Search

This article describes the design and compilation of the Multilingual Corpus of Survey Questionnaires (MCSQ), the first publicly available corpus of international survey questionnaires. Version 3.0 (Rosalind Franklin) is compiled from questionnaires from the European Social Survey, the European Values Study, the Survey of Health, Ageing and Retirement in Europe, and the Wage Indicator Survey in the (British) English source language and their translations into eight languages (Catalan, Czech, French, German, Norwegian, Portuguese, Spanish and Russian). Documents in the corpus were translated with the objective of maximising data comparability across cultures. After contextualising aims and procedures in survey translation, this article presents examples of two types of problematic translation outcomes in survey questionnaires: The first type relates to the choice of idiomatic terms or fixed expressions in the source text. The second type relates to cases where the semantic variation of translation choices exceeds the scope allowed to maintain the psychometric properties across languages. With these examples, we aim to demonstrate how corpus linguistics can be used to analyse past translation outcomes and to improve the methodology for translating questionnaires., Cet article décrit la conception et la compilation du Multilingual Corpus of Survey Questionnaires (MCSQ), le premier corpus de questionnaires d’enquêtes internationales accessible au public. La version 3.0 (Rosalind Franklin) est compilée à partir des questionnaires de l’Enquête sociale européenne, de l’European Values Study, de l’Enquête sur la santé et le vieillissement et la retraite en Europe, et du WageIndicator Survey dans la langue de départ, anglais (britannique), et leurs traductions en huit langues (catalan, tchèque, français, allemand, norvégien, portugais, espagnol et russe). Les documents du corpus ont été traduits en vue de maximiser la comparabilité des données entre les cultures. Après avoir contextualisé les objectifs et les procédures de traduction d’enquête, cet article présente des exemples de deux types de résultats de traduction problématiques dans les questionnaires d’enquêtes : le premier type concerne le choix de termes idiomatiques ou d’expressions fixes dans la langue de départ. Le deuxième type concerne les cas où la variation sémantique des choix de traduction dépasse la portée autorisée pour maintenir les propriétés psychométriques à travers des langues. Avec ces exemples, nous souhaitons démontrer comment la linguistique de corpus peut être utilisée pour analyser les résultats de traduction passés et pour améliorer la méthodologie de traduction de questionnaire., Este artículo describe el diseño y la compilación del Multilingual Corpus of Survey Questionnaires (MCSQ), el primer corpus público de cuestionarios de encuestas internacionales. La versión 3.0 (Rosalind Franklin) se compila a partir de cuestionarios de la Encuesta Social Europea, el European Values Study (EVS), la Encuesta de Salud, Envejecimiento y Jubilación en Europa, y el WageIndicator Survey en el idioma de origen (inglés británico) y sus traducciones a ocho idiomas (catalán, checo, francés, alemán, noruego, portugués, español y ruso). Los documentos del corpus se tradujeron con el objetivo de maximizar la comparabilidad de los datos entre culturas. Después de contextualizar los objetivos y procedimientos en la traducción de encuestas, este artículo presenta ejemplos de dos tipos de resultados de traducción problemáticos en cuestionarios de encuestas. El primer tipo se relaciona con la elección de términos idiomáticos o expresiones fijas en el texto original. El segundo tipo se relaciona con los casos en los que la variación semántica de las opciones de traducción excede el alcance permitido para mantener las mismas propiedades psicométricas en todos los idiomas. Con estos ejemplos, nuestro objetivo es demostrar cómo se puede utilizar la lingüística de corpus para analizar los resultados de traducción y mejorar la metodología de traducción de cuestionarios.

Diapositives de la conférence "Linguistique de corpus et pragmatique linguistique : opportunités et difficultés", présentée à l'occasion des11e Journées Linguistique de Corpus (JLC 2023), Université Grenoble Alpes, le 5 juillet 2023.

National audience; L'exposé rend compte du cheminement adopté pour gérer différents types de "bruit" dans des corpus de données textuelles, tels que des erreurs d'étiquetage morphosyntaxique automatique, des erreurs de transcription automatique de la parole, ou encore une analyse portant sur des informations éparses et variables. Les nouvelles possibilités d'annotation semi-automatique des corpus offrent une voie séduisante pour corriger et affiner ses données, mais une réflexion préalable est nécessaire pour que cette annotation soit fructueuse. Finalement, en pratique, il s'agit peut-être moins de chercher à éliminer tout bruit, que d'apprivoiser le bruit : apprendre à oeuvrer avec lui à toutes les étapes du travail de recherche.

The article is devoted to spelling errors of Russian learners in a French-speaking environment. Based on 1,816 spelling errors, the analysis focuses on four mechanisms (transposition, insertion, omission, and substitution), and the influence of contextual and non-contextual (cognitive, inter- and intralinguistic, extralinguistic) factors is taken into account for each mechanism in question. Despite the multidimensional nature of the factors involved, the recurrence of certain errors makes it possible to distinguish clear trends in the acquisition of linguistic facts. In addition, a quantitative analysis of the obtained data allows cross-sectional studies of errors, which traces back the steps in the acquisition of various aspects of Russian spelling, from A1 to C1 level for the first time. Moreover, the qualitative analysis of errors provides valuable data for pedagogical materials. L’article est consacré aux erreurs d’orthographe des apprenants du russe L2 en milieu francophone. Basée sur 1 816 erreurs d’orthographe, l’étude traite les quatre mécanismes (transposition, insertion, omission et substitution) qui entrent en jeu. L’influence des facteurs contextuels et non contextuels (cognitifs, inter- et intralinguistiques, extralinguistiques) est prise en compte pour chaque mécanisme en question. Malgré le caractère multidimensionnel des facteurs entrant en jeu, la récurrence de certaines erreurs conduit à distinguer de nettes tendances dans l’acquisition des faits linguistiques. En parallèle, l’analyse quantitative des données permet une étude des erreurs d’apprenants sur différents niveaux qui met pour la première fois en évidence les étapes dans l’acquisition des différents aspects de l’orthographe en russe L2, du niveau A1 à C1. Effectuée dans un second temps, une analyse qualitative des erreurs d’orthographe présente des données qui peuvent être utilisées pour l’élaboration d’outils pédagogiques.

Parmi les dispositifs mis en œuvre par le projet écri+ pour la maîtrise du français écrit à l’université, nous développons un outil d’aide à la formation permettant d’identifier automatiquement des erreurs de constructions syntaxiques. Les données que nous analysons, issues de rédactions d’étudiants, sont plus spécifiquement les séquences phrastiques longues comportant des coordinations, avec ou sans ellipses. Confrontés à la problématique de l’évaluation de l’erreur, nous montrons comment une approche en traitement automatique du langage peut contribuer à identifier les compétences rédactionnelles mobilisées et à mieux comprendre les différentes postures de l’évaluateur selon les types d’erreurs. Among the devices developed by the écri+ project for the improvement of the written French skills at university, we are currently implementing a training aid tool that automatically detects errors in syntactic constructions. The data that we analyze, from student writings, are complex and long sentences including coordinations, with or without ellipses. Faced with the issue of error evaluation, we show how an automatic language processing approach can help identify the drafting skills mobilized and better understand the different postures of the evaluator according to the types of errors.

Dans le cadre de ce travail, nous présentons une expérimentation menée auprès d’un public allophone inscrit à une formation universitaire. Ce travail a pour objectif de relever, d’une part, les spécificités dans les productions orales de ce public, et d’autre part, de démontrer l’intérêt d’un apprentissage sur corpus afin de construire un exposé structuré. Cette étude permet de s’ouvrir à d’autres perspectives didactiques en partant d’un corpus d’apprenants. As part of this work, we present an experiment conducted with a group of allophone students at university level. This work aims to identify the features of oral speech that are specific to this audience. It also shows the interest of corpus-driven learning to build a structured presentation. This study opens up to other didactic perspectives based on learner corpora.

Depuis quelques années, l'enseignement et l'apprentissage du lexique est abordé en termes d'expressions préfabriquées ou "d'éléments phraséologiques". l'Enseignement/apprentissage de la phréséologie est lié aux récentes études en linguistique qui ont révélé les spécificités linguistiques et les fréquences d'utilisaion de ces éléments. De ce fait, les questions autour de l'enseignement des formes figées et semi-figées du lexique sont d'actualité. En outre, leur étude est renforcée avec l'utilisation des corpus numériques depuis une vingtaine d'années.Dans cet article, nous comptons faire un rapide état de la question en résentant d'abord le contenu des manuels de FLE suivi de queslques exemples pour l'enseignement. Ensuite, nous présenterons quelques définitions pour préciser certains aspects ciblés de la phréséologie pour l'enseignement/apprentissage. Enfin, nous finirons avec des exemples de ces figements dans les discours spécialisés en FOS et en FOU.

