Navigation – Plan du site

AccueilNuméros24« Nous reviendrons avec plaisir »...

« Nous reviendrons avec plaisir ». Construction de mini-corpus pédagogiques thématiques et identification du vocabulaire-clé

“We will be happy to come back”. Designing topic-oriented pedagogical corpora for the identification of key vocabulary
Szilvia Szita

Résumés

Un des objectifs des niveaux élémentaire et indépendant du Cadre européen commun de référence pour les langues (CECRL) est d’amener l’apprenant — alors qu’il n’est pas encore un utilisateur autonome de la langue — à être capable d’interagir dans les situations authentiques de la vie quotidienne. Or, la plupart des matériaux pédagogiques consacrés à ces niveaux ne présentent qu’un échantillonnage partiel et souvent incomplet du langage authentique. Dans cet article, nous proposons une méthodologie dédiée, d’une part, à la construction de corpus thématiques à des fins pédagogiques aux niveaux A1+ à B1 du CECRL et, d’autre part, à l’identification du vocabulaire-clé associé.
Notre approche repose sur une sélection thématique de textes allemands selon les sujets définis par le CECRL afin de créer (1) un corpus ciblé et (2) de taille relativement faible, (3) regroupant des textes (quasi-)authentiques, adaptés aux niveaux des apprenants. En accord avec les résultats issus de la linguistique de corpus, soulignant la place centrale des unités multi-lexicales (UML) dans la construction du vocabulaire, le vocabulaire-clé tiré de cette collection consiste en UML plutôt qu’en mots individuels. Le procédé de sélection est illustré à travers l’exemple concret d’un sous-thème de la catégorie « Essen und Trinken » (Nourriture) du CECRL formé à partir d’un corpus de critiques de restaurants. Nous concluons par le constat que cette approche empirique peut mener à un changement dans la perception de la nature du vocabulaire-clé susceptible d’être présenté aux apprenants aux niveaux de compétences linguistiques inférieurs.

Haut de page

Texte intégral

1. Introduction

1L’utilisation de corpus dits pédagogiques tenant compte du niveau linguistique des apprenants est aujourd’hui un élément essentiel de l’apprentissage des langues, et ce dès les premiers niveaux. En proposant une présentation contextuelle du vocabulaire, ils permettent non seulement l’exploration de variantes lexicales et l’identification du vocabulaire clé mais offrent également des outils capables de les assister dans la rédaction de leurs propres textes (Schaeffer-Lacroix 2012).

2Si le développement de tels corpus a déjà fait l’objet de plusieurs travaux (de telles collections ont notamment été créées à partir de correspondances commerciales (Flowerdew 2015) ou de publications dans un ensemble de domaines académiques (cf. Cavalla 2019, Charles 2015, Friginal 2018), pour ne citer que quelques exemples), il s’agit seulement là de textes authentiques destinés aux niveaux avancés (B2-C1) dont le degré de complexité dépasse largement les compétences linguistiques des niveaux A1 à B1. Nous ne disposons ainsi que d’un nombre très limité de corpus pédagogiques dédiés à ces derniers niveaux. Parmi de tels corpus, on trouve les corpus multilingues Sacodeyl (Chambers 2019, Widmann et al. 2011) et « Backbone » (Chambers 2019, Kohn 2012, Kohn et al. 2010), le corpus « ELISA » pour l’anglais (Braun 2006, 2010), le corpus « CWIC » pour les apprenants de l’italien (Kennedy et Miceli 2010, 2017) et « FLEURON », un corpus destiné aux étudiants étrangers inscrits dans une université francophone (André 2019) et le corpus spécialisé du lexique culinaire français pour les futurs employées et employés dans la restauration (Yang et Cavalla 2019). Le niveau de compétence linguistique des utilisateurs de ces corpus varie entre les niveaux A2 et B2 du Cadre européen commun de référence pour les langues (CECRL) (Conseil de l’Europe 2021).

3Afin de répondre aux besoins des apprenants aux niveaux A1+/A2 et B1 du CECRL (utilisateurs élémentaires et utilisateurs indépendants 1), nous proposons de construire, dans un premier temps, un corpus pédagogique d’allemand, thématique et représentatif (section 2) et de nous appuyer sur ce corpus afin d’identifier, dans un second temps, le vocabulaire-clé associé, à travers une analyse des fonctions transactionnelles et interactionnelles/relationnelles des unités multi-lexicales (UML) récurrentes, à savoir d’unités de plusieurs mots porteuses de sens dans leur ensemble (section 3).

2. Les caractéristiques des corpus pédagogiques thématiques

2.1 La construction des corpus pédagogiques thématiques

4Selon Braun (2010), les corpus répondant aux besoins des apprenants doivent être construits en prenant le point de vue de l’apprenant comme point de départ (Braun 2010 : 82), c’est-à-dire en tenant compte des situations de communication auxquelles les apprenants doivent participer. Dans cette perspective, la construction des corpus pédagogiques thématiques repose en pratique sur un triple constat, à savoir : (1) l’importance de la cohérence intertextuelle ; (2) l’authenticité et l’accessibilité langagières dans le corpus pédagogique et (3) la taille et la représentativité du corpus (cf. André 2019, Braun 2005, 2006, Chambers 2019, Kennedy et Miceli 2010, 2017).

