1. Introduction

1La réussite scolaire des élèves du primaire est largement tributaire de la maitrise du vocabulaire (Pagani et al. 2011). Or, on sait qu’il existe des écarts importants entre les élèves du primaire, quant à la taille du vocabulaire compris et maitrisé par chacun. Biemiller et Slonim (2001) estiment que cet écart peut aller jusqu’à un millier de mots entre les élèves de milieux favorisés et ceux de milieux défavorisés ayant été peu ou pas exposés à la langue écrite dans leur milieu familial. Afin de réduire ces inégalités et contribuer à la réussite éducative de tous, des travaux de recherche s’intéressent aux approches susceptibles de soutenir efficacement l’acquisition et le développement en profondeur des connaissances lexicales des élèves en langue première et langue seconde. Une des méthodes d’enseignement réputées efficaces est l’enseignement direct et explicite du vocabulaire (Baumann et Kame’enui 2004, Beck et al. 2002, Biemiller et Boote 2006). Il s’agit de cibler cinq à dix mots spécifiques à enseigner chaque semaine selon le niveau scolaire, en fonction d’un scénario d’enseignement bien défini (Beck et al. 2002). Or, cet enseignement ciblé impliquerait l’étude spécifique de dizaines de milliers de mots par année scolaire (Nagy et Anderson 1984). S’il parait impossible d’enseigner autant de mots durant une année, l’idée d’en choisir certains pour en étudier la forme, le sens et les usages plus en profondeur demeure pertinente. Mais quels mots choisir ?

2Le projet que nous présentons dans cet article vise à répondre à cette question. Les mots que les élèves rencontrent fréquemment dans leur environnement écrit, par exemple dans les manuels scolaires, ont ainsi intérêt à être étudiés en profondeur. Ce type de mots, appartenant à la catégorie du vocabulaire dit transdisciplinaire, présente de plus la caractéristique d’être fortement polysémique, ce qui pose un potentiel défi tant pour la compréhension (McKeown et al. 2018) que pour l’utilisation en contexte de production écrite ou orale. Nous avons donc ciblé le vocabulaire des manuels scolaires en usage au primaire, en contexte québécois, dans le but de constituer une liste de vocabulaire représentative du lexique en usage dans ces ouvrages et pouvant constituer une référence pour un enseignement ciblé des mots.

3L’article se divise en quatre sections. Nous commençons par définir ce qu’est le vocabulaire transdisciplinaire, puis nous recensons les corpus et listes de mots s’y rattachant. Nous expliquons ensuite comment nous avons procédé pour constituer, traiter et analyser le corpus de référence supportant la création d’une liste de vocabulaire transdisciplinaire. Enfin, nous exposons les limites de même que les apports théoriques et pratiques de notre étude, notamment les usages de notre liste de vocabulaire transdisciplinaire à des fins d’enseignement d’une langue première ou seconde.

2. Définition de la notion de vocabulaire transdisciplinaire

5Le fait qu’une même forme puisse correspondre à plus d’un sens pose un défi pour l’apprentissage de la langue, mais aussi pour le travail de description et d’analyse de corpus. Pour cette raison, nous avons recours à la distinction entre unité lexicale et vocable (Polguère 2016) :

• Une unité lexicale correspond à un sens et à un seul ; elle est décrite dans le dictionnaire au moyen d’une définition et d’autres informations concernant son usage.

• Un vocable correspond quant à lui à un regroupement d’unités lexicales. Un vocable polysémique contient ainsi autant d’unités lexicales qu’il possède de sens reliés entre eux.

6Dans certains dictionnaires, la numérotation des sens ou encore des marques typographiques permettent de bien isoler les différentes unités lexicales d’un même vocable. Par exemple, le vocable TRACE, présent dans notre corpus, comprend entre autres les unités lexicales TRACE#1 (Nous avons vu des traces d’animaux.), TRACE#2 (Notre environnement contient plusieurs traces de notre passé religieux.) et TRACE#3 (Encercle l’homophone qui convient et laisse des traces de ta stratégie au-dessus.). La distinction des unités lexicales d’un même vocable permet de mieux identifier quel sens est utilisé, d’une discipline à l’autre ou même parfois au sein d’une même discipline. En mathématiques, par exemple, deux unités du vocable SOMME sont susceptibles d’apparaitre dans l’énoncé d’un problème mathématique (SOMME#1 au sens de résultat d’une addition ou encore SOMME#2 au sens de montant d’argent).