L’article présente les résultats d’un projet de standardisation de l’orthographe bambara sur la base d’un corpus annoté des textes (Corpus Bambara de Référence). A la première étape, pour tous les lexèmes du dictionnaire Bamadaba ayant des variantes graphiques, les statistiques d’occurrences détaillées dans le Corpus ont été relevées. Puis, ces variantes ont été triées, ce qui a permis d’établir l’écriture normative pour la majorité des lexèmes variables. A l’étape finale, les lexèmes à formes variables pour lesquelles les données statistiques avaient été considérées insuffisantes ont été discutés par un groupe d’experts représentant des instances linguistiques maliennes différentes, et les variantes normatives ont été sélectionnées. En même temps, les règles d’orthographe bambara ont été revisitées et précisées là où cela s’est avéré nécessaire. This paper presents the results of a project of standardization of the Bambara orthography on the basis of an annotated corpus of texts (The Bambara Reference Corpus). First, all lexemes in the Bamadaba dictionary which had spelling variants were checked for their frequences in the Corpus. Then the variants were sorted, and standard graphic variants for a great number of lexemes were established. As a final step, a list of lexemes for which statistics were insufficient was drawn up, and a group of experts representing different Malian linguistic institutions discussed this list and selected the variants which could be accepted as standard. At the same time, general spelling rules of Bambara were revisited and edited wherever necessary. В статье излагаются результаты проекта по стандартизации орфографии языка бамана на основе корпуса аннотированных текстов (Справочного Корпуса Бамана). На первом этапе исследования все лексемы из словаря Бамадаба, имеющие графические варианты, были проверены в отношении частоты употребления каждого варианта в Корпусе. Затем была проведена сортировка этих вариантов на основании частот их употребления, и для большинства лексем была выбрана стандартная форма написания. Одновременно был составлен «остаточный список» лексем, для которых статистические данные оказались недостаточными для принятия решений о стандартном графическом варианте. Последним этапом стало рабочее совещание экспертов, представляющих различные малийские учреждения, в которых осуществляется изучение национальных языков. Эксперты обсудили лексемы из «остаточного списка» и выбрали стандартный вариант для каждой из них. Помимо этого, были заново рассмотрены правила орфографии бамана, и в некоторых случаях было предложено внести в них изменения.

The aim of our work is twofold: the exploration of corpora combined with the search for an innovative modality for refining intercultural competence. For this purpose, we use the brand name Kärcher, which for many years has largely departed from its original meaning as a high-pressure water cleaner by acquiring semantic weight and discursive versatility through discourse, as it blends with other semantic-syntactic combinatorics for the linguistic needs of speakers. In a first step, we will demonstrate that the name Kärcher, which by antonomasia was associated with "scum" at its origins, evolves in discourses and affects other spheres. Namely, native French-speaking writers or not, appropriate the Brand Name Kärcher and transform it as they please by applying it to the most distant domains compared to that of cleanliness in the literal and figurative sense of the term. Finally, interculturality as a "dynamic between" escapes the seemingly fixed side of culture and manifests itself as a dynamic between different domains. L’objectif de notre travail porte sur une double exigence: l’exploration de corpus combinée à la quête d’une modalité innovante pour peaufiner la compétence interculturelle, dans le cadre d’une formation universitaire en médiation culturelle. Pour ce faire, nous avons recours au nom de marque (désormais NdM) Kärcher qui s’est depuis de longues années largement démarqué de son sens initial de nettoyeur à eau à haute pression en acquérant à travers les discours épaisseur sémantique et polyvalence discursive, car il se marie avec d’autres combinatoires sémantico-syntaxiques pour les besoins langagiers des parlants. Nous allons démontrer que le nom Kärcher qui par antonomase était associé à "racaille" à ses origines, évolue dans les discours et prend des envolées insoupçonnées affectant d’autres sphères. A savoir, les scripteurs francophones natifs ou non s'approprient du NdM Kärcher et le transforment à leur guise pour l'appliquer aux domaines les plus éloignés par rapport à celui de la propreté au sens propre et figuré du terme. Finalement, l’interculturel comme « dynamique entre » échappe au côté qui peut paraître figé du culturel et se manifeste comme une dynamique entre domaines différents. «Les transferts, les branchements interculturels [de la lexie Kärcher] et [sa] circulation dans les médias sont cruciaux pour constituer des «sas» de reconnaissance et d’évolution des appartenances socio-économiques, à tous les niveaux de chaque société et entre les sociétés» nous apprend Demorgon (2003), en effet, de la «racaille» aux Recteurs d'université ou Présidents d'établissements bancaires, la dérivation «karcheriser» sert, au fil du temps, à désigner le licenciement de représentants des plus hautes sphères de la hiérarchie sociale. Serait-il possible de voir une sorte de migration interculturelle et inter-groupale ? Nous nous attachons à le démontrer dans un deuxième temps.

This study focuses on the varieties of English spoken in present-day Dublin (Ireland), and more particularly on the geographical north/south divide symbolised by the river Liffey. This work questions the relevance and the limits of this divide from a perceptual and linguistic point of view. Our study explores Dubliners’ perceptions, representations and productions, using two corpora specifically built for our needs. The first one compiles online perceptual data from 73 respondents. The data reveals Dubliners divide Dublin English into five potential varieties they locate in the inner city, north-east, north-west, south-east and south-west areas of Dublin. These areas informed the locations where a second corpus was collected. The corpus gathers oral data from 76 Dubliners recorded in July 2021 following the PAC programme (Phonology of Contemporary English: usage, varieties, and structure) and the LVTI project (Language, Urban Life, Work, Identity) protocols. This work first lays the theoretical, epistemological and methodological foundations of (urban) sociolinguistics, corpus linguistics, phonology, acoustic phonetics and perceptual dialectology. The segmental systems of Irish English and of Dublin English are then described. Dublin is then discussed from a geographical, demographic, historical and socio-economic point of view, thus allowing us to further add context to the north/south divide. We then detail the methodological choices we made to collect and process the data from our two corpora. The last part of this study explores the variation at work in Dublin English based on the word lists of the PAC LVTI protocol read by the 65 Dubliners retained for the analyses. The whole vowel system of the respondents, as well as five consonantal variables and phonological processes, are analysed using sociolinguistic variables such as gender, age and geographical origin. This enables us to compare perceptions, representations and productions, and to discuss the relevance of the north/south divide.; Ce travail propose d’étudier les variétés d’anglais contemporain parlées à Dublin (Irlande) par le prisme de la division géographique nord/sud, matérialisée par le fleuve Liffey. Il s’agit d’interroger plus particulièrement la pertinence et les limites de cette division d’un point de vue perceptuel et linguistique. Afin de tester cette hypothèse, ce travail étudie les perceptions, représentations et productions de Dublinois à l’aide de deux corpus constitués au cours du travail de thèse. La première enquête, en dialectologie perceptuelle, a mené à la constitution d’un corpus perceptuel (numérique) auprès de 73 enquêtés. Les données de ce corpus ont permis de mettre au jour cinq zones géographiques (au centre-ville, au nord-est, au sud-est, au nord-ouest et au sud ouest) dans lesquelles une seconde enquête (de terrain) a été menée dans le cadre du programme PAC (Phonologie de l’Anglais Contemporain) au sein du projet LVTI (Langue, Ville, Travail, Identité), et a donné lieu à la constitution d’un corpus oral de 76 enquêtés enregistrés en juillet 2021. Ce travail pose, dans un premier temps, les fondements théoriques, épistémologiques et méthodologiques de la sociolinguistique (urbaine), de la linguistique de corpus, de la phonologie (au sens large), de la phonétique acoustique et de la dialectologie perceptuelle. Les systèmes segmentaux de l’anglais irlandais et plus particulièrement de l’anglais dublinois sont ensuite décrits, puis Dublin est abordée d’un point de vue géographique, démographique, historique et socioéconomique, permettant ainsi de contextualiser la division nord/sud. Après avoir détaillé les choix méthodologiques liés à la constitution et au traitement des données des deux corpus, la dernière partie de ce travail explore la variation à l’œuvre à Dublin à travers les productions (issues des listes de mots du protocole PAC-LVTI) de 65 enquêtés retenus pour les analyses. L’ensemble du système vocalique des enquêtés ainsi que cinq variables consonantiques et processus phonologiques sont analysés selon les variables sociolinguistiques genre, âge et origine géographique dans le but de confronter perceptions, représentations et productions, et d’explorer la division nord/sud.

National audience; Le logiciel TXM propose une implémentation open-source de la méthode textométrique, pour une approche à la fois qualitative et quantitative des corpus textuels. La textométrie peut se caractériser par des calculs statistiques de référence (spécificités, AFC), par le caractère central du retour au texte et l'attention au document source, et par la construction de parcours d'analyse par l'utilisateur plutôt que la production d'un résultat pour le corpus. Ces orientations permettent de la situer par rapport à des pratiques de la linguistique de corpus et de discuter de sa pertinence en fonction des attentes des chercheurs.De la même façon (contrastive), nous rendrons compte de notre connaissance pratique du logiciel TXM pour pointer des caractéristiques techniques générales, que nous pourrons mettre en lien avec des conséquences pratiques pour l'utilisateur. Nous évoquerons des développements récents avancés (comme l'annotation en cours d'analyse ou l'analyse de corpus audiovisuels) à travers l'expérience concrète que nous avons pu en avoir dans le cadre de projets. TXM s'avère un logiciel très souple et très puissant, on abordera la question de ses choix et de ses limites pour discuter de sa pertinence en fonction des contextes.

