Navigation – Plan du site

AccueilNuméros24Les corpus numériques pour la did...

Les corpus numériques pour la didactique des langues : de la formation des enseignants à l’élaboration de dispositifs d’apprentissage 

Simona Ruggia et Thomas Gaillat

Texte intégral

1L’apprentissage des langues étrangères et les méthodes employées dans l’enseignement des langues connaissent une véritable révolution numérique. Du fait de l’accessibilité et de l’ubiquité des données, de nombreuses expérimentations sont mises en place afin de confronter les apprenants aux langues cibles. Les données linguistiques organisées en corpus permettent de mettre en regard formes et contextes afin de favoriser la réflexion métalinguistique nécessaire au processus d’acquisition. Dans ce sens, les recherches en didactique ont multiplié les usages de corpus, et notamment Fligelstone (1993) en a distingué trois : le « teaching about », le « exploiting to teach » et le « teaching to exploit ». Pour chaque type d’usage, le corpus acquiert un rôle différent. Dans le premier, le corpus est un « objet d’enseignement » (Cavalla & Loiseau 2013 : 2), ce qui correspond à « l’enseignement de la linguistique de corpus ou de sa méthodologie » (Ib.). Le deuxième usage introduit le corpus comme un « support d’enseignement » (Ib.), autrement dit cela « correspond à l’enseignement de l’usage du corpus : quelles requêtes faire ? dans quelle situation en fonction du système d’interrogation disponible ? » (Ib.). Le troisième usage consiste à « exploiter les corpus et l’interprétation des résultats pour enseigner une langue » (Ib.). Un quatrième usage a ensuite été défini par Renouf (1997) : le « teaching to establish resources » pour former les enseignants à la création de corpus.

2De plus, le corpus, exploité pour la recherche en didactique, pour l’enseignement/apprentissage d’une langue ou encore pour la formation des futurs enseignants, se distingue en deux macro-catégories du point de vue de sa nature : les corpus didactiques « compilant des données [comportementales] sur les pratiques des enseignants et/ou des apprenants » (Debono 2018 : 2) et les corpus linguistiques/langagiers comportant des données authentiques de la langue cible qui permettent des expérimentations d’utilisation en classe de langue. Dans cette optique, le corpus est devenu un objet d’apprentissage pour l’apprenant, selon l’approche définie « data-driven learning » par Johns (par ex. 1988 ; Johns & King 1991) qui mobilise des stratégies de découverte en développant la méta-compétence « apprendre à apprendre » (Holec 1990). Selon cette approche, transposée en français « apprentissage sur corpus » (ASC) et développée notamment par Boulton et Tyne, « l’apprenant est amené à mettre à profit ses différentes observations de la langue à partir de données qui se présentent sous forme de corpus […] » (2014 : 6).

3L’approche ASC s’appuie au départ sur des corpus de natifs, la langue observée servant de modèle cible pour l’apprenant. Avec les travaux de Granger (Granger 1994, Granger et al. 2013), les corpus d’apprenants sont apparus comme des ressources pertinentes pour l’analyse d’une L2 et pour les exploitations possibles en classe. La création de la société savante Learner Corpus Research a ensuite ouvert la voie à des travaux empiriques permettant de mieux comprendre les caractéristiques multidimensionnelles du processus d’acquisition. L’interlangue devient alors objet d’exploration quantitative et de modélisation, véritable soutien à la formation des enseignants et à la didactisation de contenus. Depuis quelques années, les corpus d’apprenants sont une des pierres angulaires des modèles statistiques utilisés dans les méthodes d’Intelligence Artificielle (IA) (Alexopoulou et al. 2015, Meurers 2015).

4Dans ce numéro, nous avons souhaité faire un état des lieux des usages et exploitations des corpus, et notamment d’apprenants, dans le cadre de l’enseignement/apprentissage des langues étrangères. Le numéro s’intéresse plus particulièrement à deux usages qui semblent se détacher en fonction des publics concernés par leur exploitation. Pour les futurs enseignants en langues étrangères, les corpus sont un outil privilégié d’analyse mais aussi de formation (Kübler 2014, Cavalla 2019, Ruggia 2021). Pour les apprenants de langues, les corpus, et notamment les corpus d’apprenants, sont la source d’analyses comparatives des usages (Granger 1996, Boulton & Tyne 2014, Gilquin 2000, Gaillat et al. 2021). Leur exploitation en situation d’apprentissage peut reposer sur des méthodes d’analyse des données textuelles, de linguistique de corpus et de TAL.