7La distinction entre vocable et unité lexicale nous amène à distinguer trois cas de figure possibles dans une analyse de corpus issus d’écrits disciplinaires (dans notre cas, des manuels de français, mathématiques, sciences, etc.) :

1. soit un « mot » est utilisé, dans le même sens, dans plusieurs disciplines. Il s’agit alors d’une seule et même unité lexicale. C’est le cas d’unités lexicales verbales comme ANALYSER#1, SOULIGNER#1, EXPLIQUER#1 ou d’adverbes comme D’ABORD#1, ENSUITE#1 ou ENFIN#2 qu’on retrouve fréquemment dans les consignes des manuels scolaires.
   L’ensemble des unités lexicales qui font partie de ce sous-ensemble correspond au lexique transdisciplinaire.

2. soit un « mot » correspond à plusieurs sens, dans les différentes disciplines et dans la langue, il s’agira alors d’un vocable polysémique. C’est le cas de la majorité des mots des manuels scolaires, en particulier des noms. Ceux-ci renvoient souvent à des concepts distincts dans différentes disciplines : valeur, somme, représenter, nombre.
   L’ensemble des vocables polysémiques dont au moins un sens apparait dans les disciplines sera désigné sous le terme vocabulaire transdisciplinaire.

3. soit un « mot » est utilisé dans un sens spécifique au sein d’une discipline. Il s’agit alors d’une unité lexicale qu’on pourrait qualifier de disciplinaire. Il peut s’agir de termes très techniques, comme POLYGONE, RÉFRACTION, MONOPOLE, MONOTHÉISME, mais aussi d’unités lexicales d’un vocable qui s’utilisent dans l’une ou l’autre des disciplines : NOMBRE#2 en mathématiques et NOMBRE#3 en français, VALEUR#6 en mathématique et VALEUR#7 en musique.
   L’ensemble des unités lexicales spécifiques à une discipline sera désigné par le terme lexique disciplinaire.

8Ces distinctions sont importantes tant à des fins descriptives que didactiques. Elles nous servent à préciser que les termes de vocabulaire transdisciplinaire et de lexique transdisciplinaire, tels qu’ils sont employés dans les travaux en linguistique ou en didactique des langues, reposent dans la grande majorité des cas sur une unité de décompte qui correspond à la notion de vocable. Dans le cadre de cet article, nous utiliserons la terminologie qui vient d’être présentée, en distinguant unité lexicale et vocable.

3. Tour d’horizon des listes de vocabulaire transdisciplinaire existantes

9Le projet de constituer un corpus permettant de décrire et d’analyser le vocabulaire transdisciplinaire en usage dans un ou plusieurs types de textes n’est pas nouveau. Par exemple, en contexte anglo-saxon, des listes de vocabulaire transdisciplinaire ont été créées dans une perspective didactique, dans la foulée de l’Academic Word List de Coxhead (2010).

10Dans la francophonie, la majorité des listes de vocabulaire transdisciplinaire existantes ont été élaborées dans une perspective descriptive (par exemple, Tutin 2008, Paquot 2010, Drouin 2007, Hatier 2016). Les quelques études menées sur l’enseignement du vocabulaire transdisciplinaire à des fins d’enseignement se sont surtout centrées sur l’apprentissage de la langue seconde par des étudiants universitaires allophones (Cavalla 2014, 2018). Quant aux nombreuses listes de mots existantes en français, elles visent avant tout la maitrise de l’orthographe lexicale (par exemple, Lété, Sprenger-Charolles et Colé 2004, Pothier et Pothier 2003) et ne seront pas considérées dans notre recension. À notre connaissance, la seule liste récente de vocabulaire transdisciplinaire destinée à des élèves du primaire est celle élaborée par Tremblay, Saidane et Drouin (2018). Cette liste de 1 200 vocables (141 adjectifs, 580 noms, 396 verbes et 83 adverbes) ne cible toutefois qu’une seule année scolaire, la quatrième année du primaire, et couvre un corpus de 13 manuels scolaires disciplinaires (26 250 occurrences).

11Les tableaux suivants (Tableaux 1 et 2) présentent, pour chaque liste recensée : la langue du corpus, sa composition, sa taille, les critères d’analyse du corpus et la taille de la liste issue de l’analyse.