National audience

Corpus-assisted discourse studies is, by its nature, interdisciplinary. However, this need to reach across borders becomes even more salient when we study discourses across languages, and this represents a natural intersection with translation studies. The aim of this paper is to reflect on the issue of comparison in cross-linguistic corpus-assisted discourse studies, positing a series of key questions including: How do we compare across or within corpora containing different languages? How do we identify meaningful language units for comparison in this context? How do we know that we are comparing like with like? Using a series of case studies, we start by addressing how we can approach comparison at the lexical level. We then move on to consider methods which allow us to abstract above the lexical level using three case studies which illustrate the use of semantic fields, discourse frames and rhetorical features. By presenting some issues and partial solutions regarding comparison across and within multilingual corpora, we hope to initiate a productive discussion in which we will also be able to collectively enrich and inform this set of resources., L’analyse du discours assistée par corpus est toujours, par définition, interdisciplinaire. Cela est particulièrement vrai lorsque l’on travaille sur la communication entre différentes langues assez lointaines les unes des autres ; on pénètre alors dans le domaine de la traductologie. L’objectif principal de cet article est d’offrir une réflexion à propos de la comparaison dans le contexte de corpus multilingues. Il en découle une série de questions clés comme celles-ci : comment aborder la comparaison entre corpus de langues différentes ou au sein d’un corpus multilingue ? Comment repérer les unités linguistiques significatives pour la comparaison dans ces contextes ? Comment savoir que l’on est en train de générer une comparaison d’éléments comparables ? Au moyen d’une série d’études de cas, notre réflexion commence par le plan lexical pour ensuite passer au plan sémantique, aux cadres du discours et aux traits rhétoriques. Grâce à ces questions et solutions toujours partielles, nous espérons entamer un débat productif qui alimentera cet ensemble de ressources., El análisis de discurso asistido por corpus es siempre, y por naturaleza propia, interdisciplinario. Sin embargo, esta característica se hace especialmente evidente cuando nos acercamos a la comunicación a través de lenguas diversas, no siempre coincidentes con la original; al hacerlo, entramos de lleno en el ámbito de los estudios de traducción. El objetivo principal de este trabajo es reflexionar sobre la comparación propiciada por corpus multilingües, planteando una serie de preguntas clave, entre las que destacamos las siguientes: ¿cómo propiciamos comparaciones entre corpus de lenguas diversas o en el seno de estos?; ¿cómo identificamos unidades lingüísticas significativas para la comparación en estos contextos?; ¿cómo sabemos que estamos generando comparaciones de componentes equiparables? Utilizando una serie de estudios de casos, nuestra reflexión comienza en el plano léxico para, luego, adentrarnos en el estudio de los campos semánticos, los marcos del discurso y los rasgos retóricos. Con este artículo, de preguntas y soluciones siempre parciales, esperamos iniciar un debate productivo con el que enriquecer colectivamente este conjunto de recursos.

National audience; L'exposé présentera la démarche méthodologique et les résultats d'études textométriques réalisées dans le cadre de deux projets différents, l'un sur un corpus d'écrits, l'autre sur des transcriptions d'oral. Il sera l'occasion de rendre compte de scénarios d'analyse possibles et de développements récents pour le logiciel open-source TXM (https://textometrie.org).La première problématique abordée est la caractérisation de l'oralité en ancien et moyen français à partir d'un grand corpus de textes (la Base de français médiéval, http://bfm.ens-lyon.fr), en se basant sur le contraste entre les passages au discours direct par rapport au reste des textes. À partir d'expérimentations progressives, l'analyse s'est affinée en introduisant d'autres dimensions de variation à croiser avec celle du discours direct pour approcher l'oralité : la diachronie, et les domaines et genres de discours. Au plan de la méthodologie textométrique, ce parcours a permis de mettre au point des pratiques et outils de portée plus générale : la gestion de la fiabilité de l'étiquetage, le jeu possible sur la granularité des informations linguistiques, et des modes d'exploration et de visualisation pertinents pour l'étude d'un gradient (c'est à dire d'une dimension de variation se déployant comme un continuum).Le deuxième contexte de recherche évoqué est celui du projet interdisciplinaire ANTRACT (https://antract.hypotheses.org), concernant l'analyse des Actualités françaises, ces journaux d'information d'une dizaine de minutes diffusés dans les salles de cinéma en France, avant le film, de 1945 à 1969. Les données sources sont audiovisuelles mais aussi textuelles (fiches documentaires INA, tapuscrits des commentaires). D'un point de vue textométrique, le "retour au texte", si central dans la méthode, est amené à se généraliser en "retour au document source", ici les vidéos. Cela a conduit à mettre au point l'extension MediaPlayer de TXM, permettant la lecture synchronisée de vidéo en lien direct avec l'exploration des données textuelles. Par ailleurs, l'un des sujets étudiés dans le projet est la standardisation du montage audiovisuel, et la possibilité de mettre en évidence des traits d'une grammaire cinématographique, à partir de la position de certains plans et de la récurrence de certains enchaînements. Cette question été l'occasion d'expérimenter un scénario d'analyse combinant une annotation systématique par requêtes, pour ajouter une représentation analytique au corpus textuel, puis la production d'un corpus centré sur cette représentation analytique, et permettant de travailler directement sur la représentation analytique avec tous les outils textométriques.

It has been argued that most of corpus linguistics involves one of four fundamental methods: frequency lists, dispersion, collocation, and concordancing. All these presuppose (if only implicitly) the definition of a unit: the element whose frequency in a corpus, in corpus parts, or around a search word are counted (or quantified in other ways). Usually and with most corpus-processing tools, a unit is an orthographic word. However, it is obvious that this is a simplifying assumption borne out of convenience: clearly, it seems more intuitive to consider because of or in spite of as one unit each rather than two or three. Some work in computational linguistics has developed multi-word unit (MWU) identification algorithms, which typically involve co-occurrence token frequencies and association measures (AMs), but these have not become widespread in corpus-linguistic practice despite the fact that recognizing MWUs like the above will have a profound impact on just about all corpus statistics that involve (simplistic notions of) words/units. In this programmatic proof-of-concept paper, I introduce and exemplify an algorithm to identify MWUs that goes beyond frequency and bidirectional association by also involving several well-known but underutilized dimensions of corpus-linguistic information: frequency: how often does a potential unit (like in_spite_of) occur?; dispersion: how widespread is the use of a potential unit?; association: how strongly attracted are the parts of a potential unit?; entropy: how variable is each slot in a potential unit? The proposed algorithm can use all these dimensions and weight them differently. I will (i) present the algorithm in detail, (ii) exemplify its application to the Brown corpus, (iii) discuss its results on the basis of several kinds of MWUs it returns, and (iv) discuss next analytical steps. On soutient généralement que la linguistique de corpus recourt à l’une des quatre méthodes de base suivantes : listes de fréquences, dispersion, collocation et concordance. Toutes ces méthodes présupposent (ne serait-ce qu’implicitement) la définition de ce qu’est une unité, à savoir l’élément dont la fréquence dans un corpus, dans des extraits de corpus, ou dans l’environnement textuel d’un mot étudié est calculée (ou quantifiée d’une quelconque manière). En règle générale et pour la majorité des outils de traitement de corpus, une unité est un mot orthographique. Cependant, il est évident qu’il s’agit là d’une hypothèse simplificatrice résultant d’un souci de facilité : il est évident qu’il semble plus intuitif de considérer que les mots because of ou in spite of constituent chacun une unité plutôt que deux ou trois. Certains travaux en linguistique computationnelle ont développé des algorithmes pour l’identification des unités multi-mots (multi-word units en anglais, MWU), qui reposent généralement sur des fréquences de cooccurrence de tokens et des mesures d’association (association measures en anglais, AM), mais ces algorithmes ne se sont pas généralisés en linguistique de corpus, malgré le fait que la reconnaissance des MWU, à l’image de celles susmentionnées, pourrait avoir un effet significatif sur la quasi-totalité des statistiques de corpus qui se fondent sur les notions (simplistes) de « mots/unités ». Dans cet article programmatique où je souhaite valider un concept, je présente et illustre un algorithme d’identification des MWU qui va bien au-delà de la fréquence et de l’association bidirectionnelle en intégrant également plusieurs dimensions bien connues – mais sous-utilisées – de l’information en linguistique de corpus : la fréquence : combien de fois une unité potentielle (comme in_spite_of) se rencontre-t-elle ?, la dispersion : à quel point l’utilisation d’une unité potentielle est-elle répandue ?, l’association : à quel point les constituants d’une potentielle unité s’attirent-ils plus ou moins fortement ?, l’entropie : à quel point chaque emplacement d’une potentielle unité est-il variable ?L’algorithme proposé a recours à ces quatre dimensions et les pondère différemment. Je vais (i) présenter l’algorithme en détail, (ii) exemplifier son application au corpus Brown, (iii) discuter les résultats obtenus sur la base de plusieurs types de MWU qu’il renvoie, et (iv) envisager les prochaines étapes de l’analyse.

National audience

International audience; Ce chapitre interroge la place du lexème terroir dans les discours français sur le vin, en posant la question de son statut de terme. Il part de la constatation selon laquelle ces discours sont le plus souvent abordés à travers le prisme d’une conception réductrice de la terminologie aboutissant à une fétichisation naïve du mot, sorti de son contexte et de toute l’écologie du discours nécessaire à sa saisie véritablement pragma-sémantique. Après une mise en contexte intégrant les acquis de la recherche en communication-marketing sur cette question, le terme terroir est positionné à l’intersection entre les trois catégories que nous postulons pour le lexique œnologique en général. S’ensuit une présentation du corpus inédit qui se trouve à la base de l’étude de cas et est constitué d’entretiens semi-directifs de viticulteurs en Bourgogne et dans le Jura. Sur la base d’une analyse outillée, le corps du chapitre est consacré à la mise au jour de trois scénarios structurant, dans ce corpus, les représentations mentales associées, dont l’articulation avec une relecture critique de la définition « officielle » de l’Organisation Internationale de la Vigne et du Vin permet de mesurer la pertinence.