2.1.1 La cohérence intertextuelle

5Un corpus à fins linguistiques est généralement constitué d’un ensemble de textes issus d’une variété de sources. Or, un principe essentiel de l’organisation des corpus pédagogiques repose sur la cohérence intertextuelle. Cette cohérence « est générée par un thème général commun dont relèvent tous les textes du [sous-]corpus » (Braun 2005 : 53, notre traduction). Une telle démarche thématique facilite la recontextualisation et permet de faire émerger le vocabulaire-clé grâce aux répétitions et aux légères variations présentes dans les différents textes (nous pouvons en effet rencontrer dans le sous-corpus des évaluations de restaurants des expressions telles que « freundliches Personal », « nettes Personal » ou « freundlicher Service », désignant toutes trois un « personnel sympathique »). L’observation de ces répétitions contribuent également à une meilleure compréhension du sens des mots et des UML ainsi qu’à leur mémorisation (Boers 2021, Ellis 2002, Ellis et Ogden 2017, Hoey 2005, Nation 2013, Schmid 2016, Taylor 2012).

2.1.2 L’authenticité et l’accessibilité langagières dans le corpus pédagogique

6L’un des premiers critères de la construction des corpus à des fins linguistiques est l’authenticité : ces corpus s’appuient en effet sur des énoncés non modifiés et collectés sans que le linguiste interfère dans leur production (cf. McEnery et Hardy 2012 ; Stefanowitsch 2020). Or, les corpus destinés aux apprenants de langue doivent comprendre un langage qui leur soit accessible, en lien avec les thèmes déterminés par le CECRL. Si ce constat s’avère particulièrement déterminant pour les niveaux A1+ à B1, il est cependant impossible d’enregistrer des récits et des interactions authentiques qui correspondent précisément à ce que les apprenants sont censés comprendre à ces premiers niveaux. Ainsi, pour présenter un niveau langagier approprié, il apparaît nécessaire d’appliquer un contrôle rigoureux du processus de collecte des données et des modifications langagières ultérieures (Kennedy et Miceli 2010, 2017).

2.1.3 Qualité ou quantité ? Taille et composition du corpus pédagogique

7La composition d’un corpus pédagogique résulte d’un compromis. D’une part, pour que les apprenants puissent consulter les textes à l’aide des outils d’analyse, phrase par phrase, mais aussi dans leur intégralité (ceci dans le but de faciliter la recontextualisation des énoncés), les textes individuels doivent être de taille limitée. D’autre part, le nombre de textes disponibles doit être suffisamment grand pour que les apprenants puissent observer l’environnement linguistique typique d’un élément donné et ainsi obtenir des résultats statistiquement fiables (Brezina 2018, Egbert et al. 2020, Stefanowitsch 2020).

8Dans leurs articles sur la conception de corpus écrits pour les niveaux intermédiaires (B1 et B2) d’italien, Kennedy et Miceli (2010, 2017) démontrent qu’il est plus avantageux de compiler une collection de textes soigneusement choisis que de construire une grande base de données sans présélection. Pour cette raison, elles préconisent la construction d’un petit échantillon de langage (d’environ 500 000 mots) soumis au filtrage strict des seuls textes correspondants aux niveaux intermédiaires (2017 : 105). Les corpus « Sacodeyl », « ELISA » et « Backbone », proposant aux étudiants des exemples d’usage oral des natifs, comprennent également entre 200 000 et 500 000 mots (Chambers 2019 : 465). Braun (2006 : 25) qualifie de « petit corpus expérimental » son corpus « ELISA » composé de 25 entretiens audio-visuels avec des locuteurs natifs d’anglais de différents pays et de différents parcours. Le corpus « FLEURON », de taille similaire, est quant à lui continuellement enrichi et comprend des situations de communication universitaires. Il se veut un « échantillon représentatif des interactions auxquelles les étudiants doivent ou peuvent participer lors de leurs séjours universitaires » (André 2017 : 302). En raison de leur faible taille, ces corpus ne contiennent qu’un nombre limité d’énoncés et ne peuvent, par conséquent, offrir que relativement peu d’exemples contenant les éléments langagiers que l’utilisateur souhaite étudier.

9Quelle taille préconiser alors pour la construction d’un corpus pédagogique ? Selon Aston (1997) un corpus comprenant entre 20 000 et 200 000 mots serait déjà suffisant. Ces petits corpus conçus pour l’apprentissage des langues « peuvent être spécifiquement ciblés sur les connaissances et les préoccupations de l’apprenant » (Aston 2002 : 9, notre traduction). O’Sullivan et Chambers (2006), suivant la ligne de pensée d’Aston, soulignent ainsi que les corpus de taille limitée présentent des avantages par rapport à leurs homologues plus grands quand il s’agit de les utiliser avec des étudiants peu expérimentés, car ils sont plus faciles à gérer, à apprivoiser, à interpréter, à construire et à reconstruire. En outre, ils ont tendance à être plus clairement structurés et leurs limites sont également plus claires (O’Sullivan et Chambers 2006 : 53).

10Augmenter la quantité de textes en incluant davantage d’exemples correspondant à la même situation communicative et/ou sur une thématique donnée peut contribuer à une « représentativité accrue » des corpus pédagogiques (Forti et Spina 2019). À la suite de multiples expositions aux éléments-clés, les apprenants sont susceptibles d’être capables de généraliser à partir des expressions qu’ils rencontrent et de créer de nouvelles expressions conformes à ces généralisations (Taylor 2012 : 173). L’observation d’un nombre suffisant de modèles langagiers constitue donc un attribut déterminant afin de permettre aux apprenants de produire des énoncés fondés sur ces exemples et de rapprocher leur usage langagier de celui des natifs (Nesselhauf 2005, O’Sullivan et Chambers 2006, Schaeffer-Lacroix 2012).

11Au lieu de poser la question de la taille en soi, il faut donc poser la question de la taille en combinaison avec le contenu de la collection. Idéalement, en effet, le corpus pédagogique contient suffisamment de matériel linguistique pour fournir des informations statistiques sur la fréquence des mots, des collocations, des schémas grammaticaux et d’autres phénomènes.