Tableau 1. Recension des listes de vocabulaire transdisciplinaire dans une perspective linguistique

Liste	Langue ciblée	Composition du corpus	Taille du corpus	Critères de sélection des unités de la liste	Liste obtenue
Academic Word List (Coxhead 2000)	Anglais	414 textes universitaires couvrant 4 disciplines (commerce, sciences humaines et sociales, sciences pures et droit)	3,5 millions occurrences	- Critère de répartition : apparaitre 10 fois dans les 4 sections et 15 fois dans les 28 domaines - Critère de fréquence : avoir une fréquence égale ou supérieure à 100 - Critère de spécificité : ne pas appartenir aux mots les plus courants de la langue anglaise	570 familles de mots
Liste des mots-clés académiques (Paquot 2010)	Anglais	Corpus 1 : écrits réalisés par des spécialistes Corpus 2 : écrits d’apprenants	2 millions d’occurrences (corpus 1) 1 million d’occurrences (corpus 2)	Critères de spécificité et de répartition des formes dans l’ensemble du corpus	930 lemmes
Lexique scientifique transdisciplinaire (Drouin 2007)	Français	Thèses de doctorat représentant 9 domaines (informatique, psychologie, droit, histoire, géographie, archéologie, physique, ingénierie, chimie)	2,3 millions d’occurrences	- Critère de répartition : les mots se retrouvent dans 50% des tranches des textes - Critère de spécificité : seuil de 3,09	1108 vocables (461 noms, 173 adjectifs, 356 verbes 118 adverbes)
Lexique scientifique transdisciplinaire (Tutin 2008)	Français	Articles scientifiques, thèses et rapports de recherche (médecine, linguistique et économie)	2 millions d’occurrences	- Critère de fréquence : fréquence supérieure à 15 - Critère de répartition : se retrouver dans les trois disciplines	866 vocables (dont 203 adjectifs, 363 noms et 300 verbes)
Nouvelle liste de vocabulaire académique (Gardner et Davies 2014)	Anglais	Corpus de journaux scientifiques et de magazines thématiques (éducation, sciences sociales, philosophie, religion, médecines, etc.)	120 millions d’occurrences	- Critère de spécificité : le pourcentage d’apparition du mot dans un corpus scientifique doit dépasser les 50% en comparaison avec un corpus littéraire - Critère de fréquence : le mot doit être présent dans au moins 7 des 9 disciplines - Critère de répartition : doit dépasser 80% du corpus	500 vocables
Lexique scientifique transdisciplinaire (Hatier 2016)	Français	500 articles qui couvrent 10 disciplines (économie, géographie, anthropologie, sciences de l’éducation, sociologie, etc.)	5 millions d’occurrences	- Critère de répartition : les mots doivent apparaitre dans un minimum 50 tranches du corpus et un minimum de 5 disciplines  - Critères de fréquence et de spécificité : les mots doivent être surreprésentés par rapport à un corpus de référence	1312 formes

Tableau 2. Recension des listes de vocabulaire transdisciplinaire dans une perspective didactique

Liste	Langue ciblée	Composition du corpus	Taille du corpus	Critères de sélection des unités de la liste	Liste obtenue
Liste de vocabulaire transdisciplinaire pour le deuxième cycle du primaire (Tremblay, Saidane et Drouin 2018)	Français	13 manuels scolaires du deuxième cycle (mathématiques, éthique et culture religieuse, français et histoire, géographie et éducation à la citoyenneté) sur 60 recommandés par le ministère de l’Éducation et de l’Enseignement du Québec	26 250 occurrences	- Critères de fréquence, de spécificité et de répartition	133 vocables
Le vocabulaire général d’orientation scientifique (Phal 1971)	Français	24 manuels scolaires disciplinaires de deuxième cycle du primaire et du premier cycle du secondaire (mathématiques, sciences physiques et sciences naturelles)	1 794 500 formes orthographiques	Vocables les plus fréquents de la langue scientifique	600 vocables

12Quelques observations se dégagent de l’analyse des données présentées dans ces tableaux. D’abord, la composition des corpus varie peu : il s’agit d’écrits de type universitaire (articles scientifiques, thèses, rapports scientifiques) ou dans une moindre mesure, de manuels scolaires. Les disciplines de référence proviennent tant des sciences humaines que des sciences, ce qui s’observe également du côté des manuels scolaires qui traitent des différentes matières scolaires à l’étude au primaire et au secondaire.

