La multiplication des très grands corpus en linguistique historique a entraîné des discussions nombreuses sur les procédures d’annotation et les métadonnées associées, notamment concernant les questions relevant de l’étiquetage morphosyntaxique et de la tokenisation. D’autres sujets cruciaux, en revanche, semblent moins abordés, comme la question de la découpe en propositions ou en « phrases » des données linguistiques, la préservation des informations philologiques ou, encore, la question de l’encodage et des formats de données. Notre contribution explore ces thématiques (...) en prenant exemple sur le corpus MICLE, qui a dû résoudre des difficultés inédites au long de sa constitution. (shrink)

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

Cet article offre une réflexion sur la constitution de corpus pour l’analyse de la variation et du changement morphosyntaxique. Le Corpus MCVF (Modéliser le changement : les voies du français) est structuré de façon à permettre l’analyse de la variation morphosyntaxique, à travers plusieurs périodes historiques, tout en tenant compte, dans une certaine mesure, de facteurs sociolinguistiques comme la distribution sociale et régionale. Les principes qui sous-tendent la sélection des textes et leur annotation morphosyntaxique sont d’abord présentés. (...) L’intérêt d’un corpus annoté morphosyntaxiquement est ensuite illustré par quelques exemples de recherche sur la négation. (shrink)

De nouvelles données enfantines pour l’étude du français : réflexions autour de leur collecte et de leur étiquetage.Cet article propose une réflexion autour d’un certain nombre de questions importantes auxquelles un chercheur doit répondre lorsqu’il construit son corpus en vue de recherches sur l’acquisition du langage. Dans ce cadre, deux étapes sont notamment discutées : la collecte des données (choix des informateurs, nombre, représentativité, etc.) et l’étiquetage de ces données, le but étant pour le chercheur de proposer une (...) base de données fiable et efficace à la communauté scientifique. (shrink)

De nouvelles données enfantines pour l’étude du français : réflexions autour de leur collecte et de leur étiquetage.Cet article propose une réflexion autour d’un certain nombre de questions importantes auxquelles un chercheur doit répondre lorsqu’il construit son corpus en vue de recherches sur l’acquisition du langage. Dans ce cadre, deux étapes sont notamment discutées : la collecte des données (choix des informateurs, nombre, représentativité, etc.) et l’étiquetage de ces données, le but étant pour le chercheur de proposer une (...) base de données fiable et efficace à la communauté scientifique. (shrink)

Cet article offre une réflexion sur la constitution de corpus pour l’analyse de la variation et du changement morphosyntaxique. Le Corpus MCVF (Modéliser le changement : les voies du français) est structuré de façon à permettre l’analyse de la variation morphosyntaxique, à travers plusieurs périodes historiques, tout en tenant compte, dans une certaine mesure, de facteurs sociolinguistiques comme la distribution sociale et régionale. Les principes qui sous-tendent la sélection des textes et leur annotation morphosyntaxique sont d’abord présentés. (...) L’intérêt d’un corpus annoté morphosyntaxiquement est ensuite illustré par quelques exemples de recherche sur la négation. (shrink)

Les vingt dernières années ont vu l’apparition d’une convergence forte entre une démarche appliquée se consacrant à la création de corpus de grande taille, à leur codage et à leur étiquetage, et diverses théories linguistiques dont les analyses reposent sur de tels corpus. Pour l’analyse de conversation (ou linguistique interactionnelle) une telle convergence ne semble pas possible, car son approche est qualitative et s’appuie sur de « petits » corpus. De plus, un examen approfondi du contexte social des interactions (...) recueillies est nécessaire, qui ne peut donc se réduire à la collecte de métadonnées. Une question surgit immédiatement : la notion de « petit » corpus a une validité sur le plan épistémologique? Le présent article montre qu’une réponse positive peut être apportée à cette question et qu’il est possible de fonder en raison une pratique qui, le plus souvent, se drape sous les oripeaux de l’évidence. (shrink)