International audience; Ce chapitre contribue à un ouvrage de référence exposant les principales théories et méthodes en sémantique linguistique, plus particulièrement dans l'espace francophone. La textométrie n’est pas en soi une théorie sémantique, mais plutôt une méthodologie pour l’analyse de corpus de textes. Cela étant, elle apporte un éclairage expérimental important sur le fonctionnement de la langue et des textes, en particulier sur ses dimensions sémantiques. La "sémantique textométrique" s’entend donc ici comme une approche du sens linguistique à travers une certaine forme d’exploration des corpus. Cette approche exploratoire du sens, apportant des éclairages concrets mais partiels, est potentiellement compatible avec diverses modélisations sémantiques visant une représentation intégrée, intelligible et complète du fonctionnement linguistique.Nous avons conçu ce chapitre en trois temps. Tout d’abord, il s’agit de préciser le champ de la textométrie, et d’expliquer son positionnement spécifique par rapport à d’autres approches d’analyse de textes relevant des Humanités numériques telles que la linguistique de corpus et le text mining. C’est en effet en prenant appui sur les choix propres à la textométrie que nous pourrons développer le propos sur la conception sémantique opérationnalisée par cette approche. Ainsi, nous recenserons une demi-douzaine de principes opératoires de la textométrie, comme autant de caractéristiques qui sont postulées sur la langue, qui servent de points d’appui aux procédures d’analyse, et qui heuristiquement en retour, par l’intérêt des observations permises, voient confirmée leur justesse. Avec la même démarche type "retour d’expérience", la troisième partie de notre propos aborde la question des unités linguistiques pour l’analyse sémantique. En pratique, les unités de l’analyse textométrique sont des découpages automatisés qui s’éloignent plus ou moins d’un idéal linguistique ; pourtant, cet écart entre les unités de départ de l’analyse et les unités de description pertinentes pour le linguiste peut être assumé, les unités sémantiques étant non pas données initialement mais construites par un parcours interprétatif au sein d’un ensemble global de textes contextualisant.

Dans cette conférence nous allons présenter un outil d'aide à la rédaction scientifique pour des étudiants étrangers de niveau A2 à C2 en FLE.L'élaboration de cet outil a permis de faire collaborer des linguistes, destalistes et des didacticiennes. Une telle collaboration a été source de réflexions impossibles autrement et a donné un outil qui peut être utiliser aisément par tous. En outre sa prise en main est rapide et facile d'accès.

National audience; Les chercheurs occidentaux et orientaux étudient de plus en plus le figement ou « 熟语 shú yǔ » dans leurs langues respectives. En revanche, les études dans une perspective contrastive entre le français (famille indo-européenne, langue flexionnelle et dérivationnelle) et le chinois (famille sino-tibétaine, langue isolante ou analytique) sont assez peu nombreuses. Cet ouvrage a pour objet principal l’analyse comparative d'expressions idiomatiques françaises avec leurs correspondants chinois ou 成语 chéngyǔ, tous deux caractérisés par un haut degré de figement. Après une nécessaire approche linguistique théorique sur les expressions idiomatiques, en tant qu’unités phraséologiques dans les deux systèmes linguistiques, il se focalise plus précisément sur celles relatives au corps humain et aux animaux. Il s’intéresse particulièrement à celles qui témoignent d’une réalité culturelle et d’une vision de l’homme et de sa place dans le monde propres à chacun des deux peuples. Y est également abordé l’aspect lexiculturel, et ce dans une perspective comparative : points de convergence et éventuelles équivalences, structuration linguistique de ces tournures, champs sémantiques prioritairement concernés. Cette étude se base sur un corpus (de 2400 entrées) établi à partir de dictionnaires spécialisés monolingues et bilingues en chinois et français, abordant ainsi les domaines de la métalexicographie, de la lexicographie et de la linguistique de corpus. Elle s’intéresse enfin à la phraséologie appliquée, qui s’envisage sous deux branches ou disciplines : la phraséotraductologie (熟语翻译学 shúyǔ fānyìxué), et la phraséodidactique (熟语教学 shúyǔ jiàoxué) en FLE (français langue étrangère) et en CLE (chinois langue étrangère). Après avoir exposé les difficultés de traduire les expressions idiomatiques et 成语 chéngyǔ, cet ouvrage souligne l’importance de développer dans l’enseignement cette discipline récente, puisque l’emploi naturel et spontané de ces expressions dans le discours est la preuve indéniable d’une bonne maîtrise d’une langue étrangère. En tant que pédagogue, l’auteure s’intéresse ici également à l’enseignement et à l’acquisition par les apprenants des expressions idiomatiques.

L'exposé présentera la démarche méthodologique et les résultats d'études textométriques réalisées dans le cadre de deux projets différents, l'un sur un corpus d'écrits, l'autre sur des transcriptions d'oral. Il sera l'occasion de rendre compte de scénarios d'analyse possibles et de développements récents pour le logiciel open-source TXM (https://textometrie.org).La première problématique abordée est la caractérisation de l'oralité en ancien et moyen français à partir d'un grand corpus de textes (la Base de français médiéval, http://bfm.ens-lyon.fr), en se basant sur le contraste entre les passages au discours direct par rapport au reste des textes. À partir d'expérimentations progressives, l'analyse s'est affinée en introduisant d'autres dimensions de variation à croiser avec celle du discours direct pour approcher l'oralité : la diachronie, et les domaines et genres de discours. Au plan de la méthodologie textométrique, ce parcours a permis de mettre au point des pratiques et outils de portée plus générale : la gestion de la fiabilité de l'étiquetage, le jeu possible sur la granularité des informations linguistiques, et des modes d'exploration et de visualisation pertinents pour l'étude d'un gradient (c'est à dire d'une dimension de variation se déployant comme un continuum).Le deuxième contexte de recherche évoqué est celui du projet interdisciplinaire ANTRACT (https://antract.hypotheses.org), concernant l'analyse des Actualités françaises, ces journaux d'information d'une dizaine de minutes diffusés dans les salles de cinéma en France, avant le film, de 1945 à 1969. Les données sources sont audiovisuelles mais aussi textuelles (fiches documentaires INA, tapuscrits des commentaires). D'un point de vue textométrique, le "retour au texte", si central dans la méthode, est amené à se généraliser en "retour au document source", ici les vidéos. Cela a conduit à mettre au point l'extension MediaPlayer de TXM, permettant la lecture synchronisée de vidéo en lien direct avec l'exploration des données textuelles. Par ailleurs, l'un des sujets étudiés dans le projet est la standardisation du montage audiovisuel, et la possibilité de mettre en évidence des traits d'une grammaire cinématographique, à partir de la position de certains plans et de la récurrence de certains enchaînements. Cette question été l'occasion d'expérimenter un scénario d'analyse combinant une annotation systématique par requêtes, pour ajouter une représentation analytique au corpus textuel, puis la production d'un corpus centré sur cette représentation analytique, et permettant de travailler directement sur la représentation analytique avec tous les outils textométriques.

Cet article évalue le degré de recouvrement sémantique entre ser soltero et estar soltero par une analyse de données fondée, d’une part, sur l’identification des marques textuelles se rapportant aux opérations de catégorisation et d’ancrage spatio-temporel et, d’autre part, sur la possibilité de commutation entre les constructions. Cette méthodologie permet de distinguer les contextes où l’opposition sémantique est fonctionnelle des cas où elle n’est pas nécessairement activée., This article evaluates the degree of semantic overlap between ser soltero and estar soltero through a data analysis based, on the one hand, on the identification of textual markers related to categorization and spatio-temporal anchoring operations and, on the other, on the possibility of substitution between the constructions. Thanks to this methodology, contexts where the semantic opposition is functional can be distinguished from cases where it is not necessarily activated.

Dans le cadre d’une étude en perceptual dialectology cet article propose d’étudier l’anglais dublinois contemporain au travers d’un corpus perceptuel numérique construit en 2020. Une réflexion méthodologique sur la constitution d’un corpus perceptuel au format numérique et sur les enjeux suscités par un tel format est proposée. Suit une réflexion sur le statut épistémologique de la perceptual dialectology et sur le choix de traduction en français du terme perceptual. La première partie s’achève sur une brève discussion autour de la notion de représentativité en linguistique de corpus afin de justifier la taille du corpus constitué. La seconde partie présente, de manière la plus exhaustive possible, la méthodologie adoptée dans la création du corpus et le traitement des données collectées. La troisième partie présente le corpus et quelques exemples de résultats que l’on peut obtenir grâce à un corpus perceptuel numérique. This article studies contemporary Dublin English, within the theoretical framework of perceptual dialectology, using a digital corpus I created in 2020. I present methodological reflections on the creation of the digital corpus and I discuss the stakes involved in the use of such an unconventional corpus format in perceptual dialectology. The first part of this article addresses the epistemological status of perceptual dialectology and the translation of the term “dialectology” in French. I also discuss the notion of representativity in corpus linguistics to account for the size of my corpus. The second part is dedicated to the methodology used in the creation and processing of the corpus. In the third part, I present the corpus data and some results that can be obtained using a digital perceptual corpus.

Les constructions concessives impliquent une opération complexe selon laquelle l’énonciateur signale la prise en compte, sinon la validation, d’un rapport d’inférence entre deux états de choses p et q, tout en s'opposant à ce rapport dans le contexte. De telles constructions peuvent marquer une distance prise par l’énonciateur vis-à-vis de l’une ou l’autre des propositions en présence, voire du rapport inférentiel sous-jacent. Ce positionnement subjectif, par rapport aux domaines de p, q et du rapport entre ces deux, est corrélé à l’emploi de certains marqueurs, qui peuvent recevoir des paramétrages complémentaires selon leur configuration contextuelle.La présente étude se concentre sur trois constructions concessives en particulier (le terme de « construction » est employé au sens large d’une configuration textuelle en tenant compte de la position et du contexte) impliquant la catégorie des connecteurs : YET, HOWEVER et NEVERTHELESS. Chaque marqueur est décrit à la lumière de la théorie des opérations prédicatives et énonciatives, comme la trace d’opérations portant sur la construction de valeurs référentielles pour les propositions associées, ainsi que sur le positionnement énonciatif. La modélisation des opérations correspond à des configurations contextuelles caractéristiques des marqueurs, décrites à la lumière de données extraites de corpus (le British National Corpus, et un court texte argumentatif contemporain). Concessive constructions involve a complex operation whereby a speaker marks recognition, if not endorsement, of an inferential relationship obtaining between two states of affairs p and q, while at the same time overriding this relationship in context. Such constructions may distance the speaker from endorsement of one or other of the propositions, or indeed from the endorsement of the underlying inferential relationship. This subjective positioning, relative to the domains of p, q and the relationship between the two, is correlated with the use of specific markers, which may be further parametered in contextual configurations.In the present paper I aim to focus on three particular concessive constructions (I use the term "construction" in the broad sense of a textual configuration, implying position and context) specifically involving what are traditionally known as sentence adverbials, YET, HOWEVER and NEVERTHELESS. Each marker is described, within the metalinguistic framework of the Theory of Enunciative and Predicative Operations, as providing specific indications with respect to the construction of referential values for the related propositions and to subjective positioning. The modelisation of operations will additionally be seen to correspond to characteristic contextual configurations of each marker, which may be described on the basis of corpus evidence (specifically, the British National Corpus and a short contemporary argumentative text).