13En ce qui concerne la taille, la moyenne est de près de 2 millions d’occurrences, une fois retirées les deux valeurs extrêmes (la nouvelle liste de vocabulaire académique, qui compte 120 millions d’occurrences et la liste de vocabulaire pour le deuxième cycle du primaire qui compte 26 250 occurrences). Enfin, les mêmes critères d’analyse reviennent d’une liste à l’autre : fréquence, répartition et spécificité.

14Les listes issues de l’analyse des corpus comptent entre 500 à 1 786 vocables (ou familles de mots, pour la liste de Coxhead), pour une moyenne de 812 vocables.

4. Création, traitement et analyse d’un corpus de manuels scolaires

15Notre objectif de recherche, rappelons-le, est de constituer et d’analyser un corpus de manuels scolaires afin d’en tirer une liste de vocabulaire transdisciplinaire. Les prochaines sections décrivent les étapes de constitution, de traitement et d’analyse de notre corpus, de même que la présentation de notre liste de vocables transdisciplinaires.

4.1 Constitution du corpus

4.2 Traitement du corpus

17Les corpus réunis ont été soumis à des traitements automatiques et manuels. Le traitement informatique des corpus a été réalisé suivant neuf étapes.

Numérisation

18La première étape est une phase de numérisation du corpus, car les ouvrages n’étaient pas disponibles en version électronique, à l’exception des 35 cahiers d’exercices des Éditions la Chenelière, qui représentent 17,7% du corpus total. Les documents ont été numérisés à l’aide d’un numériseur à livres Zeta et ils ont fait l’objet d’une reconnaissance optique des caractères (ROC). Pour ce faire, nous avons eu recours au logiciel Read Iris dans sa version 15. Bien que ce logiciel possède des fonctions assez avancées, nous nous sommes limités à la ROC et à la conversion des documents en format Word. Le tableau 3 présente le nombre de documents qui composent le corpus pour chacune des thématiques.

Tableau 3. Nombre de documents selon les thématiques

Thématique	Documents numérisés	Documents Chenelière
ECR	14
Français	65	15
Maths	41	16
Sciences	17
Univers	26	4
Total	163	35
Grand total	198

19Étant donné que le processus de ROC comporte toujours des erreurs, les documents ont été relus par une équipe afin de s’assurer de la qualité du corpus. L’objectif de la relecture avait pour but de corriger les coquilles et de replacer ensemble les sections de textes qui avaient été séparées lors de la numérisation. Un tel cas se produit lorsqu’un document contient des illustrations incrustées dans le texte, ce qui est assez courant dans les manuels de ce niveau. La présence de texte sur plusieurs colonnes n’est pas toujours bien prise en charge par le logiciel et ces problèmes ont aussi été corrigés manuellement.

Conversion des fichiers 

20Afin de faciliter l’exploitation des documents par les outils de traitement automatique de la langue (TAL), les documents ont été convertis en format texte brut qui élimine toute mise en forme des documents, ne conservant que le texte et la ponctuation. Les documents ont été encodés à l’aide du jeu de caractères Unicode UTF-8 qui prend en charge une variété de langue et qui constitue un format privilégié par une très grande majorité d’outils de TAL. La conversion des documents numérisés en format Microsoft Word et ceux obtenus directement en PDF ont été convertis à l’aide du logiciel gratuit Apache Tika1 développé par la fondation Apache et qui permet de détecter et d’extraire les métadonnées et le contenu textuel d’une variété de formats de fichiers.

Prétraitement des documents 

21L’utilisation des outils de TAL permet d’obtenir une analyse plus fine des phénomènes linguistiques observés en corpus. Dans le cas d’un projet visant la didactique de la langue et une description lexicographique éventuelle des données, cette finesse d’analyse s’impose d’elle-même. Les documents du corpus ont été soumis à une annotation morphosyntaxique avec l’aide du logiciel gratuit TreeTagger (Schmid 1994). Bien que ce logiciel ne soit pas récent, ses performances sont toujours reconnues comme excellentes. TreeTagger balaie l’ensemble du texte et attribue à chaque forme une partie du discours et un lemme. Le logiciel a été utilisé ici avec le paramètre no-unknown qui le force à assigner une partie du discours pour les mots qui ne sont pas dans son dictionnaire.