2.2 Présentation du corpus de travail

2.2.1 La structure du corpus pédagogique

12La constitution du corpus pédagogique, en cours d’élaboration à l’Université de Strasbourg, repose principalement sur deux critères : d’une part, le recours à des sources sélectionnées et occasionnellement adaptés pour être accessibles aux apprenants (v. le tableau 1 pour un exemple) et, d’autre part, une exigence de cohérence intertextuelle (en termes d’organisation des textes par thème et par situation de communication). La taille du corpus est suffisamment grande pour permettre l’extraction et l’observation de l’usage des UML récurrentes. Deux sous-corpus sont envisagés, l’un aux niveaux A1+/A2 et l’autre au niveau B1.

  • 1 Nous avons opté pour la plateforme « Sketch Engine » qui offre une interface intuitive, avec des ou (...)
  • 2 Nous avons prévu de rendre la collection accessible à partir de septembre 2024.

13Nous avons identifié douze grands thèmes provenant des descripteurs du CECRL pour les niveaux A1+/A2 tels que « Voyage », « Week-end », « Travail », « Routine journalière », « Nourriture », etc. Ces thèmes sont complétés au niveau B1 par trois autres (« Union européenne », « Vie dans le pays du candidat », « Média et réseaux sociaux »), pour un total de quinze grands thèmes pour ce niveau. Une originalité de ce corpus repose sur une classification systématique en fonction de diverses situations communicationnelles, et ce pour chaque grand thème et pour chaque niveau. Chacune de ces sous-parties comprend de 10 000 à 15 000 mots pour le niveau B1 et de 8 000 à 10 000 mots pour les niveaux A1+/A2 équivalent à 200 textes par niveau. Il s’agit de textes courts (20 à 150 mots) ce qui permet de les lire dans leur intégralité sur la plateforme « Sketch Engine »1 et de les explorer avec les outils d’analyse proposés (Concordancier, Extracteur de mots-clés, Extracteur de collocations). Une fois sa mise en forme finalisée, la collection sera en accès libre2.

2.2.2 La collecte et l’adaptation du corpus

14Dans ce qui suit, nous présentons les procédés de la collecte et de l’adaptation de textes étape par étape en prenant comme exemple les critiques de restaurants :

151 500 critiques allemandes de restaurants sur la page du site « Trip Advisor » ont d’abord été collectées. Dans cette collection, les éléments récurrents ont été identifiés à l’aide des mesures statistiques (simple fréquence de n-grammes et information mutuelle). 200 textes appropriés ont été sélectionnés dans lesquels ces éléments sont présents. Ce procédé nous a permis d’obtenir un corpus de 9 148 mots pour le niveau A1+/A2 et 14 552 mots pour le niveau B1.

16La sélection des textes a été suivie d’un processus d’adaptation. Dans cette phase, nous avons d’abord choisi des textes qui pouvaient être utilisés dans leur forme originale. Ceux-ci se sont vus assigner le label « auth. » lors de l’annotation. Lors de la construction des mini-corpus pour le niveau B1, nous avons tâché de conserver autant que possible la formulation originale en nous contentant de corriger les fautes d’orthographe et les phrases incongrues quand cela était nécessaire.

17Les textes constituant le corpus A1+/A2 ont été légèrement modifiés afin de rendre le langage compréhensible pour les étudiants tout en préservant les caractéristiques du langage naturel. Ce travail d’adaptation a été effectué par des natifs enseignant l’allemand. Cette approche a l’avantage de permettre aux professeurs de langues de décider, sur la base de leur expérience, quels éléments peuvent être omis dans le but de préserver un usage langagier naturel. En adaptant les textes, nous avons systématiquement conservé les éléments fréquemment utilisés, même s’ils présentaient occasionnellement une certaine complexité. En revanche, nous avons supprimé les éléments moins fréquents et moins pertinents pour la compréhension de texte, par exemple certains détails spécifiques concernant la décoration ou la vue depuis le restaurant. Les fautes d’orthographe et les coquilles ont été également corrigées dans ces textes. Les textes adaptés ont ensuite été relus par trois locuteurs natifs (n’appartenant pas au corps enseignant) afin de valider le caractère naturel des textes.

  • 3 Par exemple, dans le cas des critiques de restaurants, il est indiqué s’il s’agit de critiques posi (...)

18Dans la dernière étape, les textes ont été numérotés pour permettre à l’utilisateur de se repérer plus facilement au sein du même document. Toutes les données personnelles (nom de personne, de ville, d’établissement etc.) ont été anonymisées. Le nom du document contenant un mini-corpus (par exemple, les critiques de restaurant) indique le grand thème, le thème plus étroit et d’autres précisions éventuelles3 ainsi que le(s) niveau(x) pour lequel/lesquels les textes sont destinés (A1+/A2 ou B1). L’utilisateur peut effectuer une recherche dans un seul document ou dans plusieurs documents en les sélectionnant simultanément.

19Nous illustrerons ci-dessous notre approche en nous concentrant sur le mini-corpus de critiques de restaurants positives (sous-partie du thème « Nourriture »).

2.2.3 Un exemple de mini-corpus : les critiques de restaurants positives pour le niveau B14

  • 4 Les mini-corpus pour les niveaux A1+/A2 comprennent des versions adaptées de ces mêmes textes : cer (...)

20La collection sur le thème de la « Nourriture » consiste en trois sous-parties. Elles correspondent aux situations de communication que les apprenants sont capables de comprendre et à partir desquelles ils sont susceptibles d’interagir.

