Scientext

6. Lexique transdisciplinaire

Agnès Tutin — 2013-03-09T06:51:30Z

Lexique et phraséologie des écrits scientifiques

Agnès Tutin – LIDILEM – Mars 2013

Cette page contient quelques listes d'éléments du lexique trandisciplinaire : mots simples, collocations et segments répétés Un projet d'extension de ce lexique est en cours dans le cadre du projet ANR Termith.

1. Corpus utilisés

Tous les éléments statistiques concernant le lexique (mots simples, collocations, segments répétés) sont extraits du corpus KIAP-LIDILEM constitué à partir du corpus KIAP et enrichi par la suite par le LIDILEM.

Le corpus contient de 2 millions de mots relevant de plusieurs genres d'écrits scientifiques du français (articles scientifiques, thèses, rapports, cours) dans trois disciplines assez différentes : la linguistique, l'économie et la médecine (Le tableau 1 indique le nombre de mots pour chaque type de texte). Le corpus d'articles scientifiques est extrait du corpus KIAP[1] élaboré par l'équipe de Kjersti Fløttum, de l'Université de Bergen.

	Linguistique	Economie	Médecine
Articles de revues (corpus KIAP)	285 881 mots	374 516 mots	164 315 mots
Thèses, rapports, cours	364 812 mots	286 653 mots	492 173 mots
Total	650 693 mots	661 169 mots	656 488 mots

Tableau 1 : Corpus des écrits scientifiques

Le corpus a été lemmatisé avec le logiciel Cordial, développé par la société Synapse pour le repérage des mots simples transdisciplinaires. Il a été analysé avec Syntex pour l'analyse des collocations. Enfin, le corpus AntConc a été utilisé sur le corpus lemmatisé avec Cordial pour repérer les segments répétés de 3, 4 ou 5 mots.

2. Lexique transdisciplinaire des mots simples

A partir du corpus lemmatisé avec Cordial, des listes de mots par partie du discours (adjectif, nom, verbe) communes aux trois disciplines ont été établies.

La liste des adjectifs contient des adjectifs qui apparaissent au moins 15 fois dans chaque discipline. Ont été enlevés :

les adjectifs pouvant être considérés comme des mots grammaticaux : autre, même, …

les adjectifs entrant toujours dans une expression figée : échéant dans le cas échéant.

les erreurs d'étiquetage manifestes (participes passés pris pour des adjectifs par exemple).

les mots polysémiques ayant de toute évidence des sens très éloignés dans les différentes disciplines.

La liste des noms a aussi été révisée manuellement. Elle contient les noms qui apparaissent au moins 15 fois dans chaque discipline. Ont été enlevés :

les noms entrant toujours dans une expression figée.

les erreurs d'étiquetage manifestes (adjectifs pris pour des noms par exemple).

les mots polysémiques ayant de toute évidence des sens très éloignés dans les différentes disciplines.

La liste des verbes contient les verbes qui apparaissent plus de 15 fois dans chaque discipline. Elle n'a pas été révisée.

3. Collocations transdisciplinaires

Le terme de "collocation" renvoie ici à des associations lexicales fréquentes mettant en jeu deux éléments linguistiques entretenant une relation syntaxique. Les relations syntaxiques ont été extraites à l'aide du logiciel Syntex, développé par Didier Bourigault à l'ERSS.

La liste des collocations de type Nom-Adjectif a été calculée à l'aide du logiciel Syntex. Nous avons retenu les associations qui apparaissaient au moins 5 fois, dans au moins deux disciplines différentes. Ont été enlevées les associations qui paraissaient renvoyer à de la terminologie ou à des erreurs d'étiquetage, ainsi que la plupart des ordinaux, cardinaux et adjectifs s'apparentant à des mots grammaticaux (autre, même).

La liste des collocations de type Nom prep Nom a également été filtrée.

Enfin, les collocations de type Nom_sujet-Verbe ou Verbe_Nom_complément ont également été filtrées.

4. Segments répétés

Les segments répétés sont ici des suites de 3, 4 et 5 mots qui apparaissent au moins quatre fois dans les trois disciplines. Le statut de ces segments est variable : expressions complètement figées (ex : c'est-à-dire), collocation (ex : mettre en relation), formule routinière (ex : en ce qui concerne), … La liste a été filtrée manuellement.