5Ce numéro de la revue propose des contributions portant sur les deux usages tout en offrant une diversité d’approches tant du point de vue des corpus utilisés, des langues étudiées, que des hypothèses de recherche et des méthodes associées. Toutes les contributions sont fondées sur l’usage de corpus numériques offrant une variété de points de vue sur les données. Les lecteurs pourront découvrir des corpus oraux (Rojas, Thomas & Rousset, Tran et al., Repiso), écrits (Tremblay et al., Szita, Kor Chahine & Uetova) mais aussi multimodaux (Cappellini et al.), apportant ainsi des éclairages sur l’importance des signes non-verbaux dans la communication des apprenants. On trouvera des travaux fondés sur des corpus de natifs mais aussi, et surtout, des corpus d’apprenants, ouvrant la voie à des analyses fines sur les usages spécifiques de formes en cours d’acquisition. Les corpus présentés ont aussi le mérite d’être analysés au regard de différentes hypothèses de recherche. Là où certain·e·s auteur·e·s les abordent en fonction de leur potentiel d’analyse lexico-grammaticale, d’autres s’interrogent sur les bénéfices de leur exploitation chez les futurs praticien·ne·s. À ces hypothèses de recherche sont adossées des méthodes d’analyse qualitatives et quantitatives reposant sur des référentiels tels que le Cadre Européen Commun de Référence pour les Langues (CECRL) (Conseil de l’Europe 2011, 2018) et des outils de traitement et/ou d’analyse des données tels que ELAN (Sloetjes & Wittenburg 2008), EXMARaLDA (Schmidt 2004), CLAN (MacWhinney 2000), TXM (Heiden et al. 2010), SketchEngine (Kilgarriff et al. 2014) et R (R Core Team 2012). Enfin, les corpus présentés dans ce numéro offrent un panorama multilingue (français, anglais, allemand, russe, chinois mandarin), favorisant la richesse des approches empiriques sur les données.

6Deux axes ont été privilégiés pour le numéro. L’axe 1 regroupe les études portant sur l’exploitation de corpus pour la formation d’enseignants de langues pour l’enseignement/apprentissage de compétences ciblées.

7Marco Cappellini, Brigitte Bigi, Marion Tellier, Christelle Zielinski, Benjamin Holt étudient l’émergence de la compétence techno-sémio-pédagogique chez les enseignants de langue en formation dans le cadre d’interactions orales tuteur-apprenant. L’objectif étant d’identifier les compétences résultant de la pratique générale ou nécessitant une formation spécifique.

8Minerva Rojas propose une expérience pilote de formation à l’évaluation du niveau de la production orale auprès de futurs enseignants de FLE. À partir de données orales d’apprenants retranscrites, l’auteure met en regard des mesures textométriques avec les classements, en fonction des échelles des niveaux du CECRL, effectués par des enseignants en formation, donnant un éclairage sur la significativité de différents facteurs en jeu.

9Dans l’axe 2, les contributions portent sur les études relatives à la constitution et l’exploitation de corpus dans ou pour les dispositifs d’apprentissage.

10Thi Thu Hoai Tran, Angélique Masset-Martin, Jean-Marc Mangiante présentent un corpus constitué de productions orales d’apprenants francophones, allophones et d’« experts » du discours scientifique dans le cadre du FOU (Français sur Objectif Universitaire). L’analyse du corpus met en œuvre des méthodes de modélisation des productions des apprenants pour des tâches telles que l’analyse d’erreurs et de discours reposant notamment sur la progression de l’organisation discursive. L’exploitation du corpus dans le cadre d’un module d’enseignement sur les spécificités du discours scientifique met l’accent sur la place du corpus en classe de langue.

11Si les travaux de Marco Cappellini, Brigitte Bigi, Marion Tellier, Christelle Zielinski, Benjamin Holt ont été présentés dans l’axe 1, il est à noter qu’ils s’insèrent aussi dans cet axe en proposant la constitution d’un corpus oral d’apprenants du français, de l’anglais et du mandarin. Dans ce cadre, ils et elles étudient le développement de la compétence multi-modale chez les apprenants d’une langue étrangère au cours d’interactions de type tandem.