International audience; Comme le note le sociolinguiste Philippe Blanchet, "Nommer c'est imposer un point de vue : La nomination (le fait de nommer quelque chose d’une certaine façon, avec un certain nom, une certaine expression) consiste à exprimer au moins implicitement l’idée que l’on s’en fait ainsi que le point de vue, le type de rapport au monde, depuis lequel on nomme et on s’exprime. " (Blanchet 2018).Dans un contexte de transition et de mutation socio-politique, et pour éviter d'enfermer la pensée dans des nominations "préimposées" (ibid.) et verrouillée par le pouvoir politique, il est stratégique d'observer avec soin les usages émergents susceptibles de porter des concepts et des praxis alternatives. Au plan linguistique, par nomination (Siblot 1997, 2001, Longhi 2015, Jackiewicz & Pengam, 2020), on entend le processus qui va de la désignation libre émergente d'un nouveau concept, à son éventuelle stabilisation sous la forme d'une dénomination adoptée par l'ensemble des locuteurs.Dans cette communication, nous proposons des pistes pour identifier des nominations émergentes renvoyant à des objets considérés comme désirables, dans l'espace du débat public. On s'intéresse ainsi à des nominations telles que ville durable, ville cyclable, ville vélo-friendly, ville éco-intelligente, ville sauvage (Jackiewicz, 2020).Pour mener cette étude, nous avons réuni un corpus de débats citoyens (issu du Grand débat et du Vrai débat), de documents de travail pour la Convention citoyenne pour le climat ainsi que d'articles de presse sur la période 2018-2020. Outre les approches classiques consistant à identifier les expressions émergentes en fonction de leur spécificité textométrique, nous proposons deux approches novatrices :- d'une part, ces nominations étant souvent caractérisées par des indices co-textuels (guillemets, métadiscours, prise en charge énonciative, cf. Jackiewicz & Pengam, 2020), permettant de spécifier, d'expliciter le sens, ou d'en signaler la nouveauté, nous avons constitué un corpus annoté d'environ 600 occurrences de nominations dont la moitié correspond à des contextes "spécifiants", l'autre moitié correspondant à des contextes neutres. A partir de cette ressource, nous avons entrainé un classifieur permettant d'identifier automatiquement les contextes spécifiants, afin d'en faire un critère pour l'identification de nouvelle nominations.- nous évaluons également une approche distributionnelle basée sur un modèle préentrainé du français, FlauBERT (Le et al., 2020), qui produit des représentations vectorielles contextualisées. Tout comme Cassier (2020), nous faisons l'hypothèse qu'une nouvelle nomination peut être caractérisée par une moins bonne prédictibilité dans le modèle de langage.Nous décrivons les résultats expérimentaux et les ressources produites.

International audience; Using the tools and methodology of corpus linguistics, this article studies how immigration, conceptualised as a “crisis” by the French far-right politician Marine Le Pen, is represented both lexically and semantically in her speeches. The metaphors of immigration will be analysed to show how the “immigration crisis” is metaphorically conceptualised as an “ecological crisis”, and to evaluate the axiological effects of such metaphors through the phenomenon known as “semantic prosody”.; En ayant recours aux outils de la linguistique de corpus, cet article étudie comment l’immigration, conceptualisée comme une « crise » par Marine Le Pen, est représentée lexicalement et sémantiquement dans ses discours. Seront analysées les métaphores de l’immigration, afin de montrer en quoi la « crise migratoire » emprunte l’isotopie sémantique d’une « crise écologique », et finalement d’évaluer les effets axiologiques de ces dernières par le biais du phénomène de « prosodie sémantique ».

The objective of the dissertation is to compare the usages of the definite demonstrative in adnominal uses in Czech and in French, more particularly in their informal spoken register (the one most prone to change and innovation). In order to do so, we rely on corpus data consisting mostly of informal spoken exchanges (conversations). The data is annotated and analysed in TXM, a textometric software developed by the CACTUS research group at the École normale supérieure de Lyon. In addition to a statistical account of the frequency of the adnominal demonstrative in both languages, the dissertation opts, first and foremost, for a semantic-referential approach, centred around fours axes : (i) the functioning of the adnominal demonstrative of both languages within the domains of deixis (exophoric and endophoric), (ii) the particularities of “emotional” uses – those where the demonstrative does not take part directly in the identification of a semantically unique referent (Löbner, 1985 and 2011), but produces a semantic-pragmatic effect falling within the speaker’s subjectivity (cf. Adamec, 1983; Kleiber, 1991; Jonasson 1994) –, (iii) the ongoing grammaticalization of the Czech demonstrative TEN, neutral as regards the expression of distance of the referent and undergoing a process of weakening of its deictic semantics (cf. Adamec 1983; Berger 1993; Mathesius 1926; Meyerstein 1972; Orlandini 1981; Vey 1946; Zíková 2017), and, to a more limited extent, (iv) the accumulation of several functional words (Abney, 1987), including the demonstrative, within the same noun complex in Czech. It is the issue of the grammaticalization of TEN into a definite article which is paid particular attention in this work. In addressing this issue, we majorly base our analyses upon the theoretical framework of the “Concept Types and Determination Theory”, developed by Löbner (1985 and 2011). In general, the analyses presented in this work are couched within a comparative approach and underlined by questionings related to linguistic typology., La thèse a pour objectif de comparer les usages du démonstratif défini en emploi adnominal dans les langues tchèque et française, plus précisément dans leur registre parlé informel (le plus sujet au changement et à l’innovation). Pour ce faire, nous nous appuyons sur des données de corpus composées essentiellement de conversations. Ces données sont annotées et exploitées dans le logiciel textométrique TXM, développé par le groupe de recherche CACTUS à l’École normale supérieure de Lyon. Outre une comparaison statistique de la fréquence du démonstratif adnominal dans les deux langues, le travail opte, avant tout, pour une approche sémantico-référentielle articulée autour de quatre axes : (i) le fonctionnement du démonstratif adnominal des deux langues au sein des différents régimes d’indexicalité (emplois exophoriques et endophoriques), (ii) les singularités des emplois « émotionnels » du démonstratif – ceux où le démonstratif ne participe pas directement à l’identification d’un référent sémantiquement unique (Löbner, 1985 et 2011), mais véhicule un effet sémantico-pragmatique ressortissant à la subjectivité du locuteur (cf. Adamec, 1983 ; Kleiber, 1991 ; Jonasson 1994) –, (iii) la grammaticalisation en cours du démonstratif tchèque TEN, neutre eu égard à l’expression de la distance du référent et en perte de sémantique déictique (cf. Adamec 1983 ; Berger 1993 ; Mathesius 1926 ; Meyerstein 1972 ; Orlandini 1981 ; Vey 1946 ; Zíková 2017), ainsi que, dans une moindre mesure, (iv) le cumul, en tchèque, de plusieurs mots fonctionnels (Abney, 1987), dont le démonstratif, au sein d’un même complexe nominal. C’est à la question de la grammaticalisation de TEN en article défini qu’une attention toute particulière est accordée. Pour examiner cette question, nous nous en référons, avant tout, au cadre de la théorie appelée « Concept Types and Determination Theory » et développée par Löbner (1985 et 2011). L’ensemble des analyses s’inscrivent dans une approche contrastive, sous-tendue par des interrogations qui relèvent de la typologie linguistique.

Le numéro est disponible en version papier pour le moment. Il sera aussi prochainement disponible en ligne.; International audience; “The Discourse of Alpinists about Animals at High Altitudes. A Corpus Study of the Alpine Journal (1857-1899)”British and Irish alpinists were among the first to explore the highest altitudes in the Alpine massif and to write about it, especially in the second half of the nineteenth century. They reported on their travels and many travel narratives they produced were published in the Alpine Journal. As fauna and flora get scarcer with altitude, there is an increasing number of animal life occurrences in the narratives. They are brief, yet very instructive. Based on corpus linguistics and discourse analysis, I investigate how the presence of animals intervenes in alpinists’ narratives and whether the mere traces of the presence of animals could be construed as encounters. Can such encounters evolve towards a form of affection? In any case, wild animals provide a proof of life in dangerous ascensions. They raise hope or signal danger. Thus they become a key-element in the narratives; they act a significant part in the alpinist’s experience with whom they share a survival instinct that, under such conditions, relates as much to humans as to animals.; Les alpinistes britanniques et irlandais furent parmi les premiers à explorer les plus hautes altitudes du massif alpin et à les (d)écrire, en particulier dans la seconde moitié du 19ème siècle. Leurs expériences ont donné lieu à de nombreux récits de voyages publiés dans l’Alpine Journal. Alors que la faune et la flore se raréfient à mesure qu’augmente l’altitude, les occurrences de vie animale dans leurs récits se multiplient. Elles sont brèves mais très instructives. À l’appui de la linguistique de corpus et de l’analyse du discours, cet article questionne la manière dont la rencontre entre les humains et les animaux intervient dans les récits des alpinistes et dans quelle mesure, même de simples traces de présence animale, peuvent être envisagées comme des rencontres ? Ces rencontres peuvent-elles évoluer vers une forme d’affection? Quoi qu’il en soit, la faune sauvage offre, a minima, une preuve de vie au cours d’une dangereuse ascension. Elle ranime l’espoir ou signale un danger. Les animaux deviennent donc un élément-clé du récit ; ils participent pleinement de l’expérience de l’alpiniste avec qui ils partagent l’instinct de survie, qui, dans de telles conditions, rapproche les humains et les animaux.