Bibliographie

Tutin, A. (2007). Traitement sémantique par analyse distributionnelle des noms transdisciplinaires des écrits scientifiques. Actes de TALN 2007. Communications affichées, 283-292.

Tutin, A. (2007). Modélisation linguistique et annotation des collocations : application au lexique transdisciplinaire des écrits scientifiques ». In S. Koeva, D. Maurel, M. Silberztein (Eds). Formaliser les langues avec l'ordinateur. Besançon, Presses universitaires de Franche-Comté.

Tutin A. (2007) (ed.). Lexique et écrits scientifiques. Revue Française de Linguistique Appliquée. Décembre 2007.

[1] ) KIAP : Kulturell Identitet i Akademisk Prosa. Cf. http://kiap.aksis.uib.no/. Nous remercions Kersti Flottum et son équipe de nous avoir autorisés à utiliser ce corpus.

Mises à jour

achille — 2013-01-07T16:43:46Z

Le 25 janvier 2013. Correction concernant les corpus de textes d'apprenants de l'anglais et d'évaluation de communications, qui n'étaient plus accessibles. De nouveaux liens pointent temporairement sur un autre serveur, en attendant que le problème soit réglé sur le serveur de la MSH.

Le 7 janvier 2013. Le corpus de textes scientifiques passe sur la plateforme ScienQuest 1.4, qui résout de nombreux bugs . L'ancienne version est toujours accessible ici.

0. Les corpus

achille — 2011-08-07T17:36:36Z

Quatre corpus sont librement consultables :

Textes scientifiques (français) : 4,8 millions de mots répartis dans 219 textes de types et disciplines variées.
Plus d'infos

Textes scientifiques (anglais) : 13,8 millions de mots répartis dans 3381 articles de biologie et de médecine.
Plus d'infos

Ecrits universitaires d'apprenants en anglais langue étrangère : 1,1 million de mots répartis dans 300 textes argumentatifs d'apprenants de l'anglais.
Plus d'infos

Évaluations de communications (français) : 502 évaluations de communications pour le Colloque international des Étudiants chercheurs en Didactique des Langues et en Linguistique (CÉDIL).

(nous recommandons l'utilisation de Firefox)

6. Journée d'études Scientext du 24 juin 2010

Agnès Tutin — 2010-06-25T04:42:40Z

Dans le cadre du projet Scientext et de l'opération "discours scientifique" du cluster 14
Organisée par F. Grossmann & A. Tutin, LIDILEM

24 juin 2010, salle des conseils, Maison des langues Université de Grenoble

Programme

9h Francis Grossmann, Agnès Tutin Bilan et perspectives du projet Scientext

9h15 Achille Falaise Les nouvelles fonctionnalités du système Scientext

9h30 Viviane Clavier & Céline Paganelli, (GRESEC) Parcours de lecture de documents scientifiques : la notion de positionnement en Sciences de l'Information.

10h15 Pause café

10h45 Alice Henderson (LLS, Université de Chambéry) Comparing Indicators of Authorial Stance in the English-language Texts of 2nd & 3rd Year French University Students

11h30 Cristelle Cavalla & Mathieu Loiseau (LIDILEM, Université Stendhal) Scientext : un corpus pour l'enseignement

12h15 Repas

14h Monika Bak & Iva Novakova (LIDILEM, Université Stendhal) Le raisonnement causal dans les textes scientifiques

14h45 Magda Florez (LIDILEM, Université Stendhal) Marques de la citation positionnée selon la discipline.

15h30 Pause café

16h Françoise Boch (LIDILEM, Université Stendhal) , Fanny Rinck (Modyco, Université Paris 10) L'évaluation de propositions de communication en linguistique

16h45 Salima Aït Saïdi, Agnes Sándor (Centre de recherche de Xerox, Meylan) Où est le problème ? Formules de discours véhiculant la problématique scientifique

Résumés

Parcours de lecture de documents scientifiques : la notion de positionnement en Sciences de l'Information.

