[PDF] La définition des annotations linguistiques selon les corpus: de l

Twitter comme "corpus» en sciences du langage : questions méthodologiques et pistes de rechercheLaurent Gautier, Centre Interlangues Texte Image Langage (UBFC, EA 4182) & MSH Dijon (USR uB-CNRS 3516)

Structure de la communication1.Contexte2.Problématique et objectifs3.Quelles données ? Le défi de la constitution du corpus4.Quels cadres méthodologiques ?5.Discussion6.Perspectives2

1.ContexteLa linguistique ? de corpus...•Résultatduchangementdeparadigmedelarechercheensciencesdulangage=>linguistiquedelaparolevs.delalangue/linguistiquedel'intuitionvs.del'observationCORPUS = réservoir d'exemples non fabriqués•Ausenstechniquequiprévautaujourd'hui:undesobjetsmêmedelarechercheCORPUS = objet scientifique obéissant à des règles et établi sur la base de principe3

Vous êtes plutôt basedou driven?•"(...)Corpus-basedlinguistsadopta'confident'standwithrespecttotherelationshipbetweentheoryanddatainthattheybringwiththemmodelsoflanguageanddescriptionswhichthebelievetobefundamentallyadequate,theyperceiveandanalysethecorpusthroughthesecategoriesandsievethedataaccordingly.Thecorpusisconsideredusefulbecause,onoccasions,itindicateswhereminorcorrectionsandadjustmentscanbemadetothemodelandadoptedand,ofcourse,itcanalsobevaluableasasourceofquantitativeevidence.»(TogniniBonelli2001:66)-utilisationducorpuspostérieureàlaformulationdeshypothèses-rôleessentieldevérification/validation5

•"In a corpus driven approach the commitment of the linguist is to the integrity of the data as a whole, and descriptions aim to be comprehensive with respect to corpus evidence. The corpus, therefore, is seen as more than a repository of examples to back pre-existing theories or a probabilistic extension to an already well defined system.» (TogniniBonelli2001 : 85)-analyse du corpus antérieure à la formulation d'hypothèses-tout fait relevé doit être considéré comme pertinent-phénomènes absents aussi importants que phénomènes présents6

Nouveaux usages, nouveaux objets de recherche, nouveaux corpus•Lesdonnéesnumériquesnativescommenouveauxcorpus(Longhi2012,Paveau2013,2015)=>"écologiedudiscoursnumérique»-Nouveauxtypesdediscoursanalysés/d'acteurs/d'interactions-Facilitéd'accèstrompeuse(droit,technique)•Lesréseauxsociauxcommenouveauxobjetsderecherchetransdisciplinaire-Communicationmédiéeparordinateur(CMC)(Herring/Stein/Virtanen2013)-Approchequalitraditionnellefacilementdoubléeparquanti(Guilbert2014,HSdeCorela)7

2.Problématique et objectifsLes corpus de twitts: pour des approches intégrées•Approche intégrée nécessite une approche(micro-)linguistique des tweets :-considérésdansleurfacesignifiante;-envisagéscomme'micro-textes'(doncsoumisaux/àdesrèglesdetextualité);-insérésdansundispositifsociotechniqueinteragissantavecdesformesdecommunicationplustraditionnelles9

Double problématique :•Théorique:-Quelssontlesimpactsdudispositifsociotechniquesurlamiseenoeuvredessystèmeslinguistiquesconsidérés?-Quellesconséquencesdoit-onentirerpourl'appréhensiondelatextualitédutweet?ÞQuestionstestéesiciàpartirdeécriture,opérateursd'interactionetlinéarisation•Pratique:-Commentlesscripteursenvisagentetgèrent-ilslacohérencedeleurdiredansuncadrespatialementcontraintetfonctionnellementprédéfini(opérateurs)?=>Quellelittératienumériquepourle"locuteurnumérique»?10

3.Quelles données ? Le défi de la constitution du corpusDe nouvelles pratiques de collecte•Dimensionsjuridiqueetéthique:Twitternerevendiqueaucundroitdepropriétéintellectuellesurlescontenusproduitsparlesutilisateursduservice.(...)Mieuxencore,Twitterencouragesesutilisateursàverserlescontenusparanticipationdansledomainepublicouàlesplacersouslicenceslibrespourenfavoriserlaréutilisation.(BlogSILexdeLionelMaurel)•Dimensiontechnologique:compilationdesdonnéesvial'APIdetwitter•Dimension"archivistique»:gestiondesmétadonnées,structuration(TEI)12