Que signifie aujourd’hui numérique ? À partir d’une analyse lexicométrique de l’évolution diachronique de son profil combinatoire dans un corpus constitué par des textes parus dans Le Monde pendant la période 1944-2015, l’étude met en évidence les changements de sens qu’a connus ce mot. Ainsi il s’avère qu’à ses collocatifs traditionnels (calcul, force) se sont ajoutés, dans les années 1960, des noms comme commande, traitement, puis, à partir des années 80, disque, réseau ; dès lors, numérique renvoie à un codage et à une technologie. Au début du 21e siècle, les collocatifs ère, révolution, fracture signalent un nouveau changement sémantique : numérique saisit alors un fonctionnement social consécutif aux usages technologiques du même nom. Le programme de sens de numérique se caractérise ainsi par un empilement complexe d’inflexions, conduisant à son opacification. What is today's meaning of numérique in French? Based on a lexicometric analysis of the diachronic evolution of its combinatorial profile within a corpus comprised of texts published in the French newspaper Le Monde during the 1944-2015 period, this study highlights the changes of meaning undergone by this word. It turns out that, besides its traditional collocates (calcul, force), other nouns were added in the Sixties, such as: commande, traitement, and then in the Eighties: disque, réseau; from then on, numérique relates to encoding or technology. At the turn of the 21th century, the collocates ère, révolution, fracture mark a new semantic change: numérique is used to characterize a social functioning consecutive to the uses brought about by the digital technologies. Thus, the production of meaning by numérique is characterized by a complex superposition of inflections, leading to its opacification.

Resumen Este artículo presenta el análisis estadístico de los errores de escritura en un corpus de estudiantes de inglés como lengua extranjera (ILE) a nivel universitario. Se busca establecer si existe relación entre los principales errores de las composiciones escritas y dos factores sociodemográficos: género y estrato. Los participantes fueron clasificados en los niveles B1 y B2 según el Marco Común Europeo de Referencia (MCER). El corpus se compiló siguiendo los procedimientos de la Lingüística de Corpus Computacional (LCC) y los errores se analizaron conforme al método de análisis de errores y codificados de acuerdo con el sistema de anotación de errores de la Universidad de Lovaina versión 1.2. Según los hallazgos, los errores más prevalentes en hombres y mujeres pertenecen a las categorías Forma, Deletreado (FS), Artículo Gramatical (GA) y Léxico (LS). De igual forma, de acuerdo con los resultados el error con más prevalencia en el estrato 1 y 2 del nivel B2 es Artículo Gramatical (GA). En este mismo nivel, en los estratos 3, 4, 5 y 6 el error con más prevalencia es Léxico (LS). Se ofrece una vista general de los resultados que forman parte de una tesis doctoral. Abstract This article presents the statistical analysis of writing errors in a corpus of students of English as a Foreign Language (EFL) at university level. It seeks to establish whether there is a relationship between the main errors of written texts and two sociodemographic factors: gender and stratum. The participants were placed in levels B1 and B2 according to the Common European Framework of Reference (CEFR). The corpus was compiled following the procedures of Computational Corpus Linguistics (CCL) and the errors analysis method was used for the examination of errors which were later coded according to the error annotation system of the University of Leuven version 1.2. According to the findings, the most prevalent errors in men and women belong to the categories Form, Spelling (FS), Grammar Article (GA) and Lexical (LS). Similarly, according to the results, the most prevalent error in stratum 1 and 2 of level B2 is Grammar Article (GA). At this same level, in strata 3, 4, 5 and 6, the most prevalent error is Lexical (LS). An overview of the results is provided. Résumé Cet article présente l'analyse statistique des erreurs d'écriture dans un corpus d'étudiants d'anglais langue étrangère (ALE) au niveau universitaire. Il cherche à établir s'il existe une relation entre les principales erreurs dans les compositions écrites et deux facteurs sociodémographiques: le genre et la strate socio-économique. Les participants ont été classés aux niveaux B1 et B2 selon le Cadre Européen Commun de Référence (CECR). Le corpus a été compilé selon les procédures du Computational Corpus Linguistics (CCL) et les erreurs analysées selon la méthode d'analyse des erreurs. Egalement, elles ont été codées selon le système d'annotation d'erreurs de l'Université de Louvain version 1.2. Selon les résultats, les erreurs les plus fréquentes chez les hommes et les femmes appartiennent aux catégories Forme, Orthographe (FS), Grammaire (G) et Lexique (LS). De même, selon les résultats, l'erreur la plus répandue dans les strates 1 et 2 du niveau B2 est l'article de grammaire (GA). À ce même niveau, dans les strates 3, 4, 5 et 6, l'erreur la plus répandue est lexicale (LS). Un aperçu des résultats faisant partie d'une thèse de doctorat est fourni.

Researchers in both the East and West are increasingly studying theses fixed expressions or “熟语 shú yǔ” (SUN Weizhang, 1989 ; WANG Qin, 2006) in their respective languages. However, relatively little research has been conducted from a comparative perspective concerning these expressions in French (an inflectional and derivational language of the Indo-European family) and Chinese (an isolating or analytic language of the Sino-Tibetan family).“Contrastive phraseology,” also known as “comparative phraseology,” focuses on the analysis of fixed expressions in different languages in order to identify their common characteristics or reciprocal specificities. Its study has both an interlinguistic and intercultural dimension. “Contrastive phraseology” raises two major difficulties involving the question of “idiomaticity” (cf. Mejri, 2003 ; González Rey, 2002). The first is of an intralingual nature (relating to the blocking of syntactic combinations and the non-compositionality of meaning). The second is interlingual (relating to the question of the equivalence or transposability of idiomatic expressions between languages), but also intercultural. Indeed, idiomatic expressions reflect mentalities and extra-linguistic culture, and it is therefore appropriate to consider them under a double approach that can be qualified as “lexicultural” (cf. Galisson). Such expressions are loaded with implicit meanings and can convey a culture’s idiosyncrasies, the state of a society and collective ways of seeing things (González Rey, 2002 : 40).More precisely, our study concerns Chinese and French idiomatic expressions relating to the human body and animals, focusing particularly on those expressions that testify to cultural realities and visions of humanity and its place in the world that are specific to the respective cultures. In this study, we have sought idiomatic expressions that present similarities and equivalences between the two languages as well as those that are more distant from each other. Our corpus is mainly derived from specialized monolingual and bilingual dictionaries originating from France and China. In the thesis, we have also enriched our reflections on this corpus with lexicographic and metalexicographic remarks related to the project.In addition to contrastive phraseology, another area of contrastive linguistics is applied phraseology, which can be divided into two branches or disciplines : phraseotranslatology and phraseodidactics. Indeed, idiomatic expressions often prove difficult to transpose without loss and are sometimes sources of incomprehension outside the language and culture that generated them. Realizing this transposition is the object of phraseotranslatology, the difficulties of which we discuss in our thesis. “Phraseodidactics, or didactics of phraseology” (González Rey, 2007), for its part, “concerns the teaching-learning of fixed expressions within the framework of the acquisition of modern languages” (González Rey, 2010). González Rey (2007 : 11) stresses that, for learners of a foreign language, being able to naturally and spontaneously use fixed expressions in speech is undeniable proof of good command of the language. In this study, we therefore emphasize the importance of developing the application of this relatively new discipline in teaching.; Les chercheurs occidentaux et orientaux étudient de plus en plus le figement ou « 熟语 shú yǔ » (SUN Weizhang, 1989 ; WANG Qin, 2006) dans leurs langues respectives. En revanche, les études dans une perspective contrastive entre le français (famille indo-européenne, langue flexionnelle et dérivationnelle) et le chinois (famille sino-tibétaine, langue isolante ou analytique) sont assez peu nombreuses.La phraséologie contrastive se focalise sur l’analyse des expressions figées dans différentes langues, afin d’en dégager les caractéristiques communes ou les spécificités réciproques. Présentant une dimension interlinguistique et interculturelle, elle soulève un certain nombre de difficultés, dont la question de « l’idiomaticité » (cf. travaux de Mejri, 2003 ; González Rey, 2002, etc.). La première est d’ordre intra-lingual (blocage de la combinatoire syntaxique et non-compositionnalité du sens). La seconde est d’ordre interlingual (question de l’équivalence ou de la transposabilité des expressions idiomatiques d’une langue à l’autre), mais aussi interculturel. En effet, les expressions idiomatiques sont le reflet d’une mentalité et d’une culture extralinguistique, et il convient donc de les considérer sous cette double approche que l’on qualifiera de lexiculturelle (cf. travaux de Galisson). Ces expressions sont chargées d’implicites, porteuses de l’idiosyncrasie d’une culture, d’un état de la société, d’une façon collective de voir les choses (González Rey, 2002 : 40).Le français et le chinois sont des langues très riches en expressions idiomatiques qui reflètent la culture, la littérature, l'histoire, les croyances, la coutume, les superstitions, ainsi que des particularités nationales dans les mentalités et les perceptions de l’univers. Notre thèse a pour objet principal l’analyse comparative d'expressions idiomatiques françaises avec leurs correspondants chinois ou chéngyǔ, tous deux caractérisés par un haut degré du figement. Elle se focalise plus précisément sur les expressions idiomatiques relatives au corps humain et aux animaux, et s’intéresse particulièrement à celles qui témoignent d’une réalité culturelle et d’une vision de l’homme et de sa place dans le monde propres à chacun des deux peuples. Nous avons cherché à en dégager les points de convergence et éventuelles équivalences à étudier en parallèle la structuration linguistique de ces tournures, et à dégager quels champs sémantiques elles concernent prioritairement.Notre étude se base sur un corpus d'expressions idiomatiques françaises et chinoises, établi à partir de dictionnaires spécialisés monolingues et bilingues en chinois et français. A cette occasion nous avons enrichi notre réflexion par quelques remarques d’ordre lexicographique et métalexicographique en rapport avec nos projets de recherche.Une autre dimension de la linguistique contrastive concerne la phraséologie appliquée, qui s’envisage sous deux branches ou disciplines : la phraséotraductologie et la phraséodidactique. En effet, les expressions idiomatiques sont difficiles à transposer sans perte, et parfois sont sources d’incompréhension en dehors de la langue et de la culture qui les ont générées. Cette transposition est l’objet de la phraséotraductologie, dont nous exposerons les difficultés.La « phraséodidactique, ou didactique de la phraséologie » (González Rey, 2007), quant à elle « concerne l’enseignement-apprentissage des expressions figées dans le cadre de l’acquisition des langues vivantes » (González Rey, 2010). González Rey (Ibid.) souligne que l’emploi naturel et spontané des expressions figées dans le discours est la preuve indéniable d’une bonne maîtrise de la langue étrangère chez les apprenants. Nous soulignerons l’importance de développer dans l’enseignement cette discipline récente.

