<ol> <li> Introduction et contexte <a name="Introduction"></a> Le domaine de la linguistique computationnelle connait un essor depuis les années 2000 grâce à l’évolution des logiciels de traitement automatique de langue (TAL) qui sont utilisés tant dans la recherche en linguistique de corpus que dans la didactique des langues. La liste non- exhaustive d’applications des outils TAL inclut la transcription, l’étiquetage, les recherches ciblées des collocations et d’usage des mots en contexte, les analyses morpho-syntaxiques, lexiques ou sémantiques, reconnaissance vocale, parmi plusieurs autres (voir Tutin et coll., s.d; Rohlfing et coll., 2006). En fonction de l’aspect envisagé du travail avec une langue, il est possible de parler de « ‘l’ingénierie linguistique’, quand l’accent est mis sur les aspects pratiques et opérationnels, ou de ‘linguistique informatique’, quand c’est la linguistique qui tient un rôle important dans les recherches »<a class="sdfootnoteanc" href="#sdfootnote1sym" name="sdfootnote1anc">1</a>. Dans la première partie de cette contribution, nous présentons l’application des logiciels TAL dans la recherche en donnant quelques définitions saillantes propres au champ disciplinaire étudié. L’article poursuit avec le traitement des données multimodales (écrites et orales) issues des productions des apprenants à l’aide d'AntConc, dans le cadre de l’application des logiciels TAL dans la recherche. Notamment, nous mettons en lumière quelques fonctions saillantes de calcul relatives à l’analyse lexicale de l’interlangue<a class="sdfootnoteanc" href="#sdfootnote2sym" name="sdfootnote2anc">2</a> des apprenants afin d’établir leur profil langagier. De nombreuses exemples tirés de l’étude de cas corroborent cette présentation. L’article se termine avec le bilan concernant des fo tout en soulignant le rôle des outils TAL dans l’analyse des données multimodales. </li> </ol> <a name="_Hlk154579144"></a> L’article se situe dans le cadre plus large d’un projet d’observation d’une classe CORINE-SEHEA<a class="sdfootnoteanc" href="#sdfootnote3sym" name="sdfootnote3anc">3</a> sur un an dans un contexte secondaire français. 16 heures de cours (classe de Terminale SELO<a class="sdfootnoteanc" href="#sdfootnote4sym" name="sdfootnote4anc">4</a>, histoire-géographie enseignée en L2 anglais ; L1 français) sont enregistrées, des productions écrites des apprenants (brouillons<a class="sdfootnoteanc" href="#sdfootnote5sym" name="sdfootnote5anc">5</a>, notes des cours, fiches hybrides<a class="sdfootnoteanc" href="#sdfootnote6sym" name="sdfootnote6anc">6</a>, évaluations du vocabulaire) récoltées<a class="sdfootnoteanc" href="#sdfootnote7sym" name="sdfootnote7anc">7</a>. Les données obtenues sont ensuite transcrites, le corpus multimodal (écrit et oral) de 119 000 mots constitué et analysé. L'analyse du corpus explore l'interlangue des élèves par le biais de cinquante mesures à l'aide des logiciels TAL : Exmaralda, CLAN, AntConc, SketchEngine, UAM Corpus Tool, et Hyperbase. Le travail de recherche étudie dans quelle mesure un statut particulier de la langue en cours immersifs EMILE (à la fois un objet et un outil d'apprentissage) modifie les conditions et les résultats de l'apprentissage. Les analyses ouvrent des pistes de réflexion sur l'enjeu principal d'EMILE : donner une place à la langue étrangère en tant qu'outil d'accès aux connaissances de la DNL<a class="sdfootnoteanc" href="#sdfootnote8sym" name="sdfootnote8anc">8</a> pour le plus grand nombre d'élèves possible. 2. L’application des logiciels TAL dans la recherche Dans la recherche de la linguistique du corpus un double type d’exploration de données est possible à l’aide des outils TAL : l’approche montante (corpus-based research) et l’approche descendante (corpus-driven research) (deux termes de Tognini-Bonelli, 2001). En effet, nous essayons d’effectuer une exploration de plusieurs phénomènes, notamment ceux relatifs à l’utilisation de la langue par les élèves en cours CORINE, dans une technique de complémentarité, sorte de « chassé-croisé » : <ul> <li> L’approche ascendante (corpus-based) est susceptible d’apporter des réponses concernant certains aspects du concept CORINE à partir des questions préalablement posées sur les phénomènes que nous voudrions étudier. Par exemple, nous avons exploré dans quelle mesure l’input des professeurs impacte l’output des élèves, c’est-à-dire, tout ce que les élèves ont retenu et utilisé dans leurs productions – la réception et la