La textométrie propose une approche et des outils pour analyser les corpus numériques, que les chercheurs en sémantique interprétative mettent à profit depuis une quinzaine d’années. Pour éclairer ces réussites, on entreprend ici de repérer des adéquations essentielles entre la théorie linguistique de la sémantique interprétative, et les principes fondateurs de l’approche textométrique. Les connivences sont nombreuses : la place centrale des textes à toutes les étapes de l’analyse, le souci de rester au plus proche du texte et d’éviter toute (...) préconception réductrice, le rôle déterminant du contexte global construit par le corpus de référence, le fonctionnement différentiel des calculs contrastifs comme des tris… Dans le contexte de renouveau actuel des logiciels textométriques, la sémantique interprétative est appelée à nourrir la réflexion théorique sous-jacente. (shrink)

La textométrie propose une approche et des outils pour analyser les corpus numériques, que les chercheurs en sémantique interprétative mettent à profit depuis une quinzaine d’années. Pour éclairer ces réussites, on entreprend ici de repérer des adéquations essentielles entre la théorie linguistique de la sémantique interprétative, et les principes fondateurs de l’approche textométrique. Les connivences sont nombreuses : la place centrale des textes à toutes les étapes de l’analyse, le souci de rester au plus proche du texte et d’éviter toute (...) préconception réductrice, le rôle déterminant du contexte global construit par le corpus de référence, le fonctionnement différentiel des calculs contrastifs comme des tris… Dans le contexte de renouveau actuel des logiciels textométriques, la sémantique interprétative est appelée à nourrir la réflexion théorique sous-jacente. (shrink)

Pour répondre aux problématiques engendrées par la diffusion de plus en plus massive des corpus linguistiques et à l’hétérogénéité de leurs formats, nous proposons une méthode permettant de prendre en main des corpus langagiers oraux et de les convertir dans un format permettant leur exploitation outillée. Pour cette recherche, le corpus ESLO nous sert d’exemple par sa licence de diffusion, son format, son volume et ses atouts sociolinguistiques et diachroniques. Notre travail se fonde sur la compilation de ce corpus pour (...) le rendre compatible avec l’outil de textométrie TXM. Nous opérons un ensemble de transformations des données pour l’utiliser au mieux. Enfin, pour illustrer les apports de ces avancées méthodologiques, nous proposons une analyse fine et multidimensionnelle de l’usage des interrogatives dans le corpus ESLO. (shrink)

Nous examinons ici les schémas lexico-grammaticaux (LG) associés à trois verbes supports (« effectuer », « réaliser », « procéder ») dans deux corpus juridiques comparables (un corpus de directives européennes rédigées en français et leur transposition en France dans les textes de lois). A cette fin, nous utilisons Le Trameur, un logiciel de textométrie qui permet une comparaison systématique des données textuelles en mobilisant plusieurs méthodes statistiques exploratoires : analyse des fréquences par partie, spécificités, segments répétés, co-occurrences, poly-cooccurrences, etc. (...) Le recours à ce type d’outils permet au linguiste d’élaborer des unités de base de son système analytique en suivant un protocole de recherche précis, qui tient compte des indices quantitatifs. Finalement, des distinctions lexico-grammaticales fines entre des lexèmes dont le sémantisme serait trop proche pour une comparaison hors contexte, sont visualisées de façon synthétique au fil du texte, tout en permettant de différentier certaines constructions spécifiques du français « eurolectal » et les éléments du discours technocratique « national ». (shrink)

Depuis les années soixante-dix et le corpus de Montréal (Sankoff et al., 1976), les corpus oraux et multimodaux ont été au cœur des transformations technologiques, méthodologiques et théoriques de la linguistique sur corpus numériques, reconfigurant les attentes en matière de conservation des documents sonores. Les outils et instruments de transcription, d’annotation, de traitement du signal, de textométrie, de visualisation, et plus généralement tous les outils du TAL et du traitement de don...