12À partir de la constitution d’un corpus écrit de textes en français extraits de manuels scolaires et de cahiers d’exercices en usage en cycle primaire au Québec, Ophélie Tremblay, Patrick Drouin, Rihab Saidane établissent une liste de vocabulaire transdisciplinaire à des fins d’enseignement de la langue française en tant que langue première ou seconde et de certaines disciplines scolaires (mathématiques, sciences, éthique, culture religieuse et univers social) en français. Cette liste se destine aux enseignants pour l’élaboration de séquences didactiques.

13Szilvia Szita explore une voie similaire et propose l’exploitation d’un corpus allemand thématique à visée pédagogique. À partir de textes authentiques ou adaptés pour les niveaux A et B, l’auteur propose la constitution semi-automatique d’une liste d’Unités Multi Lexicales classées en fonction des niveaux du CECRL.

14Anita Thomas et France Rousset s’intéressent non seulement à la constitution et l’exploitation de ressources lexicales, mais elles montrent comment les outils d’analyse automatique des productions d’apprenants permettent la didactisation d’activités pédagogiques. Grâce à plusieurs corpus FLE, les auteures s’appuient sur des listes lexicales constituées pour la création d’exercices ciblés sur les besoins des apprenants.

15L’étude d’Isabel Repiso se fonde aussi sur une méthode de modélisation des productions d’apprenants. Elle se penche sur les effets de trois types de tâches : narrative, directive et de prise de décisions sur la production de 36 locuteurs hispanophones apprenant l’anglais. L’analyse quantitative se focalise sur quatre catégories de marqueurs, à savoir séquentiels, argumentatifs, temporels et modaux, et apporte un éclairage sur les différences de fréquences de ces marqueurs selon le type de tâche réalisée.

16Irina Kor Chahine et Ekaterina Uetova concluent le numéro en proposant une analyse quantitative des erreurs d’orthographe d’apprenants de russe en fonction de différents niveaux du CECRL. Elles complètent leur exposé avec une analyse qualitative de certaines erreurs prototypiques et présentent des résultats utiles pour l’élaboration d’outils pédagogiques.

17Ces huit contributions permettront au lecteur de se plonger dans les différents usages de corpus au regard de problématiques d’enseignement et apprentissage d’une langue étrangère ou seconde. Le lecteur sera confronté à des approches qui mettent au jour les atouts de la constitution et de l’analyse quantitative et qualitative de corpus numériques pour la recherche en didactique des langues. Dans ce sens, les travaux de recherche présentés éclairent sur les comportements linguistiques des apprenants et plus précisément sur les stades de développement de leur interlangue, sur les méthodes de prise en charge des apprenants par les enseignants et sur la mise en place de parcours adaptés pour la formation de futurs enseignants en fonction d’objectifs pédagogiques ciblés.

18Certaines des analyses proposées reposent partiellement sur des méthodes de traitement automatique de la langue et laissent entrevoir les évolutions prochaines du domaine. Au cours de la dernière décennie, les méthodes d’IA ont permis le développement d’outils de plus en plus performants pour la prise en charge de la langue d’apprenants (Meurers 2012). Les applications sont multiples allant de la détection d’erreurs (Bryant et al. 2019) à la classification par niveaux de compétence (Ruggia & Vanni 2021), et ont été mises en œuvre dans le cadre de compétitions informatiques dites « shared-tasks » (Ballier et al. 2020, Settles et al. 2018). Les prochaines années verront certainement l’essor de systèmes intelligents d’aide à l’apprentissage qui favoriseront l’échange de données analytiques entre enseignants et apprenants. Les corpus seront la condition sous-jacente de cette évolution.

19Nous remercions les auteur·e·s pour leur engagement et leur disponibilité. Nous tenons à remercier chaleureusement tous les collègues qui ont bien voulu assurer les relectures des articles de ce numéro pour leur contribution précieuse.

20Bourvon Marie-Françoise, Cavalla Cristelle, Chiss Jean-Louis, Contreras Leonardo, Díaz-Negrillo Ana, Drouet Griselda, Edmonds Amanda, Goes Jan, Kor Chanine Irina, Meneses Lérin Luis, Osborne John, Quesada Teresa, Richard Elisabeth, Rouveyrol Laurent, Volodina Elena.