restitution des concepts clés en classe européenne. </li> <li> L’approche descendante (inductive ou corpus-driven) permet d’observer les phénomènes récurrents et d’étudier les caractéristiques linguistiques qui émanent du corpus CORINE sans qu’une question précise soit posée à l’avance. C’est à partir de ces phénomènes observés dans le corpus que nous formulons une série de questions pour étudier un élément souhaité, faisant ainsi du corpus le déclencheur des connaissances. Par exemple, nous avons constaté que l’utilisation du mot government par des élèves varie selon la discipline et le type de production (écrite ou orale). Cela soulève des questions concernant les défis potentiels dans l’appropriation de government, notamment en ce qui concerne les collocations (NN) du mot dans l’input des enseignants et dans les productions des élèves. </li> </ul> Comment explorer le corpus et quelles données est-il possible d’obtenir à l’aide des logiciels TAL ? Les productions sont susceptibles de faire émerger des informations utiles afin de comprendre l’utilisation de la langue par les apprenants. Ces données peuvent renseigner au sujet de la qualité des productions des élèves, des mots et des expressions les plus fréquents, mais aussi permettent d’observer le taux de mots erronés et leur fréquence, les types d’erreurs et leur évolution dans les élocutions des apprenants. Par exemple, nous nous sommes servis du logiciel AntConc dans l’optique de faire émerger les phénomènes les plus fréquents et les plus spécifiques du corpus CORINE. L’annotation et le codage des erreurs imposent certaines contraintes dans le calcul du nombre de mots dans le corpus des apprenants. Le calcul s’avère différent en fonction du logiciel utilisé. AntConc compte le nombre des mots, tandis que d’autres logiciels (comme SketchEngine) calcule les lemmes. Par ailleurs, le traitement des erreurs dans le corpus oral devient plus efficace grâce à AntConc, puisque ce logiciel est configurable pour ignorer les erreurs mises entre les balises (< >). Dans la section suivante nous présentons quelques fonctionnalités du logiciel AntConc, un des plus connus dans le domaine de la linguistique du corpus de par de ces fonctionnalités permettant explorer un corpus multimodal d’apprenants. 3. Logiciel AntConc Le logiciel AntConc<a class="sdfootnoteanc" href="#sdfootnote9sym" name="sdfootnote9anc">9</a> a été développé par L.Anthony en 2002, depuis cet outil ne cesse pas de gagner de plus en plus le terrain dans la linguistique computationnelle, grâce notamment à son interface intuitive et à son aspect pratique dans la recherche. Si la toute première version 1.0<a class="sdfootnoteanc" href="#sdfootnote10sym" name="sdfootnote10anc">10</a> était un concordancier permettant de faire des requêtes de base (générer des lignes de concordance) dans un texte ou dans un groupe de textes, la dernière version (AntConc 4.2.4, sortie en septembre 2023) est complète et sophistiquée. Développé en langage Python et Qte, le programme est compatible avec des systèmes Windows, Linux et MacOS, décrit par l’auteur comme « a multiplatform tool for carrying out corpus linguistics research, introducing corpus methods, and doing data-driven language learning”.<a class="sdfootnoteanc" href="#sdfootnote11sym" name="sdfootnote11anc">11</a> Citons quelques fonctionnalités de AntConc et leurs applications dans le traitement du corpus. <ol> <li style="display:block"> 1) Chercher un mot (requête simple) dans un texte. a. Compléter des requêtes simples afin d’effectuer des recherches plus avancées en utilisant la fonction wordcard/joker  : </li> </ol> <ul> <li> le joker « * » est utile pour la recherche des formes de verbes (p.ex. help*  = helping, helped); </li> <li> le joker « + » permet de chercher zéro ou un signe après le joker (p.ex.  government+ = government agreed); </li> <li> le joker « @ » fait des recherches qui portent sur un mot entier : (p.ex. the @ government = the British government, the new government…)   </li> </ul> b. Utiliser les expressions régulières : <ul> <li> chercher tous les mots qui commencent par une séquence souhaitée : p.ex. bgov = government; </li> <li> chercher tous les mots qui se terminent par une séquence souhaitée : p.ex.  entb = government, contentment, document ; </li> <li> chercher des mots qui contiennent des séquences souhaitées, p.ex. tous les mots qui commencent par « n » et accessoirement qui contiennent « a » et/ou « t », et/ou « s » (p.ex. bn[ats]= nationality, names, name, nature, nationhood) ; </li> <li> le motif [ ] va chercher (tous, ou un des) caractères qui se trouvent entre les crochets, p.ex. [cha]). c. Utiliser des mots ciblés pour des recherches avancées dans un texte avec la fonction Use search term from list below, ou encore Use context words and horizons (cliquer sur le champ Advanced , saisir le mot recherché, cliquer sur Apply  pour valider le choix; AntConc va chercher les mots indiqués cinq caractères à gauche et/ou à droite à côté des mots choisis dans la première fonction). </li> </ul> <ol start="0"> <li style="display:block"> 2) Chercher des mots les plus fréquemment utilisés dans le corpus. </li> </ol> La figure 1 fait émerger des items très variés : des substantifs, des verbes, des pronoms, des adjectifs, des mots grammaticaux, des conjonctions, des chiffres, qui relèvent des thématiques abordés en cours de la section européenne. Cependant, les caractéristiques langagières diffèrent considérablement selon que le corpus est général ou spécialisé. Il est logique de supposer que le corpus spécialisé dans un domaine précis aurait une tendance à avoir une charge lexicale plus importante dans ce champ concerné qu’un corpus général aux thématiques plus variés. <img align="bottom" name="Image1" src="file:///C:/Users/Pierre/AppData/Local/Temp/lu22420bs4dh.tmp/lu22420bs4dy_tmp_7c11e82.png" style="width:425px; height:247px" /> Figure 1. Cent dix mots les plus fréquents du corpus CORINE.   <ol start="0"> <li style="display:block"> 3) Chercher des mots académiques, fonction Use specific list below  </li> </ol> Afin de déterminer le type du vocabulaire (général, académique ou spécialisé) utilisé par des apprenants dans leurs discours, nous avons comparé le corpus CORINE avec la liste des mots académiques (AWL)<a class="sdfootnoteanc" href="#sdfootnote12sym" name="sdfootnote12anc">12</a> utilisée en tant que liste de référence dans AntConc<a class="sdfootnoteanc" href="#sdfootnote13sym" name="sdfootnote13anc">13</a> pour voir si les mots académiques les plus fréquents apparaîssent dans notre corpus d’étude. <img align="bottom" name="Image2" src="file:///C:/Users/Pierre/AppData/Local/Temp/lu22420bs4dh.tmp/lu22420bs4dy_tmp_f8cd4c58.png" style="width:402px; height:243px" /> Figure 2. Quatre-vingt mots académiques les plus fréquents du corpus CORINE   AntConc a relevé trois cent vingt-sept types de mots et 4 001 occurrences de mots académiques (word tokens) dans le corpus CORINE. La figure 2 présente les premiers quatre-vingt d’entre eux. Les résultats affichés mettent en avant plusieurs choses. Premièrement, une grande majorité des mots académiques sont des substantifs du champ sémantique socio-economique : labour, policy, culture, welfare, economy, community, job, currency, income, decline, infrastructure, etc. Ensuite, le champ sémantique à connotation politique et militaire est aussi représenté par des substantifs et des adjectifs comme : nuclear, conflict, military, revolution, ideology. Les verbes académiques les plus fréquents sont : created, consume, contribute, remove, invest. Les mots comme process, debate et access nécessitent une vérification au cas par cas, car ils peuvent comprendre plusieurs parties de discours (les verbes et les substantifs) en même temps. Outre ces mots qui relèvent du contenu des cours, nous trouvons aussi les mots propres à la didactique, comme debate, document<a class="sdfootnoteanc" href="#sdfootnote14sym" name="sdfootnote14anc">14</a> : <ul> <li> des consignes comprises dans les titres des supports : Reading comprehension, oral debate ;   </li> <li> des consignes des professeures à l’oral : Make a debate with your neigbour ; You just look at the document and try to answer the question ; And now focus on the document entitled…; </li> <li> la méthodologie de l’analyse des supports appliquée par des élèves lors des productions : The second document describes a man who works... </li> </ul> Globalement nous constatons que les mots académiques dont la fréquence est importante sont très peu nombreux. Au-delà de l’adjectif major à la dix-septième position dans le corpus la fréquence de toutes les unités descend en dessous de cinquante occurrences. Ceci laisse penser que le nombre de mots académiques du corpus CORINE est relativement bas, ce qui indique à son tour que le vocabulaire des cours observés est probablement hautement spécifique. <ol start="0"> <li style="display:block"> 4) Chercher des substantifs fréquents repris par des apprenants