Viviane CLAVIER, Université Stendhal, Grenoble 3, Laboratoire Gresec Céline PAGANELLI, Université Paul Valéry, Montpellier 3, Laboratoire Gresec

L'objectif de cette étude est d'évaluer la pertinence de la notion de positionnement pour la recherche d'information. Nous envisageons le positionnement dans un cadre plus large que celui de la textualité, puisque nous considérons la notion à la fois comme une posture cognitive qui guide les activités de recherche d'information (lecture, annotation), et également comme un ensemble de catégories métadiscursives qui nous permettront à terme de faire des préconisations pour l'indexation des thèses en ligne. Pour ce travail, nous avons mobilisé deux méthodes : d'abord, nous avons réalisé des entretiens et observé des sujets en situation de consultation de thèse, ce qui nous a permis de recueillir des fragments et les commentaires des lecteurs. Ensuite, nous avons analysé les marqueurs linguistiques qui figurent dans ces items. Cette méthode s'inscrit dans un courant des sciences de l'information qui s'appuie sur l'analyse des traces langagières des textes pour traiter les documents à des fins d'indexation, de classification ou de segmentation.

L'observation des parcours de consultation de thèses de doctorat par des lecteurs (doctorants ou enseignants chercheurs) a mis en évidence une lecture fragmentée, où les individus lisent des extraits choisis en fonction de la tâche qu'ils réalisent, de l'état d'avancement de leur propre travail. La consultation de ces documents s'inscrit donc pleinement dans le cadre de la lecture professionnelle. La lecture est accompagnée d'annotations uniquement lorsqu'il y a des enjeux de positionnement. Les commentaires produits a posteriori sur ces annotations confirment que les lecteurs cherchent à « démailler » l'intrication des voix : discerner ce qui relève du fonds commun, du positionnement singulier de l'auteur, ce qui est nouveau ou controversé. De ce point de vue, l'annotation semble favoriser la compréhension et la construction d'une identité scientifique singulière.

Comparing Indicators of Authorial Stance in the English-language Texts of 2nd & 3rd Year French University Students

Alice HENDERSON, Université de Savoie

This paper examines the use of indicators of authorial stance in a corpus of French university level papers written in English as a second language : 179 second-year texts amounting to 639,791 words were compared to 121 third-year texts amounting to 434,286 words. The « semantic search » mode of Scientext was used to generate quantitative data regarding the frequency of occurrence of verbs of feeling, verbs of opinion, evaluative adjectives and pronouns. Pairs of evaluative words were searched for manually.

Third year students used more verbs of opinion but less variety of them than second year students. Conversely, third year students used no verbs of feeling and used fewer evaluative adjectives overall ; more variety was only found in their use of the combinations [adverb (category) + important] and [adverb (category) + good (lemma)]. Third year students were expected to use fewer personal pronouns, as a mark of their greater familiarity with the more objective register of academic prose. However, they used more pronouns than the second year students, except for our and they used yours whereas the second year students never used it.

Some of the variance in the data might be explained by students' relative command of English and of academic writing norms. Future work will therefore compare this data with the British Academic Written English corpus (BAWE). The paper concludes with some suggestsions for teaching applications.

Scientext : un corpus pour l'enseignement

Cristelle Cavalla & Mathieu Loiseau, Lidilem

Cette intervention a pour principal objectif la présentation d'une utilisation possible – parmi d'autres – du corpus Scientext pour l'enseignement de l'écrit scientifique en Français Langue Étrangère (FLE). Une rapide présentation des différentes façons d'intégrer un outil dans des pratiques, notamment dans l'enseignement (précis de la genèse instrumentale (Contamines et al., 2003 ; Rabardel, 1999)), nous permettra de décrire en termes d'instrumentalisation et d'instrumentation des expérimentations proposées par différents chercheurs allant dans l'une ou l'autre des directions. Leurs exemples nous serviront pour le développement didactique (Aston, (Ed.) 2001 ; Bernardini, 2002 ; Chambers, 2005) sur lequel s'appuie notre approche, que nous considérons comme une forme d'instrumentalisation. En effet, nous développons des outils réutilisant des composants de Scientext et fonctionnant comme une instance séparée du système original (une part d'instrumentalisation), mais qui visent également à amener enseignants et apprenants à utiliser le corpus. Outre l'appropriation des outils développées pour le projet FULS , nous espérons proposer une instrumentation de Scientext (utilisation « détournée » de l'outil) : une interface simplifiée vers ce dernier doit mener les enseignants, et à plus long terme les apprenants, à utiliser directement Scientext dans leurs activités d'enseignement / apprentissage (processus d'instrumentation). Notre contribution se bornera ensuite à décrire une utilisation didactique possible de Scientext puis son utilisation didactique effective dans le cadre du projet de recherche FULS. Cette forme d'instrumentalisation – et plus tard à travers une phase d'instrumentation – doit déboucher sur la mise en place d'activités utilisant l'informatique peu implémentées dans le domaine du FLE. Nous terminerons par deux exemples d'activités qui associent différents outils pour la sélection d'items, l'annotation des textes et des listes d'unités lexicales autour de Scientext.