  • Sous-partie 1 : description et évaluation de restaurants

  • Sous-partie 2 : dialogues enregistrés dans des bars et restaurants

    • 5 Il serait bien évidemment possible de multiplier le nombre de ces sous-corpus (par exemple, nous po (...)

    Sous-partie 3 : habitudes alimentaires (blogs, forums et transcription d’entretiens)5

  • 6 Ces textes n’ont subi que deux autres modifications pour les niveaux A1+/A2, toutes les deux dans l (...)

21Dans ce qui suit, nous nous concentrerons sur la sous-partie 1 comprenant des critiques de restaurants. Cette sous-partie est divisée (aux deux niveaux linguistiques choisis) en deux mini-corpus dont l’un contient des critiques positives et l’autres des critiques négatives. La collection finale des textes pour le niveau B1 contient 160 critiques (soit 14 349 mots) dont 80 positives et 80 négatives, celle pour les niveaux A1+/A2 comprend 120 critiques (12 507 mots) dont 60 positives et 60 négatives. Le tableau 1 présente trois évaluations positives illustrant l’adaptation minimale pour le niveau B1. Ces textes sont caractéristiques de notre sélection et soulignent le très faible niveau de modification (voir Section 2.2.2.) requis à partir des textes originaux (la seule expression modifiée est ici indiquée en rouge)6. Le vocabulaire-clé (pour des critères, voir la section 3.1) est indiqué en gras.

Tableau 1. Exemples d’adaptation de textes pour le niveau B1

Tableau 1. Exemples d’adaptation de textes pour le niveau B1

22Il est important de noter que les corpus pour les niveaux A1+/A2 et B1 contiennent, en partie, les mêmes textes. Alors que les modifications sont minimales pour le niveau B1, quelques textes pour le niveau A1+/A2 ont été raccourcis ou éliminés de la collection du fait de leur complexité. Par exemple, dans le texte 3 ci-dessus, ebenfalls a été remplacé par auch, l’expression volle Punktzahl a été omis en raison de sa redondance et de sa plus faible fréquence que l’expression Absolut zu empfehlen dans les évaluations. La structure du texte contenant le « crescendo » (Kaffee – gut ; Snack – hervorragend ; Personal – am besten gefallen) est restée quant à elle intacte.

3. Identifier et catégoriser le vocabulaire-clé dans un corpus pédagogique thématique

3.1 L’identification du « vocabulaire-clé »

23Comme nous l’avons évoqué dans la section 2, l’apprentissage des langues est principalement concerné par le discours, c’est-à-dire par l’utilisation du langage dans des situations de communication concrètes (Braun 2006 : 52). L’analyse des différents aspects de la langue, y compris celle du vocabulaire, doit donc tenir compte de l’usage de la langue dans de telles situations. Or, faisant référence au comportement langagier des natifs, O’Keeffe et al. constatent « qu’un grand nombre d’utilisateurs de la langue, séparés dans le temps et dans l’espace, s’orientent à plusieurs reprises vers les mêmes choix linguistiques lorsqu’ils sont impliqués dans des activités sociales comparables » (2007 : 60). D’autres linguistes-didacticiens notent également qu’il est impossible de s’exprimer à un niveau acceptable pour les utilisateurs natifs, à l’écrit ou à l’oral, sans contrôler un spectre approprié d’UML (Cowie 2002 : 10), voir aussi McCarthy 2003, Meunier 2012, Wray 2007.

24En accord avec ces observations, le terme « vocabulaire-clé » fait référence dans cet article aux UML liées à la situation de communication concernée. Par ailleurs, les résultats de l’analyse de corpus démontrent également que le vocabulaire-clé consiste en UML plutôt qu’en mots individuels (voir Cobb 2013, Hoey 2005, Hunston 2002, Sinclair 1991, 2004, Stubbs 2009).

25L’identification du vocabulaire-clé thématique (i.e. les UML liées à un thème donné) a été réalisée en pratique en comparant automatiquement le corpus pédagogique tel que précédemment constitué avec un corpus général de référence (fréquence d’occurrence normalisée, paramètre de lissage = 100 ; pour une description plus précise de la technique d’extraction, voir Kilgarriff 2009). Le corpus général choisi est ici le « German WebCorpus » (« deTenTen18 », disponible sur la plateforme « Sketch Engine »). Ce corpus comprend un ensemble de textes collectés sur Internet et contient environ 5,3 milliards de mots. Le tableau 2 présente les 30 premières UML pertinentes pour l’évaluation des restaurants, issues de cette comparaison :

Tableau 2. Les 30 premières UML émergeant d’une comparaison avec « deTenTen18 »

Tableau 2. Les 30 premières UML émergeant d’une comparaison avec « deTenTen18 »

26Les UML listées dans le Tableau 2 se caractérisent par une composition typique : la majorité d’entre elles est constituée de deux éléments, à savoir d’un adjectif et d’un nom. Pourtant, l’observation de leur environnement textuel permet de relever des particularités de leur usage. Ainsi, dans le cas spécifique des critiques de restaurants, le client emploie des phrases nominales, limitant ses phrases à des noms qualifiés par des adjectifs : « Freundlicher Service, leckeres Essen. » (Un service aimable, une nourriture délicieuse.) « Eine angenehme Atmosphäre und leckeres Essen. » (Une atmosphère agréable et une nourriture délicieuse.) « Sehr leckeres Essen, sehr große Auswahl und super netter Service. » (Une nourriture délicieuse, un très grand choix et un service super sympa.). Cette mise en perspective des UML dans leur environnement textuel offre ainsi un premier bénéfice en permettant de révéler – ou de souligner – à l’apprenant l’usage langagier spécifique en fonction du contexte.