dans leurs productions, fonctionnalité plot. </li> </ol> Dans quelle mesure les mots communément employés par les professeures dans leurs cours (LV et DNL) sont-ils répétés dans les productions des élèves ? Nous avons observé si les élèves utilisent plus souvent dans leurs productions le lexique donné par la professeure de langue ou par la professeure d’histoire-géographie. L’analyse est effectuée en traçant l’origine du mot grâce à la fonction de AntConc « visualisation topologique » (plot) ainsi qu’en observant les collocations du mot (fonction Collocations) et des tâches pédagogiques dans les cours où les deux enseignantes aborde le même thème. Cela permet de voir si le contexte d’utilisation du mot change de l’input à l’output, ce qui contribuera à notre réflexion sur les conditions spécifiques de l’apprentissage et sur la complexité du dispositif EMILE. Analyse d’un cas particulier : government. Le mot fréquent government figure dans l’output des élèves est communément employé par les deux professeures. Comment ce mot est-il employé dans les productions des apprenants ? Le substantif est employé 64 fois dans les productions des élèves (Fig. 3). <a name="_Toc139300493"></a> <img align="left" name="Image3" src="file:///C:/Users/Pierre/AppData/Local/Temp/lu22420bs4dh.tmp/lu22420bs4dy_tmp_1bbaf51c.png" style="width:441px; height:99px" />               Figure 3. Distribution du mot fréquent government dans le corpus des élèves   D’après la figure 3 ce substantif est le plus souvent utilisé par des élèves à l’oral en cours d’histoire-géographie (26 occurrences), suivi dans l’ordre décroissant de fréquence par le sous-corpus écrit, également en cours de DNL (15 occurrences), puis en cours de langue à l’écrit (13 occurrences) et à l’oral (10 occurrences). Même si les élèves ont recours au mot government communément utilisé dans les deux disciplines, sa fréquence totale en DNL reste supérieure après relativisation : 25,6 occurrences dans les productions en DNL versus 16,7 en LV pour 10 000 mots (soit 21 % d’écart entre deux disciplines)<a class="sdfootnoteanc" href="#sdfootnote15sym" name="sdfootnote15anc">15</a>. Par ailleurs, l’utilisation de ce mot est presque deux fois plus fréquente à l’écrit que à l’oral quelle que soit la discipline. Une analyse plus approfondie montre que le substantif government est repris par des élèves dans les deux disciplines mais l’output se fait dans un degré variable selon la discipline et le type de production dans les sous-corpus : écrit ou oral. La question se pose, par conséquent, par rapport à un autre défi possible dans l’appropriation de government : les collocations du mot (NN) dans l’input des professeures et dans les productions des élèves. <ol start="0"> <li style="display:block"> 5) Chercher des collocations avec government (NN), fonction Collocations. </li> </ol> En anglais il est souvent employé dans des compositions nominales NN (government policy, etc.). Y a-t-il des modèles de cet usage dans l'input, le modèle est-il repris par les élèves ? Nous avons observé quatre types collocations dans les inputs donnés par les professeures : government intervention, government polic* (policy/policies), inter-government organisation, government ministers. Dans les productions (outputs) des élèves, une seule collocation autour de government (NN) a été trouvée : government policies (dans l’énoncé : "There are many factors attracting TNCs to a country, <err> cheap raw materials, cheap labour supply, good transport, access to markets where the goods are sold, friendly government policies", Fig.4), la production est faite en cours de DNL dans l'exercice du groupe suite à l'étude du support « Globalisation and TNCs ». La recherche dans AntConc concernant le parcours du mot government dans les productions des élèves montre que les apprenants ne reprennent pas ce mot systématiquement dans le même contexte que celui des professeures, ils ont une tendance à créer de nouveaux blocks (Biber 2006), parfois remplacent le mot par d’autres termes.   <img align="bottom" name="Image4" src="file:///C:/Users/Pierre/AppData/Local/Temp/lu22420bs4dh.tmp/lu22420bs4dy_tmp_ed5c714.png" style="width:420px; height:223px" /> Figure 4. Collocation de type NN dans les productions des élèves.   <ol start="0"> <li style="display:block"> 6) Chercher des mots spécifiques, fonction key words </li> </ol> Les mots spécifiques qui émergent dans le corpus CORINE par rapport au corpus de référence LOCNESS (Fig.5) renvoient aux contextes particuliers de leurs emplois. Au travers des mots clés qui apparaîssent dans cette analyse nous pouvons accéder au champ didactique et tracer les thèmes spécifiques abordés en cours, comme The Welfare State, Trade Unions and miners’ strikes, The nationalisation of industries, Political party, Economic crisis, wages and employment, etc. Dans un sens plus large ce lexique est le reflet des programmes d’enseignement propres aux sections européennes dans le secondaire en France. Par ailleurs, la présence très faible des mots académiques laisse suggérer que la place la plus importante est occupée par un vocabulaire plus ciblé, hypothèse qui sera confirmée par des analyses supplémentaires du corpus.   <img align="bottom" name="Image5" src="file:///C:/Users/Pierre/AppData/Local/Temp/lu22420bs4dh.tmp/lu22420bs4dy_tmp_1f934a49.png" style="width:433px; height:273px" /> Figure 5. Cinquante mots spécifiques relevés dans le corpus écrit des élèves CORINE (corpus de référence LOCNESS)<a class="sdfootnoteanc" href="#sdfootnote16sym" name="sdfootnote16anc">16</a> 7) Chercher des séquences des mots/N-grams. <a name="_Toc1393005001"></a> Un N-gr est une série d’unités (bigram = 2 unités, trigram = 3 unités, N-gram = n unités)<a class="sdfootnoteanc" href="#sdfootnote17sym" name="sdfootnote17anc">17</a>. La recherche de N-grams est une fonction intégrée dans la plupart des concordanciers comme AntConc ou SketchEngine. Cependant, d’un logiciel à l’autre il existe des différences sensibles quant au calcul du nombre d’occurrences des N-grams. Ceci peut être expliqué par la façon dont chaque logiciel prend en compte les expressions/combinaisons des mots du corpus. Selon que les combinaisons des mots sont considérées en tant qu’une variation de la même expression ou comme une expression à part (donc un nouveau N-gram) leur nombre peut varier considérablement. Nous avons utilisé la fonction de N-grams (clusters) de AntConc afin de relever les éléments propres au discours oral dans des productions des apprenants (Fig.6). Les mots et les expressions les plus fréquemment utilisés sont représentatifs des cours dans le contexte d’EMILE, afin de répondre à une tâche pédagogique demandée. Les éléments liés au contenu des cours émergent : de nombreuses dates (in nineteen seventy, nineteen forty-five), les noms des endroits géographiques qui apparaîssent en fonction des sujets étudiés en section européenne ; la description et l’analyse d’une image (we can see) ; les contraintes méthodologiques à respecter : présenter la nature du document (document is a ; is a caricature), structurer le discours (the first document ; the second document). Par ailleurs, la structure syntaxique du discours peut être tracée grâce aux mots fréquents. Par exemple, le mot that (en tant que pronom relatif ou conjonction de subordination) indique l’utilisation d’énoncés complexes par les élèves (that the Cold [war] ; that globalization is, that globalization can), ou encore la présence des propositions principales connectées avec les conjonctions de coordination and (and we can) et de subordination because, ce dernier introduisant des propositions subordonnées de cause (because of the, because it’s).   <img align="bottom" name="Image6" src="file:///C:/Users/Pierre/AppData/Local/Temp/lu22420bs4dh.tmp/lu22420bs4dy_tmp_b3646c4.png" style="width:438px; height:245px" /> <a name="_Toc139300500"></a> Figure 6. 3-grams les plus fréquents dans les productions des élèves   4. Conclusion. Nous avons montré dans la présente contribution comment grâce à des certaines fonctionnalités de AntConc il est possible d’explorer le corpus des apprenants en section européenne dans le but d’étudier l’évolution de l’interlangue et d’établir leur profil lexical. Notamment, nous avons observé la façon dont les élèves approprient les items lexicaux, ainsi que la fréquence et le type du vocabulaire employé; nous avons également tracé les origines du mot afin de comprendre dans quelle mesure les apprenants se servent du modèle linguistique donné par les professeurs. Par ailleurs, comme nous avons vu, AntConc permet de visualiser la distribution du mot (plotting) dans les productions orales et écrites, de comparer la fréquence et type de lexique utilisé dans le corpus d’étude et dans les corpus de référence, de générer des lignes de concordance à l’aide de la liste prédéfinie, de rechercher des groupes nominaux et des clusters dans le contexte ciblé, ou encore de vérifier le contexte originel