Le raisonnement causal dans les textes scientifiques

M. Bak & I. Novakova, (Université Stendhal, Grenoble 3, Lidilem)

Les relations causales sont constitutives du texte scientifique. L'information causale implique les différentes étapes de la construction des connaissances. Si les relations causales sont habituellement considérées comme indépendantes de toute observation et jugement, les études récentes sur la causalité en linguistique (Jackiewicz, 1998, Nazarenko, 2000) en accord avec les études en philosophie (Hume (1739), Kant (1781)) insistent sur le caractère subjectif de la relation causale, sur le fait qu'elle dépend du point de vue du locuteur. Autrement dit, la causalité porte en elle les traces du positionnement du sujet énonciateur. Le raisonnement causal joue un rôle important pour l'interprétation des écrits scientifiques. Il est le fondement de toute activité de rédaction scientifique et se manifeste par des indices lexicaux ou grammaticaux, mais aussi par le fait que « les interlocuteurs partagent la connaissance d'une relation causale » qui leur permet de comprendre ce raisonnement (cf. Gross & Nazarenko (2004)). A partir d'une liste pré-établie de verbes et de constructions causales présentes dans des dictionnaires et des travaux consacrés au lexique de la cause, notre but sera d'établir d'abord un classement des verbes et des constructions causatives (Dixon, 2000), afin de tester ensuite leur fonctionnement dans un corpus, constitué d'écrits scientifiques issus de Scientext. Il s'agit plus particulièrement d'écrits scientifiques appartenant à trois principales disciplines : les sciences humaines, les sciences expérimentales et les sciences appliquées. A travers l'étude des fréquences, d'une part, et de la combinatoire syntaxique et lexicale du vaste éventail de structures causatives, d'autre part, nous analyserons les tendances communes concernant le raisonnement causal dans les trois types de corpus. Nous observerons également si les différentes disciplines privilégient certaines structures causatives au détriment d'autres et, si oui, pourquoi.

Marques de la citation positionnée selon le genre textuel et la discipline.

Magda Florez, LIDILEM Cette communication a pour but de mettre en évidence les marques linguistiques de la citation positionnée du type « nous nous appuyons sur la théorie de X », « nous utiliserons le terme de Z »,« nous rejetons la méthode de Y » en prenant en compte deux variables : la discipline (sciences de l'éducation, psychologie et linguistique), et le genre scientifique (l'article de recherche et la thèse). L'emploi de ces marques révèle des différences disciplinaires dans la construction du savoir. Ainsi, en psychologie, une discipline plus formalisé que les sciences de l'éducation et la linguistique et qui suit le format IMRAD (acronyme de « Introduction, Methods, Results And Discussion »), la citation positionnée présente majoritairement des structures objet scientifique avec trait animé (Cette recherche analyse les théories de X). Ces structures mettent en évidence des mécanismes de position en psychologie –plus rares en linguistique et sciences de l'éducation- où l'action de l'auteur passe par les objets scientifiques sur lesquels la recherche se fonde. Dans les thèses de psychologie, la fréquence de cette pratique est néanmoins moins importante.

L'évaluation de propositions de communication en linguistique

Françoise Boch1 & Fanny Rinck2 1 Laboratoire LIDILEM, Université Stendhal, Grenoble III. 2 Laboratoire MODYCO, UMR7114, CNRS/Université Paris Ouest Nanterre La Défense.

