corpus et les emplois pédagogiques, nous présentons quelques activités pédagogiques sur l'étude de la morphologie lexicale dans un contexte d'apprentissage du français langue étrangère (FLE).
9NooJ, tout comme INTEX, est un environnement de développement linguistique permettant construire, de tester et de gérer des descriptions formalisées à large couverture des langues naturelles, sous forme de dictionnaires et de grammaires électroniques, ainsi que de développer des applications du TAL. Aujourd'hui, il existe des modules linguistiques INTEX pour une douzaine de langues, et une demi-douzaine d'applications informatiques du TAL ont été construites avec INTEX (cf. [INTEXnd] pour des exemples d'utilisation du logiciel).
10Les fonctionnalités d'INTEX étaient adaptées à un public de linguistes (description de la morphologie et de la syntaxe des langues), de documentalistes (analyse de corpus) et d'informaticiens du TAL (applications d'extraction d'information). Mais le logiciel a attiré très tôt des enseignants tant en linguistique qu'en FLE [Garrigues99], ses qualités principales pour une utilisation pédagogique étant les suivantes.
-
Son ouverture. Il n'y a ni traitement probabiliste, ni "boite noire" dans INTEX. Ses fonctionnalités sont toutes accessibles et paramétrables. Les résultats de traitement, y compris intermédiaires, sont immédiatement compréhensibles.
-
Sa grande facilité d'utilisation. On peut construire sa première grammaire locale en dix minutes. Un enseignant non informaticien peut adapter rapidement les dictionnaires et les grammaires du système pour les appliquer, avec les apprenants, à des corpus de textes de son choix.
-
La disponibilité et la compatibilité de données linguistiques à large couverture pour une douzaine de langues.
11La nouvelle mouture du logiciel INTEX, appelée NooJ ([NooJ05], [Silberztein04]) a été réécrite en particulier pour répondre aux besoins des utilisations pédagogiques. Quatre nouvelles caractéristiques de NooJ devraient présenter un intérêt pour cette communauté.
-
Traitement de corpus. NooJ peut traiter directement des ensembles potentiellement importants de documents, qui peuvent être dans n'importe quel format : pages Internet, documents XML, Microsoft WORD®, etc.
-
Les travaux pratiques. NooJ contient des mini-applications pédagogiques qui peuvent instantanément être utilisées en séance de travaux pratiques (TP ou "Labs"). Ces mini-applications donnent aux enseignants la possibilité de monter une séance de TP autour d'un problème linguistique ou informatique spécifique. À l'heure actuelle, une demi-douzaine de TP permettent d'illustrer des problèmes comme : les différents codages informatiques des textes, l'o alphabétique dans chaque langue, les expressions rationnelles, la morphologie flexionnelle, etc. Par exemple, l'annexe 1 montre le TP de morphologie flexionnelle. On peut ajouter très facilement des TP dans NooJ : le but est d'en construire rapidement une vingtaine, mais rien n'en limite le nombre.
-
Les projets. À tout moment, on peut sauvegarder la configuration de l'environnement NooJ sous la forme d'un fichier "projet". Ce projet peut être rappelé ensuite à volonté. Par exemple, un enseignant peut préparer un corpus, quelques dictionnaires, quelques grammaires, utiliser certaines ressources lexicales et syntaxiques de NooJ (avec un jeu complexe de priorité), rédiger une documentation (ou une série d'exercices), et sauvegarder le tout sous forme d'un projet. En chargeant ce projet, les apprenants obtiennent immédiatement la configuration voulue, avec sa documentation.
-
Construction, édition et gestion sophistiquées de concordances. NooJ permet de construire et de gérer des concordances sophistiquées. On peut ainsi combiner plusieurs requêtes, filtrer manuellement les résultats incorrects, puis sauvegarder la concordance résultante, ce qui permet d'aborder des problèmes linguistiques incrémentalement.
12On demandera tout d'abord à l'étudiant d'identifier certains termes ou constructions dans un corpus, tout d'abord de façon naïve (par exemple, rechercher tous les mots finissant par –ment, pour identifier des adverbes, ou rechercher tous les nombres pour identifier des dates). Puis, au vu de la concordance résultante, on aidera l'apprenant à affiner petit à petit la caractérisation des phénomènes, d'une part en améliorant les requêtes (par exemple en tenant compte du contexte des mots), d'autre part en classifiant les résultats obtenus. Chaque étape fera alors l'objet d'exercices, dont le résultat (une concordance) peut être édité, sauvegardé puis contrôlé par l'enseignant.
13Pour illustrer cette dernière fonctionnalité, nous présentons quelques activités développées avec NooJ autour de l'étude des dérivés verbaux dans une perspective FLE, destinées à des apprenants de niveau intermédiaire et avancé.