Written exchanges convey strategic information whose proper management influences the activity of socio-economic agents. The industrial sector is no exception and must be able to rely on trained professionals who can communicate in clear, transparent and coherent writing. This thesis questions the modalities of writing courses given in university institutes of technology aimed at students from professional baccalaureates. The objective of the study is to analyze the writing practices of these higher education students with the aim of developing and testing a didactic system capable of developing their writing skills, in line with the needs of companies in the industrial production sector. To achieve this, we have drawn approaches and methods from the disciplinary fields of educational design, applied linguistics, cognitive sciences and social sciences. Such choices allowed us to develop a multilevel didactic system relying on objective based planning. Using an experimental protocol including differentiated tests and methods borrowed from corpus linguistics, it was possible to evaluate the effectiveness and validity of the different components of the didactic device designed. This thesis opens up new epistemological and methodological scenarios in writing instruction and linguistics applied to professional writing, while proposing a variety of innovative teaching tools., Les échanges écrits représentent un vecteur d’informations stratégiques dont la bonne gestion influence l’activité des acteurs socioéconomiques. Le secteur industriel ne fait pas exception et doit pouvoir compter sur des professionnels formés pour communiquer à l’écrit de manière claire, transparente et cohérente. Notre thèse questionne les modalités de formation à l’écriture dans les filières universitaires technologiques accueillant des étudiants issus de baccalauréats professionnels. La recherche consiste à analyser les pratiques d’écriture des primo entrants dans l’enseignement supérieur puis à élaborer et expérimenter un système didactique capable de développer les compétences rédactionnelles des étudiants, en phase avec les besoins des entreprises du secteur industriel Production. Pour y parvenir, nous avons puisé dans les approches et les méthodes des champs disciplinaires de la linguistique appliquée, de l’ingénierie didactique, des sciences cognitives et des sciences sociales. De tels choix nous ont permis de mettre au point un système didactique multi-niveaux fondé sur la planification par objectifs. À travers un protocole expérimental de tests différenciés et par l’utilisation des méthodes de la linguistique de corpus outillée, il a été possible d’évaluer l’efficacité et la validité des différentes composantes du dispositif didactique conçu. Cette thèse permet d’ouvrir de nouveaux scénarios épistémologiques et méthodologiques à propos de la didactique de l’écrit et de la linguistique appliquée aux écrits professionnels, tout en proposant un panel d’outils d’enseignement innovants.

International audience; Within the framework of the international and travelling exhibition Prison, co-produced by the International Red Cross and Red Crescent Museum (Geneva), the Musée des Confluences (Lyon), and the Deutsches Hygiene-Museum (Dresden), a discourse on prison practices in contemporary Western space is conceived and presented to a large audience. For these institutions, it is a question of managing the knowledge and sensitivities of the audiences they address, through an exhibition itinerary constituted according to a narrative weaved by a diversity of mediations and texts. By showing the complementarities between several perspectives within the linguistic sciences, we articulate a semiotic perspective to those of conversation and of discourse analysis in order to study the socio-pragmatic issues related to this museum discourse, by focusing on the interpretation of a sentence which holds the role of a catchphrase in the exhibition: “We’re the ones who punish”. We will focus on the enunciative and socio-political forms of engagement established through such a sentence, both for the institutions and for the public. In an empirical approach to the interactive experience of the museum, the present case study thus has for theoretical horizon a semiotic reflection on the role of the museums of society as a ground for the critical translation of experiences and for fundamentally diverse points of view on the prison environment.; Dans le cadre de l’exposition internationale et itinérante Prison, coproduite par le Musée International de la Croix-Rouge et du Croissant-Rouge (Genève), le musée des Confluences (Lyon) et le Deutsches Hygiene-Museum (Dresde), un discours sur les pratiques carcérales dans l’espace occidental contemporain est conçu et énoncé à l’attention d’un large public. Pour ces institutions, il s’agit de gérer les connaissances et les sensibilités des publics auxquels elles s’adressent, à travers un parcours d’exposition constitué selon une trame narrative tissée par une diversité de médiations et de textes. En montrant les complémentarités entre plusieurs perspectives au sein des sciences du langage, on articule une perspective sémiotique à celles de l’analyse des interactions et de l’analyse du discours pour étudier les enjeux socio-pragmatiques de ce discours muséal, en nous focalisant sur l’interprétation d’une phrase qui tient presque le rôle de fronton dans l’exposition Prison : « C’est nous qui punissons. ». Nous nous attarderons de manière privilégiée sur les formes d’engagement énonciatif et sociopolitique instaurées à travers une telle phrase d’accroche, aussi bien pour les institutions que pour les publics. Dans une approche empirique des expériences muséales en interaction, la présente étude de cas tient ainsi pour horizon théorique une réflexion sémiotique sur le rôle des musées de société en tant que terrain de traduction critique d’expériences et de points de vue fondamentalement divers sur le milieu carcéral.

International audience; Dans le cadre de l’exposition internationale et itinérante Prison, coproduite par le Musée International de la Croix-Rouge et du Croissant-Rouge (Genève), le musée des Confluences (Lyon) et le Deutsches Hygiene-Museum (Dresde), un discours sur les pratiques carcérales dans l’espace occidental contemporain est conçu et énoncé à l’attention d’un large public. Pour ces institutions, il s’agit de gérer les connaissances et les sensibilités des publics auxquels elles s’adressent, à travers un parcours d’exposition constitué selon une trame narrative tissée par une diversité de médiations et de textes. En montrant les complémentarités entre plusieurs perspectives au sein des sciences du langage, on articule une perspective sémiotique à celles de l’analyse des interactions et de l’analyse du discours pour étudier les enjeux socio-pragmatiques de ce discours muséal, en nous focalisant sur l’interprétation d’une phrase qui tient presque le rôle de fronton dans l’exposition Prison : « C’est nous qui punissons. ». Nous nous attarderons de manière privilégiée sur les formes d’engagement énonciatif et sociopolitique instaurées à travers une telle phrase d’accroche, aussi bien pour les institutions que pour les publics. Dans une approche empirique des expériences muséales en interaction, la présente étude de cas tient ainsi pour horizon théorique une réflexion sémiotique sur le rôle des musées de société en tant que terrain de traduction critique d’expériences et de points de vue fondamentalement divers sur le milieu carcéral.

Dans un dialogue entre étude sémiotique et recherche linguistique sur corpus, cet article traite la notion d’archive à l’aune de pratiques mobilisées en sciences du langage, de la constitution d’enregistrements audio(visuels) d’interactions sociales en situation naturelle jusqu’à l’implémentation et à l’exploitation des données constituées dans une plateforme numérique. Nous proposons une analyse contrastive entre l’organisation de la plateforme CLAPI (Corpus de LAngues Parlées en Interaction), une base de données de divers enregistrements documentant plusieurs types d’interaction, et l’organisation de CLAPI-FLE, son « volet enseignement ». Nous nous penchons sur les passages d’un matériau conçu pour la recherche en sciences du langage (plus précisément en linguistique interactionnelle) à un matériau redéfini et ré-encadré pour une application didactique. En pointant les nuances qui émergent entre les notions d’exploitation, d’exploration et d’appropriation de l’archive, cette étude de cas propose un regard épistémologique sur les enjeux éthiques et socio-symboliques relatifs au respect des participants aux enquêtes, à leur implication sur le terrain et au positionnement de chercheurs dans des communautés différentes. At the crossroads of semiotics and corpus-based linguistics, this article deals with the notion of archive in the light of practices used in language sciences, from the constitution of audio(visual) recordings of social interactions in natural settings to the implementation and exploitation of the data in a digital platform. We propose a contrastive analysis between the organization of the CLAPI platform (Corpus de LAngues Parlées en Interaction), a database of various recordings documenting several types of interaction, and the organization of CLAPI-FLE, a teaching-oriented database stemming from CLAPI. We focus our attention on the transitions from material designed for research in language sciences (more specifically in interactional linguistics) to material redefined and re-framed for didactic purposes. By pointing out the nuances that emerge between the notions of exploitation, exploration, and appropriation of the archive, this case study offers an epistemological look at the ethical and socio-symbolic issues related to the respect towards participants, to their involvement in the fieldwork, and to the positioning of researchers within diverse communities.