Haut de page

Bibliographie

Alexopoulou T., Geertzen J., Korhonen A. & Meurers D. (2015). « Exploring big educational learner corpora for SLA research : Perspectives on relative clauses », International Journal of Learner Corpus Research 1(1) : 96-129. https://doi.org/10.1075/ijlcr.1.1.04ale.

Ballier N. Canu S., Petit Jean C., Gasso G., Balhana C., Alexopoulu T. & Gaillat T. (2020), « Machine learning for learner English », International Journal of Learner Corpus Research 6(1) : 72-103.

Boulton A. & Tyne H. (2014). Des documents authentiques aux corpus. Démarches pour l’apprentissage des langues. Paris : Didier.

Bryant C., Felice M., Andersen Ø. E. & Briscoe T. (2019). « The BEA-2019 Shared Task on Grammatical Error Correction », Proceedings of the Fourteenth Workshop on Innovative Use of NLP for Building Educational Applications, 52-75. https://doi.org/10.18653/v1/W19-4406.

Cavalla C. (2019). « Comment former les étudiants de Master FLE à l’utilisation pédagogique des corpus numériques ? », in Goes J., Meneses-Lerin L., Mangiante J.M., Olmo F. & Pineira-Tresmontant C. Apports et limites des corpus numériques en analyse de discours et didactique des langues de spécialité. Editura Universitaria, 79-92, 978-606-14-1550-2. hal-02534091.

Cavalla C. & Loiseau M. (2013). « Scientext comme corpus pour l’enseignement », in Tutin A. & Grossman F. (dir.) L’écrit scientifique : du lexique au discours. Autour de Scientext. Rennes : PUR, 163-182.

Conseil de l’Europe. (2001). Cadre Européen Commun de Référence pour les langues : apprendre, enseigner, évaluer. Paris : Didier.

Conseil de l’Europe. (2018). Cadre Européen Commun de Référence pour les Langues : apprendre, enseigner, évaluer. Volume complémentaire avec des nouveaux descripteurs, [PDF], https://rm.coe.int/cecr-volume-complementaire-avec-de-nouveaux-descripteurs/16807875d5.

Debono M. (2018). « Corpus didactiques : enjeux du traitement des “traces” numériques dans l’enseignement distanciel (des langues) », in Pierozak I., Debono M., Feussi V. & Huver E. (dir.) Penser les diversités linguistiques et culturelles. Francophonies, formations à distance, migrances. Lambert Lucas, 121-134, https://hal.science/hal-02149723.

Diaz-Negrillo A., Ballier N. & Thompson P. (éd.). (2013). Automatic treatment and analysis of learner corpus data. Amsterdam et Philadelphie : John Benjamins Publishing Co.

Fligelstone S. (1993). « Some reflections on the question of teaching, from a corpus linguistics perspective », ICAME journal 17 : 87-109.

Gaillat T., Knefati A. & Lafontaine A. (2021). « Towards a Data Analytics Pipeline for the Visualisation of Complexity Metrics in L2 writings », Proceedings of the 16th Workshop on Innovative Use of NLP for Building Educational Applications, 123-129. https://www.aclweb.org/anthology/2021.bea-1.13.

Gilquin G. (2000). « The Integrated Contrastive Model : Spicing up your data ». Languages in Contrast 3(1) : 95-123. https://doi.org/10.1075/lic.3.1.05gil.

Granger S. (1996). « From CA to CIA and Back : An Integrated Approach to Computerized Bilingual and Learner Corpora », in Aijmer K., Altenberg B. & Johansson M. (éd.) Languages in Contrast. Text-based cross-linguistic studies. Lund University Press, vol. 88, 37-51.

Granger S. (1994). « A bird’s eye view of learner corpus research », in Granger S., Hung J. & Petch-Tyson S. (dir.) Computer learner corpora, second language acquisition and foreign language teaching. Amsterdam : John Benjamins, 3-33.

Granger S., Gilquin G. & Meunier F. (dir.). (2013). Twenty years of learner corpus research. Looking back, moving ahead. Proceedings of the First learner corpus research conference (LCR 2011). Louvain-la-Neuve : Presses Universitaires de Louvain.