La proposition de communication représente un écrit important dans la diffusion des travaux de recherche, notamment pour les doctorants qui s'essayent à ce genre pour les premières fois. L'évaluation de ces propositions peut permettre de mieux cerner les normes en jeu dans un champ de recherche et c'est l'objectif de l'étude présentée ici. Cette étude s'inscrit dans le courant de l'analyse du discours, en particulier dans le champ des travaux menés en Europe sur les écrits scientifiques dans les disciplines (cf. par exemple Fløttum & al. 2007 ; Rinck, 2006), à l'instar de ceux issus de l'English for Academic Purposes. Nous nous basons sur un corpus - prochainement accessible via Scientext - de 283 commentaires évaluatifs réalisés par un comité d'expertise sur des propositions de communication récentes faites par de jeunes chercheurs dans le cadre d'un colloque en Linguistique. L'enjeu de cette étude est 1) d'identifier les patrons rhétoriques caractéristiques de ce discours évaluatif, 2) de cibler les lieux d'échec et de réussite de la proposition de communication dans une perspective didactique, pour favoriser la prise de conscience des exigences du genre auprès des doctorants, 3) de mettre en évidence, d'un point de vue épistémologique, les attentes propres à une communauté scientifique sur ce qu'est une recherche jugée aujourd'hui acceptable et porteuse en Linguistique. Nous rendrons compte de quelques requêtes réalisées sous Scientext nous permettant d'analyser les caractéristiques linguistiques des commentaires évaluatifs en fonction de la décision du relecteur d'accepter la proposition, d'émettre des réserves ou de la rejeter.

Où est le problème ? Formules de discours véhiculant la problématique scientifique et leur détection automatique dans les articles de recherche, Salima Aїt Saїdi et Ágnes Sándor, Centre de Recherche de Xerox

Nous avons utilisé 25 articles de sciences de l'éducation dans le corpus Scientext pour l'adaptation au français d'un système de TAL anglais qui détecte dans les articles de sciences humaines les formules de discours véhiculant des problématiques scientifiques abordées. Nous portons notre intérêt sur l'expression de la problématique car le problème posé est au cœur de tout travail de recherche. Les formulations de la problématique ne sont pas associées à une fonction discursive ou rhétorique spécifique au sein des articles scientifiques, et nous les reconnaissons dans des structures particulières que nous définissons comme formules de discours. Dans notre exposé, nous allons d'abord décrire la notion de formule de discours et notre approche pour les détecter. Ensuite nous présenterons les travaux du développement du système TAL français et les problèmes rencontrés. Nous allons également parler des applications pratiques du système, et lié à cela, nous traiterons la question des moyens d'évaluation. Nous terminerons en indiquant des directions de recherche à venir.

Editeurs et auteurs

Agnès Tutin — 2010-05-18T11:33:54Z

Remerciements aux éditeurs scientifiques et auteurs

Un grand merci aux éditeurs scientifiques des revues et actes de colloques, d'avoir accepté d'intégrer les publications dans notre corpus.

Editeurs

Hervé Chneiweiss, MD PhD Directeur du laboratoire Plasticité Gliale Rédacteur en Chef de Médecine/Sciences

Anne Condamines, responsable du numéro. Cahiers de Grammaire. Numéro 25. 2000. Sémantique et Corpus.

Catherine Brissaud et Corinne Tottereau, responsables du numéro. Lidil 30 .2004 Acquisition et enseignement de la morphographie.

François Yvon, Christian Rétoré, Pierre Zweignebaum (éditeurs scientifiques), Jean Véronis (responsable de l'ATALA), pour la revue Traitement automatique des Langues.

Mathieu Loiseau, Myriam Abouzaïd, Laurence Buson, Cristelle Cavalla, Ali Djaroun, Céline Dugua, Anna Ghimenton, Vannina Goossens, Thomas Lebarbé, Aurélie Nardy, Fanny Rinck, Christian Surcouf (Ed.), éditeurs des actes Autour des langues et du langage. (2008). Grenoble : PUG.

Geoffrey Williams et Sandra Vessier. Proceedings of the Eleventh EURALEX International Congress, EURALEX 2004.

Pascal Marquet, éditeur des Actes du Congrès International d'Actualité de la Recherche en Education et en Formation. AREF 2007. 28 août au 31 août 2007. Strasbourg. http://www.congresintaref.org/index.php ?cont_id=8&lang=fr

J.M. Hoc & Y. Corson, éditeurs des Actes du Congrès National de la Société Française de Psychologie SFP. 2007. Université de Nantes 13—15 septembre 2007.