Cet article montre ce que la cooccurrence peut nous apprendre sur la monosémie et comment on peut exploiter l’analyse des cooccurrences de deuxième ordre pour quantifier l’analyse sémantique. Les analyses sont conduites sur un corpus technique (1,7 million d’occurrences) relevant du domaine spécialisé des machines-outils pour l’usinage des métaux. Dans cet article, nous expliquons la méthodologie adoptée pour déterminer le degré de monosémie d’un mot technique à partir de l’analyse du recoupement de ses cooccurrences de deuxième ordre. Dans le but (...) d’affiner les résultats de la mesure de recoupement, nous procédons également à quelques expérimentations qui vont au-delà du simple repérage statistique des cooccurrences et qui font varier différents paramètres, tels que la fenêtre d’observation, le seuil de significativité et la forme graphique ou le lemme des cooccurrences de premier et deuxième ordre. Finalement, nous abordons l’importance de l’intégration des étiquettes morphosyntaxiques dans l’analyse des cooccurrences. (shrink)

In a previous paper (Compléments pour une théorie des distorsions cognitives, Journal de Thérapie Comportementale et Cognitive, 2007), we did present some elements aimed at contributing to a general theory of cognitive distortions. Based on the reference class, the duality and the system of taxa, these elements led to distinguish between the general cognitive distortions (dichotomous reasoning, disqualification of one pole, minimization, maximization) and the specific cognitive distortions (disqualifying the positive, selective abstraction, catastrophism). By also distinguishing between three levels of (...) reasoning – the instantiation stage, the interpretation stage and the generalization stage – we did also define two other cognitive distortions: over-generalization and mislabeling (Théorie des distorsions cognitives : la sur-généralisation et l'étiquetage, Journal de Thérapie Comportementale et Cognitive, 2009). We currently extend this model to another classical cognitive distortion: personalization. (shrink)

Cet article étudie les délimitations morphosyntaxiques des noms propres en s’inspirant de la sémantique de la syntaxe. Les propriétés typographiques, morphologiques et syntaxiques des noms propres sont mises en lien et se répondent parfois iconiquement afin de faire émerger une nouvelle description des noms propres en tant que nominaux – et non plus simples noms ou syntagmes nominaux. Les noms propres sont des unités de rang « nominal » qui cherchent à intégrer des formes potentiellement marginales au sein du domaine (...) nominal, par une double action 1) de préservation d’une altérité formelle et linguistique et 2) d’imitation du comportement morphosyntaxique du nom commun. L’analyse s’appuie principalement sur le corpus commun en anglais mais reste transposable en majeure partie aux exemples du corpus en français. (shrink)

Le corpus PhraséoRoChe se centre sur le roman de chevalerie de langue française écrit en prose. Il rassemble des textes issus d’œuvres produites entre le XIIIe siècle et le XVIIe siècle, période bornée par la naissance et la disparition de ce genre textuel. Pour permettre des interrogations par le lecteur d’aujourd’hui d’un corpus outillé embrassant une diachronie aussi longue, il faut faire des choix concernant l’évolution de la langue, non seulement en traitant le décalage entre le français contemporain et la (...) langue des textes retenus mais aussi en faisant face aux difficultés liées à l’hétérogénéité de l’ancien français, du moyen français et du français préclassique. Quels choix méthodologiques peuvent être pertinents en vue de l’objectif défini, à savoir une exploitation de type linguistique, stylistique ou littéraire? Les collaborateurs du projet se sont heurtés à la triple difficulté de rester fidèles aux textes, d’intégrer la diversité des pratiques éditoriales des chercheurs selon les étapes de l’histoire du français et d’unifier le plus possible les principes de traitement pour faciliter la réception actuelle. Le présent article rend compte des deux volets de l’opération : la sélection et la transcription d’un ensemble de 40 textes, d’abord, et l’annotation au moyen de balises structurelles, d’étiquettes lexicales et d’étiquettes morphosyntaxiques, ensuite. (shrink)