27Il est également possible de définir des tri-grammes, c’est-à-dire des unités composées de trois éléments consécutifs. Par exemple : « aus der Küche » (de la cuisine), « war sehr freundlich » (était très aimable), « wir kommen wieder » (nous reviendrons), « das Essen ist » (la nourriture est), « der Service ist » (le service est), « Wir haben uns » (Nous nous sommes), « Wir kommen gerne » (On vient avec plaisir), auf jeden Fall » (en tout cas), « ist sehr freundlich » (est très aimable), « sehr lecker und » (très bon et), « war sehr lecker » (était très bon), « kommen gerne wieder » (reviendrons avec plaisir), « wir waren zum » (Nous y étions pour), « und der Service » (et le service), « und der Kaffee » (et le café). Ces tri-grammes fournissent d’une part des cadres syntaxiques à compléter, par exemple « N (service, hôte…) ist sehr freundlich », « wir waren zum N (lieu, repas, occasion…) », « das Essen ist ADJ (lecker, gut…) » ou forment, d’autre part, des unités multi-lexicales indépendantes (« auf jeden Fall », « wir kommen wieder »).

3.1.1 Annotation sous-thématique et langage interactionnel-relationnel

28Le terme « vocabulaire-clé » ainsi constitué n’est déterminé que par sa fréquence relative dans notre corpus par rapport au corpus général de référence. Cette distribution inclut donc en principe aussi bien les éléments du langage transactionnel que ceux du langage interactionnel-relationnel. Le langage transactionnel sert à l’expression du contenu, tandis que le langage interactionnel-relationnel exprime des relations sociales et des attitudes personnelles (Brown et Yule 1983 : 1). Ces éléments, le plus souvent inséparables, ont tous les deux un rôle crucial dans la construction du discours. Or, de nombreux manuels et dictionnaires de références pour les apprenants d’allemand comme pour d’autres langues (cf. Bubenhofer et al. 2015, McCarthy 2003, McCarthy et McCarten 2019) destinés à des niveaux A1 à B1 sont largement dominés par les éléments de langage transactionnel au détriment du langage interactionnel (Häcki Buhofer 2014, Krüger-Beer 2016, Tschirner et al. 2019). Cette asymétrie patente au profit du langage transactionnel ignore l’importance de la fonction sociale du langage et la forte présence des éléments interactionnels dans toute forme de communication (cf. De Fornel et Verdier 2018, McCarthy 2003, Rühlemann 2007, 2018, McCarthy et McCarten 2019). La majorité de ces ouvrages (cf. Tschirner et Möhring 2020) introduisent le plus souvent des mots individuels par thème et par fréquence, associés à quelques informations supplémentaires (article du mot, un exemple allemand-anglais) mais cette manière de présenter la langue n’illustre pas nécessairement l’usage langagier dans les interactions réelles et ne permet pas l’organisation du vocabulaire en éléments interactionnels et transactionnels – un constat souligné par Lange et al. (2015 : 206-207) après avoir comparé sept vocabulaires de référence. Il nous est donc apparu essentiel que le vocabulaire-clé intègre aussi bien les éléments pertinents du langage transactionnel que ceux du langage interactionnel-relationnel et fournisse par là-même une description représentative de l’usage langagier habituel au sein des situations communicatives.

29L’observation des UML permet d’identifier un nombre limité de sous-catégories relevant du thème d’intérêt afin d’augmenter la description du vocabulaire-clé. Dans le cas du sous-corpus des critiques de restaurants, les UML émergeant de la comparaison avec le corpus de référence peuvent ainsi être regroupées dans les catégories suivantes : (1) nourriture, (2) service, (3) lieu et atmosphère, (4) expérience globale du client (5) recommandation. Ces sous-catégories manifestent différents degrés de caractéristiques transactionnelles et interactionnelles. Les sous-catégories « (4) expérience globale du client » et « (5) recommandation » font état d’une composante interactionnelle forte relevant de l’attitude du client ou de son opinion, alors que les sous-catégories « (1) nourriture », « (2) service » et « (3) lieu et atmosphère » peuvent à la fois être interprétées sous l’angle transactionnel ou interactionnel. L’ajout d’un ensemble de sous-catégories intégrant une dimension interactionnelle apparaît essentielle à une description plus complète du discours authentique – selon la situation de communication –, et ce dès les niveaux inférieurs.

3.1.2 Augmentation manuelle du vocabulaire-clé

30L’exploration du corpus pédagogique thématique de manière strictement statistique, sur la seule base des occurrences relatives dans le corpus pédagogique et dans corpus de référence, se heurte à deux limites importantes.

31Tout d’abord, des phrases telles que « Wir haben gut gegessen. » (Nous avons bien mangé) ou « Das Essen wurde frisch zubereitet. » (La nourriture a été fraichement préparée), ne sont pas identifiées comme appartenant au vocabulaire-clé en raison de la fréquence d’occurrences élevée des éléments dans le corpus de référence. Cependant, de telles phrases (à savoir ces séquences particulières de mots courants) émergent fréquemment dans les critiques de restaurants. Aux expressions liées à la qualité de la nourriture (catégorie 1) comme « frisches Essen » (nourriture fraiche), « frisch zubereitetes Essen » (nourriture fraichement préparée) peuvent être ainsi ajoutées des phrases annotées comme « Das Essen wurde frisch zubereitet. » (La nourriture a été fraichement préparée) ou même « Wir haben gut gegessen. » (Nous avons bien mangé).