J.M. Colletta et A. Tcherkassoff, éditeurs des Actes des rencontres Internationales « Émotions, Interactions & Développement » JM. Colletta & A. Tcherkassoff (Eds.). 2001. Grenoble. Université Stendhal.

Un grand merci aussi à Annie Molla, Institut Albert Bonniot, INSERM, pour son aide sur les textes de biologie et de médecine

Auteurs

Un très grand merci également à tous les auteurs.

(Toutes nos excuses aux auteurs qui ne sont pas encore recensés ici du fait de quelques difficultés techniques qui seront réglées au plus vite)

A. Ndobo, Adeline Paignon, Agata Jackiewicz, Alain Beaudet, Ali Djaroun, Amaury Daele, Amélie Josselin-Leray, Anaïg DELANOË, Andrei Popescu-Belis, André-Patrick Arrigo, Angelique Laurent, Anna Ghimenton, Anne Bobin-Bègue, Anne Condamines, Anne-Laure Jousse, Anny Soubeille, Antoine GAUTIER, Antoine WIDLÖCHER, Aude Dontenwille-Gerbaud, Aude Rebotier, Audrey Murillo, Aurélie NARDY, Barbara Duc, Baudouin Alexia, Bernadette Kervyn, Bernt Møller, Bertrand Daunay, Bestgen Yves, Brigitte Leclaire-Hourblin, Bruno Giraudeau, Bugaïska Aurélia, Béatrice Priego-Valverde, Bénédicte de Maumigny-Garban, C. Bourdin, Carmen Scarlat, Caroline Cance, Caroline Ladage, Catherine LLorens-Cortes, Catherine Lemière, Catherine Renoult, Charles Calamel, Charlotte Dejean, Christian Boitet, Christian Brun-Buisson, Christian Surcouf, Christiane Gohier, Christine Fontanini, Christine GANGLOFF-ZIEGLER, Christine Lebel, Christine Sanguin-Bruckert, Claire Hivroz, Claire Maury-Rouan, Claude Ponton, Coralie Payre-Ficout, Cristelle Cavalla, Cécile Fabre, Cécile Frérot, Céline Darnon, Céline Dugua, Daniel Elmiger, Dany Hamon, Daouda TRAORE, Darine Saïdi, Darline Cothière-Robert, David Clarys, Denis LOIZON, Denis Maurel, Didier Bourigault, Didier Moreau, Dimitri Lioussine, Dominic Anctil, Dominic Dulude, Dominique Ottavi, E. Gardair, Edouard Soriano, Elisabeth Fichez, Émilie COUSIN, Emilie Cousin, Emmanuelle Brossais, Emmanuelle Danblon, Emmanuelle Zech, Eric Dannaoui, Eric Gilson, Eric Santamaria, Estelle Crozat, Estelle Dubreil, Evelyne Berger, Evelyne Jacquey, Fabienne Venant, Fabienne Viallet, Fanny Rinck, Faouzi Bensalem, Flore Mietton, Florence Bara, Florencia Miranda, Florian Lesage, Florinela Comanescu, France Jutras, Francis Grossmann, François Bouchard, François Képès, François Madore, François-Xavier BERNARD, Françoise Baunaure, Frédéric Evennou, Frédéric Hoogstoel, Frédérik BILHAUT, Frédérique BROS, Frédérique Robin, Gabriella Gieruc, Gaëlle Delepaut, Gaëlle Leroux, Geneviève GARCIA BOURGADE, Gordon Langsley, Gwendoline Bloquet, Gwénaël Lefeuvre, Gérard Hernja, Gérard Petit, Gérard Teste, Halim Bennacer, Hassan Atifi, Hélène