Dans le cadre de l’exposition internationale et itinérante Prison, coproduite par le Musée International de la Croix-Rouge et du Croissant-Rouge (Genève), le musée des Confluences (Lyon) et le Deutsches Hygiene-Museum (Dresde), un discours sur les pratiques carcérales dans l’espace occidental contemporain est conçu et énoncé à l’attention d’un large public. Pour ces institutions, il s’agit de gérer les connaissances et les sensibilités des publics auxquels elles s’adressent, à travers un parcours d’exposition constitué selon une trame narrative tissée par une diversité de médiations et de textes. En montrant les complémentarités entre plusieurs perspectives au sein des sciences du langage, on articule une perspective sémiotique à celles de l’analyse des interactions et de l’analyse du discours pour étudier les enjeux socio-pragmatiques de ce discours muséal, en nous focalisant sur l’interprétation d’une phrase qui tient presque le rôle de fronton dans l’exposition Prison : « C’est nous qui punissons. ». Nous nous attarderons de manière privilégiée sur les formes d’engagement énonciatif et sociopolitique instaurées à travers une telle phrase d’accroche, aussi bien pour les institutions que pour les publics. Dans une approche empirique des expériences muséales en interaction, la présente étude de cas tient ainsi pour horizon théorique une réflexion sémiotique sur le rôle des musées de société en tant que terrain de traduction critique d’expériences et de points de vue fondamentalement divers sur le milieu carcéral. Within the framework of the international and travelling exhibition Prison, co-produced by the International Red Cross and Red Crescent Museum (Geneva), the Musée des Confluences (Lyon), and the Deutsches Hygiene-Museum (Dresden), a discourse on prison practices in contemporary Western space is conceived and presented to a large audience. For these institutions, it is a question of managing the knowledge and sensitivities of the audiences they address, through an exhibition itinerary constituted according to a narrative weaved by a diversity of mediations and texts. By showing the complementarities between several perspectives within the linguistic sciences, we articulate a semiotic perspective to those of conversation and of discourse analysis in order to study the socio-pragmatic issues related to this museum discourse, by focusing on the interpretation of a sentence which holds the role of a catchphrase in the exhibition: “We’re the ones who punish”. We will focus on the enunciative and socio-political forms of engagement established through such a sentence, both for the institutions and for the public. In an empirical approach to the interactive experience of the museum, the present case study thus has for theoretical horizon a semiotic reflection on the role of the museums of society as a ground for the critical translation of experiences and for fundamentally diverse points of view on the prison environment.

International audience; La constitution de corpus oraux et écrits fait sans conteste partie de la recherche en linguistique. Le corpus est un objet d’étude précieux, long et difficile à constituer qui oblige à interroger le cadre descriptif et les outils d’analyse, qui complète ou remet en question les travaux effectués sur la langue et qui oriente les études à mener. Mais les corpus intéressent aussi nombre de disciplines scientifiques. Le projet pluridisciplinaire de construire un corpus commun est stimulant en ce qu’il concrétise les échanges autour des méthodes d’analyse et des connaissances acquises par chacun des champs disciplinaires. Cela oblige à faire des choix pour parvenir à une exploration commune et satisfaisante du matériau et pour envisager des retombées à l’adresse des étudiants, des enseignants, des professionnels confrontés à l’objet langue. C’est ce travail collaboratif pluridisciplinaire qui a été conduit et que nous poursuivons encore avec les corpus Philosophèmes, DECLICS2016 et Grenouille.1) Nous faisons une présentation synthétique de chacun des corpus; 2) nous montrons ce qu’apporte une exploration syntaxique de ces corpus et précisons les pistes d’études qui mériteraient d’être suivies ou poursuivies

Introduction La modélisation linguistique des collocations pour le TAL pose des problèmes bien connus, ces unités linguistiques n’étant ni complètement figées, ni parfaitement compositionnelles sur le plan sémantique. Des expressions comme jouer un rôle, faire l’hypothèse, poser problème comportent souvent une part d’idiosyncrasie irréductible, bien qu’elles soient facilement décodables. Sur le plan syntaxique, voire morphologique, on relève souvent une certaine souplesse dans les alternances...

Introduction Le logiciel INTEX [Silberztein, 1993], comme beaucoup d’autres logiciels de traitement automatique des langues, commence l’analyse d’un corpus par la consultation de dictionnaires. Ce logiciel utilise le système DELA de dictionnaires électroniques du français [Courtois, Silberztein, 1990], mais autorise aussi la consultation d’autres dictionnaires supplémentaires. Les mots non reconnus par cette analyse lexicale sont catégorisés mots inconnus et vont de ce fait perturber le bon d...

Introduction La station LIKES (LInguistic and Knowledge Engineering Station) rassemble un ensemble d’outils de traitements de corpus utilisables par les linguistes et les informaticiens, aussi bien pour la recherche que pour l’enseignement. Ces outils rendent possibles des traitements de corpus simples : recherche de motifs, recherche de répétitions, recherche de candidats termes, recherche de relations, qui, ensemble, procurent une aide appréciable à la création de terminologie et d’ontologi...

Introduction En prenant pour point de départ un exemple particulier et concret, l’expression du mouvement, je voudrais tenter de répondre aux questions théoriques suivantes, qui concernent la nature du TALN avenir dans son ensemble. Ces questions sont : Qu’est-ce qu’un étiquetage sémantique ? De quoi est-il constitué ? Dans quel but établit-on un étiquetage sémantique ? Et finalement : Quels doivent être les critères qui définissent ce qui doit faire partie d’un étiquetage sémantique et ce qu...

Introduction The basic resource used for processing Serbian texts is a system of morphological electronic dictionaries of Serbian, in DELA format (B. Curtois, M. Silberztein, 1990), which corresponds in size to the one volume dictionary of Serbian. It consists of the dictionaries of simple words – DELAS (approximately 77,000 lemmas at present), simple word forms – DELAF (more then 1.000,000 word forms), and a dictionary of compounds (multiword expressions) – DELAC (its derivation is still in ...

Introduction Le groupe de Linguistique Appliquée aux langues romanes (Université Autonome de Barcelone) élabore depuis quelques années un dictionnaire électronique à large couverture de l’espagnol, dans le but de décrire l’ensemble des unités lexicales simples (Blanco 2000 et 2001) et une grande partie des unités polylexicales. Le dictionnaire contient actuellement 1 038 861 formes fléchies et plus de 300 000 formes composées (unités lexicales contenant des séparateurs ou des blancs). Les dif...

Introduction A major part of the Portuguese language resources that have been developed at LabEL (Laboratório de Engenharia da Linguagem), as described in [Ranchhod et al., 2004], comprise DELA type dictionaries of simple and compound words (common lexicon, acronyms and corresponding lexical description, named entity expressions, and insurance terminology), inflectional graphs, lexical graphs (for the recognition of roman, cardinal and ordinal numbers), local grammars (for the analysis of tem...

Ce numéro spécial des PUFC, qui fait suite à celui publié en 2004, rassemble une sélection de vingt-trois communications parmi celles présentées aux sixièmes (Sofia 2003) et septièmes (Tours 2004) journées INTEX / NooJ. INTEX est un environnement de développement linguistique utilisé comme outil de formalisation des langues naturelles, comme outil d’analyse de corpus, et aussi comme outil de développement d’applications de Traitement Automatique des Langues Naturelles (TALN). Depuis 1993, s’e...

Introduction 1. Le Catalogue et Index des Sites Médicaux Francophones (CISMeF) L’Internet est devenu une source abondante de documents de toutes sortes, en particulier dans le domaine de la santé. C’est dans ce contexte que le catalogue CISMeF (Darmoni et al. 2001) a été développé en 1995 pour assister les professionnels de santé, les étudiants en médecine et le grand public dans leur recherche d’information de santé sur l’Internet. Le catalogue décrit et indexe les principales ressources ins...

Introduction « La physiologie est une science à refaire » disait François Xavier Bichat (1771-1802) à ses confrères lorsqu’il était étudiant à Paris à l’Hôtel-Dieu aux côtés du grand chirurgien Pierre Desault (1744- 1795). Consacrant sa vie entière aux recherches anatomiques et physiologiques il évitera dans son travail de s’appuyer sur des hypothèses et des principes abstraits, mais en employant seulement la méthode de l’observation attentive des phénomènes vitaux (Bichat 1955). Le manifeste...

Introduction The Macedonian language standard is one of the youngest language standards in Europe. It is an old Slavic language, but due to historical circumstances, the language codification began at the end of the Second World War. Now, the Macedonian language is the official language in Macedonia, and Cyrillic is its official alphabet. Regarding computational linguistics, we are at the very beginning. The only existing electronic tools are a few spelling checkers. Thus, the working field i...

Introduction Thomas Kuhn tends to give value to scientific languages as central in the broad and widely criticised conception of the paradigm : the scientific revolutions become mutations of taxonomy and for vocabulary and lexical structure “is meant a structured vocabulary of terms of type, that represents a taxonomy of natural types : for communication to take place between individuals, it is necessary not that these adopt common criteria of application of the terms to the world, but that t...

I. Word sense disambiguation for the purposes of machine translation Translation (especially automatic one) is a very difficult task due to a number of reasons such as cultural differences, differences in the inventory of concepts shared by the members of a society, as well as in the concepts’ lexicalization, and even in respect to grammatical structures. The development of an automatic knowledge-based translation system generally requires morphological analysis and morphological disambiguati...