22L’exemple suivant illustre la sortie du logiciel pour la phrase « Cette courtepointe représente en quelque sorte la société dans laquelle tu vis. »

Cette PRO:DEM ce
courtepointe NOM courtepointe
représente VER:pres représenter
en PRP en
quelque PRO:IND quelque
sorte NOM sorte
la DET:ART le
société NOM société
dans PRP dans
laquelle PRO:REL lequel
tu PRO:PER tu
vis VER:pres vivre
. SENT .

23La phrase est donc segmentée en formes et l’annotation est présentée sous forme verticale où la première colonne contient la forme trouvée dans le texte, la seconde une partie du discours et la dernière, un lemme. Lorsque TreeTagger ne connait pas la forme à lemmatiser, il propose une partie du discours et utilise la forme identifiée dans le texte comme lemme. Afin de simplifier le calcul des fréquences, nous avons transformé la sortie de TreeTagger en un corpus horizontal où nous ne conservons que le lemme et la partie du discours.

ce_pro courtepointe_nom représenter_ver en_prp quelque_pro sorte_nom le_
det société_nom dans_prp lequel_pro tu_pro vivre_ver .

24L’utilisation d’un corpus lemmatisé offre l’avantage d’obtenir des fréquences plus représentatives puisque les formes fléchies sont regroupées sous le même lemme. Ainsi, toutes les variations potentielles d’un verbe selon la personne et le temps sont regroupées et une fréquence unifiée est obtenue.

Création des sous-corpus 

25Les manuels ont par la suite été organisés de façon à créer deux corpus, un divisé par cycle et un divisé par thématique. Les tableaux suivants (4 et 5) présentent les détails de ces deux corpus et des sous-corpus.

Tableau 4. Présentation du corpus (thématique)

Thématique	Taille (occurrences)
ECR	22 6754
Français	2 283 973
Maths	1 001 750
Sciences	274 595
Univers	617 199
Total	4 404 271

Tableau 5. Présentation du corpus (cycle scolaire) 

Cycle	Taille (occurrences)
Cycle 1	586 122
Cycle 2	2 054 424
Cycle 3	1 763 725
Total	4 404 271

Mise en place d’un corpus de référence 

Analyse quantitative préalable du corpus 

27Cette étape du traitement du corpus donne naissance à une première liste lexicale qui contient l’ensemble des lemmes du corpus pour les parties du discours suivantes : adjectif, adverbe, nom et verbe. Pour chacun de ces lemmes, divers indices sont calculés et les données sont compilées dans une feuille Excel qui contient les éléments suivants :

1. Lemme
2. Partie du discours
3. Fréquence absolue dans le corpus de référence
4. Fréquence absolue totale dans le corpus
5. Fréquence absolue moyenne dans le corpus
6. Fréquences absolues par thématique
7. Fréquences absolues par cycle
8. Fréquence relative totale dans le corpus
9. Fréquence relative moyenne dans le corpus
10. Fréquences relatives par thématique
11. Fréquences relatives par cycle
12. Répartition par thématique
13. Répartition par cycle
14. Spécificité

28Les fréquences absolues (items 3, 4, 5, 6 et 7) correspondent au nombre d’occurrences brut observé. Bien qu’intéressantes et utiles, ces fréquences ont le désavantage de ne pas être comparables d’une tranche (corpus ou sous-corpus) à une autre lorsque ces dernières ont des tailles différentes. Par exemple, une fréquence absolue de 100 dans un corpus de 1 000 occurrences n’a pas la même importance qu’une fréquence absolue de 100 dans un corpus de 5 000 occurrences. Ce problème est corrigé par la fréquence relative (items 8, 9, 10 et 11) qui met en relation la fréquence absolue avec le nombre d’occurrences total dans la tranche, ce qui permet la comparaison. Puisque nous nous intéressons au vocabulaire transdisciplinaire, nos données comportent aussi de l’information sur le nombre de thématiques ou de cycles où le lemme a été observé (items 12 et 13). Pour sa part, la spécificité (item 14) est utilisée pour évaluer dans quelle mesure le lemme fait partie du lexique caractéristique de notre corpus en comparaison au corpus de référence. L’indice utilisé ici se fonde sur le calcul de spécificité mis en avant par Lafon (1980) et il permet d’établir dans quelle mesure la fréquence relative observée dans notre corpus dévie de ce qu’elle devrait théoriquement être sur la base de la fréquence relative observée dans le corpus de référence. Plus la spécificité est élevée, plus la forme est anormalement fréquente.