Delage, Hélène Ledouble, Hervé Blanchon, Ioanna Berthoud-Papandropoulou, Irene Lys, Isabelle BLOCH, Isabelle Mansuy, Isabelle Rousset, Isingrini Michel, Iuliana-Anca MATEIU, Jacques Saury, Jacques Vauclair, Janner-Raimondi Martine, Javier Couto, Jean Binon, Jean Marie Boilevin, Jean-Baptiste Michel, Jean-Christophe Pellat, Jean-François Hérold, Jean-François METRAL, Jean-François Millau, Jean-François de Pietro, Jean-Luc Malo, Jean-Luc Minel, Jean-Michel Betton, Jean-Michel Peter, Jean-Pierre Chevrot, Jean-Pierre Jaffré, Jean-Yves Antoine, Jeanne GONAC'H, Jeanne Morinière, Jocelyne CUSSAC POMEL, Joelle Provasi, Joep Kruijsen, Jos Swanenberg, Josette Rebeyrolle, Julien Donnot, Juliette Delahaie, Juliette Elie, Juline HERBINIÈRE Gaboreau, Katérina PALASIS-JOURDAN, L. Bringoux, Laurence Buson, Laurence Danlos, Laurence Taconnat, Laurent Talbot, Lerato Caroline Pooe, Louise Lafortune, Louise M. Bélair, Luc BIICHLÉ, Luc Desautels, Luc-Olivier Pochon, Ludovic Alazay, Ludovic Tanguy, Léa Brakier-Gingras, Magali Crochard, Magali Jaoul-Grammare, Magdalena Augustyn, Marc Derycke, Maria Zerva, Marie -José Ramondetti, Marie Carcassonne, Marie-Anne Mallet, Marie-Christine Piperini, Marie-Françoise Crouzier, Marie-Paule Jacques, Marie-Paule Péry-Woodley, Marine AMOUROUX, Martine Dutoit, Martine Paindorge, Martine Wirthner, Mathieu Loiseau, Mathieu Raynal, Mathilde Gonçalves, Maxime PAPA, Maylis ORIO, Micaela Rossi, Michael Baker, Michel Lejoyeux, Michel Marcoccia, Michel Morange, Michelle Lecolle, Michèle Brunori, Monique de Bonis, Morgan Lowenstein, Myriam Abouzaid, Myriam Sagnard, Nathalie Aussenac-Gilles, Nathalie Niederberger Costello, Nathaël MARTIN, Nicolas Coppens, Olivier Ferret, Olivier Kraif, Pascale Brandt-Pomares, Pascale LECLERCQ, Pascale Paulin, Patrice Garcia, Patrick Leroyer, Patrick Séguéla, Paul André Grimaldi, Philippe Blache, Philippe Doucet, Philippe Georgel, Philippe Glaser, Philippe Lombard, Philippe Saliou, Piaser Alain, Pierre Lapointe, Piérard Sophie, Rachid Bannour, Rebecca Rogers, Regina Maria CARUCCIO-MARTINS, Renata stella Valente, Renáta Varga, Richard Wittorski, Roberte Langlois, Rose-Marie Gerbe, Régine Weber-Rozenbaum, Sabrina Ben Hamou, Sabrina Boulet, Saloua BENNAGHMOUCH, Sandrine Aubrun, Seiamak Bahram, Serge Verlinde, Sofia Stratilaki, Sophie Anquetil, Sophie Griffini, Stéphane Rauzy, Sylvain Kahane, Sylvie Vandaele, Sébastien Pesce, Séverine Morange, Séverine Rapanöel, Tapia Géraldine, Tatiana El-Khoury, Thierry Selva, Thomas Simonson, Tonio Wandmacher, Vaninna Goossens, Vera Rocha Perugini, Veronika Lux-Pogodolla, Vincent Ribaud, Vincent Manzo, Véronique BEDIN, Yann Chamaillard, Yolande Brenas, Yves JEANNE