La traçabilité, définie par la norme Iso 8402 comme « l'aptitude à retrouver l'historique, l'utilisation ou la localisation d'une entité au moyen d'identifications enregistrées » implique une forme de surenchérissement technique dans les modes de production : visant à créer une confiance fondée sur la preuve du respect de certaines normes techniques codifiant les procédures de fabrication, elle nous éloigne par là même encore plus d'un mode de production artisanal, soumis aux aléas et aux défauts inhérents à la reproduction humaine (...) des mêmes gestes. On analysera dans le cas de la filière viande bovine, les discours des acteurs impliqués ainsi que le contenu concret des procédures, afin de comprendre l'apport du dispositif de traçabilité en matière de restauration de confiance. En se référant simultanément à d'autres cas de mise en place de traçabilité, on fera enfin l'hypothèse que ces procédures, assurant une forme de transparence et de responsabilisation des activités techniques, peuvent recréer une confiance dans ces activités en répondant à une exigence d'ordre politique propre à la 'société du risque' . On rappellera rapidement en premier lieu l'évolution de la réglementation en matière de traçabilité et d'étiquetage des viandes bovines, afin de situer le contexte des pratiques des professionnels. On verra ensuite quelles sont les différentes stratégies associées par les acteurs de la filière à la notion de traçabilité : si un certain nombre d'agriculteurs, assimilant traçabilité et proximité, se sont lancés dans la vente directe de leurs produits, l'organisation de la traçabilité dans le circuit industriel, dirigée vers la communication d'un certain nombre de critères codifiés, intensifie au contraire certaines pratiques industrielles. On verra enfin que ce dispositif de traçabilité implique concrètement des modifications profondes dans le travail des acteurs, fortement bureaucratisé, codifié et contrôlé, permettant ainsi de produire un ensemble de traces renvoyant à une responsabilisation collective de la filière. On développera alors une hypothèse suggérant que le concept de traçabilité, médiatisé lors des crises et accidents technologiques récents, peut fonder une confiance du consommateur profane dans les systèmes d'activités techniques , en remplaçant la notion d'autorité ou de compétence spécialistes dont l'émergence des risques technologiques marque la faillibilité, par celle de transparence collective. (shrink)

Dans cet article, nous examinerons quelques aspects de la syntaxe du sujet dans les dialectes occitans du Piémont occidental, dans les dialectes francoprovençaux du Piémont occidental et du Val d’Aoste, y compris les parlers de Celle di Faeto (francoprovençal) dans les Pouilles et de Guardia Piemontese (occitan) en Calabre : l’existence de clitiques sujets, l’absence de l’accord entre verbe et sujet post-posé, l’inversion du verbe et du clitique sujet dans les constructions interrogatives. Toutes ces propriétés morphosyntaxiques qui apparaissent dans les (...) dialectes occitans et francoprovençaux caractérisent également les autres dialectes de l’Italie septentrionale (Bracco, Brandi et Cordin 1985, Poletto 1993, 2000, Rizzi 1986). En revanche, les dialectes occitans et francoprovençaux ne forment pas un groupe identifiable d’une manière univoque, mais ils se subdivisent en typologies grammaticales différentes. (shrink)

Dans cet article, nous examinerons quelques aspects de la syntaxe du sujet dans les dialectes occitans du Piémont occidental, dans les dialectes francoprovençaux du Piémont occidental et du Val d’Aoste, y compris les parlers de Celle di Faeto (francoprovençal) dans les Pouilles et de Guardia Piemontese (occitan) en Calabre : l’existence de clitiques sujets, l’absence de l’accord entre verbe et sujet post-posé, l’inversion du verbe et du clitique sujet dans les constructions interrogatives. Toutes ces propriétés morphosyntaxiques qui apparaissent dans les (...) dialectes occitans et francoprovençaux caractérisent également les autres dialectes de l’Italie septentrionale (Bracco, Brandi et Cordin 1985, Poletto 1993, 2000, Rizzi 1986). En revanche, les dialectes occitans et francoprovençaux ne forment pas un groupe identifiable d’une manière univoque, mais ils se subdivisent en typologies grammaticales différentes. (shrink)