Mise en place automatique de la liste initiale de lemmes

29La liste initiale des formes (l’ensemble des adjectifs, adverbes, noms et verbes du corpus) totalise 68 824 lemmes. Afin d’en dégager le vocabulaire transdisciplinaire, cette liste sera d’abord filtrée automatiquement puis manuellement. Les étapes décrites dans les paragraphes qui suivent n’ont pas été effectuées dans un ordre systématique ; c’est un processus d’essais et d’erreurs qui a conduit à la méthodologie adoptée. Si le travail était à reprendre, certaines étapes seraient accomplies dans un ordre différent.

30Le premier filtre utilisé repose sur la fréquence absolue totale dans le corpus ; les formes pour lesquelles cette dernière était inférieure à 5 ont été retirées de la liste. Ce seuil d’occurrence minimal a été choisi puisque les vocables transdisciplinaires doivent être répartis dans l’ensemble des thématiques du corpus et ne peuvent apparaitre que 5 fois ou plus. Ce premier filtre fait passer la liste initiale à une liste de 14 848 lemmes.

31Le second filtre automatique exploite le calcul des spécificités qui nous aide à identifier le vocabulaire caractéristique de nos manuels par comparaison au corpus issu des journaux. Le score obtenu permet d’évaluer la probabilité que la fréquence observée dans notre corpus soit due au hasard ; le seuil choisi, soit 3,09, correspond à une probabilité inférieure à une chance sur 1 000. Les vocables retenus ont donc un comportement qui se démarque fortement de celui observé dans le corpus de référence. L’application de ce filtre élimine 2 043 candidats et nous conduit à une liste de 12 805 lemmes. Cette liste étant tout de même importante, nous procédons par la suite à une importante étape de filtrage manuel.

Filtrage manuel de la liste initiale

32La première étape ne pouvant pas être réalisée automatiquement, elle consiste à balayer l’ensemble de la liste des lemmes pour isoler les erreurs attribuables au traitement automatique du corpus. On retrouve dans la liste des erreurs de segmentation et des coquilles (ex. : a, inc, section, r-) ainsi que des erreurs d’assignation de parties du discours (média, carré, peluche, voyelle comme verbes, chenelière ou encore cec, montréal comme adjectifs). Dans le premier cas, il s’agit de coquilles ayant échappé à la relecture à la suite de la ROC ou encore d’erreur de segmentation de TreeTagger. Le second type d’erreur est aussi attribuable à ce dernier logiciel qui a recours à des procédures statistiques pour attribuer une étiquette morphosyntaxique aux formes qu’il ne connait pas et qui ne peut prendre en charge la polysémie. En effet, dans notre corpus, la forme peluche est toujours un substantif (au sens d’animal en peluche) et n’est jamais une instance du verbe pelucher (au sens de former de petits amas de fibres). Après nettoyage, la liste contient 11 827 lemmes.

33L’absence d’un lemme du corpus de référence peut aussi aider à identifier les lemmes invalides ou qui sont sans intérêt pour la description du vocabulaire transdisciplinaire. Cette étape, qui aurait probablement pu être réalisée automatiquement, mais que nous avons voulu exécuter manuellement pour nous assurer de la pertinence du filtre, conduit à l’élimination d’un peu plus de 2 000 lemmes pour une liste totale de 9 600 lemmes.

34La lecture de la liste résultante nous a permis d’observer un nombre important d’entités nommées, principalement des noms de villes (par ex. Montréal), de pays (par ex. France), de continents (par ex. Asie), de personnes (par ex. Antoine), de groupes de personnes (par ex. iroquois) etc. Ces lemmes ont été retenus par le calcul des spécificités puisqu’il s’agit de thématiques fréquentes et récurrentes tout au long du parcours primaire. Un peu moins de 300 lemmes ont été retirés, ce qui porte le total de la liste à 9 365 à la suite de ce filtrage.