L'indispensable phase d'annotation•Indexation des métadonnées pour la gestion des interactions•Annotation du contenu textuel => défi méthodopour opérateurs, gestion de l'orthographe + taggingespèces de mots + analyse syntaxique (cf. infra)13

Un corpus original : tee2014•MSHDijon(TIL,Cimeos,LE2i)+LeHavre+Metz+partenairesdans4payseuropéens=>5terrainsnationaux•Objet:communication"générée»parlescandidatsauxElectionsEuropéennesde2014=>80comptesparpays-LesmessagesenvoyéssurlescomptesTwitterdescandidats-Lesmessagesinclusdansles"conversations»entrecescomptesetd'autrestweetos(discourscitoyens,débatsinternes...);-Lesmessagescontenantles"hashtags"sélectionnés,liésàdesthématiquespolitiquesmajeuresdechaquepays•4semainesdecollecte:avantetjusteaprèslescrutin14

Extraction du corpus global sur 2 langues•Corpus"français»et"allemands»=>liésauxcomptesdescandidatsfrançaisetallemands(mêmesihétérogénéitélinguistique)-F:Plusde1millionsdetweets-D:720.000tweetsÞToujoursRTcompris•Traitementpourinterrogation(semi-)automatique•Deuxsorties:aspirationcomplèteavecméta-données+textebrut•InterrogationsousAntConc(passagedansTXMencours)15

Forces et faiblesses•Analysedutexte'brut':untweet=untexte,avecinsertionpossibledansdessériesd'interactions(cf.infra)•Pasdeprocédureon-/off-linedesaisiedesstratégiesdeproduction/réception•seulevoied'accès:toutcequirelèvedumétalinguistique+opérateurs#@RThttp(cf.infra)•Cohérencedanslestweets(politique(decampagneélectorale))16

Textualité comme clef d'entrée •Quelleestlavaliditédelanotionpourlacommunicationélectronique?•Commentlanotiondetextualités'articule-t-elleaveclesnormescommunicatives?•Pointdedépart:définitionclassiqueenling.text.:cequifaitd'unesuitedesignesuntexte•Notionsclefs:cohérence,cohésion,...(DeBeaugrande/Dressler1981)20

5.DiscussionEcrit ou oral ? Plutôt distance ou proximité...•Unproblèmemalposé•Saisieducontinuumécrit/oral(Koch/Österreicher2011,présentationenfrançaiscf.Modicom2015)reposantsurl'oppositionentre:•Niveaudumédia•Niveauconceptionnel21Modicom(2015 : 4)

•Double statut de @ comme marqueur d'adresse (9) et/ou mention (10) :(6) Merci @TomChevalier76 @Parsquiou@Pilouilleuh@Dragon76000 Thibaut Vs êtes la jeunesse européenne ! @UDIjeunes76 http://t.co/m4djWbScAX=> Décodage dépendant du remplissage textuel du tweet: vousd'adresse, acte de langage exclamatif + fonction phatique de merci(7) Ichlachmichtot."#AfD-AuffangbeckenfürDumme"Dankean @EinAugenschmausfürdieseherrlichtreffendeUmbezeichnung.=> Triple statut en contexte : mention + source + marqueur d'adresse

•#non intégré syntaxiquement, en position d'ouverture (rare) et/ou de clôture (en masse)(12)#Lille: "On a accusé l'Europe de ce qu'elle ne pouvait pas faire. L'Europe est 1 champion économique et démocratique "#LesEuropeenscc(13) #AfDStand vor demWittwer! Polizeihatbereitsden gesamten#Schillerplatzumstellt! #stuttgart#buntstatt#braun#wk14 #reclaimeurope•Fonction instructionnelle, "cadrative» impliquant/nécessitant un décodage segmenté•Participe à une cohérence de double niveau-Interne au texte-Supérieur au niveau du fil de tweets

Les # comme forme ultra-brève de problématisation et d'orientation du lecteur ?•Miseenoeuvred'untraitdudispositifsociotechniquedeTwitter(cf.infra):le#-Quellesfonctions?-Quelleinstrumentalisationpossible?-Démultiplicateurouréducteurdebrièveté?•Etudedecasencommunicationpolitique-Le#commenouvelleformede"petitephrase»?-Le#commeindicede"miseenformule»?31

Merci pour votreattention !Laurent GautierUniversité Bourgogne Franche-Comté (EA4182)laurent.gautier@ubfc.fr36