Cet article montre ce que la cooccurrence peut nous apprendre sur la monosémie et comment on peut exploiter l’analyse des cooccurrences de deuxième ordre pour quantifier l’analyse sémantique. Les analyses sont conduites sur un corpus technique (1,7 million d’occurrences) relevant du domaine spécialisé des machines-outils pour l’usinage des métaux. Dans cet article, nous expliquons la méthodologie adoptée pour déterminer le degré de monosémie d’un mot technique à partir de l’analyse du recoupement de ses cooccurrences de deuxième ordre. Dans le but (...) d’affiner les résultats de la mesure de recoupement, nous procédons également à quelques expérimentations qui vont au-delà du simple repérage statistique des cooccurrences et qui font varier différents paramètres, tels que la fenêtre d’observation, le seuil de significativité et la forme graphique ou le lemme des cooccurrences de premier et deuxième ordre. Finalement, nous abordons l’importance de l’intégration des étiquettes morphosyntaxiques dans l’analyse des cooccurrences. (shrink)

Cet article propose deux mises à l’épreuve d’une modélisation du rôle du contexte dans l’interprétation des actes de parole. Selon notre modèle, les processus interprétatifs se déroulent généralement à partir d’hypothèses contextuelles sur le genre de discours pratiqué par le ou les énonciateur(s) du texte. Ces hypothèses sont activées à l’aide d’indices pluri-sémiotiques péritextuels et textuels. Un intertexte générique est alors mobilisé et oriente les processus interprétatifs, en particulier s’agissant de l’attribution des valeurs illocutoires et interactives probables des actes de (...) parole. La récurrence de ces valeurs constitue en retour des indices potentiels du genre de discours en cours. La première mise à l’épreuve de ces hypothèses s’appuie sur l’analyse « globale » de trois corpus : vingt-quatre interactions télévisées, leur péritexte et le péritexte des émissions les incluant. Cette analyse nous a permis d’observer des correspondances entre différentes configurations lexicales et morphosyntaxiques et quatre schémas d’actes de parole mis en évidence dans une précédente recherche. Dans un second temps, nous mettons en évidence certaines incidences interprétatives plus « locales » des prescriptions génériques, à l’aide d’une analyse des parcours probables de nos interprétations au palier de la période. (shrink)

Cet article propose deux mises à l’épreuve d’une modélisation du rôle du contexte dans l’interprétation des actes de parole. Selon notre modèle, les processus interprétatifs se déroulent généralement à partir d’hypothèses contextuelles sur le genre de discours pratiqué par le ou les énonciateur(s) du texte. Ces hypothèses sont activées à l’aide d’indices pluri-sémiotiques péritextuels et textuels. Un intertexte générique est alors mobilisé et oriente les processus interprétatifs, en particulier s’agissant de l’attribution des valeurs illocutoires et interactives probables des actes de (...) parole. La récurrence de ces valeurs constitue en retour des indices potentiels du genre de discours en cours. La première mise à l’épreuve de ces hypothèses s’appuie sur l’analyse « globale » de trois corpus : vingt-quatre interactions télévisées, leur péritexte et le péritexte des émissions les incluant. Cette analyse nous a permis d’observer des correspondances entre différentes configurations lexicales et morphosyntaxiques et quatre schémas d’actes de parole mis en évidence dans une précédente recherche. Dans un second temps, nous mettons en évidence certaines incidences interprétatives plus « locales » des prescriptions génériques, à l’aide d’une analyse des parcours probables de nos interprétations au palier de la période. (shrink)

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

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