35Le dernier filtre est le plus important puisqu’il s’agit de celui qui isole le vocabulaire qui nous intéresse plus particulièrement, celui présent dans l’ensemble des 5 thématiques. Ce dernier filtre aurait probablement pu être appliqué dès le départ afin de filtrer automatiquement un plus grand nombre de lemmes possible dès la phase initiale, mais son application en position finale nous a permis d’observer les résultats de plus près. En appliquant ce filtre, nous obtenons notre vocabulaire transdisciplinaire qui est composé de 2 632 lemmes.

Tableau 6. Sélection du vocabulaire transdisciplinaire par parties du discours

Partie du discours	Nombre de lemmes
Noms	1 389
Verbes	716
Adjectifs	381
Adverbes	146
Total	2 632

Croisement des listes

36Cette liste finale ayant été établie, les données ont été croisées avec différentes listes comparables, les deux premières destinées à l’apprentissage de l’orthographe et du vocabulaire au primaire, soit la liste MELS (Tremblay, Lefrançois et Lombard 2013) et la liste EQOL (Stanké et al. 2019). Les deux autres listes ont été choisies parce qu’elles ciblent spécifiquement le vocabulaire transdisciplinaire et qu’elles ont été constituées à partir des mêmes critères que ceux que nous avons utilisés, c’est-à-dire la fréquence, la spécificité et la répartition. Le tableau qui suit (Tableau 7) montre l’intersection entre les vocables de notre liste et ces listes de référence.

Tableau 7. Nombre de vocables présents dans les listes sélectionnées à des fins de comparaison

	Notre liste	MELS	EQOL	LST  Drouin	LST Hatier	Intersection de toutes les listes
Noms	1 389	1 073	835	315	254	133
Verbes	716	396	525	172	201	59
Adjectifs	381	175	78	100	89	4
Adverbes	146	98	82	52	49	17
Total	2 632	1 742	1 520	639	602	213

37Les cellules en caractères gras correspondent à l’intersection la plus volumineuse pour une partie du discours. Dans tous les cas, c’est avec la liste du MELS que l’intersection est la plus importante, sauf pour les verbes (liste EQOL). Les 213 vocables communs aux listes de référence choisies constituent ainsi les vocables qui seront abordés dans la séquence didactique que nous développons.

5. Discussion et conclusion

38Le nombre de vocables retenus pour notre liste longue (2 632) est un peu plus élevé que la moyenne des vocables des listes recensées plus haut, ce qui peut s’expliquer par la nature du corpus (des manuels scolaires) et nos critères de sélection. Pour ce qui est de la liste courte, la procédure de sélection (choisir les vocables communs à différentes listes de référence) nous a permis de sélectionner un plus petit ensemble de vocables, ceux à partir desquels les activités de notre séquence didactique seront construites. Ces vocables correspondent à des termes que les élèves vont rencontrer dans les écrits tout au long de leur parcours scolaire et qu’ils produiront eux-mêmes s’ils poursuivent leurs études aux cycles supérieurs. Ce constat nous permet d’affirmer qu’il est nécessaire d’aborder, dès le primaire, l’étude du sens et des usages de différents sens des vocables de la liste, dans une perspective d’enrichissement du vocabulaire et de développement des compétences à lire et à écrire, tant en français (L1 ou L2) que dans les autres disciplines.

40Un tel travail d’observation, de classification et d’utilisation en contexte est porteur pour mieux enseigner les sens spécifiques aux disciplines et éviter les confusions entre sens courants et sens disciplinaire. Il s’agit d’un type de méprise courant chez les élèves du primaire, par exemple pour un nom comme somme : face à un énoncé mathématique qui demande de trouver le montant d’une somme d’argent, certains élèves feront une addition alors que la résolution du problème mathématique passe par une soustraction.

41Notre étude comporte enfin un certain nombre de limites, par exemple l’absence de comparaison avec la composition des listes de vocabulaire transdisciplinaire en anglais. Il aurait été intéressant de savoir si les termes sont les mêmes d’une langue à l’autre. Un travail de comparaison plus étendu, avec d’autres listes encore, aurait également été possible. L’apport principal de l’étude demeure la constitution d’un corpus de bonne taille à partir d’un type d’écrit spécifique, les manuels scolaires, et la création d’une liste de vocabulaire transdisciplinaire destinée principalement à l’enseignement du vocabulaire au primaire, mais pouvant également être utilisée à des fins d’enseignement d’une langue seconde.