d’un mot (collocations). Enfin, AntConc est très utile lors de traitement des erreurs dans le corpus, car l’information que l’on ne souhaite pas afficher (par ex. les mots non-normés, marqueurs d’hésitations, etc.) peut être mise entre les balises, ainsi ces informations ne seront pas prises en compte par AntConc lors d’un calcul des mots ou de génération des lignes de concordance. Cependant, AntConc a des désavantages : le texte, pour être analysé par le logiciel, doit adopter le format TXT (texte brut), sinon aux formats HTML ou XML. Ces derniers, cependant, sont exploitables de façon limitée, car les balises contenues dans les titres, par exemple <H1> à <H6>, ne sont pas prises en compte. Le coloriage thématique n’est pas non plus disponible. Enfin, le fait de doubler les entrées textuelles (mettre les informations non-souhaitées (erreurs) entre les balises toute en proposant la version corrigée juste après) influe sur la taille du corpus et peut éventuellement fausser la comptabilisation des données du corpus traité par d’autres logiciels. <a name="_Toc139300456"></a><a name="_Toc139300457"></a><a name="_Toc94102573"></a><a name="_Toc94102937"></a><a name="_Toc94104063"></a><a name="_Toc94104548"></a><a name="_Toc94104957"></a><a name="_Toc94105106"></a><a name="_Toc96072852"></a><a name="_Toc96096117"></a><a name="_Toc138411233"></a><a name="__RefHeading___Toc200981_3172837573"></a><a name="_Toc139300458"></a><a name="_Toc139300459"></a><a name="_Toc139300460"></a><a name="_Toc139300461"></a><a name="_Toc139300462"></a><a name="_Toc139300463"></a><a name="_Toc139300464"></a><a name="_Toc139300487"></a><a name="_Toc139300488"></a><a name="_Toc139300491"></a><a name="_Toc139300512"></a> Nous espérons par notre travail participer activement à une réflexion nécessaire concernant l’utilisation du corpus des apprenants dans le but d’étudier le fonctionnement de la langue, ainsi que pour la formation possible des professeurs qui travaillent avec la textométrie. Le champ de recherche en lien avec notre corpus d’étude reste ouvert, pour contribuer à une réflexion sur les usages des corpus de linguistique en France, mais aussi sur l’avenir du dispositif EMILE, tout en prenant en compte sa spécificité et son atout majeur – la langue comme un moyen d’accès aux connaissances de la DNL. Annexe 1. <table width="537"> <colgroup> <col width="67" /> <col width="113" /> <col width="164" /> <col width="159" /> </colgroup> <tbody> <tr> <td style="border-bottom:1px solid #000000; padding:0.1cm; border-top:1px solid #000000; border-right:1px solid #000000; border-left:1px solid #000000; width:67px; height:36px">   </td> <td style="border-bottom:1px solid #000000; padding:0.1cm; border-top:1px solid #000000; border-right:1px solid #000000; border-left:1px solid #000000; width:113px"> Source d’informations initiales </td> <td style="border-bottom:1px solid #000000; padding:0.1cm; border-top:1px solid #000000; border-right:1px solid #000000; border-left:1px solid #000000; width:164px"> Type de données recueilli </td> <td style="border-bottom:1px solid #000000; padding:0.1cm; border-top:1px solid #000000; border-right:1px solid #000000; border-left:1px solid #000000; width:159px"> Données obtenues (output des élèves) </td> </tr> <tr> <td style="border-bottom:1px solid #000000; padding:0.1cm; border-top:1px solid #000000; border-right:1px solid #000000; border-left:1px solid #000000; width:67px; height:53px"> Échantillon (19 élèves) </td> <td style="border-bottom:1px solid #000000; padding:0.1cm; border-top:1px solid #000000; border-right:1px solid #000000; border-left:1px solid #000000; width:113px"> enregistrements vidéos  </td> <td style="border-bottom:1px solid #000000; padding:0.1cm; border-top:1px solid #000000; border-right:1px solid #000000; border-left:1px solid #000000; width:164px"> -trace écrite au tableau ; -discours des élèves en classe : cours et évaluations (réponses, débats, discussions, monologues) </td> <td rowspan="3" style="border-bottom:1px solid #000000; padding:0.1cm; border-top:1px solid #000000; border-right:1px solid #000000; border-left:1px solid #000000; width:159px"> productions écrites : 95 Productions orales : 16 heures de cours + 11 fichiers d’auto-enregistrement    </td> </tr> <tr> <td style="border-bottom:1px solid #000000; padding:0.1cm; border-top:1px solid #000000; border-right:1px solid #000000; border-left:1px solid #000000; width:67px; height:98px">   </td> <td style="border-bottom:1px solid #000000; padding:0.1cm; border-top:1px solid #000000; border-right:1px solid #000000; border-left:1px solid #000000; width:113px"> photographies    </td> <td style="border-bottom:1px solid #000000; padding:0.1cm; border-top:1px solid #000000; border-right:1px solid #000000; border-left:1px solid #000000; width:164px"> -notes de cours (trace écrites) faites en classe ; -brouillons de préparation des tâches pédagogiques ; -fiches de travail « hybride » ; -évaluations écrites (fiches de vocabulaire ; affiches). </td> </tr> <tr> <td style="border-bottom:1px solid #000000; padding:0.1cm; border-top:1px solid #000000; border-right:1px solid #000000; border-left:1px solid #000000; width:67px; height:21px">   </td> <td style="border-bottom:1px solid #000000; padding:0.1cm; border-top:1px solid #000000; border-right:1px solid #000000; border-left:1px solid #000000; width:113px"> enregistrements sonores </td> <td style="border-bottom:1px solid #000000; padding:0.1cm; border-top:1px solid #000000; border-right:1px solid #000000; border-left:1px solid #000000; width:164px"> -évaluations orales (auto-enregistrements hors classe) </td> </tr> </tbody> </table> Tableau 1. Sources d’informations initiales, type et quantité de données obtenues   <a name="Les_renvois_à_des_références_bibliograph"></a><a name="Bibliographie"></a> 5.Bibliographie Anthony, L. AntConc (Version 4.0.0) [Computer Software]. Tokyo, Japan: Waseda University, 2021.URL: https://www.laurenceanthony.net/software.html Benabbes, S. « Du brouillon au texte final : accompagner les élèves du secondaire pour une amélioration de la pratique scripturale en FLE ». Les Cahiers de Didactique des Lettres [En ligne], s.d. Biber, D. University language: A corpus – based study of spoken and written registers. Benjamin, 2006. Conseil de l’Europe. « Cadre européen commun de référence—Apprendre, enseigner, évaluer ». Les Éditions Didier, 2001. Corder, S. P. Error analysis and interlanguage. Oxford University Press, 1981. Dostie, G. et Lefeuvre, F. (éds), (2017), Lexique, grammaire, discours. Les marqueurs discursifs. Paris, Honoré Champion. Galatanu, O. « Les marqueurs illocutionnaires holophrastiques du désaccord : sémantisme et polyphonie fonctionnelle d'une classe de phraséologismes pragmatiques ». Lexique, no 29, p.75-95, 2021. Granger, S., Gilquin, G., et Meunier, F. (dir.). The Cambridge handbook of learner corpus research (1 ed.). Cambridge University Press, 2015. <a name="_Hlk106266247"></a> Johns, T. “Should you be persuaded. Two samples of data-driven learning materials”. Dans T. Johns et P. King (dir.). Classroom concordancing. English Language Research Journal. no 4, p.1–16, 1991. Rohlfing, K., Loehr, D., Duncan, S., Brown, A., Franklin, A., Kimbara, I., Milde, J.-T., Parrill, F., Rose, T., Schmidt, T., Sloetjes, H., Thies, A. et Wellinghoff, S. “Comparison of multimodal annotation tools”. Gersprachsforschung, no 7, p.99-123, 2006. Selinker, L. “Interlanguage”. International Review of Applied Linguistics. 10 (3), p.219-31, 1972. <a name="_Hlk106266292"></a> Steuckardt, A. (2018). Les marqueurs de reformulation formés sur dire : exploration outillée. Langages, (4), 17-34. Tognini-Bonelli, E. “Corpus linguistics at work”. Studies in corpus linguistics. John Benjamins Publishing, no 6, 2001. <a name="_Hlk1062662471"></a> Tutin, A., Jaques, M-P., Kraif, O. et Hartwell, L. Introduction à la linguistique de corpus. [Cours en ligne de l'UGA], s.d.URL : https://www.fun-mooc.fr/fr/cours/introduction-a-la-linguistique-de-corpus/. Quivy, M., et Garnier-Tardieu, C. Glossaire de didactique de l’anglais (2e éd.). Ellipses, 2002.     <div id="sdfootnote1"> <a class="sdfootnotesym" href="#sdfootnote1anc" name="sdfootnote1sym">1</a> <a href="https://www.universalis.fr/encyclopedie/traitement-automatique-des-langues/">https://www.universalis.fr/encyclopedie/traitement-automatique-des-langues/</a> </div> <div id="sdfootnote2"> <a name="_Hlk98856140"></a><a name="_Hlk98856156"></a> <a class="sdfootnotesym" href="#sdfootnote2anc" name="sdfootnote2sym">2</a> Terme introduit pour la première fois par Selinker (1972), dont la définition est donnée ensuite par Quivy et Tardieu-Garnier (2002, p.188) : « Langue intermédiaire que l’apprenant constitue à partir de tous les matériaux à sa disposition – verbaux ou non verbaux – issus de la langue de départ ou de la langue-cible. Il les intègre dans un système provisoire d’hypothèses sujettes à révision, système qui lui est personnel et manifeste l’état ponctuel