32Par ailleurs, le fait que les catégories relevant du langage interactionnel, pourtant essentiel à la construction du discours, n’émergent pas des listes de vocabulaire-clé initialement constituées à la mesure de leur importance représente une autre limite notable. Dans un tel cas, une augmentation manuelle du vocabulaire-clé peut ainsi permettre de compléter ces listes en ajoutant des phrases telles que « Wir haben uns sehr wohlgefühlt » (Nous avons passé un moment très agréable) et « Wir kommen gerne wieder » (Nous reviendrons avec plaisir). Ces phrases sont constituées d’éléments généralement fréquents dans la langue mais dans leur ensemble, ils appartiennent très clairement aux catégories (4) et (5) préalablement identifiés dans notre classification thématico-fonctionnelle (voir section 3.2.1).

33Dans le cas des critiques positives, les listes pour les catégories (2) (« Service », présentant des éléments langagiers transactionnels et interactionnels) et (5) (« Recommandation », présentant, avant tout, des éléments du langage interactionnel) pourraient ainsi être illustrées dans les tableaux 3 et 4 :

Tableau 3. UML pour la catégorie 2 (« Service », extrait)

Tableau 3. UML pour la catégorie 2 (« Service », extrait)

Tableau 4. UML pour la catégorie 5 (« Recommandation », extrait)

Tableau 4. UML pour la catégorie 5 (« Recommandation », extrait)
  • 7 Notons au passage (le problème de la traduction n’étant pas le sujet de cet article) qu’en étudiant (...)

34Ces exemples soulignent la manière dont l’annotation thématico-fonctionnelle proposée dans ce travail permet d’enrichir l’observation du vocabulaire-clé en contexte7. D’une part, une telle organisation critique du vocabulaire-clé – intégrant à la fois une sélection statistique à partir d’un corpus pédagogique thématique et une annotation manuelle ultérieure – permet d’étendre le spectre des UML transactionnelles et interactionnelles et, d’autre part, elle rend observables à l’apprenant les répétitions et les variations lexicales catégorisées par thème et par situation de communication.

4. Conclusions

35Ce travail décrit les principes généraux de la création de corpus pédagogiques thématiques ainsi qu’une méthodologie permettant d’identifier le vocabulaire-clé associé. En nous appuyant sur les descripteurs du CECRL comme lignes directrices, nous proposons la construction d’un corpus multi-thématique présentant des contenus (quasi-)authentiques, pertinents et accessibles offrant aux apprenants la possibilité d’observer l’usage langagier des natifs dans diverses situations de communication. Ces corpus permettent, en outre, d’observer les éléments choisis en lien avec leur environnement textuel et favorisent ainsi une appréhension contextuelle du vocabulaire.

36Soulignons que le vocabulaire-clé est composé d’UML appartenant autant au langage transactionnel qu’au langage interactionnel. Les éléments du langage interactionnel jouent en effet un rôle déterminant dans la construction du discours et ne sauraient être omis d’une présentation représentative du vocabulaire.

37Le procédé présenté offre de multiples avantages dans le cadre pédagogique. Tout d’abord, même si les corpus pédagogiques ainsi conçus ne peuvent prétendre à l’exhaustivité, ils permettent d’accéder à un grand nombre de textes thématiques, (quasi-)authentiques à des niveaux de compétences linguistiques inférieurs pour lesquels de telles ressources sont rares.

38Les listes enrichissent, d’une part le vocabulaire thématique, transactionnel et attirent, d’autre part, l’attention sur l’importance du langage interactionnel associé à la situation de communication et au thème choisi.

39Ces corpus peuvent également compléter les dictionnaires et les manuels existants en fournissant des exemples (quasi-)authentiques au niveau de l’apprenant. Les textes peuvent servir d’ensemble de modèles langagiers (Kennedy et Miceli 2010, Szita et Pelcz à paraître) : l’apprenant peut enrichir ses propres récits d’éléments langagiers typiques et augmenter ainsi leur caractère authentique. Par exemple, à partir de l’observation du corpus thématique précédemment décrit, l’apprenant est à même de rédiger une critique de son restaurant préféré en y incluant un certain nombre d’UML relevés dans les textes. Enfin, ces listes peuvent également servir de base de référence à l’annotation automatique du vocabulaire-clé de nouveaux textes destinés aux apprenants.

40En dépit de tels atouts, la construction de corpus pédagogiques et l’identification thématico-fonctionnelle du vocabulaire-clé aux niveaux inférieurs se heurte à divers obstacles. Le plus important est certainement, pour leurs créateurs, la nature chronophage du travail qu’ils impliquent : les étapes de recherche et de sélection des textes, leur annotation, la classification en catégories fonctionnelles requièrent chacune un investissement non négligeable. Le développement de tels corpus et vocabulaires-clé nécessite en outre plusieurs étapes complexes (sélection des catégories thématiques et fonctionnelles, augmentation du vocabulaire-clé) qui s’inscrivent idéalement dans un travail d’équipe et impose, le cas échéant, un incontournable effort de coordination et d’harmonisation. Néanmoins, les bénéfices des corpus pédagogiques ainsi conçus pour les niveaux inférieurs apparaissent suffisants pour mériter un tel investissement. Une fois rendus publics, ces corpus sont en effet susceptibles de constituer un outil des plus utiles au service de la communauté des enseignants et des apprenants ainsi que celle des auteurs de manuels et de dictionnaires. Un parcours flexible entre textes, UML et phrases permet ainsi à l’utilisateur d’explorer de manière interactive le corpus selon ses besoins. L’utilisation des manuels et des dictionnaires pourrait être ainsi complétée par une exploration dynamique du corpus pédagogique via des outils numériques adaptés.