 Heiden S., Magué J.-P. & Pincemin B. (2010). « TXM : Une plateforme logicielle open-source pour la textométrie – conception et développement », in JADT 2010 : 10th International Conference on the Statistical Analysis of Textual Data (12 p.). Rome, Italie. Retrieved from http://halshs.archives-ouvertes.fr/docs/00/54/97/79/PDF/Heiden_al_jadt2010.pdf .

Holec H. (1990). « Qu’est-ce qu’apprendre à apprendre », Mélanges pédagogiques 20 : 75-87.

Johns T. (1988). « Implications et applications des logiciels de concordance dans la salle de classe », Les langues modernes 82/5 : 29-45.

Johns T. & King P. (éd.). (1991). « Classroom Concordancing », English Language Research Journal 4 : 47-61.

Kilgarriff A., Baisa V., Bušta J., Jakubíček M., Kovář V., Michelfeit J., Rychlý P. & Suchome V. (2014). « The Sketch Engine : ten years on », Lexicography 1 : 7-36.

Kübler N. (2014). « Mettre en œuvre la linguistique de corpus à l’université », Recherches en didactique des langues et des cultures 11-1, en ligne : http://journals.openedition.org/rdlc/1685 ; DOI : https://doi.org/10.4000/rdlc.1685.

MacWhinney B. (2000). The CHILDES Project : Tools for Analyzing Talk. Mahwah, NJ : Lawrence Erlbaum.

Meurers D. (2015). « Learner Corpora and Natural Language Processing », in Granger S., Gilquin G. & Meunier F. (éd.) The Cambridge Handbook of Learner Corpus Research. Cambridge University Press, 537-565.

R Core Team. (2012). R : A language and environment for statistical computing. R Foundation for Statistical Computing. http://www.R-project.org/.

Renouf A. (1997). « Teaching corpus linguistics to teachers of English », in Wichmann A., Fligelstone S., Mcenery T. & Knowles G. (dir.) Teaching and language corpora. Harlow : Addison Wesley Longman, 255-266.

Ruggia S. (2021). « La lecture contrôlée et assistée par l’analyse statistique des données textuelles : comment et pourquoi interroger un corpus numérique ? », Le français dans le monde, Recherches et Applications, « Langues et pratiques numériques : nouveaux repères et nouvelles littératies en didactique des langues ? », janvier, 69, 84-100.

Ruggia S. & Vanni L. (2021). « DeepFLE : la plateforme pour évaluer le niveau d’un texte selon le CECRL », Dialogues et Cultures 66 : 235-254.

Schmidt T. (2004). « Transcribing and annotating spoken language with EXMARaLDA », in Proceedings of the LREC-Workshop on XML based richly annotated corpora, Lisbon. Paris : ELRA, 69-74.

Settles B., Brust C., Gustafson E., Hagiwara M. & Madnani N. (2018). « Second Language Acquisition Modeling », in Proceedings of the Thirteenth Workshop on Innovative Use of NLP for Building Educational Applications, 56-65. http://aclweb.org/anthology/W18-0506.

Sloetjes H. & Wittenburg P. (2008). « Annotation by category - ELAN and ISO DCR », in Proceedings of the 6th International Conference on Language Resources and Evaluation, LREC 2008, 816-820, http://www.lrec-conf.org/proceedings/lrec2008/pdf/208_paper.pdf.

Swartz M.L. & Yazdani M. (2012). Intelligent Tutoring Systems for Foreign Language Learning : The Bridge to International Communication (1st ed.). Springer Publishing Company, Incorporated.

Haut de page

Pour citer cet article

Référence électronique

Simona Ruggia et Thomas Gaillat, « Les corpus numériques pour la didactique des langues : de la formation des enseignants à l’élaboration de dispositifs d’apprentissage  »Corpus [En ligne], 24 | 2023, mis en ligne le 15 janvier 2023, consulté le 04 juin 2023. URL : http://journals.openedition.org/corpus/8211 ; DOI : https://doi.org/10.4000/corpus.8211

Haut de page

Auteurs

Simona Ruggia

BCL, UMR 7320 CNRS, Université Côte d’Azur

Thomas Gaillat

LIDILE EA 3874, Université Rennes 2

Haut de page

Droits d’auteur

Tous droits réservés

Haut de page
  • Logo Revues électroniques de l’université de Nice
  • OpenEdition Journals
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search