de sa connaissance du monde. » </div> <div id="sdfootnote3"> <a class="sdfootnotesym" href="#sdfootnote3anc" name="sdfootnote3sym">3</a>CORpus des INteractions à l’Ecole : Section Européenne Histoire Enseignée en Anglais. Pour la simplicité d’usage, nous avons conservé dans cette note de recherche la première partie uniquement : CORINE. </div> <div id="sdfootnote4"> <a class="sdfootnotesym" href="#sdfootnote4anc" name="sdfootnote4sym">4</a>Section Européenne et Langues Orientales. A noter que l’appellation SELO est officiellement abandonnée au profit de celle de l’CORINE à partir de la rentrée 2019 suite à la reforme du lycée de 2018. </div> <div id="sdfootnote5"> <a class="sdfootnotesym" href="#sdfootnote5anc" name="sdfootnote5sym">5</a>Brouillon (production écrite d’un élève) est considéré comme « un écrit intermédiaire, entre un premier écrit et le suivant, entre un élève et les autres, entre un oral, une lecture et un nouvel écrit, entre une expérience et sa mise à distance » (Benabbes, S., s.d.). </div> <div id="sdfootnote6"> <a class="sdfootnotesym" href="#sdfootnote6anc" name="sdfootnote6sym">6</a>Les fiches de travail conçus par des professeurs expressément pour des cours CORINE et qui contiennent des espaces dédiés à la prise de notes, aux réflexions personnelles, aux réponses des élèves. </div> <div id="sdfootnote7"> <a class="sdfootnotesym" href="#sdfootnote7anc" name="sdfootnote7sym">7</a> Voir les détails dans l’Annexe 1  </div> <div id="sdfootnote8"> <a class="sdfootnotesym" href="#sdfootnote8anc" name="sdfootnote8sym">8</a> La Discipline Non Linguistique </div> <div id="sdfootnote9"> <a class="sdfootnotesym" href="#sdfootnote9anc" name="sdfootnote9sym">9</a><a href="https://www.laurenceanthony.net/software/antconc/">https://www.laurenceanthony.net/software/antconc/</a> </div> <div id="sdfootnote10"> <a class="sdfootnotesym" href="#sdfootnote10anc" name="sdfootnote10sym">10</a><a href="https://www.laurenceanthony.net/software/antconc/releases/AntConc100/help.pdf">https://www.laurenceanthony.net/software/antconc/releases/AntConc100/help.pdf</a> </div> <div id="sdfootnote11"> <a class="sdfootnotesym" href="#sdfootnote11anc" name="sdfootnote11sym">11</a> https://www.laurenceanthony.net/software/antconc/releases/AntConc424/help.pdf </div> <div id="sdfootnote12"> <a class="sdfootnotesym" href="#sdfootnote12anc" name="sdfootnote12sym">12</a> Academic Word List; liste de mots académiques, établie par Coxhead (2002). </div> <div id="sdfootnote13"> <a class="sdfootnotesym" href="#sdfootnote13anc" name="sdfootnote13sym">13</a> Démarche: Tool Preferences → Word list → Use specific list below. </div> <div id="sdfootnote14"> <a class="sdfootnotesym" href="#sdfootnote14anc" name="sdfootnote14sym">14</a> Le substantif image après la vérification est écarté puisqu’il relève du contenu des cours, aucun emploi de ce mot pour des raisons méthodologiques n’est observé. </div> <div id="sdfootnote15"> <a class="sdfootnotesym" href="#sdfootnote15anc" name="sdfootnote15sym">15</a> Calcul : 8,9 ÷ (25,6 +16,7) x 100 </div> <div id="sdfootnote16"> <a class="sdfootnotesym" href="#sdfootnote16anc" name="sdfootnote16sym">16</a>Le corpus LOCNESS contient 35 787 mots reconnus par le logiciel AntConc. Bien que le corpus LOCNESS contienne environ 324 000 mots (source : https://www.learnercorpusassociation.org/resources/tools/locness-corpus/), nous avons sélectionné seulement les productions écrites des apprenants britanniques de A level (ce qui correspond au niveau de Terminale en France), puisque la comparaison doit se faire entre des corpus ayant des caractéristiques semblables. Les apprenants dont les productions servent du contenu pour le corpus LOCNESS ont l’âge et le statut social similaire aux élèves français. Même si les discours des apprenants du corpus LOCNESS traitent des sujets variés, le corpus LOCNESS correspond dans les grands traits à nos besoins et sert de corpus de référence pour des productions écrites des élèves du corpus CORINE qui contient 9 560 mots reconnus par le logiciel AntConc. </div> <div id="sdfootnote17"> <a class="sdfootnotesym" href="#sdfootnote17anc" name="sdfootnote17sym">17</a>La création d’une liste des N-grams les plus fréquents du corpus permet d’identifier un phénomène linguistique qui aurait pu sinon rester invisible. Dans les recherches plus spécialisées les N-grams peuvent aider à observer les marqueurs discursifs ou les phraséologismes (expressions fixes propres au contexte étudié).   </div>