Haut de page

Bibliographie

André V. (2019). « Des corpus oraux et multimodaux authentiques pour acquérir des compétences sociolangagières », in Gajo L. et al. (éd.) Variation, plurilinguisme et évaluation en français langue étrangère. Francfort-sur-le-Main : Peter Lang, 209-223.

Boers F. (2021). Evaluating second language vocabulary and grammar instruction. Londres : Routledge.

Braun S. (2010). « Getting past Groundhog day. Spoken multimedia corpora for student-centred corpus exploration », in Harris T. & Moleno Jaén M. (éd.) Corpus linguistics in language teaching. Francfort-sur-le-Main : Peter Lang, 75-98.

Braun S. (2006). « ELISA – a pedagogically enriched corpus for language learning purposes », in Braun S., Kohn K. & Mukherjee J. (éd.) Corpus technology and language pedagogy : New resources, new tools, new methods. Francfort-sur-le-Main : Peter Lang, 25-47.

Braun S. (2005). « From pedagogically relevant corpora to authentic language learning contents », ReCALL 17 : 47-64.

Brown G. & Yule G. (1983). Teaching the spoken language. Cambridge : Cambridge University Press.

Bubenhofer N., Lange W., Okamura S. & Scharloth J. (2015). « Wortschätze in Lehrbüchern für Deutsch als Fremdsprache : Möglichkeiten und Grenzen frequenzorientierter Ansätze », in Kiesendahl J. & Ott C. (éd.) Linguistik und Schulbuchforschung. Gegenstände – Methoden – Perspektiven, Göttingen : V&R Unipress, 85-110.

Cavalla C. (2019). « Corpus numériques : critères pour l’enseignement des langues », Entre présence et distance. Enseigner et apprendre les langues à l’université à l’ère numérique. Paris : Conférence de l’équipe PERL.

Chambers A. (2019). « Towards the corpus revolution ? Bridging the research-practice gap », Language Teaching 52(4) : 460-475.

Charles M. (2015). « Same task, different corpus », in Boulton A. & Leńko-Szymańska A. (éd.) Multiple Affordances of Language Corpora for Data-driven Learning. Amsterdam : John Benjamins.

Cobb T. (2013). « Frequency 2.0. Incorporating homoforms and multiword units in pedagogical frequency lists », in C. Bardel, C. Lindquist & B. Laufer (éd.) L2 vocabulary acquisition, knowledge and use. New perspectives on assessment and corpus analysis. Eurosla Monographs Series 2. 79-107.

Conseil de l’Europe (2021). Cadre européen commun de référence pour les langues. https://www.coe.int/fr/web/common-european-framework-reference-languages/.

Cowie A. P. (2002). « Examples and collocations in the French Dictionnaire de langue », Lexicography and natural language processing. A Festschrift in honour of B. T. S. Atkins. Göteborg : Göteborg University, 73-90.

De Fornel M. & Verdier M. (2018). « Corpus, classes d’exemples et collections en analyse de conversation », Corpus 18 : 1-15.

Ellis N. C. (2002). « Frequency effects in language acquisition : A review with implications for theories of implicit and explicit language acquisition », Studies in Second Language Acquisition 24 : 143-188.

Ellis N. C. & Ogden D. C. (2017). « Thinking about multiword constructions : Usage-based approaches to acquisition and processing », Topics in Cognitive Science 9(3) : 604-620.

Flowerdew L. (2015). « Data-driven learning and language learning theories. Whither the twain shall meet », in Boulton A. & Leńko-Szymańska A. (éd.) Multiple affordances of language corpora for Data-driven learning. Amsterdam : John Benjamins, 15-37.

Forti L. & Spina S. (2019). « Corpora for linguists vs. corpora for learners : Bridging the gap in Italian L2 learning and teaching », EL.LE 8(2) : 349-362.

Friginal E. (2018). Corpus linguistics for English teachers : Tools, online resources, and classroom activities. Londres : Routledge.

Häcki Buhofer A. (2014). Feste Wortverbindungen des Deutschen : Kollokationenwörterbuch für den Alltag. Bern : Francke Verlag.

Hoey M. (2005). Lexical priming : A new theory of words and language. Londres : Routledge.

Hunston S. (2002). Corpora in applied linguistics. Cambridge : Cambridge University Press.

Kennedy C. & Miceli T. (2010). « Corpus-assisted creative writing : Introducing intermediate Italian learners to a corpus as a reference resource », Language Learning and Technology 14(1) : 28-44.

Kennedy C. & Miceli T. (2017). « Cultivating effective corpus use by language learners », Computer Assisted Language Learning 30(1-2) : 1-24.

Kilgarriff A. (2009). « Simple maths for keywords », in Mahlberg M., González-Díaz V. & Smith C. (éd.) Proceedings of Corpus Linguistics Conference. Liverpool : University of Liverpool.

Kohn K. (2012). « Pedagogic Corpora for Content and Language Integrated Learning. Insights from the BACKBONE Project », The Eurocall Review 20(2) : 1-25.

Kohn K., Hoffstaedter P. & Widman J. (2010). « BACKBONE – Pedagogic corpora for content and language integrated learning », Proceedings of the Annual Conference for Computer-Assisted Languge Learning (EUROCALL), 157-162.

Krüger-Beer H. (2016). Thematischer Basiswortschatz Deutsch als Fremdsprache A1-B1+. Stuttgart : Ernst Klett Verlag.

McCarten J. & McCarthy M. (2010). « Bridging the gap between corpus and course book : the case of conversation strategies », in Chambers A. & Mishan F. (éd.) Perspectives on language learning materials development. Francfort-sur-le-Main : Peter Lang, 11-32.

McCarthy M. (2003). « Talking back : ‘small’ interactional response tokens in everyday conversation », Research on Language in Social Interaction 36(1) : 33-63.