La Base de français médiéval (BFM) fait partie des corpus de français médiéval (9e-15e s.) les plus anciens et les plus utilisés par les linguistes diachroniciens et plus largement par tous ceux qui s’intéressent à l’histoire du français. Elle est le fruit d’une collaboration entre linguistes-philologues et spécialistes de la méthode textométrique implémentée dans la plateforme TXM. L’article présente un état des lieux du corpus BFM2022 focalisé sur la représentativité et l’interopérabilité des données. Il illustre l’apport des outils numériques pour (...) l’équilibrage des données et présente la stratégie de standardisation multi-niveau (structure textuelle, références, métadonnées, annotations) ayant permis à la Base de s’intégrer à des corpus diachroniques plus étendus pour des recherches en diachronie longue. (shrink)

Hyperbase est un logiciel d’Analyse de Données Textuelles (ADT) qui offre une suite d’outils statistiques dédiés à l’étude de corpus. Initialement développé sur ordinateur de bureau, il se décline depuis 2015 en plateforme web offrant une interface à l’ergonomie travaillée pour un usage tourné vers les sciences humaines et sociales. Après un rappel méthodologique de l’ADT, cette contribution présente Hyperbase Web version 2024, à partir d’exemples concrets d’usages, de notes techniques ainsi que des entrées par le menu (manuel d’utilisateur). Cette (...) présentation sert de référence pour la prise en main du logiciel ou l’utilisation avancée des méthodes d’ADT. (shrink)

Sur un corpus de contes du xviie où les discours directs ne sont pas typographiquement marqués, nous procédons à un balisage des séquences des discours représentés en vue de caractériser les modes d’articulation du discours direct aux autres types de séquences. L’analyse textométrique s’appuie sur le balisage TEI des séquences et le langage de requête CQL de TXM. Pour ce faire, nous analysons l’interaction entre les segments introducteurs, les incises et la ponctuation gauche du DD. Ainsi nous avons pu dégager (...) le trait vicariant de l’incise et du segment introducteur. Les propriétés syntaxiques des frontières entre discours narratorial et DD sont étudiées selon qu’il existe une incise ou un segment introducteur dans le contexte gauche du DD. (shrink)

Cet article synthétise les acquis et développements issus de projets de recherche menés depuis 2013 à propos de l’analyse d’un type particulier de données CMC (Computer-mediated communication) : les tweets politiques. Après une caractérisation de ce genre de discours, et des problématiques soulevées, l’article développe les enjeux de l’exploration des corpus de ce genre ; l’appréhension et la constitution de ces données sociales en corpus ; la production de résultats scientifiques, et la mise en place de différents types d’exploration de (...) corpus. Les méthodes de constitution de corpus, la standardisation et la mise au format TEI, l’utilisation d’outils d’analyse des données textuelles, et le développement de plateformes, sont ainsi présentés, comme différents points d’une même recherche qui vise à caractériser et comprendre une pratique sociale avec une méthode scientifique et une portée citoyenne. L’exploration de corpus peut ainsi passer par des nouvelles productions de ressources, outils, interfaces, dont l’interactivité, l’hypertextualité, et l’ouverture, garantissent la validité des corpus, et la possibilité d’y accéder de manière contextuelle, et outillée. (shrink)

Le projet ANR Profiterole avait pour objectifs la constitution de ressources pour le français médiéval (9e-15e s.) : un corpus annoté en (morpho-)syntaxe et des lexiques, la conception d'analyseurs syntaxiques pour le français médiéval, le développement d’outils de diffusion et d’analyse textométrique de l’annotation syntaxique dans le contexte de la plateforme TXM, et, enfin, la modélisation de certains aspects syntaxiques de l’évolution du français. Nous commençons par décrire la constitution du corpus Profiterole en termes de choix de textes, genres et (...) périodes et de types d’annotation. Puis nous présentons les modèles d’analyse syntaxique développés conjointement à la constitution du corpus, ainsi que la manière dont leurs prédictions ont été combinées pour assister la correction manuelle de l’annotation du corpus. Enfin, nous abordons les modalités de diffusion des données et modèles produits dans le cadre du projet avec un accent particulier sur l’intégration du corpus annoté à TXM, tant dans sa version en ligne accessible depuis le portail de la Base de français médiéval (BFM) que dans sa version pour ordinateur personnel, avec des exemples de requêtes CQP et TIGER facilitant l’exploration et l’analyse du corpus. (shrink)

L’objectif de cet article est double : il s’agit, d’une part, de présenter un nouveau corpus permettant d’envisager le phénomène émergent de la communication transfrontalière en Europe et, d’autre part, de formuler trois questionnements utiles au cadrage de son analyse sémantique. À partir du corpus eurorégional – multilingue et multigenre – nous posons les questions de la dispersion des discours en ligne, de l’hétérogénéité des données et de la contextualisation de l’analyse. Notre démarche consiste à construire progressivement un modèle d’analyse (...) adapté à l’appréhension, tantôt automatique et tantôt manuelle, de la diversité des textes. Enfin, nous proposons d’illustrer la démarche en l’appliquant à la mobilité, observable récurrent du corpus. (shrink)