14L'étude du lexique en FLE, comme d'ailleurs en langue maternelle, a longtemps été délaissée au profit d'activités plus attrayantes mettant en jeu les habiletés communicatives. L'enseignement du lexique, bien qu'incontournable pour la maîtrise d'une langue seconde, était perçu comme difficile à systématiser (le lexique étant le lieu de l'"idiosyncrasie"), donc peu gratifiant sur le plan didactique. Il ne pouvait être abordé en tant qu'activité autonome, "pour soi", mais était associé à des activités de compréhension ou de production [Cuq04].
15Depuis peu, les études sur le lexique et son acquisition connaissent cependant un nouvel essor. Au-delà des classiques champs lexicaux de la sémantique structurale, les travaux des linguistes mettent au jour des régularités dans la formation des mots (par exemple, travaux du laboratoire SILEX autour du modèle développé par D. Corbin en morphologie lexicale [Corbin87]) et dans les associations lexicales comme les collocations.
16Par ailleurs, il est démontré [Bogaards94] qu'un apprentissage systématique du lexique est possible s'il est accompagné d'une description riche des phénomènes lexicaux et d'une réflexion et d'une implication personnelle de l'apprenant. En outre, l'importance d'un apprentissage lexical en contexte est également soulignée dans [Treville96].
17L'activité que nous proposons ici est l'observation sur corpus de dérivés verbaux pour en étudier de façon inductive le mode de formation. Nous partons de l'hypothèse qu'une a métalinguistique menée de façon active par l'apprenant à partir d'exemples sur corpus renforcera ses compétences lexicales. Plus précisément, l'objectif visé est la prise de conscience de mécanismes morphologiques réguliers dans la formation des mots, les règles associées aux bases lexicales permettant d'accroître largement, au moins en compréhension, le stock lexical disponible. L'activité est ici prévue en présentiel, sous forme d'atelier, a l'accompagnement de l'enseignant.
18Une première application simple de NooJ est la consultation et l'extraction d'informations à partir du corpus "brut", i. e. ne comportant pas de balises spécifiques. NooJ contient un analyseur morphologique qui permet d'effectuer des recherches et des traitements dans les textes à partir d'expressions régulières intégrant des formes, des lemmes, des catégories syntaxiques ou toute information lexicale. Dans l'exemple 1, l'expression suivante permet de rechercher dans un corpus tous les noms qui finissent par -ion, -age ou -ment.
(1)
<N+MP="(ion|age|ment)$">
(Requête simple pour rechercher tous les noms (N) qui se terminent ($) par -ion, -age ou -ment)
19On peut demander à l'étudiant d'extraire les occurrences des noms déverbaux se terminant par une suite de morphèmes, dans un corpus de petite taille choisi par l'enseignant, par exemple un article de presse simple. Pour ce faire, l'étudiant devra formuler des requêtes adaptées, extraire les concordances, et filtrer les résultats inadéquats. Il pourra s'aider du TP sur les expressions PERL (ce qui est écrit entre guillemets dans la requête de l'exemple 1).
20La copie d'écran suivante (Figure 1) montre une concordance extraite à partir de la requête précédente. L'étudiant a alors pour tâche de sélectionner parmi les entrées de la concordance obtenues celles qui correspondent vraiment à des noms déverbaux (et d'effacer les noms comme lion, nation, etc.).
Figure 1 -Une première concordance.
21Pour repérer les noms déverbaux, l'étudiant peut exploiter un corpus plus large à sa disposition (NooJ permet d'ouvrir simultanément plusieurs corpus) en essayant de retrouver le verbe à l'origine de la dérivation, à partir de la troncation. Par exemple, l'étudiant est confronté au mot investissement dans le corpus d'étude. Pour déterminer s'il s'agit d'un déverbal, l'étudiant exploite un corpus plus large, par exemple un gros corpus de presse comme Le Monde, et applique la requête de l'exemple 2. En examinant la concordance résultante, il détermine que le nom investissement est bien dérivé du verbe investir.
(2)
<V+MP="^invest">
(Requête pour rechercher tous les verbes qui commencent par invest)
22On peut imaginer des prolongements à ce simple relevé, comme par exemple le repérage des différents allomorphes pour une dérivation (par exemple, -ment vs -issement) et la recherche du paramètre motivant la forme du suffixe (ici, la forme du verbe de base).
23NooJ permet également d'appliquer des grammaires (représentées graphiquement) à un corpus. Par exemple la grammaire en annexe 2 reconnaît des expressions de date du français. On pourra présenter cette grammaire à des étudiants de FLE, leur demander de l'appliquer à un corpus de textes journalistiques, et éventuellement de la compléter (pour détecter des dates comme avant Noël, deux jours après, etc.).