Didier Bourigault

Agnès Tutin — 2010-03-16T10:52:21Z

Nous remercions chaleureusement Didier Bourigault, qui nous a fourni son logiciel d'analyse Syntex, ce qui a permis l'analyse syntaxique des textes du corpus Scientext en français et en anglais.

Site de Didier Bourigault

MSH Alpes->http://msh-alpes.fr/

Agnès Tutin — 2010-03-16T10:51:52Z

- 4. Crédits

2. Textes scientifiques anglais

achille — 2010-03-14T19:22:07Z

Le corpus anglais d'écrits scientifiques a été élaboré par l'équipe de recherche LiCoRN à l'Université de Bretagne-Sud. Il se compose de 8945 textes scientifiques, totalisant environ 33 millions d'occurrences. Ces textes sont issus de 136 revues scientifiques publiées en ligne par la maison d'édition indépendante BioMed Central. Les textes, et le corpus construit à partir d'eux, sont accessibles librement, c'est-à-dire gratuitement et exempt de droits d'auteur. Les revues que publie BioMed Central sont de bonne qualité ; l'évaluation des articles opérée par des spécialistes du domaine scientifique concerné garantissant la qualité des revues. Une seule famille de discipline est représentée dans le corpus : les sciences expérimentales avec les domaines de la biologie et de la médecine, couvrant soixante-deux thématiques (bioinformatique, génomique, génétique, …). Le corpus est légèrement déséquilibré en faveur du domaine de la médecine. En revanche, la distribution des sous-genres est très inégale. Les articles scientifiques et les communications écrites couvrent plus de 90% des textes, et ce quel que soit le domaine.

Comme pour le corpus français, la structure textuelle a été annotée en conformité avec les normes de la TEI (XML-TEI P5), permettant de fournir des informations sur le sujet et sur le genre textuel concerné. Les thématiques de recherche (Biochemistry, Blood disorders, Cancer, Cell biology, ...) tout comme le genre (survey, debate, database, report, short paper, …) ont été encodée dans les en-têtes TEI. Des informations supplémentaires sur les sujets traités ont été ajoutées automatiquement, dans la mesure où elles ne figuraient pas dans l'annotation XML originelle. Soixante-deux thèmes de recherche sont représentés dans le corpus, à partir des deux domaines concernés, la biologie et la recherche médicale. Les domaines de recherche les mieux représentés en termes de fréquence sont les suivants : Medical Genomics, Genomics, Bioinformatics, Genetics, et Women's Health. Medical Genomics vient en tête avec 1466 textes, Genomics comprend 1213 textes, et Bioinformatics totalise 1074 textes.

CONSULTER LE CORPUS

Grammaires utilisées dans ce corpus

7. Liens

achille, Agnès Tutin — 2010-03-03T11:10:20Z

Autres projets sur les écrits scientifiques et académiques

KIAP : Kulturell Identitet i Akademisk Prosa (dirigé par Kjersti Flottum, Université de Bergen

RHECITAS : Le projet « RHECITAS : RHEtorique des relations de CITations dans les Articles de SHS »

Interlae : Interpersonality in Written Academic Language

BAWE (British Academic Written English)

Corpus of Research Articles (CRA) of the Research Centre for Professional Communication in English (RCPCE) (Hong Kong Polytechnic University)

Projet ARTES : Aide à la Rédaction de TExtes Scientifiques

Autres sites liés à la linguistique de corpus

Colloque "Linguistique de corpus"

Centre for English Corpus Linguistics

Autres sites

Site de Didier Bourigault :, concepteur de l'analyseur Syntex utilisé pour notre corpus

Concquest (d'Olivier Kraif) : concordancier utilisé pour l'interrogation du site

Lexique des écrits scientifiques : sélection de mots simples, collocations et segments répétés spécifiques des écrits scientifiques

Projet PPF FULS de Cristelle Cavalla : formes et usages des lexiques spécialisés

5. Inauguration du site Scientext, 19 mai 2010, 14h

Agnès Tutin — 2010-02-23T14:54:27Z

Maison des Sciences de l'Homme, Grenoble, 14h-16h30

L'inauguration du site d'écrits scientifiques Scientext aura lieu le 19 mai à 14h à 16h30 à la maison des sciences de l'homme alpes de Grenoble, dans l'amphithéâtre (http://www.msh-alpes.fr).

Programme

14h Accueil des participants
Le mot de la directrice de la MSH (Dominique Rigaux)

14h 15 Le cadre du projet

Ecrits scientifiques, positionnement et raisonnement de l'auteur : Mise en perspective (Francis Grossmann)
Du positionnement de l'auteur aux marques linguistiques (Agnès Tutin)
Démonstration de l'Interface Scientext (Achille falaise)

15h : Echanges avec le public

15h15 Corpus scientifiques et universitaire et applications didactiques

Corpus d'écrits scientifiques et applications au français langue étrangère dans le cadre universitaire (Cristelle Cavalla)
Corpus anglais d'apprenants dans le projet Scientext (Alice Henderson, John Osborne)

15h45 : Echanges avec le public autour d'un verre

Il sera possible d'avoir accès en direct et à distance aux conférences de l'inauguration (http://www.msh-alpes.fr/direct_amphi).