McCarthy M. & McCarten J. (2019). « Interaction management in academic speaking », Revue des linguistes de l’université Paris X Nanterre 79 : 1-19.

McEnery T. & Hardie A. (2012). Corpus linguistics : Method, theory and practice. Cambridge : Cambridge University Press.

Meunier F. (2012). « Formulaic language and language teaching », Annual Review of Applied Linguistics 32(1) : 111-129.

Tschirner E. & Möhring J. (2020). A frequency dictionary of German. Core vocabulary for learners. Londres : Routledge.

Nation I. S. P. (2013). Learning Vocabulary in Another Language. Cambridge : Cambridge University Press.

O’Keeffe A., McCarthy M. & Carter R. (2007). From corpus to classroom. Cambridge : Cambridge University Press.

Schaeffer-Lacroix E. (2012). « Qu’est-ce qui rend les corpus ‘pédagogiques’ ? », Procedia - Social and Behavioral Sciences 34 : 198-201.

Rühlemann C. (2018). Corpus linguistics for pragmatics. Londres : Routledge.

Rühlemann C. (2007). Conversation in context. A corpus-driven approach. Londres : Continuum.

Schmid H-J. (2016). Language and the human lifespan. Berlin : Mouton de Gruyter.

Sinclair J. (2004). Trust the text. Londres : Routledge.

Sinclair J. (1991). Corpus, concordance, collocation. Oxford : Oxford University Press.

Stefanowitsch A. (2020). Corpus linguistics. A guide to the methodology. Berlin : Language Science Press.

Stubbs M. (2009). « The search for units of meaning : Sinclair on empirical semantics », Applied Linguistics 30(1) : 115-137.

Szita S. & Pelcz K. (à paraître). Handbook of Model-based language learning. Pécs : Institute for Model-based Language Learning.

Taylor D. (2012). The mental corpus. Oxford : Oxford University Press.

Tschirner E., Möhring J. & Muntschick E. (2019). A frequency dictionary of German. Core vocabulary for learners. Londres : Routledge.

Yang T. & Cavalla C. (2019). « L’enseignement du lexique culinaire auprès des apprenants de niveau A2 », ReDILLeT, Universidad Nacional de Córdoba. hal-02513624.

Widmann J., Kohn K. & Ziai R. (2011). « The SACODEYL search tool – exploiting corpora for language learning purposes », in A. Frankenberg-Garcia, L. Flowerdew & G. Aston (éd) New trends in corpora and language learning. Londres : Continuum, 167-178.

Wray A. (2007). « Set phrases in second language acquisition », in Burger et al. (éd.) Phraseologie : Ein internationales Handbuch zeitgenössischer Forschung, Berlin : Mouton de Gruyter (1) : 870-881.

Haut de page

Notes

1 Nous avons opté pour la plateforme « Sketch Engine » qui offre une interface intuitive, avec des outils pertinents dans le cadre d’une utilisation pédagogique.

2 Nous avons prévu de rendre la collection accessible à partir de septembre 2024.

3 Par exemple, dans le cas des critiques de restaurants, il est indiqué s’il s’agit de critiques positives ou négatives et dans le cas des activités pour le week-end, il est indiqué s’il s’agit d’un mini-corpus d’activités sportives, intellectuelles, etc.

4 Les mini-corpus pour les niveaux A1+/A2 comprennent des versions adaptées de ces mêmes textes : certains éléments plus complexes ont été supprimés.

5 Il serait bien évidemment possible de multiplier le nombre de ces sous-corpus (par exemple, nous pourrions créer une collection de contributions sur les recettes ou sur la nutrition et santé), mais notre objectif était d’effectuer une première sélection pertinente qui pourra être, si nécessaire, complémentés ultérieurement par de nouvelles sous-parties.

6 Ces textes n’ont subi que deux autres modifications pour les niveaux A1+/A2, toutes les deux dans le texte 3 : la première phrase et l’expression « volle Punktzahl » ont été supprimées.

7 Notons au passage (le problème de la traduction n’étant pas le sujet de cet article) qu’en étudiant ces phrases et leurs traductions, la question des équivalents véritables (lexicaux et pragmatiques) se pose.

Haut de page

Table des illustrations

Titre Tableau 1. Exemples d’adaptation de textes pour le niveau B1
URL http://journals.openedition.org/corpus/docannexe/image/7536/img-1.png
Fichier image/png, 460k
Titre Tableau 2. Les 30 premières UML émergeant d’une comparaison avec « deTenTen18 »
URL http://journals.openedition.org/corpus/docannexe/image/7536/img-2.png
Fichier image/png, 560k
Titre Tableau 3. UML pour la catégorie 2 (« Service », extrait)
URL http://journals.openedition.org/corpus/docannexe/image/7536/img-3.png
Fichier image/png, 732k
Titre Tableau 4. UML pour la catégorie 5 (« Recommandation », extrait)
URL http://journals.openedition.org/corpus/docannexe/image/7536/img-4.png
Fichier image/png, 374k
Haut de page

Pour citer cet article

Référence électronique

Szilvia Szita, « « Nous reviendrons avec plaisir ». Construction de mini-corpus pédagogiques thématiques et identification du vocabulaire-clé »Corpus [En ligne], 24 | 2023, mis en ligne le 15 janvier 2023, consulté le 26 mai 2024. URL : http://journals.openedition.org/corpus/7536 ; DOI : https://doi.org/10.4000/corpus.7536

Haut de page

Auteur

Szilvia Szita

Université de Strasbourg
szita@unistra.fr

Haut de page

Droits d’auteur

Le texte et les autres éléments (illustrations, fichiers annexes importés), sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search