24Lorsqu'on applique une grammaire à un corpus, le résultat est là aussi une concordance (dont la colonne du milieu contient cette fois une séquence de mots). L'utilisateur peut valider ou non chaque entrée de la concordance ; le résultat peut alors être utilisé pour annoter le texte. L'annotation d'un corpus peut être utilisée par l'enseignant pour, d'une part, adapter les résultats des traitements TAL effectués automatiquement (lorsqu'il prépare le corpus), et, d'autre part, pour vérifier et corriger les traitements effectués par l'apprenant.
25Pour le sujet qui nous intéresse (les dérivés verbaux), plusieurs annotations peuvent être appliquées aux corpus. Premièrement, on observera effectivement si le nom en -ion, -age ou –ment est ou non dérivé d'un verbe. Bien entendu, il ne s'agit pas de transformer les étudiants e morphologues, et on ne s'intéressera ici qu'aux dérivations perceptibles en synchronie (par exemple, le terme télévision ne sera pas retenu). Deuxièmement, on observera si le nom dérivé a une valeur prédicative (il exprime un procès ou une action) ou s'il est concret. Par exemple, construction dans la construction de ces établissements sera considéré comme prédicatif, alors que dans cette construction est impressionnante, il est un nom concret. L'exemple de la figure 2 présente une telle annotation, sous format XML, qui sera proposée à l'apprenant.
Figure 2 - Annotation en format XML d'un corpus, extrait du site de TV5, témoignage du journaliste hongrois Andras Davis http://www.tv5.org/TV5Site/enseignants/apprendre_francais.php
Le folklore hongrois avait sa place aux côtés de la littérature ou des Beaux-arts français, la musique classique allemande, et les Beatles... universels. Pour les Hongrois, il est clair, que l'entrée de la Hongrie dans l'Europe unie est une < pred= "non">obligation</deverbal> historique, qui arrive même un peu tard. En réalité, avec le <deverbal pred= "oui">changement</deverbal> politique, l'entrée en tant que telle ne change pas grand-chose. Aujourd'hui, les Hongrois voyagent déjà beaucoup, font du tourisme, suivent les conférences internationales, les marchés financiers.
26NooJ permet d'interroger ensuite le corpus en exploitant ces annotations. L'étudiant peut alors effectuer des consultations fines sur le corpus annoté, comme celle de l'exemple 3. Ici aussi, le résultat de la requête est une concordance qui peut être combinée avec d'autres, filtrée, pui sauvegardée avec son historique.
(3)
<DEVERBAL> (<A> + <E>) (à + de) <V+INF>
(déverbal, suivi d'un adjectif optionnel, suivi de à ou de, suivi d'un verbe à l'infinitif)
27NooJ peut consulter des corpus préalablement annotés à l'aide de balises XML. Dans ce cas, les balises XML ont le même statut que les annotations produites par NooJ, qu'elles soient lexicales, syntaxiques ou sémantiques.
28NooJ présente des fonctionnalités de TAL qui paraissent prometteuses pour l'enseignement des langues et de la linguistique. Son principal avantage est sa simplicité d'utilisation : il permet à la fois à l'enseignant non spécialiste de TAL de constituer des ressources linguistiques (à l'aide d'interfaces simples) et de les paramétrer afin de constituer des projets pédagogiques destinés aux apprenants. Pour développer une activité pédagogique à l'aide de NooJ, il n'est donc pas nécessaire de recourir à une chaîne de traitement complexe, ni de faire appel à des spécialistes d'informatique ou de TAL. Cela garantit une cohérence entre les traitements linguistiques et les exploitations pédagogiques qui en sont faites.
29Il reste encore à développer plusieurs fonctionnalités pour les applications pédagogiques. Tout d'abord, à court terme, la génération automatique d'activités contextuelles, un peu à la façon générateur d'activités de MIRTO [Antoniadis04], mais en exploitant les corpus annotés avec NooJ. L'enseignant définirait une requête destinée à l'étudiant (par exemple, "Discriminez les différents types de constructions déverbales"). Les exercices seraient alors générés automatiquement, en échantillonnant de façon aléatoire une concordance NooJ. La qualité des données extraites serait alors garantie, puisque le corpus a été préalablement annoté à l'aide d'outils TAL dont l'application peut être vérifiée (et au besoin corrigée au cas par cas) par l'enseignant.
30Par ailleurs, à moyen terme, d'autres fonctionnalités plus avancées de NooJ, en particulier les transformations syntaxiques, pourraient aussi être exploitées comme démonstrateurs d'opérations linguistiques [Buvetnd]. Par exemple, dans le cas des déverbaux, l'étudiant pourrait jouer avec une série de transformations permettant de classer la construction à laquelle il a affaire. En sélectionnant l'expression l'investissement de la France, il pourrait alors obtenir la France a investi, etc.
31Les activités proposées doivent maintenant faire l'objet d'évaluations pédagogiques, qui détermineront à leur tour les développements ultérieurs de NooJ.